| |
|
|
| 首页 淘股吧 股票涨跌实时统计 涨停板选股 股票入门 股票书籍 股票问答 分时图选股 跌停板选股 K线图选股 成交量选股 [平安银行] |
| 股市论谈 均线选股 趋势线选股 筹码理论 波浪理论 缠论 MACD指标 KDJ指标 BOLL指标 RSI指标 炒股基础知识 炒股故事 |
| 商业财经 科技知识 汽车百科 工程技术 自然科学 家居生活 设计艺术 财经视频 游戏-- |
| 天天财汇 -> 科技知识 -> 智谱发布 GLM-4 基座大模型，性能效果如何？ -> 正文阅读 |
|
|
[科技知识]智谱发布 GLM-4 基座大模型，性能效果如何？ |
| [收藏本文] 【下载本文】 |
|
量子位：国产GPTs来了，基于智谱第4代大模型！模型性能均达GPT-4九成以上 |
|
我简单试了一下，确实跟GPT4几乎一模一样的技术栈。 我上传了这么一张图片 |
|
|
能读出来，也比较准，看来OCR做的不错。 |
|
|
换了另一张图，是sine正弦函数的可视化，最简单的可视化。 |
|
|
首先结果不对，这是正弦函数，y的结果一眼不对。 x = list(range(0, 4)) y = [-1, 1, -1, 1] 第二点，不如GPT4的code interpreter可以执行代码。 但是我觉得这个大模型算是国内的很不错的大模型了，起码gpt4有的它都有，虽然是打折版的。 并且使用也免费，已经挺够意思了。 我只是有一点儿担忧，就是毕竟大模型的最大的护城河还是在模型的智能程度上，OpenAI以下的大模型其实大家都半斤八两，没有谁很突出。 希望国内大模型也能尽快赶上。 |
|
今天，国内唯一一家全系对标OpenAI的公司，又搞了一个大新闻！ 就在刚刚，智谱AI发布了「新一代基座大模型」GLM-4——性能全面比肩GPT-4。 其中，GLM-4不仅在中文能力上超过了所有竞争对手。 |
|
|
而且，长文本能力也一骑绝尘，实现了128K「大海捞针」全绿。 |
|
|
除此之外，智谱AI这次还发布了「定制化的个人GLM大模型」GLMs和GLM Store，再次对标OpenAI的GPTs！ |
|
|
新一代GLM-4，全面比肩GPT-4！ 那么，这次新一代基座大模型GLM-4，究竟强在了哪？ 与上一代ChatGLM3相比，GLM-4在综合能力上实现了全面跃升，性能提升了60%，已经逼近GPT-4。 它能够支持更长的上下文，具备更强的多模态功能，支持更快的推理，更多并发，推理成本大大降低。 同时，GLM-4也增强了智能体能力。 基础能力 从众多评测集中可以看到，GLM-4的性能提升非常明显。 相比于GPT-4，GLM-4在MMLU、GSM8K、BBH、HellaSwag数据集上分布达到了94%、95%、99%和90%的水平。 而在HumanEval数据集上，GLM-4则拿到了72分，明显超过了GPT-3.5和GPT-4的水平。 |
|
|
指令跟随 在IFEval评测集上，在Prompt提示词跟随（中文）方面，GLM-4达到了GPT-4 88%的水平。 在指令跟随（中文）方面，则达到了GPT-4 90%水平，大大超过GPT-3.5。 |
|
|
中文对齐 在模型实际应用过程中，大家更关注的，是中文的对齐能力。 在对齐能力上，基于AlignBench数据集，GLM-4超过了GPT-4在6月13日发布的版本，逼近GPT-4最新（11月6日Turbo版本）效果。 在专业能力、中文理解、角色扮演方面，GLM-4甚至超过了GPT-4的精度。 不过，在中文推理方面，GLM-4的能力还有待进一步提升。 |
|
|
128K长文本 此前的128K大海捞针测试，难倒了众多大模型，但GLM-4却顺利通过。 在大海捞针测试中，128K文本长度内，GLM-4模型均可做到几乎百分百的精度召回。 |
|
|
|
