我要投稿

GLM-4-9B：智谱AI推出了一个新的实力强大的小模型！

发布日期：2024-06-17 13:07:08 浏览次数： 3250

作者：Halo咯咯

微信搜一搜，关注“Halo咯咯”

01。

概述

GLM-4-9B是智谱人工智能推出的GLM-4系列最新一代预训练模型的开源版本。在语义、数学、推理、代码和知识等数据集的评估中，GLM-4-9B及其与人类偏好对齐的版本GLM-4-9B-Chat展现出超越Llama-3-8B的卓越性能。GLM-4-9B-Chat除了支持多轮对话外，还具备网页浏览、代码执行、自定义工具调用（函数调用）以及长文本推理（支持长达128K的上下文）等高级功能。这一代模型新增了多语言支持，覆盖包括日语、韩语和德语在内的26种语言。

此外，还推出了支持100万字上下文长度（约200万汉字）的GLM-4-9B-Chat-1M模型，以及基于GLM-4-9B的多模态模型GLM-4V-9B。GLM-4V-9B具备1120*1120高分辨率下的中英文对话能力。在包括中英文综合能力、感知与推理、文本识别和图表理解在内的各种多模态评估中，GLM-4V-9B与GPT-4-turbo-2024-04-09、Gemini 1.0 Pro、Qwen-VL-Max以及Claude 3 Opus等相比，展现出更优越的性能。

02。

模型列表

03。

模型评估

对话模型

基座模型

长上下文

在上下文长度为1M的情况下进行大海捞针实验，结果如下：

在LongBench-Chat上进一步评估长文本能力，结果如下：

多语言

GLM-4-9B-Chat 和 Llama-3-8B-Instruct 的测试在六个多语言数据集上进行。测试结果以及每个数据集选择的对应语言如下表所示：

函数调用

多模态

GLM-4V-9B是一种具有视觉理解能力的多模态语言模型。其相关经典任务的评测结果如下：

04。

模型调用

使用 transformers 后端进行推理:

import torchfrom transformers import AutoModelForCausalLM, AutoTokenizer
device = "cuda"
tokenizer = AutoTokenizer.from_pretrained("THUDM/glm-4-9b-chat", trust_remote_code=True)
query = "你好"
inputs = tokenizer.apply_chat_template([{"role": "user", "content": query}], add_generation_prompt=True, tokenize=True, return_tensors="pt", return_dict=True )
inputs = inputs.to(device)model = AutoModelForCausalLM.from_pretrained("THUDM/glm-4-9b-chat",torch_dtype=torch.bfloat16,low_cpu_mem_usage=True,trust_remote_code=True).to(device).eval()
gen_kwargs = {"max_length": 2500, "do_sample": True, "top_k": 1}with torch.no_grad():outputs = model.generate(**inputs, **gen_kwargs)outputs = outputs[:, inputs['input_ids'].shape[1]:]print(tokenizer.decode(outputs[0], skip_special_tokens=True))

使用 vLLM 后端进行推理:

from transformers import AutoTokenizerfrom vllm import LLM, SamplingParams
# GLM-4-9B-Chat-1M# max_model_len, tp_size = 1048576, 4# 如果遇见 OOM 现象，建议减少max_model_len，或者增加tp_sizemax_model_len, tp_size = 131072, 1model_name = "THUDM/glm-4-9b-chat"prompt = [{"role": "user", "content": "你好"}]
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)llm = LLM(model=model_name,tensor_parallel_size=tp_size,max_model_len=max_model_len,trust_remote_code=True,enforce_eager=True,# GLM-4-9B-Chat-1M 如果遇见 OOM 现象，建议开启下述参数# enable_chunked_prefill=True,# max_num_batched_tokens=8192)stop_token_ids = [151329, 151336, 151338]sampling_params = SamplingParams(temperature=0.95, max_tokens=1024, stop_token_ids=stop_token_ids)
inputs = tokenizer.apply_chat_template(prompt, tokenize=False, add_generation_prompt=True)outputs = llm.generate(prompts=inputs, sampling_params=sampling_params)
print(outputs[0].outputs[0].text)

快速调用 GLM-4V-9B 多模态模型：

import torchfrom PIL import Imagefrom transformers import AutoModelForCausalLM, AutoTokenizer
device = "cuda"
tokenizer = AutoTokenizer.from_pretrained("THUDM/glm-4v-9b", trust_remote_code=True)
query = '描述这张图片'image = Image.open("your image").convert('RGB')inputs = tokenizer.apply_chat_template([{"role": "user", "image": image, "content": query}], add_generation_prompt=True, tokenize=True, return_tensors="pt", return_dict=True)# chat mode
inputs = inputs.to(device)model = AutoModelForCausalLM.from_pretrained("THUDM/glm-4v-9b",torch_dtype=torch.bfloat16,low_cpu_mem_usage=True,trust_remote_code=True).to(device).eval()
gen_kwargs = {"max_length": 2500, "do_sample": True, "top_k": 1}with torch.no_grad():outputs = model.generate(**inputs, **gen_kwargs)outputs = outputs[:, inputs['input_ids'].shape[1]:]print(tokenizer.decode(outputs[0]))