考研數學得126分、還能編寫小遊戲，智譜首個推理模型來了，人人免費用

机器之心發表於2024-12-31
遊戲模型
2024 年的最後一天，智譜 GLM 模型家族迎來了一位新成員——GLM-Zero 的初代版本 GLM-Zero-Preview，主打深度思考與推理。

從年初到年末，在接連推出新一代基座大模型、多模態模型、影片生成模型以及語音模型之後，智譜補上了推理模型這塊拼圖。

據介紹，GLM-Zero-Preview 是 GLM 家族中專注於增強 AI 推理能力的模型，擅長處理數理邏輯、程式碼和需要深度推理的複雜問題。同基座模型相比，GLM-Zero-Preview 既沒有顯著降低通用任務能力，又大幅提升了專家任務能力。

以數學能力為例，智譜讓 GLM-Zero-Preview 做了一整套 2025 年考研數學一，最後得分為 126，達到了優秀研究生水平。從下圖可以看到，模型給出了詳細的解題步驟。
圖片
再看下程式碼能力，GLM-Zero-Preview 熟練使用多種程式語言，可以幫助開發者快速編寫程式碼，如下使用 HTML 語言獨立編寫了一個第一人稱射擊遊戲。另外它還可以除錯程式碼，快速識別錯誤並給出修復建議。
圖片
目前，GLM-Zero-Preview 已經上線使用。使用者可以在智譜清言網頁端選擇「Zero 推理模型」智慧體，上傳文字或圖片就能免費體驗。另外，GLM-Zero-Preview 的 API 也在智譜開放平臺同步上線以供開發者呼叫。
圖片

  • 智譜清言：http://chatglm.cn/

  • 智譜開放平臺：https://bigmodel.cn/

  • 2000萬token免費體驗資源包領取地址：https://zhipuaishengchan.datasink.sensorsdata.cn/t/7K

一手實測
智譜深度推理大摸底

先來看官方給出的指標。作為智譜首個基於擴充套件強化學習技術訓練的推理模型，GLM-Zero-Preview 在多個基準上與 OpenAI o1-preview 互有勝負，其中在數學基準測試 AIME 2024、MATH500 以及程式碼生成基準測試 LiveCodeBench 中實現小幅超越。

圖片

在技術實現上，由於強化學習訓練量的增加，GLM-Zero-Preview 的深度推理能力得到穩步提升。同時隨著模型在推理階段可以思考的 token 數變多以及計算量增加，GLM-Zero-Preview 的輸出結果質量也穩步提升。

得益於以上兩點，GLM-Zero-Preview 表現出了類人的思考決策過程，初步具備了「推理過程中自主決策、問題拆解、嘗試多種方式解決問題」等能力。

是騾子是馬，溜後才知道。GLM-Zero-Preview 在真實世界任務中的表現如何？機器之心進行了一波全方位的測試。

我們蒐羅了各種型別的推理問題，看看 GLM-Zero-Preview 能不能 hold 住這些容易繞暈人的中文邏輯陷阱題，以及需要數學、物理等專業學科知識與思辨能力的題目。

比大小不會翻車、有干擾項也無妨

大模型以前經常翻車的小數點後比大小問題，GLM-Zero-Preview 輕鬆搞定。我們看到了該模型的深度思考鏈路，它的顯著特點是在理解問題及解題關鍵的基礎上，從不同的角度分析、驗證並給出答案。整個過程看下來，GLM-Zero-Preview 有點「PUA」自己，生怕會出錯，多次檢查並肯定自己的答案無誤。
圖片
對於一些設定了干擾項的推理問題，GLM-Zero-Preview 也絲毫不會受到影響，很快理清思路，排除干擾項。
圖片
不落入語言陷阱、拿捏複雜推理

中文語境下有很多陷阱，比如歧義性、語境依賴、隱含資訊、文化背景等，應對起來要求推理大模型「吃透」語言特點，並能夠結合上下文資訊、語義知識和常識推理，明辨其中的彎彎繞。

面對這類中文陷阱題目，GLM-Zero-Preview 給出的深度思考過程顯示，它從不同的視角考慮和深度推理，排除一切的不可能之後，確認最合理的解釋和答案。
圖片
另外，面對複雜的中文邏輯推理問題，尤其涉及多個角色人物時，GLM-Zero-Preview 不會被搞混。透過深度思考進行情況羅列與假設分析，並輔以縝密的條件驗證，整個過程像抽繭剝絲的判案一樣。
圖片
GLM-Zero-Preview 給出了邏輯清晰的解題步驟。
圖片
常識推理無壓力、時間感知能力強

