編程表現(xiàn)比肩ChatGPT，這個新模型能力很強(qiáng)大
智譜8月底在國際數(shù)據(jù)挖掘與知識發(fā)現(xiàn)大會（KDD）上發(fā)布了新一代自主研發(fā)的新旗艦?zāi)Ｐ停℅LM-4-Plus、GLM-4V-Plus、CogView-3-Plus），此次更新覆蓋了語言理解、圖像生成、視頻理解等多個方面，并達(dá)到了國際第一梯隊的水平。
本次發(fā)布較之前有以下更新：
- GLM-4-Plus（大語言模型）：語言理解和長文本處理能力全面提升，支持128K上下文和多路Function Call。
- GLM-4V-Plus（圖像和視頻理解模型）：具備卓越的圖像和視頻理解能力，支持8K上下文和多圖輸入，擁有時間感知能力。
- CogView-3-Plus：圖像生成效果接近MJ-V6及FLUX等模型，支持精細(xì)化圖像編輯。
作為智譜最新一代基座大模型GLM-4-Plus，通過多種方式構(gòu)造出了海量高質(zhì)量數(shù)據(jù)，并利用 PPO等多項技術(shù)，有效提升了模型推理、指令遵循等方面的表現(xiàn)，并能夠更好地反映人類偏好。從benchmark上看，與 GPT-4o 等第一梯隊模型差距很小。
圖片
既然，官方說的這么好，那咱們就一定要去嘗嘗鮮，這些模型在智譜的開放平臺（ bigmodel.cn ）就能體驗。
咱也不讓它寫文章，做數(shù)學(xué)題了，這些網(wǎng)上很多文章都有介紹，咱們就讓它做一次程序員，試試它的編程能力，順便體驗一下sdk的易用性。
我給它出了一道很常見的面試算法題“字符串全排列”，它很干脆的給出了結(jié)果，經(jīng)過筆者驗證，回答正確，看起來這些曾被大家“wow”的能力，在當(dāng)下已經(jīng)成為了基本功。這里有一個小細(xì)節(jié)，筆者在提示詞里增加了不用解釋這樣的描述，GLM-4-Plus沒有啰嗦解釋，這說明指令遵從能力還可以，這一點對于LLM應(yīng)用開發(fā)很重要。
from zhipuai import ZhipuAI
client = ZhipuAI(api_key="...")
def ai_programmer(task):
prompt = f"作為一個經(jīng)驗豐富的程序員，請幫我完成以下任務(wù)：{task},僅返回代碼，不用解釋"
response = client.chat.completions.create(
model="glm-4-plus",
messages=[
{
"role": "user",
"content": prompt
}
],
)
return response.choices[0].message
task = "寫一個Python函數(shù)，實現(xiàn)字符串a(chǎn)bc的全排列"
result = ai_programmer(task)
print(result.content)
# ```python
# def permute_abc(s):
# if len(s) == 1:
# return [s]
# permutations = []
# for i, char in enumerate(s):
# remaining = s[:i] + s[i+1:]
# for p in permute_abc(remaining):
# permutations.append(char + p)
# return permutations
# def all_permutations_abc():
# return permute_abc('abc')
# ```當(dāng)然，這個難度不大，很多模型都能做到，那我們調(diào)高難度，我拿了前兩天ChatGPT及Cursor逆向工程壓縮特效js的代碼測試了GLM-4-Plus（延伸閱讀：用ChatGPT逆向工程壓縮后的Js代碼，表現(xiàn)驚艷）。
glm-4-plus理解了代碼，并給出了詳細(xì)的解釋。
接著，我讓它對原代碼進(jìn)行了重構(gòu)，使其變得更易讀。
就從代碼風(fēng)格，變量、方法命名看，glm-4-plus表現(xiàn)的比chatGPT還要好，能夠準(zhǔn)確的起名和注釋。但最后評價好不好，還得實測，筆者照例把它放到了v0chat上，按照同樣的方式，讓它調(diào)用glm-4-plus生成的組件，看看能不能還原預(yù)期的效果。
令人欣喜的是，超乎我的預(yù)期的是它一次性的就運行了起來，筆者同時還測試了一些國產(chǎn)模型，他們很遺憾并沒能運行起來，也就無法對比實現(xiàn)的效果。看過之前文章的讀者應(yīng)該能發(fā)現(xiàn)，從實現(xiàn)的還原度來看，glm-4-plus與gpt-4o模型和claude-3.5-sonanet性能還有一些差距。這也反映當(dāng)下一個事實，國內(nèi)大模型這一年進(jìn)步明顯，但尚存差距，我們還得繼續(xù)追趕。
總結(jié)
AI的世界每天都在變化，而智譜BigModel的發(fā)布，無疑是給了我們中國開發(fā)者一個大大的驚喜。無論是想做聊天機(jī)器人、圖像處理還是視頻分析，只要有創(chuàng)意，都可以嘗試使用它們實現(xiàn)想法，而不用遺憾用不上領(lǐng)先模型的遺憾，這也能進(jìn)一步激發(fā)LLM應(yīng)用生態(tài)的繁榮。
本文轉(zhuǎn)載自 ??AI工程化??，作者： ully