GLM-4带来128K的上下文窗口长度，也就意味着，在单次提示词中，可处理文本达到了300页。 开发者再也不用担心文档太长，一次性处理不完了。 同时，模型的效果和精度也并没有下降。智谱AI团队完美解决了长上下文全局信息因失焦而导致的精度下降的问题。 多模态能力 这一次，GLM-4的文生图和多模态理解都得到增强。 全新推出的CogView3，效果明显超过开源最佳的Stable Diffusion XL，逼近最新OpenAI发布的DALL·E 3。 |
|
|
在对齐、保真、安全、组合布局等各个评测维度上，CogView3的效果都达到DALL·E3 90%以上水平。 相对之前，CogView3的语义理解能力都得到大大增强。 「鱼眼镜头中，有一只乌龟坐在森林里。」 模型准确地理解了什么是鱼眼镜头，以及乌龟在森林里的环境应该是怎么搭配的。 |
|
|
「西兰花下面的斑马」，模型理解得很准确。 |
|
|
「一只打扮的像20世纪80年代的职业摔跤手的博美犬，脸上涂着霓虹绿、霓虹橙，还有亮绿色的颜料」，这么复杂的prompt，模型也没出错，对于颜色、场景，都做到了高质量还原。 |
|
|
「一个放大镜在一页20世纪50年代的《蝙蝠侠》漫画的上空」，模型非常准确地理解了空间位置，以及放大镜蕴含的逻辑作用。 |
|
|
GLM-4 All Tools全家桶来了 上面，都还只是常规的单项模型基础能力提升，大会上最让人眼前一亮的，还是GLM-4-All-Tools全家桶。 |
|
|
在以往，我们都需要魔法咒语一样的提示词或者代码，才能调用大模型的能力。无论是回答问题、画一幅画还是使用外部知识源，总觉得LLM还不够聪明。 而现在，得益于GLM模型的强大Agent能力，GLM-4实现了自主根据用户意图，自动理解、规划复杂指令，自由调用WebGLM搜索增强、Code Interpreter代码解释器和多模态生成能力，从而完成更加复杂的任务。 也就是说，GLM全家桶的能力，终于实现了ALL IN ONE！ 画图 在AI画图方面，GLM-4 All Tools可以很好地结合上下文语境进行创作。 比如，我们可以先画一只卡通柯基。 |
|
|
随后只要说「它开始跑步了」，GLM-4 All Tools就能理解，我们要的还是这只柯基在往前跑。 |
|
|
告诉GLM-4 All Tools「一只小兔子加入它一起」，它就明白柯基是主角，兔子需要跟在柯基后面，同时保持奔跑。 |
|
|
告诉它「跑得越来越快了」，背景就会虚化。 |
|
|
总之，GLM-4 All Tools对上下文语境的理解非常准确。 代码解释器 同样，GLM-4也内嵌了代码解释器，能够自动调用代码解释器，进行复杂的方程或者微积分求解。 在以下数据集上，GLM-4 All Tools取得了和GPT-4 All Tools相当的性能。 |
|
|
下面这道数学多项式，该怎么求解？ |
|
|
或许可以直接训练一个数学模型，但问题更复杂的时候，LLM就容易出现幻觉。 而GLM-4，则可以通过调用Python解释器，进行复杂计算，自动写出求解代码。 |
|
|
不仅是数学问题，代码解释器还能完成文件处理、数据分析、图表绘制等复杂任务，支持处理Excel、PDF、PPT等格式的文件。 可以让模型自动生成PPT大纲，还能调用代码，生成PPT文件。 |
|
|
网页浏览 靠着All Tools全家桶，GLM-4可以实现更高级的网页浏览。 期间，模型会根据任务自行规划检索任务，自行选择信息源，自行与信息源交互。 |
|
|
比如可以问它：我要参加2023年的CCF开源大会，当地天气是怎样的？ 这个问题的难点在于，我们并没有告诉它会议地点，模型自动进行了两次搜索，第一搜到了大会是10月21日在长沙举行，第二次搜到了长沙在10月21日的天气。 |
|
|
可以看到，GLM-4 All Tools的网页浏览准确率，已经超过了GPT-4，令人印象深刻。 |
|
|
