智谱AI发布国产最强大模型GLM4，理解评测与数学能力仅次于Gemini Ultra和GPT-4，编程能力超过Gemini-pro，还有对标GPTs商店的GLMs

GLM4是智谱AI发布的第四代基座大语言模型，全称General Language Model，最早由清华大学KEG小组再2021年发布。这个基座模型也是著名的开源国产大模型ChatGLM系列的基座模型。本次发布的第四代GLM4的能力相比此前的基座模型提升了60%，已经与世界最强模型Gemini Ultra和GPT-4接近！

GLM-4基座模型介绍

这是在智谱AI开发者大会上推出的新一代基座大语言模型，GLM4相比较此前最大的特点是三个变化：性能全面提升、上下文长度更长、支持更强的多模态能力。GLM-4在DataLearnerAI的模型信息卡地址：https://www.datalearner.com/ai-models/pretrained-models/GLM4

各项评测结果大幅提升：性能全面增强

GLM4公布了其在各项评测的结果，包括MMLU理解评测、GSM8K数学逻辑和代码水平上，都有大幅提升。

如上图所示，是GLM4与Google Gemini Ultra和GPT-4的对比结果。从图中的对比结果可以看到，阅读理解方面，GLM4与Google Geimin Ultra差距不大，比GPT-4低5分左右，这也是目前已知的基座大模型中排名最好的国产模型了，此前突破80分的是李开复零一万物的Yi-34B模型，这个得分也比ChatGLM3-6B-Base提高了20分！而数学推理方面，GSM8K的评测结果显示，GLM4得分87.6，也是超过了Google的Gemini Pro，仅次于GPT-4和Gemini Ultra。不过，Gemini Pro的评测虽然好，但是Bard体验一般，很多反馈不行。而编程能力方面，GLM4的得分也很不错，接近Gemini-ultra的分数。这个图中把GPT-4的结果列为67，但是微软测试结果是82，按照实际体验看，GPT-4为82是合理的。

下图是DataLearner综合评测按照MMLU排序的结果：

数据来源：https://www.datalearner.com/ai-models/llm-evaluation

以及编程评测按照HumanEval排序的结果，可以看到，不论哪个对比，GLM4的表现都可以理解为与GPT-4和Gemini Ultra差不多，应该是比GPT-4略低。

数据来源：https://www.datalearner.com/ai-models/llm-coding-evaluation

GLM4最高支持128K超长上下文

在之前的模型中，智谱AI的模型最高支持32K上下文长度，而本次GLM4的发布，将上下文的长度提升到了128K，与GPT-4对齐。他们也根据此前的“needle in a haystack”（大海捞针）测试（详情参考此前GPT-4与Claude的测试：https://www.datalearner.com/blog/1051699526438975 和 https://www.datalearner.com/blog/1051701947131881 ）。

大模型“大海捞针”测试就是给定一篇超长上下文，然后插入一句与全文无关的内容，用大模型针对这个无关内容提问，如果大模型能准确回答，则说明大模型超长上下文支持良好，这个测试虽然不严谨，但是某种程度上可以代表大模型对超长上下文的支持水平。具体测试过程可以参考前面DataLearner的内容。

从上图看，GLM4-128K的在超长上下文的水平表现上与GPT-4-Turbo和Claude-2.1几乎完全一致。表现非常不错~

GLM4的多模态支持

除了基础语言能力的提升，GLM4在多模态的支持上也更强。这里提到的就是CogView3，这是底层基于GLM4为语言模型的多模态大模型，在各项评测结果中非常不错，与DALL·E3的水平几乎一致。

下图是一些生成图片的样例：

画面还是非常精致的。

GLM-4 All Tools

此次，智谱AI还推出了对标GPT-4 All Tools的GLM-4 All Tools，一个集合了各种工具，可以自主规划任务分解任务并执行的一个类似AI Agent模式的大模型系统。这个系统相比较基座模型，可以通过调用代码解释器、网络浏览器工具等提升模型的水平。根据测试，这个模型系统比基座模型在各项评测结果中有更好的提升。