國產大模型選手智譜AI，近日又有了新動作。官方最新消息，第四代GLM系列開源模型GLM-4-9B正式推出。
首先有必要簡單解釋下，在談及大模型的概念時，會通過參數指標來進行區分。參數在10B（100億）以下的，通常會被歸類為小模型。因此，智譜AI現在發布的GLM-4-9B，也可以被歸類到小模型的範疇中。
雖說是小模型，但GLM-4-9B的實力並不弱。根據官方介紹，在預訓練時，GLM-4-9B獲得了10T高質量多語言數據，是ChatGLM3-6B模型的三倍多。智譜AI認為，6B規模的模型性能有限，因此將其擴充至9B。
（圖源：智譜）
據了解，GLM-4-9B各方面的能力都有顯著升級，包括多語言、多模態、推理性能等方面。像GLM-4-9B的上下文處理從128K增加到了1M tokens，能夠同時處理200萬字的文本，約等於兩部紅樓夢。
GLM-4-9B還支持多達26種語言，包括漢語、英語、俄語、西班牙語、德語、法語、義大利語、葡萄牙語等等。這意味著，GLM-4-9B可以在全球範圍內找尋到更為廣闊的用戶群體，滿足不同語種用戶的模型使用需求。
GLM-4-9B系列模型還細分出了多個版本，包括基礎版GLM-4-9B（8K）、對話版 GLM-4-9B-Chat（128K）、超長上下文版GLM-4-9B-Chat-1M（1M）和多模態版 GLM-4V-9B-Chat（8K）。它們能夠適用於不同場景，滿足各自細分領域的具體需求。
另外，GLM-4-9B的函數調用能力有巨大升級，相比上一代提升了40%，在部分測試項目中，它的Function Call能力已經追上了GPT-4。
（圖源：智譜）
部分人可能會好奇，既然市面上已經有大參數的大模型，為什麼智譜AI這樣的模型玩家，還要持續疊代更新小模型產品？
理論上來說，模型參數越大，能力上限自然更高。但是，參數過大，也會帶來成本增長的問題。對市場、對用戶來說，更想通過低成本獲得高性能。因此，片面通過參數增長來提升模型性能，是一種比較粗放且不可持續的做法。
當前的大模型行業中，以智譜為代表的玩家們，執行的技術路線逐漸不再片面強調參數量，而是更加著重強調模型本身所具備的實際能力。說白了，就是它們能夠用戶帶來什麼實用的價值。
而此次發布的GLM-4-9B，一大亮點就是在10B參數規模以下實現了各項能力的大幅提升。在更加具體的模型產品上，GLM-4-9B也呈現出了較明顯的價格優勢，比如GLM-4-Flash綜合能力提升了40%，但價格低至0.06元/M Tokens，堪稱最能打的小模型。
GLM-4-9B的到來，也將給競品們更大的壓力，在小模型市場上，如何提升訓練數據的質量，如何提升基礎能力和控制成本，都將成為AI玩家們需要解決的問題。