• AI大模型探索之路-基础篇5:GLM-4解锁国产大模型的全能智慧与创新应用



    前言

    随着人工智能技术的飞速发展,大型预训练语言模型已成为推动行业进步的重要力量。它们在理解自然语言、生成文本、执行复杂任务等方面展现出惊人的能力。在此背景下,国产大模型GLM-4的问世,不仅展现了中国在AI领域的实力,也为国内外研究者和开发者提供了新的研究与应用平台。

    一、GLM4大模型总体概述

    在这里插入图片描述

    北京时间2024年1月16日,标志着国内人工智能重要进展的一刻,清华智谱AI在举办 developers 大会时,向公众介绍了全新一代的基座模型——GLM-4。这一模型不仅性能卓越,更加入了创新的“ALL Tools”功能,同时发布了配套工具GLMS和API接口GLM-4-API,并启动了GLM-4Assistant API的邀请内测,体现了其在多方面的应用潜力。
    1)模型功能方面:新一代的GLM-4是一个长文本多模态的大模型,具有128K的长对话上下文长度,支持丰富的应用如图文互译、自动代码执行、联网操作以及稳定的全自动Function call。这些特性使得GLM-4成为一个多功能且强大的智能系统
    2)模型性能方面:GLM-4的整体性能相比前代GLM-3有了显著提升,提升了60%,其综合能力已接近世界顶尖模型Gemini Ultra和GPT-4,特别是在中文处理能力上甚至超越了GPT-4,堪称国产版的GPT-4。

    二、GLM4和GPT4功能对比

    在这里插入图片描述
    GLM-4拥有类似ChatGPT ALL Tools功能,可以识别用户意图,灵活调用不同功能可以根据人类意图,灵活调用CoaView3进行绘图与修改、调用代码解释器完成复杂计算、调用Function cal来调用外部工具AP1、联网、以及多工具组合调用;
    目前ALL Tools功能只能在智谱清言中使用,暂时无法通过调用API实现,估计之后会在GLM AssistantAPI中实现
    智谱清言
    s://chatglm.cn/

    三、GLM4和GPT4性能对比

    在各项评测中,GLM-4的性能表现几乎达到GPT-4的95%,尤其在中文对齐能力方面有着超越的表现。无论是基础能力(英文)、指令跟随能力、对齐能力还是长文本处理能力,GLM-4都显示出了与GPT-4相匹敌甚至超越的水平。此外,在多模态文生图方面,GLM-4也表现出色,与DALLE3相当。

    1、基础能力(英文)

    GLM-4 在 MMLU、GSM8K、MATH、BBH、HellaSwag、HumanEval 等数据集上,分别达到 GPT-4 94%、95%、91%、99%、90%、100%的水平。
    在这里插入图片描述

    2、指令跟随能力

    GLM-4 在 IFEval 的 prompt 级别上中、英分别达到 GPT-4 的88%、85%的水平,在 Instruction 级别上中、英分别达到 GPT-4 的90%、89%的水平。
    在这里插入图片描述

    3、对齐能力

    GLM-4 在中文对齐能力上整体超过 GPT-4。
    在这里插入图片描述

    4、长文本能力

    我们在 LongBench(128K)测试集上对多个模型进行评测,GLM-4 性能超过 Claude 2.1;在「大海捞针」(128K)实验中,GLM-4 的测试结果为 128K 以内全绿,做到100%精准召回。
    在这里插入图片描述

    5、多模态-文生图

    CogView3 在文生图多个评测指标上,相比 DALLE3 约在 91.4% ~99.3%的水平之间。
    在这里插入图片描述

    四、GLM-4 ALL Tools

    GLM-4能够根据用户的指令自主理解和规划任务,自由调用网页浏览器、代码解释器和多模态文生图等工具完成复杂任务。这包括基于上下文的AI绘画创作、复杂计算任务的自动代码执行、高效的网页信息检索等。此外,GLM-4还支持多工具的自动调用,进一步提高了处理复杂问题的能力。

    简单来讲,即只需一个指令,GLM-4 会自动分析指令,结合上下文选择决定调用合适的工具。

    1、文生图

    利用CogView3,GLM-4不只是能够生成图像,它还可以根据用户提供的详细文本描述进行创作。更为惊人的是,它可以在多次迭代中接受用户的反馈,实时调整图像细节,直至用户满意为止。这一过程涉及到复杂的视觉理解与图像生成技术,而GLM-4能够无缝地完成这一切。
    在这里插入图片描述

