智谱发布新一代基础模型，清言App 国内率先面向 C 端开放视频通话服务

智谱AI发布新一代基础模型，并免费开放GLM-4-Flash API

在今年的KDD 2024大会上，智谱AI的动作不小，一口气亮相了新一代基础模型家族。官方宣称，这套组合拳在各自领域均已跻身国际第一梯队。更关键的是，其MaaS平台还宣布免费开放GLM-4-Flash API，这无疑给开发者社区投下了一颗“重磅冲击波”。

具体来看，这次发布的模型矩阵涵盖了多个关键模态：

• 语言模型 GLM-4-Plus：核心升级点在于语言理解、指令遵循和长文本处理能力，整体性能有了肉眼可见的提升。
• 文生图模型 CogView-3-Plus：表现相当亮眼，其生成效果已经接近当前顶尖的MJ-V6和FLUX等模型，颇具竞争力。
• 图像/视频理解模型 GLM-4V-Plus：不仅具备卓越的静态图像理解能力，还创新性地集成了基于时序感知的视频理解功能。它即将登陆智谱开放平台（bigmodel.cn），并有望成为国内首个提供通用视频理解能力的模型API。
• 视频生成模型 CogVideoX：在之前开源2B版本的基础上，这次正式开源了性能更强的5B版本，生成能力进一步增强。
• GLM-4-Flash API：推理服务完全免费，并提供稳定可靠的服务支持。

除了模型层面的重磅更新，智谱AI还将战火烧到了应用前端。公司同时宣布，在自家的清言App中正式上线了视频通话功能。这一步棋意义非凡，使其成为国内首个向普通消费者（C端）开放此类服务的玩家。

技术细节与市场布局

根据官方披露的信息，GLM-4-Plus基础模型在多项核心评测指标上，已经能够与GPT-4o等国际第一梯队模型打成平手。值得一提的是，在训练过程中，团队通过采用一种更精巧的长短文本数据混合策略，显著拔高了模型在长文本推理任务上的表现。这背后，是对数据效率和应用场景深度思考的结果。

而在文生图战场，CogView-3-Plus的技术路径选择颇具看点。它没有沿用行业常见的UNet架构，而是转向了Transformer架构来训练扩散模型。团队还对扩散模型的核心——噪声规划进行了深入研究。这一系列组合拳下来，其最终效果得以比肩MJ-V6和FLUX等一线模型。

目前，GLM-4-Plus模型已经正式在智谱开放平台（bigmodel.cn）上线，对外提供API服务，同时也即将在清言App中与用户见面。而CogView-3-Plus模型则已经抢先一步，在清言App中开放给所有用户体验。可以预见，一场关于多模态AI应用普及的竞赛，已经悄然加速。

来源：互联网