如今的大模型在「喂」給足夠多的高質量資料之後，像人一樣掌握了豐富的常識，做起此類推理題來沒有壓力。
圖片
在時間推理中，大模型需要理解時間順序、事件發生的時序關係，要有清晰的預測和推斷能力。比如下面的時間推理場景，想必很多人都會被繞暈，而 GLM-Zero-Preview 做到了對多個角色參與的複雜時間關係的準確判斷。
圖片
數學小能手上線

大模型的數學能力可以為人們在很多數學任務中提供有力支援，比如代數、微積分、機率統計。GLM-Zero-Preview 具備了更強的歸納與演繹能力，比如下面這道序列求解題，它在深度思考過程中觀察規律、找出規律、驗證規律。
圖片
面對經典的青蛙爬井問題，GLM-Zero-Preview 不僅給出了正確的解題思路和答案，還總結了一波經驗心得。
圖片
再考它一道出自 2024 高考數學北京卷的條件判斷題，顯然難不倒 GLM-Zero-Preview，它透過等價代換的方式得出了正確答案。圖片
hold 弱智吧

在面對一些弱智吧問題時，GLM-Zero-Preview 一板一眼地進行理論層面以及實際可行性的分析，並展開論證，令人忍俊不禁。
圖片
視覺推理多面手

目前，GLM-Zero-Preview 支援上傳 png、jpg、jpeg、webp 等多種格式的圖片，並能夠應對很多型別的推理任務，比如解帶有電路圖的高考物理題（2024 北京卷）：
圖片
以下為完整的解題步驟：
圖片
還能理解梗圖：
圖片
推理模型大 PK
誰更勝一籌

接下來，機器之心讓 GLM-Zero-Preview 與 o1、DeepSeek-R1-Lite 預覽版、QwQ-32B-Preview 等競品模型來了一場對決。

先考它們一道數學組合題，看看哪個模型邏輯性更強。

首先是 GLM-Zero-Preview：
圖片
然後是 o1：
圖片
接著是 DeepSeek-R1-Lite 預覽版：
圖片
最後是 QwQ-32B-Preview：
圖片
比較下來，我們可以發現，o1 的推理過程最簡單，缺少驗證的環節。其他三個模型在給出解題思路之後都對步驟和計算進行了確認，其中 DeepSeek-R1-Lite 預覽版、QwQ-32B-Preview 的驗證相對簡單一些，而 GLM-Zero-Preview 不僅解題過程更清晰完整，還展示了自我反思、自我懷疑、自我肯定等擬人化的思維模式。

再來第二輪較量，這次是一道中文陷阱推理題，看看哪個模型頭腦更清楚。

首先是 o1 與 QwQ-32B-Preview，思考過程很短：
圖片
圖片
GLM-Zero-Preview、DeepSeek-R1-Lite 預覽版的解釋更透徹，充分考慮了條件限制與現實世界的可能性。不過，DeepSeek-R1-Lite 預覽版的一些解釋又略顯重複，不如 GLM-Zero-Preview 明瞭。
圖片
圖片
思考過程與思維鏈路上的優勢，足以讓 GLM-Zero-Preview 不輸其他一眾推理大模型。

結語

在對 GLM-Zero-Preview 體驗一番後，我們的最大感受是：它的深度思考過程讓邏輯推理更加完整、連貫，準確度和說服力更強。從「審題、分析、多方式證明」到「自我懷疑、驗證、再驗證」到「最後確認」，環環相扣。

當然，智譜表示，目前 GLM-Zero-Preview 與 o3 還有不少的差距，未來會透過強化學習技術的持續最佳化迭代，讓它成為更聰明的推理者。正式版 GLM-Zero 將很快推出，到時候深度思考能力會從數理邏輯擴充套件到更通用的技術，保證更專精的同時全能性也更強。

回看這一整年，智譜動作不斷，GLM 家族更加壯大，包括基座模型、多模態模型、影片生成模型、語音模型、推理模型以及智慧體方面火出圈的 AutoGLM、GLM-PC，如今這家大模型獨角獸的產品矩陣在完整度層面稱得上業界領先。

持續出新的背後是智譜對 AGI 終極目標的追求。智譜形成了一套從 L1 到 L5 階段的 AGI 路線圖，在 AI 分級上注入自己的能力進化思考。在一步步邁向 AGI 的過程中，從低到高在各個 AI 層級做能力填充，夯實語言、多模態、邏輯推理、工具使用等基礎能力。GLM-Zero-Preview 代表智譜邁出了 L4 階段的關鍵一步，大模型開始內省，並具備自我學習、自我反思、自我改進能力。
圖片
現在，市面上的推理大模型已經有了一些，甚至 OpenAI 釋出了更強的 o3 系列模型。智譜在年末最後一天這個時間節點推出了自己的 GLM-Zero，可見對於所有以 AGI 為目標的玩家來說，2025 年模型推理能力無疑是被寄予厚望的一年。

相關文章