國產大模型玩家智譜AI，交出最新成績單——

發布全自研第四代基座大模型GLM-4，且所有更新迭代的能力全量上線。

作為國內唯一一個產品線全對標OpenAI的大模型公司，智譜年前攢了波大的：

按官方說法，GLM-4性能相比GLM-3提升60%，逼近GPT-4（11月6日最新版本效果）。

而同時推出的GLM-4-All Tools，能夠完成用戶意圖理解-復雜指令規劃-自由調用GLM生態的多種模型能力。

值得一提的是，智譜發布了GLMs，為所有開發者提供AI智能體定制能力，簡單prompt指令就能創建個性化GLM智能體。

之前，智譜CEO張鵬就明確過：

OpenAI摸著石頭過河，我們摸著OpenAI過河。

摸來摸去摸了一年，以每3-4個月升級一次基座模型的速度，智譜摸著OpenAI過河的最新成績到底怎么樣？真如所說嗎？

當官方用上“可對比”“對標”“追平”等字眼后，智譜接下來的路又會怎么走？

好奇，感興趣，想知道。

（我猜你們也是）。

所以，發布GLM-4的智譜AI技術開放日現場，我們替沒到場的小伙伴聽了、看了；滿肚子的問題，我們也幫大家抓住張鵬問了。

GO——

“摸著OpenAI”，路走成什么樣了？

智譜為什么敢喊出“逼近”甚至部分超過GPT-4？

老規矩，直接一起看GLM-4的現場演示：

首先來看整體性能。

基礎能力方面，張鵬在現場介紹了GLM-4在各項評測集上的最終得分。

• MMLU：81.5，達到GPT-4的94%水平；
• GSM8K：87.6 ，達到GPT-4的95%水平；
• MATH ：47.9，達到GPT-4的91%水平；
• BBH ：82.3，達到GPT-4的99%水平；
• HellaSwag ：85.4，達到GPT-4 的90%水平；
• HumanEval：72，達到GPT-4的100%水平。

指令跟隨能力方面，和GPT-4相比，IFEval在Prompt提示詞跟隨（中文）方面達到88%，指令跟隨（中文）方面達到 90%水平，超過GPT-3.5。

對齊能力上，基于AlignBench數據集，GLM-4超過了GPT-4的6月13日版本，逼近GPT-4最新（11月6日版本）效果。

在專業能力、中文理解、角色扮演方面，GLM-4超過GPT-4精度。

不過張鵬也表示，GLM-4在中文推理方面的能力，還有待進一步提升。

其次，在大模型的“內存”能力方面，GLM-4系列支持128k上下文窗口長度，單次提示詞可處理文本300頁，比前作有所提升。

在needle test大海撈針測試中，GLM-4在128K文本長度內均可做到幾乎百分之百精度召回。

除此之外，GLM-4系列集成了一些新能力在身上，主要是Agent能力和多模態能力。

多模態能力方面，GLM-4則是把原本就有的文生圖（CogView3）、代碼能力做了升級。

智譜強調，CogView3效果超過開源最佳的Stable Diffusion XL，逼近DALLE·3。

至于Agent能力方面，此前智譜發布過AgentLM系列并開源。

這次是把Agent能力整合進了GLM-4，有了GLM-4-All Tools。

它可以根據用戶意圖，自動理解、規劃復雜指令，自由調用文生圖、代碼解釋器、網頁瀏覽能力，以完成復雜任務。

對GLM-4的發布，綜合下來給人一種這樣的感覺：

去年10月底第3代基座大模型，該公司在模型產品線上和OpenAI逐一對齊；第4代是在拉齊模型能力和OpenAI GPT-4的能力水平線。

明顯能感覺到，智譜的基座模型越往后升級，越開始不強調模型參數大小，轉而開始盡可能地向外界展示可用能力。

為什么不想強調參數規模了？會像OpenAI一樣逐漸close起來嗎？

量子位打聽了一番，聽到的消息是，現在的技術主流路線已經發現并不是參數量越大越好——當然，模型越“大”，肯定能帶來能力涌現的好處，但模型越大，成本就越高，成本高自然不是市場想要追求的。

同時，現在的技術演進和發展已經表明，追求更好的能力，可以用一些更精細的方法，在保證模型無需十倍級提升參數的情況下，大幅提升性能。

以上兩個原因相加，是智譜也不再強調基座模型參數的背后原因。

參數不強調了，外界的目光自然更加緊盯這一代基座模型的性能——這確實是智譜這回想要強調的東西。

接下來將主要發力三個方向

“大模型的技術，不是說把原來系統里的小模型扔掉，換上大模型的接口就行了。這只是在局部做了替換，本質上并無改變。”張鵬解釋道，“但我們大家潛意識里期待的，是完全的革新和創新，是不需要原來的那套結構。”