Function Call All Tool还有一个通用能力：根据用户提供的function描述，自动选择所需function并生成参数，以及根据function的返回值生成回复。 这方面的能力，已经跟GPT-4基本持平，在中文理解上，GLM-4 All Tools比GPT-4略强。 |
|
|
多工具自动调用现场实测 在大会现场，GLM-4 All Tools进行了一番怼脸实测。 比如，让GLM-4 All Tools联网搜索「智谱2024 DevDay的宣传语」，然后就此主题画一幅画。 可以看到，大模型自动搜索找到了相关发布页面。 |
|
|
同时，生成的图片也很好地还原了GLM-4的意境。 |
|
|
这幅图描绘了智谱2024 DevDay宣传语中的场景。图中展现了勇敢的?站在汹涌的潮头，?对远处的?暴毫不畏惧。 GLM-4可以识别语义并联网，搜索多个数据源。 它还可以生成一段代码，把生成的数据可视化出来，生成简单的图表。 一句简单的输入，联网搜索、提取、代码解释器、绘图等多项原生能力就随之启动，根本无需手动控制。模型强大的理解、解释能力，也就随之而来。 我们可以让GLM-4搭建一个多项式回归预测模型，预测未来5年的全球GDP发展态势。 |
|
|
这样，就能更直观地看到过去十年和未来五年的发展趋势。 |
|
|
根据从MacroTrends获取的数据，我绘制了2007年?2022年全球GDP的折线图。在图表中，我已经将下降的数据点标记为红?，以便于识别。您可以查看这张图表，以直观地看到全球GDP的变化情况。 值得一提的是，GLM-4升级后，API调用价格维持0.1元/千tokens不变，继续保持较低水平。 国产「GPTs」全新上线 可以看到，智谱AI针对OpenAI的这种对标，不仅仅是「我有」产品，而是在诸多方面都达到了可比程度。 最令开发者期待的是，国产「GPTs」也来了！ DevDay上，智谱AI上线了定制化个人GLM大模型——GLMs。 现在，无需代码基础，任何用户均可用简单的prompt指令，创建属于自己的GLM模型智能体，从而实现对大模型的便捷开发。 比如，智谱AI这次就给自己的DevDay做了一个GLMs。 只要打开智谱清言，进入智谱DevDay的智能体，就可以提问今天大会的事宜。甚至能直接要到现场PPT的下载地址。 |
|
|
并且，GLMs模型应用商店，也有开发者分成计划。 |
|
|
看得出，智谱AI可定制Agent——GLMs的发布，以及上线的GLM Store，在走和OpenAI一样的路线。 继首届开发者大会上发布定制GPTs之后，OpenAI上周正式推出人们期待已久的GPT Store。 短短2个月的时间，全世界已经诞生了300万个自定义的ChatGPT。网友纷纷表示，这就是AI时代的「APP Store」时刻。 |
|
|
简单来说，GLMs降低了大模型的使用门槛，可以让更多的人参与进来，为AI广泛落地铺平了道路。 相较于调用单纯的大模型，GLMs就像一个Agent，可以通过上传文件，比如私有数据等，让其获得额外的知识。这样，定制化的GLMs就能提升对特定问题回答的准确性，以极高的精度执行任务。 |
|
|
苹果在2008年推出APP Store的最大价值在于，创造了一个新的生态，为第三方开发者带去数百万亿美元的收入。 |
|
|
在AI新时代下，不论是GPT Store，还是GLM Store，都将带领世界开发者走向一条新的LLM商业化道路。 好消息是，GLMs和GLM Store今天就已正式上线！ |
|
|
复杂的模型产业链，一步步做起 众所周知，大模型是一个复杂的产业链。而行业对此的共识是：共同创造，才能产生真正的社会价值。 那么，要做到这一点，首先要让大模型本身的能力足够强。 第一步，模型够强 在这一方面，智谱AI从未停下过自己的脚步。 自2019年成立以来，这家AI初创公司便致力于打造新一代认知智能大模型，专注于做大模型的中国创新。 一年后，智谱AI从0开始研发全新的GLM预训练架构，并在2022年推出了中英双语千亿级超大规模预训练模型GLM-130B。 |
