智谱AI在2026年的性能提升与优化路径

要问当前AI大模型领域最引人瞩目、也是各家厂商暗自较劲的核心目标，那无疑是追赶乃至超越GPT-4。

回望2023年，国内AI行业度过了异常繁忙的一年。上半年，资本涌动、人才争夺战硝烟四起；下半年，大模型呈现井喷式爆发，行业进入了模型密集发布与商业化落地探索的初期阶段。

有公开数据显示，截至去年10月，国内已发布的大模型数量高达238个。这意味着，在过去一段时间里，几乎每天都有一个新模型诞生。有趣的是，许多厂商在介绍自家产品时，都不约而同地提到“能力接近GPT-4”，更有甚者，直接喊出了“全面赶超”的口号。

一时间，舆论场上仿佛中国大模型已跻身世界领先行列，这给不少不了解技术细节、却密切关注AI发展的投资者与用户，带来了些许不切实际的期待与信心。

然而，现实情况往往更为复杂。去年11月，元象XVERSE科技创始人、前腾讯副总裁姚星就曾指出，所谓“接近GPT-4”的说法，大多与实际情况不符，其中不少成绩是“刷榜”刷出来的，实际意义有限。

“刷榜成了某种行业陋习。”这种风气导致业界对中国大模型的真实能力缺乏清晰认知。事实上，我们距离GPT-4仍有相当长的路要走。

尽管随着OpenAI论文的公布、Meta等巨头的强势开源，大模型的技术黑箱被逐步打开，国内外差距正在缩小，但那个被视为行业天花板的GPT-4，我们依然未能触及。

这绝非易事。训练顶尖模型需要巨额资金、稀缺的顶尖工程人才、清晰坚定的技术路线，以及公司战略层面持续不懈的投入。并非喊一句口号，就能让国产大模型与GPT-4同台竞技。

因此，在这个“刷榜”习气尚未完全褪去的时期，我们的注意力与资源，更应当投向那些为中国大模型事业脚踏实地、持续投入的团队。市场不需要鱼目混珠式的“盲目自吹”。

追赶GPT-4，无疑是国产大模型当前最紧迫的任务。对于通用大模型厂商而言，谁能率先训练出真正比肩GPT-4的模型，谁就能在商业化和生态建设上占得先机，犹如“先入咸阳”。

过去一年，关于“谁将率先突破”的猜测与讨论从未停止。终于，智谱AI发布了新一代基座大模型GLM-4。其模型性能相比上一代提升高达60%，多项关键指标逼近GPT-4。这让我们看到，“国产GPT-4”或许真的不远了。

这个结果虽在预料之中，但其推进速度之快，仍超出了许多人的预期。

最强大模型GPT-4，为何一直难以逾越？

2023年春节后，一些关注科技的投资人偶然体验了ChatGPT（基于GPT-3.5），其能力令人震惊。口碑迅速在投资圈传开，进而点燃了整个中文互联网对ChatGPT的追捧热潮。

然而，就在大众尚未从ChatGPT带来的震撼中回过神来，仅一个月后，OpenAI再度扔出“王炸”——GPT-4。这个更强大的模型，彻底引爆了人们对大模型潜力的想象。

它究竟有多强？仅凭一张手绘网站草图，GPT-4就能直接生成可用的网页代码；在GRE等标准化考试中接近满分；在模拟律师考试中，其成绩击败了90%的考生，跻身前10%。相比之下，GPT-3.5的成绩仅在倒数10%之列。

GPT-4在各种专业测试和学术基准上的表现，已接近人类水平。其最重大的突破之一，是具备了处理和理解图像信息的能力，并能据此给出准确的解答。

种种惊艳表现，使得GPT-4自诞生之日起，便成为全球科技公司竞相追逐的标杆。

那么，在这轮全球竞赛中，中国的优势常被认为在于丰富的应用场景和超大规模市场，最适合推动大模型落地。既然如此，我们直接使用开源模型不行吗？为何一定要耗费巨资和精力去追逐GPT-4呢？

首先，正如智谱AI CEO张鹏所言，一个真正好用的基座大模型，其根本在于能力是否“够用”。当前，国产大模型若要深入实际业务场景，为企业带来切实价值，其通用能力仍需大幅提升。

