这个新模型才干很弱小 编程体现比肩ChatGPT

智谱8月底在国际数据开掘与常识发现大会（KDD）上颁布了新一代自主研发的新旗舰模型（GLM-4-Plus、GLM-4V-Plus、CogView-3-Plus），此次降级笼罩了言语了解、图像生成、视频了解等多个方面，并到达了国际第一梯队的水平。

本次颁布较之前有以下降级：

作为智谱最新一代基座大模型GLM-4-Plus，经过多种模式结构出了海量高品质数据，并应用 PPO等多项技术，有效优化了模型推理、指令遵照等方面的体现，并能够更好地反映人类偏好。从benchmark上看，与 GPT-4o 等第一梯队模型差距很小。

既然，官网说的这么好，那我们就必定要去尝尝鲜，这些模型在智谱的开明平台（ bigmodel.cn ）就能体验。

咱也不让它写文章，做数学题了，这些网上很多文章都有引见，我们就让它做一次性程序员，试试它的编程才干，顺便体验一下sdk的易用性。

我给它出了一道很经常出现的面试算法题“字符串全陈列”，它很罗唆的给出了却果，经过笔者验证，回答正确，看起来这些曾被大家“wow”的才干，在当下曾经成为了基本功。这里有一个小细节，笔者在揭示词里参与了不用解释这样的形容，GLM-4-Plus没有啰嗦解释，这说明指令听从才干还可以，这一点关于LLM运行开发很关键。

from zhipuai import ZhipuAIclient = ZhipuAI(api_key="...")def ai_programmer(task):prompt = f"作为一个阅历丰盛的程序员，请帮我成功以下义务：{task},仅前往代码，不用解释"response = client.chat.completions.create(model="glm-4-plus",messages=[{"role": "user","content": prompt}],)return response.choices[0].messagetask = "写一个Python函数，成功字符串abc的全陈列"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')# ```

当然，这个难度不大，很多模型都能做到，那我们调高难度，我拿了前两天ChatGPT及Cursor逆向工程紧缩特效js的代码测试了GLM-4-Plus（加长阅读：用ChatGPT逆向工程紧缩后的Js代码，体现冷艳）。

glm-4-plus了解了代码，并给出了具体的解释。

接着，我让它对原代码启动了重构，使其变得更易读。

就从代码格调，变量、方法命名看，glm-4-plus体现的比chatGPT还要好，能够准确的起名和注释。但最后评估好不好，还得实测，笔者照例把它放到了v0chat上，依照雷同的模式，让它调用glm-4-plus生成的组件，看看能不能恢复预期的成果。

令人快慰的是，超乎我的预期的是它一次性性的就运转了起来，笔者同时还测试了一些国产模型，他们很遗憾并没能运转起来，也就不可对比成功的成果。看过之前文章的读者应该能发现，从成功的恢复度来看，glm-4-plus与gpt-4o模型和claude-3.5-sonanet功能还有一些差距。这也反映当下一个理想，国际大模型这一年提高显著，但尚存差距，我们还得继续追逐。

总结

AI的环球每天都在变动，而智谱BigModel的颁布，无疑是给了我们中国开发者一个大大的惊喜。无论是想做聊天机器人、图像解决还是视频剖析，只需有创意，都可以尝试经常使用它们成功想法，而不用遗憾用不上上游模型的遗憾，这也能进一步激起LLM运行生态的兴盛。

本文转载自​​，作者：