|
|
到了2023年，GLM系列大模型保持每3-4月更新一次的频率，逐渐形成了全面的AIGC产品矩阵。 |
|
|
而这一次，性能足以媲美GPT-4的基座大模型GLM-4，是智谱AI进一步研发能力的体现。 智谱AI CEO张鹏在技术开放日上表示，「GLM-4的推出，标志着国产大模型有能力对标世界人工智能最先进水平」。 模型之后，就是生态 除了模型自身的能力之外，开源社区和学术界的支持也至关重要。 开源的意义在于，联合全球的开发者、研究机构、企业，共同让模型的数据更丰富、模型更优化、应用更全面。 而对于个人开发者和中小企业来说，也能以最低的成本调用模型，不需要花费高昂成本。 在国外，Meta以Llama 1的发布为起点，开辟了开源大模型竞相爆发的新路线。 随着越来越多研究人员的加入，羊驼家族也迎来了大爆发：Alpaca，Vicuna，Llama-Adapter，Lit-Llama等变体相继出现。 几个月后，Llama 2在很大程度上取代了Llama 1，成为功能更强的基础模型，甚至官方还推出了其他的微调版本。 |
|
|
同样，国内的开源引领者智谱AI也早有布局。 2022年，智谱AI率先开源高精度双语千亿模型GLM-130B和ChatGLM-6B。 目前，GLM系列模型在Hugging Face上的下载量已经超过了1100万，在GitHub上累计星标超过5万。而智谱AI也成功跻身全球最受欢迎开源机构第5。 |
|
|
基座大模型GLM-4和GLMs等，会进一步推动GLM的模型生态建设，让智谱AI已经构建起的全模型产品线更加强大。 2024年，智谱对于学术的支持还会继续。1000万元现金和算力资源的大模型科研基金，2023年来已经有三十余所高校参与。 现在，每一个研究者，均有机会参与大模型的研究，还会拥有自己研发的知识产权。 |
|
|
此外，智谱AI还针对开源社区发起了大模型开源基金，为优秀的开发者提供了高达三个「一千」的支持——1000张卡、1000万人民币和1000亿tokens。 |
|
|
同时，智谱AI还重磅升级了面向全球大模型创业者的「Z计划」。 创业基金的总额，达到10亿元！ 这项基金，用于支持大模型原始创新，覆盖大模型算法、底层算子、芯片优化、行业大模型和超级应用等各个方面。 |
|
|
联合上下游，推动产业升级 而在商业领域，智谱AI在2023年里已经积累了1000多家合作伙伴，并与200多家实现了深度共创。 怎么看一个大模型好不好用？最终结果，还是要看有没有真正的落地。 目前，GLM系列模型的能力，已经覆盖了包括金融、咨询、互联网、传统消费产品、智能制造、传媒等诸多领域。 |
|
|
与此同时，智谱AI还将包括国产芯片、不同垂直领域服务集成商等上下游行业合作伙伴团结到一起，共同推动整个产业进步与升级。 可以看到，围绕着GLM系列模型的生态圈，正在加速形成。 智谱AI CEO张鹏表示，「一枝独秀不是春，中国的人工智能事业要繁荣、要发展，需要所有的参与者、产业链上下游合作伙伴、开发者社区、学术界一同努力。智谱不仅有意愿，而且有能力为打造繁荣的国产大模型生态贡献自己的力量」。 |
|
性能效果，其实挺不错的，可用性不输GPT了。 不过，个人测试了一下几个案例，演示如下： 这个问题目前 GPT-4无法一次性回答正确，需要几次提示交互才能回答正确。 GLM-4的表现也同样，无法一次性回答正确，需要几次提示交互才能理解并回答正确。 |
|
|
数学计算的计算能力与理解能力并未超过GPT4，当然，其实GPT4也没法正确回答这个问题。 这个图片GPT-4无法正确绘制，GLM-4目前看来也同样无法正确绘制。 |
|
|
目前所有AI绘图软件均无法正确绘制104全键盘的图片。 值得表扬的是这个问题居然答对了，这可是 GPT-4 都没能答对只会胡说八道的题目。 |
|
|