而反观最先进的GPT-4，它虽在不断进化，涌现出新的类人能力，但连最基本的“幻觉”问题也未能彻底解决。距离真正的通用人工智能（AGI），恐怕还有很长的路要走。

“真正落实到企业端，光靠聊天类产品似乎还不够。”张鹏指出，当前大模型商业化落地遇到的挑战，本质上仍是模型能力突破的问题。

既然“优等生”尚有进步空间，我们又有什么理由停滞不前？更何况，国产大模型的能力尚不足以支撑众多复杂场景的商业化需求。因此，GPT-4依然是现阶段必须奋力追赶的目标。

其次，从国家战略层面看，技术自主可控是大势所趋。仰望并抵达最前沿的技术高地，是我们必须完成的使命。

“现在关键看谁能赶上甚至超过GPT-4，很可能大部分厂商都跨不过这道坎。”一位深入了解大模型生态的业内人士表示。他特别提到，Meta的Llama 2发布后，其能力一度接近GPT-3.5，但此后Meta迟迟未发布重大更新，这侧面印证了大模型技术的高门槛，对国内许多团队而言将是严峻考验。

值得注意的是，国内不少厂商的模型正是基于Llama等开源架构进行训练的。

GLM-4：性能直逼GPT-4

2024年1月16日，智谱AI在北京举办了技术开放日，正式发布了新一代基座大模型GLM-4。

根据官方信息，GLM-4在基础能力上实现了显著飞跃，整体性能相比前代GLM-3提升约60%。测评数据显示，其综合性能已逼近GPT-4。

具体来看基础能力：在MMLU基准测试中达到81.5分，约为GPT-4的94%；GSM8K测试达到87.6分，约为GPT-4的95%；MATH测试达到47.9分，约为GPT-4的91%；BBH测试达到82.25分，约为GPT-4的99%；HellaSwag测试达到85.4分，约为GPT-4的90%；在HumanEval测试中达到72分，与GPT-4持平。

在指令跟随能力方面，与GPT-4相比，GLM-4在IFEval的提示词跟随（中文）测试中达到其88%的水平，在指令跟随（中文）测试中达到90%的水平，均大幅超过GPT-3.5。

在对齐能力上，基于AlignBench数据集，GLM-4的表现已超过GPT-4在2023年6月13日的版本，逼近其2023年11月6日的最新版本。尤其在专业能力、中文理解和角色扮演方面，GLM-4的精度已实现超越，仅在中文推理方面尚有进一步提升空间。

值得玩味的是，智谱此次虽然展示了GLM-4在过去一年奋力追赶所取得的亮眼成绩——在多项测评中达到GPT-4约90%的水平——却并未宣称“全面赶超”，而是秉持着实事求是的态度，明确指出其性能只是“逼近”GPT-4，差距依然存在，甚至特地点明了自身的不足。这与当下部分浮夸之风形成了鲜明对比，显得尤为低调与务实。

除了性能提升，GLM-4支持128K的上下文窗口长度，单次可处理约300页文本内容。在“大海捞针”测试中，在128K文本长度内，模型均能实现近乎百分之百的精度召回。

依托于GLM模型强大的智能体（Agent）能力，智谱推出了GLM-4-All Tools。它能根据用户意图，自动理解、规划复杂指令，自由调用WebGLM（搜索增强）、Code Interpreter（代码解释器）及多模态生成能力，以完成复杂任务。

多模态已成为AI发展的关键方向。从Meta的SAM、OpenAI的GPT-4V、谷歌的Gemini，到智谱的CogView3，头部厂商都在积极布局。所谓“模态”，即表达或感知信息的方式，图像、声音、文本等都是不同模态。视觉模态数据更丰富、直观，在复杂场景中，多模态交互往往比纯文本更高效、门槛更低。

有证券分析师指出，多模态技术的每一小步，都可能推动产业应用落地一大步。它是大语言模型深入千行百业、迈向通用人工智能的重要里程碑。因此，大模型向多模态演进是必然趋势。

此时，智谱在大模型产业落地的道路上已奔跑超过十个月。GLM-4的多模态能力也显著增强，文生图与多模态理解效果提升明显。其文生图模型CogView3的效果已超越开源最佳的Stable Diffusion XL，逼近OpenAI最新的DALL·E 3。在对齐、保真、安全、组合布局等多个评测维度上，CogView3的效果均达到DALL·E 3的90%以上。

