智谱今天下午在KDD 2024上面,悄咪咪的上线了一堆的超级更新。
我真的服了,我本来今天从泰国回来,准备休一天假的,结果晚上又坐在电脑面前被迫营业。
他们总是每次,静悄悄的就把4个2给扔出去了。
嗯,就一场演讲了,发布了一堆新模型还有新功能,个顶个都很猛。
我挨个列一下:
大语言模型GLM-4-Plus。
图像和视频理解模型GLM-4V-Plus。
AI绘图图模型CogView-3-Plus。
智谱清言上线“视频通话”
而且,这些新模型,已经全部上线了他们的开发者平台,现在,开发者已经可以直接调用API去进行开发了。。。
至于上线到智谱清言上面给普通消费者用,可能还得几天,我线上试了一下还都是老模型,毕竟模型太多了,这切换上去估计也费点时间。。。
说实话,我懵逼了,也麻了。
智谱AI就一直都是很这种地主家的傻儿子的感觉,这但凡是OpenAI,发这么多东西,必须让你先猜谜语3天,跟你玩个大反转。。。
一个一个说下:
GLM-4-Plus
全新的模型,看了下跑分整体基本上正儿八经的追平了GPT4o,而且智谱这家公司是很实诚的那种,真的不如就是不如,真的超过就是超过,不弄虚作假,所以这个跑分还是非常可信的。
AlignBench(对齐和遵循指令能力)还有MATH(数学能力)基本跟GPT4o打平,GPQA(小学问题)和LCB(代码)这块能打平GPT4o但是跟Claude 3.5还是有一些差距,Claude 3.5实在是太强了。
长文本这块,能力基本是打平或者超越。
我也去后台跑了一下GLM-4-Plus,效果确实是比之前强了。
至少之前我测试的那个很坑爹的调休问题:这么多AI大模型,就没一个能算清今年这破调休的?
基本所有的大模型都全军覆没,只有Claude3.5能连续答对5次。
而新的GLM-4Plus,这次居然也连续答对5次了。
很强,很猛。
而这个经典的动物过河问题:“农夫需要把狼、羊和白菜都带过河,但每次只能带一样物品,而且狼和羊不能单独相处,羊和白菜也不能单独相处,问农夫该如何过河。”
GLM-4-Plus也是3次连对,这道题之前也是所有的大模型全军覆没,甚至Claude3.5都错了。
很强,非常强。
而价格这块,算不上便宜,中规中矩价格吧,比Claude3.5贵。
GLM-4v-Plus
终于支持视频理解了,这点很强,而且很爽。也可以直接理解网页内容,然后转换为 html 代码。
基本每项都能超Glaude和GPT4,但是唯独MMMU-Val(多模态和多任务理解能力方面表现的基准测试)拉了,还有很大的进化距离。
功能这块也是最齐全的。
我在后台跑了下。
图片理解没啥问题。
但是后台有个小BUG,就是明明支持视频理解了,但是后台的测试不支持视频上传。
就很坑。
价格这块,也不算贵。
毕竟这也算是国内首个通用视频理解模型 API。
CogView-3-Plus
他们也终于更新了新的绘图模型,说是有了大幅进化。
但是我实际测下来,嗯坦率的讲,离Flux、Midjourney这种肯定还有不少距离,但是至少在美感上,智谱的这个AI绘图模型是比以前进化很多了,容易不再是偏理工的审美了。。
放几张我在后台跑的图。
能看了。
智谱清言“视频通话”
我因为某些奇怪的关系,所以智谱的很多内测,我基本都会第一批拿到。
那这个智谱清言的“视频通话”,我也是今天发现,我能直接用上了。
路径在此:
在我打开摄像头,看着自己出现在视频里,和小智对话的那一刻。
次元壁感觉破了。
“你好,我是小智。很高兴见到你!”虚拟助手的声音从扬声器里传来。
这感觉真奇妙啊。以前和AI聊天,总觉得它是个看不见的“幽灵”。现在突然多了个“眼睛”,让AI更“真实”了。
这应该也是国内第一个类GPT4o的视频通话功能。
可以标记,不过可惜的是声音能明显的感觉到是极低延时的TTS,在实时对话中是可以打断的。但是依然不会唱歌,没有太明显的情绪。
但是这种随时可以打断,并迅速切换话题的能力,在GPT4o还是个大期货的状态下,还是很有用的。
有趣,而且够实用,时间不够,没有太多的去玩,等我后续好好再体验一下。
但是体验上视频理解能力还不是完全体,有一些问题,好像视频理解能力没有上最强的,我期待一下后面的更新。
大多数用户应该都还没拿到,如果想用的,可以用这个链接里扫码申请,应该会很快:
https://zhipu-ai.feishu.cn/share/base/form/shrcnqpIx9q5ILEFeT2cPNhyuSf
写在最后
智谱这家公司,在我心中一直都是一个很特别的存在。
就像那种在少林寺中的扫地僧,经常默默的干活,不时给你来个大的。
而且,不只是一个概念产品或远期目标,而是已经可以投入使用的实际技术。
这种“直接拿出真东西”的做法,展现着我们的态度。
再看看大洋彼岸。
每天拿着虚无缥缈的草莓再营销的公司。
嗯,我还是喜欢我们,自己家的东西。