类似的，这道题竟然基本答对，虽然不够完整。这是GPT-4根本无法正确回答的题。 |
|
|
一个简单的编程示例，这个示例，GPT-4与GLM-4均会给出样式表代码，但经测试，均无法生效达成目标。 |
|
|
下边这个问题，GPT-4并没有生成可以编译的，正确的代码，然而GLM-4生成的代码，我没有测试运行，但它至少是可以编译通过的。 |
|
|
总的来说，这个模型的中文理解能力与搜索能力似乎强于GPT-4，部分场景可能优于GPT-4，但通用理解能力并未超过GPT-4，给出的结果跟GPT-4一样差。希望后续能改进吧。我相信国内卷AI真的卷起来是不会输于漂亮国的。 个人评价：能够正面对刚GPT-4，相对来说，可以认为这个模型取得了非常值得称道的进展。可以算是一个值得认真对待的，流畅易用的，产品化的国内大模型了。。。当然，部分场景表现并不理想，原因在于，GPT-4本身的能力就不算太理想，还需要进一步努力，摸着GPT-4的头过河的话，必然遇上GPT-4能力本身的天花板。 |
|
谢邀！其它回答有点啰嗦，这里简短回答一下： 智谱科技最近发布的GLM-4基座大模型，作为国内对标OpenAI产品线的重要一步，引起了广泛关注。根据智谱的官方说法，GLM-4在性能上相比GLM-3提升了60%，接近GPT-4的最新水平。 |
|
|
这里多说一句，GLM是跟GPT完全不同的技术路线，具体的可以看这张图。 |
|
|
一：GLM-4的性能提升 GLM-4模型在各项评测集上的表现显示出显著的进步。例如： MMLU得分为81.5，达到GPT-4的94%水平。GSM8K得分为87.6，达到GPT-4的95%水平。MATH得分为47.9，达到GPT-4的91%水平。BBH得分为82.3，达到GPT-4的99%水平。HellaSwag得分为85.4，达到GPT-4的90%水平。HumanEval得分为72，达到GPT-4的100%水平。 这些数据表明，GLM-4在各个方面都表现出与GPT-4接近的性能水平。 如下看图说话： |
|
|
|
|
|
|
|
|
|
|
|
二：GLM-4-All Tools的新能力 GLM-4-All Tools作为GLM-4系列的一部分，提供了多种新能力，包括： 用户意图理解和复杂指令规划能力。自由调用文生图、代码解释器、网页浏览能力，以完成复杂任务。 然后再放几个他们的参数，从数据层面对标一下GPT4，这块我就不去做过多详细的解释了，有兴趣的可以自己去用智谱清言识图，让他给你解释一下。 如下看图说话： |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
三：超越参数规模的技术发展 智谱此次不再强调模型参数规模，而是着重展示可用的能力。 这反映出当前AI技术演进趋势，即在不必显著增加参数量情况下，通过更精细方法提升性能。 四. GLMs GPTs 其实和 OpenAI 上线 的 GPT store 是一样的，对于 GPT store 不了解的可以看下我之前的这篇文章： 而且更令人兴奋的是，我制作的《绘画大师》GPTs 上榜，好激动啊。 大全其实制作了四个精品 GPTs 应用，在 GPT Store 上线前就已经开始变现，目前通过 GPTs 已经月入过千了。 |
|
|
我们接着看看 GLMs吧： 目前没有搜索，只有官方推荐的，保证基本的功能。 |
|
|
而在GLMs的创建页面上，其实和GPTs基本一摸一样，刚才发的文章就有提到如何创建的。 |
|
|
还有创作者分成计划。 |
|
|
