推理模型性能比肩世界先進水平，智譜 GLM開源模型系列迎來新成員，同時啟用全球域名「z.ai」

4月15日消息，智譜將開源 32B/9B 系列 GLM 模型，涵蓋基座、推理、沉思模型，均遵循 MIT 許可協議。該系列模型現已通過全新平台 z.ai 免費開放體驗，並已同步上線智譜 MaaS 平台。

其中，推理模型 GLM-Z1-32B-0414 性能媲美 DeepSeek-R1 等頂尖模型，實測推理速度可達 200 Tokens/秒（MaaS 平台 bigmodel.cn），目前國內商業模型中速度最快。此外，其價格僅為 DeepSeek-R1 的 1/30。

智譜啟用全新域名 z.ai，目前該平台整合了 32B 基座、推理、沉思三類 GLM 模型，後續將作為智譜最新模型的交互體驗入口。

模型開源

本次開源的所有模型均採用寬鬆的 MIT 許可協議。這意味著可以免費用於商業用途、自由分發，為開發者提供了極大的使用和開發自由度。我們開源了 9B 和 32B 兩種尺寸的模型，包括基座模型、推理模型和沉思模型，具體信息如下：

基座模型 GLM-4-32B-0414 擁有 320 億參數，其性能可與國內、外參數量更大的主流模型相媲美。該模型利用 15T 高質量數據進行預訓練，特別納入了豐富的推理類合成數據，為後續的強化學習擴展奠定了基礎。在後訓練階段，除了進行面向對話場景的人類偏好對齊，我們還通過拒絕采樣和強化學習等技術，重點增強了模型在指令遵循、工程代碼生成、函數調用等任務上的表現，以強化智能體任務所需的原子能力。GLM-4-32B-0414 在工程代碼、Artifacts 生成、函數調用、搜索問答及報告撰寫等任務上均表現出色，部分 Benchmark 指標已接近甚至超越 GPT-4o、DeepSeek-V3-0324（671B）等更大模型的水平。

GLM-4-32B-0414 進一步提升了代碼生成能力，可處理並生成結構更複雜的單文件代碼。Z.ai 的對話模式內建了預覽功能，支持對生成的 HTML 和 SVG 進行可視化查看，便於用戶評估生成結果和進行迭代優化。

給我設計一個移動端機器學習平台的 UI，其中要包括訓練任務，存儲管理，和個人統計界面。個人統計界面要用圖表展示用戶過去一段時間的各類資源使用情況。使用 Tailwind CSS 來美化頁面，把這 3 個手機界面平鋪展示到一個 HTML 頁面中

設計一個支持自定義函數繪製的繪圖板，可以添加和刪除自定義函數，並為函數指定顏色。

用 svg 展示一個 LLM 的訓練流程

用 HTML 模擬太陽系的行星運動

GLM-Z1-32B-0414 是一款具備深度思考能力的推理模型。該模型在 GLM-4-32B-0414 的基礎上，採用了冷啟動與擴展強化學習策略，並針對數學、代碼、邏輯等關鍵任務進行了深度優化訓練。與基礎模型相比，GLM-Z1-32B-0414 的數理能力和複雜問題解決能力得到顯著增強。此外，訓練中整合了基於對戰排序反饋的通用強化學習技術，有效提升了模型的通用能力。

在部分任務上，GLM-Z1-32B-0414 憑藉 32B 參數，其性能已能與擁有 671B 參數的 DeepSeek-R1 相媲美。通過在 AIME 24/25、LiveCodeBench、GPQA 等基準測試中的評估，GLM-Z1-32B-0414 展現了較強的數理推理能力，能夠支持解決更廣泛複雜任務。

GLM-Z1-9B-0414 是一個驚喜。我們沿用了上述一系列技術，訓練了一個 9B 的小尺寸模型。雖然參數量更少，GLM-Z1-9B-0414 在數學推理及通用任務上依然表現出色，整體性能已躋身同尺寸開源模型的領先水平。特別是在資源受限的場景下，該模型可以很好地在效率與效果之間取得平衡，為需要輕量化部署的用戶提供強有力的選擇。

沉思模型GLM-Z1-Rumination-32B-0414 代表了智譜對 AGI 未來形態的下一步探索。

與一般推理模型不同，沉思模型通過更多步驟的深度思考來解決高度開放與複雜的問題。其關鍵創新在於，它能在深度思考過程中整合搜索工具處理複雜任務，並運用多種規則型獎勵機制來指導和擴展端到端的強化學習訓練。該模型支持「自主提出問題—搜索信息—構建分析—完成任務」的完整研究閉環，從而在研究型寫作和複雜檢索任務上的能力得到了顯著提升。

（沉思模型解決開放問題demo：撰寫兩個城市AI發展情況，以及未來的發展規劃）

速度提升 8 倍，價格僅為 1/30

除模型開源外，基座、推理兩類模型也已同步上線智譜MaaS開放平台（bigmodel.cn），面向企業與開發者提供API服務。

本次上線的基座模型提供兩個版本：GLM-4-Air-250414 和 GLM-4-Flash-250414，其中 GLM-4-Flash-250414 完全免費。

上線的推理模型分為三個版本，分別滿足不同場景需求：