考研数学得126分、还能编写小游戏,智谱首个推理模型,人人免费用

发布时间：2025-04-04 17:56:41 来源：信息发布网 作者：紫藤

机器之心报道编辑：杜伟2024 年的最后一天，智谱 GLM 模型家族迎来了一位新成员——GLM-Zero 的初代版本 GLM-Zero-Preview，主打深度思考与推理。从年初到年末，在接连推出新一代基座大模型、多模态模型、视频生成模型以及语音模型之后，智谱补上了推理模型这块拼图。据介绍，GLM-Zero-Preview 是 GLM 家族中专注于增强 AI 推理能力的模型，擅长处理数理逻辑、代码和需要深度推理的复杂问题。同基座模型相比，GLM-Zero-Preview 既没有显著降低通用任务能力，又大幅提升了专家任务能力。以数学能力为例，智谱让 GLM-Zero-Preview 做了一整套 2025 年考研数学一，最后得分为 126，达到了优秀研究生水平。从下图可以看到，模型给出了详细的解题步骤。再看下代码能力，GLM-Zero-Preview 熟练使用多种编程语言，可以帮助开发者快速编写代码，如下使用 HTML 语言独立编写了一个第一人称射击游戏。另外它还可以调试代码，快速识别错误并给出修复建议。目前，GLM-Zero-Preview 已经上线使用。用户可以在智谱清言网页端选择「Zero 推理模型」智能体，上传文字或图片就能免费体验。另外，GLM-Zero-Preview 的 API 也在智谱开放平台同步上线以供开发者调用。智谱清言：http://chatglm.cn/智谱开放平台：https://bigmodel.cn/2000万token免费体验资源包领取地址：https://zhipuaishengchan.datasink.sensorsdata.cn/t/7K一手实测智谱深度推理大摸底先来看官方给出的指标。作为智谱首个基于扩展强化学习技术训练的推理模型，GLM-Zero-Preview 在多个基准上与 OpenAI o1-preview 互有胜负，其中在数学基准测试 AIME 2024、MATH500 以及代码生成基准测试 LiveCodeBench 中实现小幅超越。在技术实现上，由于强化学习训练量的增加，GLM-Zero-Preview 的深度推理能力得到稳步提升。同时随着模型在推理阶段可以思考的 token 数变多以及计算量增加，GLM-Zero-Preview 的输出结果质量也稳步提升。得益于以上两点，GLM-Zero-Preview 表现出了类人的思考决策过程，初步具备了「推理过程中自主决策、问题拆解、尝试多种方式解决问题」等能力。是骡子是马，溜后才知道。GLM-Zero-Preview 在真实世界任务中的表现如何？机器之心进行了一波全方位的测试。我们搜罗了各种类型的推理问题，看看 GLM-Zero-Preview 能不能 hold 住这些容易绕晕人的中文逻辑陷阱题，以及需要数学、物理等专业学科知识与思辨能力的题目。比大小不会翻车、有干扰项也无妨大模型以前经常翻车的小数点后比大小问题，GLM-Zero-Preview 轻松搞定。我们看到了该模型的深度思考链路，它的显著特点是在理解问题及解题关键的基础上，从不同的角度分析、验证并给出答案。整个过程看下来，GLM-Zero-Preview 有点「PUA」自己，生怕会出错，多次检查并肯定自己的答案无误。对于一些设置了干扰项的推理问题，GLM-Zero-Preview 也丝毫不会受到影响，很快理清思路，排除干扰项。不落入语言陷阱、拿捏复杂推理中文语境下有很多陷阱，比如歧义性、语境依赖、隐含信息、文化背景等，应对起来要求推理大模型「吃透」语言特点，并能够结合上下文信息、语义知识和常识推理，明辨其中的弯弯绕。面对这类中文陷阱题目，GLM-Zero-Preview 给出的深度思考过程显示，它从不同的视角考虑和深度推理，排除一切的不可能之后，确认最合理的解释和答案。另外，面对复杂的中文逻辑推理问题，尤其涉及多个角色人物时，GLM-Zero-Preview 不会被搞混。通过深度思考进行情况罗列与假设分析，并辅以缜密的条件验证，整个过程像抽茧剥丝的判案一样。GLM-Zero-Preview 给出了逻辑清晰的解题步骤。常识推理无压力、时间感知能力强如今的大模型在「喂」给足够多的高质量数据之后，像人一样掌握了丰富的常识，做起此类推理题来没有压力。