四：未来发展方向 智谱在接下来将主要发力三个方向： 超级智能。超级对齐。具身智能。 特别值得关注是“超级对对齐”是智谱未来发展的一个重要方向。 这一概念最初由OpenAI提出，旨在解决超级智能 AI 与人类意图对齐的问题。 这意味着AI系统不仅要高效和精确，还要能够理解和符合人类用户目标和价值观。 超级对齐的实现：超级对齐核心在于 AI 模型自学习和自训练能力，这要求AI系统能够从底层开始，就保持与人类意图的一致性。智谱对超级对齐的应用：智谱通过整合 Agen t能力到 GLM-4 中，展示了其在追求超级对齐方面努力。这不仅提升了模型复杂任务处理能力，也为实现更紧密的人机协作奠定了基础。 五、结言 整体来看，智谱 GLM-4 基座大模型发布不仅展示智谱在大模型技术上实力，更为中国 AI 领域发展做出了重要的贡献。 随 GLM-4 在多模态处理、编码器-解码器架构等方面突破，智谱在 AI 技术领域未来发展值得期待。 在最后，还是想再吹爆智谱AI，真的堪称位国产之光！！！。 @大全Prompt 目前专注于 AI 提示词领域的研究，分享从 0 到 1 入门 AI 提示词，ChatGPT 知识的系统性教程， 0 基础的小白也可以学会 ，有基础的小伙伴也可以学到进阶的知识，这里全部免费送给大家： |
|
最早用ChatGPT，但因为科学上网工具的原因，几个账号都被封了。 后来改用Claude，这是OpenAI初创团队离职后创立的AI应用，号称仅次于ChatGPT。后来也是因为科学上网不便，弃用。 之后用了文心一言、通义千问以及讯飞星火大模型，给我的感觉是可用，但终归是差点事。 直到有一天，我用上了ChatGLM。 一、ChatGLM对我的帮助 我常用AI的场景有两个（其实是三个，还有AI绘画我用Stable Diffusion）： 一个是翻译，我业余经常对Civitai网站的AI绘画大模型进行评测，需要翻译，以英文为主，日文、韩文为辅，ChatGLM的翻译非常优秀，能区分出哪是模型的英文名，哪是参数的英文名，不会一股脑都翻译成汉语； 另一个是财务分析，我业余对上市公司财报进行分析，通常会使用ChatDoc和ChatGLM进行辅助分析。ChatDoc的后端使用的是ChatGPT，效果比较不错。在使用ChatGLM进行财报分析的时候，我发现效果并不比ChatDoc差，尤其是更新到GLM-4后，对财报中的报表数字非常敏感，结合我比较专业的提问，能非常容易的回复出我想要的重要知识点。 |
|
|
二、智能体 最让我感到惊艳的，是定制化功能：创建智能体。 本质上，这和ChatGPT的store是一回事，不过定制的门槛非常低。 |
|
|
我按照我的需求，定制了一个财报汇总器。 定制非常简单，只需要在描述里输入我想要的内容即可。后面的配置参数为AI自动生成。 |
|
|
如果有觉得不合适的地方，还可以手工修改。 配置完成后，可以向财报汇总器提问： |
|
|
要知道，汇总财报是很多付费金融客户端才提供的功能，往往价格不菲。 ChatGLM只需要简单的一句话，就实现了金融客户端分析功能的替代，这叫什么？ 降维打击。 能够联网的AI大模型无所不能，很多知识图谱类的APP，将来都会被AI淘汰。而普通用户创建APP的成本将接近0，甚至不需要会写代码，只需要描述需求，就可以由AI代劳。 三、场景期待 在定制智能体的界面，ChatGLM提供了上传知识库的功能。 稍微遗憾的是，现在只支持上传三个文件。 而我的目标就比较庞大，我希望能上传我写过的所有文章。 |
|
|
把它们变成知识库，AI消化吸收后，又可以结合最新的财报，按照我的分析逻辑进行分析。 从而成为我的数字化分身，我可以腾出精力来专心AI绘画。 |
|
|
我觉得这个场景指日可待了，估计很快在后续的付费版实现。 同时，考虑到有些企业有自身的保密需要，开源的离线6B版本将成为很多企业用户的最爱。 |
|
|
| [收藏本文] 【下载本文】 |
| 上一篇文章 下一篇文章 查看所有文章 |
|
|
|
| 股票涨跌实时统计 涨停板选股 分时图选股 跌停板选股 K线图选股 成交量选股 均线选股 趋势线选股 筹码理论 波浪理论 缠论 MACD指标 KDJ指标 BOLL指标 RSI指标 炒股基础知识 炒股故事 |
| 网站联系: qq:121756557 email:121756557@qq.com 天天财汇 |