    2、代码解释器

    GLM-4 能够通过自动调用 python 解释器,进行复杂计算(例如复杂方程、微积分等),在 GSM8K、MATH、Math23K 等多个评测集上都取得了接近或同等 GPT-4 All Tools 的水平。
    在这里插入图片描述

    通过内置的代码解释器,GLM-4可以执行复杂的程序代码。无论是高级的数据分析任务还是需解决特定数学问题的算法,GLM-4都能提供开箱即用的解决方案。此外,它还能够处理多线程和复杂控制流,这使得它能够应对实际开发中的复杂场景。

    3、网页浏览

    GLM-4 能够自行规划检索任务、自行选择信息源、自行与信息源交互,在准确率上能够达到 78.08,是 GPT-4 All Tools 的116%。
    在这里插入图片描述

    GLM-4的网页浏览功能使它成为一个强大的信息检索工具。模型可以自主地在互联网上搜索信息、筛选相关数据,并直接与网页内容交云,从而提供最新最准确的信息响应用户查询。

    4、Function Call

    GLM-4 能够根据用户提供的 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;同时也支持一次输入进行多次 Function 调用,支持包含中文及特殊符号的 Function 名字。这一方面 GLM-4 All Tools 与 GPT-4 Turbo 相当。

    在这里插入图片描述

    通过Function Call功能,GLM-4可以接受一个函数的描述,然后自动找到对应的函数并产生恰当的参数来执行它。这意味着即使用户不具备编程知识,也能够利用GLM-4完成一系列专业任务。此外,对于需要多次执行的命令,GLM-4支持批量处理,极大提高了效率。

    5、多工具自动调用

    在处理一些需要综合利用多种工具才能解决的问题时,GLM-4展现了其卓越的联合作战能力。例如,一个复杂的问题可能需要网络搜索获取信息、代码解释器计算结果以及文生图来制作图表展示。GLM-4可以流畅地在这些工具之间切换,无需用户进行任何额外的操作或指令输入,所有的工作都在后台自动完成。
    在这里插入图片描述

    五、开发者平台对比

    GPT有提供给开发人员使用的API开发者平台,我们注册后可以进行ChatGPT的体验,获取API KEY调用相关API,实现自己的AI应用开发。
    在这里插入图片描述

    为了方便开发者利用这些高级功能,清华智谱提供了MaaS开放平台,类似于OpenAI的API开发者平台。对于国内用户而言,GLM的平台更为便捷,不受网络限制。
    在这里插入图片描述

    六、大模型生态对比

    清华智谱在生态上基本上完全对标OpenAI来打造的,例如有对标ChatGPT的智谱清言,有对标GPT4的GLM4; 也有对比GPTs的GLMs,另外GLM也有开发自己的Store,以及后面推出GLM4-Assistant API。

    智谱清言OpenAI
    GLM-4GPT-4
    GLMsGPTs
    GLM StoreGPT Store
    GLM-4 Assistant APIOpenAI Assistant API

    七、开放平台注册使用

    开放平台的注册过程简单明了,用户注册后,并获得初始的API KEY。新用户会获得一定额度的免费token,以便测试和使用。充值也极为方便,支持微信和支付宝支付。此外,开放平台上还有知识库和应用中心等功能,允许用户上传自己的知识库,并在无代码的环境中开发应用。体验中心则可以让用户直接体验大模型的功能,进行实际的对话和测试。

    1、账号注册

    首先,用户需要通过https://open.bigmodel.cn/login访问开放平台的注册页面。这个过程非常直观和友好,不需要特殊的网络技巧,确保了国内外的用户都能轻松进入。完成注册后,用户将获得一个账户,这是开启GLM-4之旅的第一步。
    在这里插入图片描述

    2、生成API KEY

    拥有账户后,用户登录平台并自动获得一个独一无二的API KEY,这是调用GLM-4 API的凭证。如果需要,用户还可以在账户设置中生成更多的API KEY,或对已有的KEY进行管理,以满足不同开发环境和场景的需要。
    在这里插入图片描述

    3、额度查看

    开放平台为用户提供了一个初始的免费token额度,让用户能够体验GLM-4的功能而无需担心费用。一旦用户的免费额度用完,可以通过微信或支付宝等便捷的支付方式进行充值,这既方便又安全。
    在这里插入图片描述

