自2023年3月14日開始，ChatGLM-6B以來，GLM系列模型受到了廣泛的關注和認可。特別是在ChatGLM3-6B開源之後，開發者對智譜AI推出的第四代模型充滿了期待。而這項期待，隨著GLM-4-9B的發布，終於得到了充分的滿足。
為了賦予小模型（10B及以下）更加強大的能力，GLM技術團隊經過近半年的探索，推出了這全新的第四代GLM系列開源模型：GLM-4-9B。這一模型在確保精度的同時，大幅度壓縮了模型大小，具有更快的推理速度和更高的效率。 GLM技術團隊的探索並沒有止境，我們將持續努力推出更具競爭力的開源
在預訓練過程中，我們引進大語言模型進行資料篩選，最終獲得了10T高品質多語言資料。這數據量是ChatGLM3-6B模型的3倍以上。此外，我們採用了FP8技術進行高效率的預訓練，相較於第三代模型，訓練效率提高了3.5倍。考慮到用戶的儲存需求，GLM-4-9B的參數規模從6B提升到了9B。最終，我們將預訓練計算量增加了5倍，使得在有限的儲存條件下最大化效能能力。
GLM-4-9B是一款功能全面的綜合技術升級工具，具備更強大的推理效能、更優異的情境處理能力、多語言支援、多模態處理以及全工具集All Tools呼叫等優點。這些升級為用戶提供了更穩定、更可靠、更精準的技術支持，提高了用戶的工作效率和品質。
GLM-4-9B 系列包含多個版本：
GLM-4- 9B在強大的預訓練基礎上，中英文綜合能力相比ChatGLM3-6B提升了40%。尤其是中文對齊能力AlignBench、指令遵從能力IFeval，以及工程程式碼處理能力Natural Code Bench方面都實現了顯著提升。即使對比訓練量較多的Llama 3 8B模型，GLM-4-9B也絲毫不遜色，在英文表現上領先，而在中文學科領域，GLM-4-9B更是提升了高達50%的[性能評測圖表]。
圖片
#GLM-4-9B+模型的上下文長度從128K 擴展到了1M tokens，意味著能同時處理多達200 萬字的輸入，相當於兩本《紅樓夢》或125 篇學術論文的長度。 GLM-4-9B-Chat-1M 模型在「大海撈針」實驗中，成功展示了其出色的無損處理長文本輸入的能力【長文本實驗圖示】。
以下是兩個展示長文字處理能力的demo 影片案例：
GLM-4-9B+支援多達26種語言，包括中文、英文、俄文等。我們將tokenizer的詞表大小從65K擴展到150K，編碼效率提高了30%。在多語言理解和生成任務中，GLM-4-9B-Chat表現超越Llama-3-8B-Instruct [多語言效能比較圖]。
GLM-4-9B 的函數呼叫能力相較上一代提升了40%，在Berkeley Function-Calling Leaderboard 上，其Function Call能力與GPT-4 不相上下[函數呼叫效能比較圖表]。
「All Tools」能力即模型可以理解並使用各種外部工具（如程式碼執行、連網瀏覽、畫圖等）來輔助完成任務。在 1 月 16 日的 Zhipu DevDay 上，GLM-4 模型全線升級了 All Tools 能力，可以智慧呼叫網頁瀏覽器、程式碼解釋器、CogView 等工具，完成複雜請求 [All Tools 任務圖示]。
GLM-4V-9B 作為GLM-4 基座的開源多模態模型，能夠處理高解析度輸入，將視覺和文字資料直接混合進行訓練，展現了顯著的多模態處理效果，與GPT-4V 表現相當。在辨識和處理複雜多模態任務時，表現非常出色 [多模態應用實例圖]。
圖片
GLM-4-9B 展現了其在多種任務中的強大性能，是自然語言處理領域的一大突破。無論是學術研究還是工業應用，GLM-4-9B 都將成為您的不二選擇。
我們誠摯邀請您加入GLM-4 的使用者行列，共同探索這款卓越模型帶來的可能性：
以上是清華大學與智譜AI重磅開源 GLM-4：掀起自然語言處理新革命的詳細內容。更多資訊請關注PHP中文網其他相關文章！
0
1
361