智谱AI CEO张鹏在开放日上表示：“GLM-4的推出，标志着国产大模型水平已看齐世界先进水平，为我们全面开辟国产大模型产业新局面奠定了根本性基础。”它的发布，很可能成为国产大模型发展的一个分水岭，为商业化与产业落地开启更大的想象空间。

GLM-4推动大模型进入商业化加速时代

早在去年ChatGPT热潮初起之时，智谱便已启动商业化探索。据透露，自2023年3月以来，其接触客户超过2000家，与其中1000多家达成合作，并与超过200家进行了深度共创。

纵观大模型发展历程，智谱过去一年的步伐始终紧密围绕着商业化展开。相比其他头部创业公司大多在去年10月后才开始喊出商业化口号，智谱的商业化进程领先了约半年。

然而，商业化之路并非一帆风顺。CEO张鹏在去年10月底曾坦诚，智谱的大模型面临着“叫好不叫座”的挑战：市场认可度虽高，但谈及付费购买，许多客户便会犹豫。

究其原因，一方面在于市场对大模型的认知仍需深化；另一方面则是一个很现实的对比：GPT-4如同一个明确的标尺立在前面，即便用户不了解技术细节，也会自然而然地追问：“你们的模型，离GPT-4还有多远？”

对于商业化前景，张鹏当时认为，如果有一天模型能力达到GPT-4的水平，许多现有问题将迎刃而解，甚至连商业模式都可能变得简单——只需提供API即可。令人惊讶的是，仅仅两个多月后，GLM-4便实现了性能上的大幅跃升，逼近GPT-4。这对于智谱的整体发展和商业化进程，无疑是一剂强心针。

此次技术开放日上，智谱还宣布了一系列旨在加速GLM模型生态建设的措施。其中最引人注目的是GLMs个性化智能体功能。基于GLM-4的强大能力，用户通过简单的提示词指令，就能创建属于自己的智能体。该功能及智能体中心已于开放日当天上线。

此外，智谱AI还针对商业客户、开源社区及中小微企业等合作伙伴，推出了多项具体支持措施。

例如在价格方面，GLM-4升级后，API调用价格仍维持在0.1元/千tokens，这已是行业较低水平。同时，公司将设立总额1000万元软妹币的大模型开源基金，并对面向全球创业者的“Z计划”进行升级，联合生态伙伴发起总额10亿元软妹币的大模型创业基金，以支持原始创新。

这些构建生态的举措，本质上都是在为更深层次、更广泛的商业化落地铺路。

据智谱AI首席运营官张帆介绍，过去九个月，公司商业化体系经历了从单纯“卖模型”到搭建完整体系的演进。这个体系呈金字塔结构：最底层是开源层，ChatGLM系列拥有千万级下载量，是许多开发者的入门选择；上一层是API层，服务日常调用的核心客户；再往上是云端私有化部署，面向有数据资产沉淀需求的中型企业；塔尖则是本地私有化部署，服务于对安全性、自主性要求极高的头部企业。

对智谱而言，每一层都有其生态位，商业化的目标是推动下层用户向上层迁移，逐步丰富商业化的层次与内涵。这正契合了智谱“技术研发与商业化落地双轮驱动”的发展策略。

GLM-4的发布，预计将为整个大模型行业带来震动，推动产业转身进入商业化加速的新阶段。

写在最后

时间回到2023年3月14日，就在GPT-4发布的同一天，智谱AI同步发布了基于千亿参数基座模型的ChatGLM，并开源了中英双语对话模型ChatGLM-6B。其对标OpenAI的雄心，那时便已初显。

如今，GLM-4的成功发布，既是智谱过去一年秉持谦逊态度、坚持向世界最先进水平看齐的成果，也是其决心与信心的兑现。对标OpenAI的目标，正在一步步实现。

GLM-4在性能上直逼GPT-4，这让我们对国产大模型未来追赶甚至超越GPT-5、GPT-6……并在实现AGI的漫长道路上，增添了更多的信心与坚持。

正如OpenAI的Sam Altman所言，“永远要更快”。大模型时代正在加速一切。在2024年的第一个月，智谱AI的这次率先出击，无疑为接下来一整年的激烈竞争定下了基调。这不禁让人更加期待，未来的人工智能行业，还将带来怎样的惊喜。