清华大学与智谱AI重磅开源 GLM-4：掀起自然语言处理新革命

在强大的预训练基础上，GLM-4-9B 的中英文综合性能相比 ChatGLM3-6B 提升了 40%。尤其是中文对齐能力 AlignBench、指令遵从能力 IFeval，以及工程代码处理能力 Natural Code Bench 方面都实现了显著提升。

自 2023 年 3 月 14 日开源 ChatGLM-6B 以来，GLM 系列模型受到了广泛的关注和认可。特别是在 ChatGLM3-6B 开源之后，开发者对智谱 AI 推出的第四代模型充满了期待。而这一期待，随着 GLM-4-9B 的发布，终于得到了满足。

GLM-4-9B 的诞生

为了赋予小模型（10B 以下）更加强大的能力，GLM 技术团队经过近半年的探索，推出了这一全新的第四代 GLM 系列开源模型：GLM-4-9B。

创新预训练技术

在预训练过程中，我们引入大语言模型进行数据筛选，最终获得了 10T 高质量多语言数据。这一数据量是 ChatGLM3-6B 模型的 3 倍以上。此外，我们采用了 FP8 技术进行高效的预训练，相较于第三代模型，训练效率提高了 3.5 倍。考虑到用户的显存需求，GLM-4-9B 的参数规模从 6B 提升到了 9B。最终，我们将预训练计算量增加了 5 倍，从而在有限的显存条件下最大化性能。

卓越性能展示

综合以上的技术升级，GLM-4-9B 具备了更强大的推理性能、更加优异的上下文处理能力、多语言支持、多模态处理以及全工具 All Tools 调用等优势。

GLM-4-9B 系列包括多个版本：

基础版本：GLM-4-9B（8K）
对话版本：GLM-4-9B-Chat（128K）
超长上下文版本：GLM-4-9B-Chat-1M（1M）
多模态版本：GLM-4V-9B-Chat（8K）

GLM-4-9B 的强大能力

基础能力

在强大的预训练基础上，GLM-4-9B 的中英文综合性能相比 ChatGLM3-6B 提升了 40%。尤其是中文对齐能力 AlignBench、指令遵从能力 IFeval，以及工程代码处理能力 Natural Code Bench 方面都实现了显著提升。即使对比训练量更多的 Llama 3 8B 模型，GLM-4-9B 也丝毫不逊色，在英文表现上略有领先，而在中文学科领域，GLM-4-9B 更是提升了高达 50% [性能评测图表]。

长文本处理能力

图片

GLM-4-9B 模型的上下文长度从 128K 扩展到了 1M tokens，意味着能同时处理多达 200 万字的输入，相当于两本《红楼梦》或 125 篇学术论文的长度。GLM-4-9B-Chat-1M 模型在“大海捞针”实验中，成功展示了其出色的无损处理长文本输入的能力 [长文本实验图示]。

以下是两个展示长文本处理能力的 demo 视频案例：

GLM-4-9B-Chat 模型：输入 5 个 PDF 文件，总长度约为 128K，给出写一篇关于中国大模型发展的详细调研报告的 prompt。模型能够快速生成高质量的调研报告（视频未加速）。
GLM-4-9B-Chat-1M 模型：输入《三体》全集约 90 万字，要求模型给该小说写续集大纲的 prompt。模型合理规划并给出续写框架（视频加速 10 倍）。

多语言支持

GLM-4-9B 支持多达 26 种语言，包括汉语、英语、俄语等。我们将 tokenizer 的词表大小从 65K 扩展到 150K，编码效率提高了 30%。在多语言理解和生成任务中，GLM-4-9B-Chat 显著超越 Llama-3-8B-Instruct [多语言性能比较图]。

Function Call 能力

GLM-4-9B 的函数调用能力相较上一代提升了 40%，在 Berkeley Function-Calling Leaderboard 上，其 Function Call 能力与 GPT-4 不相上下 [函数调用性能对比图表]。

All Tools 全工具调用

“All Tools”能力即模型可以理解和使用各种外部工具（如代码执行、联网浏览、画图等）来辅助完成任务。在 1 月 16 日的 Zhipu DevDay 上，GLM-4 模型全线升级了 All Tools 能力，可以智能调用网页浏览器、代码解释器、CogView 等工具，完成复杂请求 [All Tools 任务图示]。