    4、知识库

    知识库是应用开发的核心,尤其是在构建智能问答系统时。开放平台向用户提供了易于操作的界面来上传和管理自己的知识库。这些知识库可以包含结构化数据、文档、图片等,用于训练模型或增强其回答质量。
    在这里插入图片描述

    知识库准备:自己本地整理一个word或者PDF的问答类的知识库信息,如下:
    在这里插入图片描述

    5、应用中心

    在应用中心,用户可以发现如何无代码创建自己的AI应用。平台提供了详细的指导和模板,使得即便是没有编程背景的用户也能够利用GLM-4的能力,打造个性化的AI服务。

    比如我们前面很多篇章中讲到的知识库应用;提前准备好知识库;填写好相关机器人应用的信息,即可在体验中心进行体验使用。

    在这里插入图片描述

    6、体验中心

    为了测试和展示大模型的能力,体验中心提供了多种预设的场景和应用示例。用户可以直接与GLM-4进行互动,体验它的多功能性。同时,用户也可以从体验中心切换到自己定制的应用,实时观察和评估它们的性能。
    同时在体验中心,我们可以体验大模型的功能,进行对话聊天;也可以从右侧菜单栏中,切换为应用
    在这里插入图片描述

    切换为应用后,就可以看到我们前面自己创建的额“问答测试机器人了”,可以直接进行体验测试;另外也可以在右边栏中查看关联的知识库情况。
    在这里插入图片描述

    7、知识库应用测试

    当用户基于自己的知识库对模型进行提问时,可以准确评估GLM-4对于特定信息的处理能力。这种测试不仅可以用来检验模型的效果,还能够帮助用户理解和改善知识库的结构和内容,以获得更优的用户体验。
    对自己前面上传的知识库,进行问答测试,发现精准度还是非常高的。
    在这里插入图片描述

    八、API简单测试

    安装依赖

    pip install --upgrade zhipuai
    
    • 1

    请求示例

    from zhipuai import ZhipuAI
    client = ZhipuAI(api_key="") # 填写您自己的APIKey
    response = client.chat.completions.create(
        model="glm-4",  # 填写需要调用的模型名称
        messages=[
            {"role": "user", "content": "作为一名营销专家,请为智谱开放平台创作一个吸引人的slogan"},
            {"role": "assistant", "content": "当然,为了创作一个吸引人的slogan,请告诉我一些关于您产品的信息"},
            {"role": "user", "content": "智谱AI开放平台"},
            {"role": "assistant", "content": "智启未来,谱绘无限一智谱AI,让创新触手可及!"},
            {"role": "user", "content": "创造一个更精准、吸引人的slogan"}
        ],
    )
    print(response.choices[0].message)
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13

    输出:

    {
      "created": 1703487403,
      "id": "8239375684858666781",
      "model": "glm-4",
      "request_id": "8239375684858666781",
      "choices": [
          {
              "finish_reason": "stop",
              "index": 0,
              "message": {
                  "content": "智绘蓝图,AI驱动 —— 智谱AI,让每一刻创新成为可能。",
                  "role": "assistant"
              }
          }
      ],
      "usage": {
          "completion_tokens": 217,
          "prompt_tokens": 31,
          "total_tokens": 248
      }
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21

    总结

    GLM-4的推出不仅是国产AI技术的一大飞跃,也为国内外的研究者和开发者提供了更多的可能性。其强大的功能和卓越的性能,无疑将在未来的AI领域中发挥重要作用。随着开放平台的不断完善和大模型生态的逐渐成熟,我们有理由期待GLM-4将带来更多的创新和应用。

    在这里插入图片描述

    🎯🔖更多专栏系列文章:AIGC-AI大模型探索之路

    如果文章内容对您有所触动,别忘了点赞、⭐关注,收藏!加入我,让我们携手同行AI的探索之旅,一起开启智能时代的大门!

  • 相关阅读:
    JAVA设计模式第七讲:设计模式在 Spring 源码中的应用
    linux系统中mysql 连接出现“too many connections”问题解决办法
    【vue实战项目】通用管理系统:作业列表
    我的创作纪念日
    Seata分布式事务实现原理
    《向量数据库指南》——向量数据库Elasticsearch -> Milvus 2.x
    redis主从扩容
    lua-web-utils库
    【图像融合】基于RP、CVT、DTCWT、NSCT-SR+DWT-SR+拉普拉斯金字塔算法-SR等实现MRT图像融合附matlab源码
    Pandas 数据可视化
  • 原文地址:https://blog.csdn.net/xiaobing259/article/details/139127949