他補充解釋，從新技術出發，改造整個生產流程、提升生產效率和生產力，這就是擁有大模型能力后，“AI原生”會完成的任務。“那AI原生的應用前提條件是什么？還是得回到模型本身的能力。”

張鵬表示，模型能力足夠強、維度足夠多、能力要能融合產生化學反應從而擴大能力空間，本質上還是看模型能力的事兒。

我們想得很清楚，還是要做好我們最擅長、最喜歡的事情，然后大家一起來做這個生態。

為了把GLM的生態圈建起來、建好，摸著OpenAI過河的智譜，這會推出了可定制化的GLM。

也就是GLMs。

無論任何用戶，只要用簡單的prompt指令，就能創建屬于自己的GLM個性化智能體。

張鵬還在現場宣布，智譜智能體中心也同時上線。

等等……既然GLMs有了，GLM Store是不是也不遠了？！

好問題。量子位當然第一時間拿這個問題問了張鵬。

得到的答案是：

緊接著，我們鍥而不舍地拋出了新的問題：

如果說之前的行為都是在摸著OpenAI過河，那么現在，智譜的基座模型喊出對標GPT-4，接下來的路會怎么走？

張鵬稍稍透露了那么一點，主要是在三個方向發力。

• 超級智能
• 超級對齊
• 具身智能

其中比較值得拿出來說道說道的，是“超級對齊”這一點。

這里回顧一下有關超級對齊的前情提要：去年7月，OpenAI首次提出超級對齊這一概念，宣布成了一個新的研究團隊，在未來4年投入20%算力，用AI監督AI的方式，解決超級智能AI與人類意圖對齊的問題。

“我個人覺得，在（超級對齊）這件事情上，可能我們認知還沒有那么深，或者說大家對這事情的認知不太一致。”張鵬說。

在他看來，OpenAI創始人之一Ilya想做到的超級對齊，是想要在AI從誕生之時起，就從底層保持著對人類最大限度的愛，“他是要去探尋本源。自訓練、自學習這樣的能力實際上是對世界知識的一種壓縮和表示，所以實現這個目標，需要從知識或數據層面來解決。”

簡單來說，Ilya有關超級對齊的研究，可以等價為嘗試開黑盒，然后設法從AI智能產生的那一刻起，就和人類意圖對齊。

而張鵬表示，他個人在現階段更傾向于另一派的觀點，即從行為主義角度出發。

“超級對齊究竟是什么？想要對齊一個東西，這東西都還不存在，咋對齊？對齊啥呢？”

從行為學角度考慮，就不用考慮開黑盒的問題，研究者只需要像教育孩子一樣，先觀察小孩的行為。看到AI行為是錯的，就給一巴掌；行為是對的，就給一顆糖。

想要成為“AGI元年”，2024需要面對什么？

2024年，短短半個月期間，GPT上線了GPT Store，智譜推出了GLM-4……

而這一年才剛剛開始。

熱鬧非凡的百模大戰打了一年，有的玩家已經偃旗息鼓了，但可以肯定，OpenAI會帶領GPT繼續迭代，智譜或許也會繼續以3-4月更新一次基座模型的速度向前推進，國外的Anthropic、Mistral AI、Google，國內的零一萬物、MiniMax等都會如此。

那么，如果按照業界默認，稱剛剛過去的2023年為大模型元年的話，2024想要“化身”AGI元年，正面臨哪些挑戰？

去年3月，在量子位舉辦的AIGC峰會上，張鵬認為外界環境帶來的三大挑戰是人力、成本和算法。

當現在把這個問題丟到張鵬面前時，他的看法是，加入到大模型研究中的人已經極大豐富了，困境有所緩解；取代它位列新三大困境之一的則是“環境”。

一方面，挑戰者能不能有足夠的敏銳度，從環境中尋找并掌握突破口？

張鵬用他前段時間在某群里刷到的一個視頻作為形象的例子，那個視頻展示的是許多人小時候玩兒過的小球消磚塊游戲。

最佳情況是把球從正好的角度打進磚塊包圍的缺口，然后形成數次拐彎，消滅掉所有的磚塊。
實際上這個機率很小，很多次都會和“正好”的角度擦肩而過；或者看似瞄準了缺口，又不幸地被擋住彈了回來。
終于有一天，你打進了缺口，然后什么都不用干，自然而然所有的磚塊都被消除了。

另一方面，在不斷試錯、不斷失敗的過程中，市場乃至整個社會對技術的耐心能夠持續多長時間？

如果市場失去耐心，大模型這樣一個消耗很大資源要做的事，立刻會陷入玩不下去的窘境。

然而玩彈球磚塊游戲，很多人并不能堅持到磚塊全部消除。

“前面的試錯、鋪墊是難以忍受的。就像面對科技創新，大家期待的都是最后的爆發時刻。”