在时间推理中，大模型需要理解时间顺序、事件发生的时序关系，要有清晰的预测和推断能力。比如下面的时间推理场景，想必很多人都会被绕晕，而 GLM-Zero-Preview 做到了对多个角色参与的复杂时间关系的准确判断。数学小能手上线大模型的数学能力可以为人们在很多数学任务中提供有力支持，比如代数、微积分、概率统计。GLM-Zero-Preview 具备了更强的归纳与演绎能力，比如下面这道序列求解题，它在深度思考过程中观察规律、找出规律、验证规律。面对经典的青蛙爬井问题，GLM-Zero-Preview 不仅给出了正确的解题思路和答案，还总结了一波经验心得。再考它一道出自 2024 高考数学北京卷的条件判断题，显然难不倒 GLM-Zero-Preview，它通过等价代换的方式得出了正确答案。hold 弱智吧在面对一些弱智吧问题时，GLM-Zero-Preview 一板一眼地进行理论层面以及实际可行性的分析，并展开论证，令人忍俊不禁。视觉推理多面手目前，GLM-Zero-Preview 支持上传 png、jpg、jpeg、webp 等多种格式的图片，并能够应对很多类型的推理任务，比如解带有电路图的高考物理题（2024 北京卷）：以下为完整的解题步骤：还能理解梗图：推理模型大 PK谁更胜一筹接下来，机器之心让 GLM-Zero-Preview 与 o1、DeepSeek-R1-Lite 预览版、QwQ-32B-Preview 等竞品模型来了一场对决。先考它们一道数学组合题，看看哪个模型逻辑性更强。首先是 GLM-Zero-Preview：然后是 o1：接着是 DeepSeek-R1-Lite 预览版：最后是 QwQ-32B-Preview：比较下来，我们可以发现，o1 的推理过程最简单，缺少验证的环节。其他三个模型在给出解题思路之后都对步骤和计算进行了确认，其中 DeepSeek-R1-Lite 预览版、QwQ-32B-Preview 的验证相对简单一些，而 GLM-Zero-Preview 不仅解题过程更清晰完整，还展示了自我反思、自我怀疑、自我肯定等拟人化的思维模式。再来第二轮较量，这次是一道中文陷阱推理题，看看哪个模型头脑更清楚。首先是 o1 与 QwQ-32B-Preview，思考过程很短：GLM-Zero-Preview、DeepSeek-R1-Lite 预览版的解释更透彻，充分考虑了条件限制与现实世界的可能性。不过，DeepSeek-R1-Lite 预览版的一些解释又略显重复，不如 GLM-Zero-Preview 明了。思考过程与思维链路上的优势，足以让 GLM-Zero-Preview 不输其他一众推理大模型。结语在对 GLM-Zero-Preview 体验一番后，我们的最大感受是：它的深度思考过程让逻辑推理更加完整、连贯，准确度和说服力更强。从「审题、分析、多方式证明」到「自我怀疑、验证、再验证」到「最后确认」，环环相扣。当然，智谱表示，目前 GLM-Zero-Preview 与 o3 还有不少的差距，未来会通过强化学习技术的持续优化迭代，让它成为更聪明的推理者。正式版 GLM-Zero 将很快推出，到时候深度思考能力会从数理逻辑扩展到更通用的技术，保证更专精的同时全能性也更强。回看这一整年，智谱动作不断，GLM 家族更加壮大，包括基座模型、多模态模型、视频生成模型、语音模型、推理模型以及智能体方面火出圈的 AutoGLM、GLM-PC，如今这家大模型独角兽的产品矩阵在完整度层面称得上业界领先。持续出新的背后是智谱对 AGI 终极目标的追求。智谱形成了一套从 L1 到 L5 阶段的 AGI 路线图，在 AI 分级上注入自己的能力进化思考。在一步步迈向 AGI 的过程中，从低到高在各个 AI 层级做能力填充，夯实语言、多模态、逻辑推理、工具使用等基础能力。GLM-Zero-Preview 代表智谱迈出了 L4 阶段的关键一步，大模型开始内省，并具备自我学习、自我反思、自我改进能力。现在，市面上的推理大模型已经有了一些，甚至 OpenAI 发布了更强的 o3 系列模型。智谱在年末最后一天这个时间节点推出了自己的 GLM-Zero，可见对于所有以 AGI 为目标的玩家来说，2025 年模型推理能力无疑是被寄予厚望的一年。

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“号”用户上传并发布，本平台仅提供信息存储服务。

相关文章