智谱科技近日正式推出了GLM-4-32B-0414系列AI模型，该系列包含GLM-4-32B-Base-0414、GLM-Z1-32B-0414、GLM-Z1-Rumination-32B-0414以及GLM-Z1-9B-0414四款各具特色的模型，均配备了高达320亿的参数规模。
其中，GLM-4-32B-Base-0414模型尤为引人注目。它采用了15T的高质量数据进行预训练，特别加入了大量推理类的合成数据，显著提升了模型的推理能力。在后续的训练阶段，通过拒绝采样和强化学习等先进技术的运用，该模型在指令遵循、工程代码处理、函数调用等方面展现出了卓越的性能。在工程代码生成、Artifacts创造、函数调用执行、搜索问答以及报告撰写等多个应用场景中，GLM-4-32B-Base-0414的表现甚至可以与更大规模的模型相媲美。
GLM-Z1-32B-0414则是在基础模型的基础上，通过冷启动技术和扩展强化学习的应用，以及在数学、代码和逻辑等特定任务上的深入训练，实现了数理能力和复杂任务解决能力的显著提升。这款模型在处理涉及数学推理和复杂逻辑的问题时，展现出了更加出色的表现。
GLM-Z1-Rumination-32B-0414则是一款具备沉思能力的深度推理模型，它的设计目标是对标OpenAI的Deep Research模型。通过更长时间的深度思考和推理过程，GLM-Z1-Rumination-32B-0414能够解决更加开放性和复杂的问题。同时，它还能够结合搜索工具来处理各种复杂任务，进一步提升了模型的实用性和应用范围。
GLM-Z1-9B-0414则是一款开源的小尺寸模型，虽然参数规模相对较小，但在数学推理和通用任务中却展现出了非凡的能力。在同尺寸的开源模型中，GLM-Z1-9B-0414的表现处于领先地位，为研究和企业提供了高性能且成本效益显著的AI解决方案。
在各项测试中，GLM-4-32B-0414系列模型也展现出了不俗的实力。在IFeval指令遵循测试中，GLM-4-32B-0414得分高达87.6；在TAU-Bench任务自动化测试中，该模型在零售场景和航空场景中分别获得了68.7和51.2的分数；在SimpleQA搜索增强问答测试中，GLM-4-32B-0414的得分更是达到了88.1；而在SWE-bench代码修复测试中，该模型的成功率也高达33.8%。这些优异的成绩充分证明了GLM-4-32B-0414系列模型在多个应用场景中的卓越表现。
GLM-4系列模型还采用了MIT许可协议，这大大降低了模型的计算成本和使用门槛。无论是研究机构还是企业用户，都可以更加便捷地利用这些高性能的AI模型来推动各自领域的发展和创新。
