智谱版o1终于也来了：直接拿下考研数学，一句话就能做小游戏！

十三
2024-12-31
10:05:26

来源：量子位

金磊 发自 凹非寺

量子位 | 公众号 QbitAI

终于，在2024年的最后一天，智谱版o1也来了！

名字叫做GLM-Zero-Preview，Zero推理模型（下文简称Zero模型），自称是擅长通过逻辑推理来解决数理问题。

既然如此，那么我们就直接一套2024年考研数学真题来伺候一下吧~

规则也很简单，就是把真题的题目以截图的方式“喂”给Zero模型，这样也可以顺便考验一下它的视觉理解能力。

例如我们小试牛刀地截取第一道函数选择题：

这道题怎么解？

从Zero模型生成的结果来看，主要分为四大部分：

1. 读题审题
2. 深度思考
3. 解题步骤
4. 最终答案

有意思的是，Zero模型在深度思考过程中，它的思维方式像极了人类，而且每一步思考也描述的非常详细，最终给出了正确答案：C。

但同样的问题给到了ChatGPT o1……Emmm，先败在了“识图”这一步。

再来第二道测试题——线性代数：

还是同样的“配方”，来看下Zero的解题过程：

Zero模型按照逻辑顺序一步步拆解了这个问题，从基本定义、条件推导到最终结果，展示了较为清晰的解题思路。

在过程中，Zero模型对关键条件还进行了分步分析，同时对结果的数学意义进行了验证。

最终，依旧是给出了正确答案：D。

在函数、线性代数之后，我们再来一道概率统计：

我们来看下Zero模型的解析过程：

回答依然正确：D。

在尝试不同类型的选择题之后，我们不妨再来测一波大题。

直接上压轴题！

值得注意的一点是，这道题需要同时解答两个问题，我们来看下结果：

Zero模型统统答对了！

看来智谱版o1敢把“擅长数理问题”直接打出来，确实是有点东西在身上的。

据官方介绍，同基座模型相比，GLM-Zero-Preview 在不显著降低通用任务能力的情况下，在专家任务能力方面表现大幅提升。

并且它在AIME 2024、MATH500 和 LiveCodeBench评测中，已经取得了与OpenAI o1-preview相当的效果。

而且有一说一，抛出解析过程和结果，相比其它类o1大模型来说，单是整体的布局这块，不论是文字和公式，似乎更加符合数学之美。

但毕竟数学还是只是评测大模型推理能力的维度之一，因此，我们继续开启更多维度的“极限挑战”。

一句话让马斯克跳舞变字符画

代码编程能力，同样也是类o1推理模型重要的一面。

我接下来就实测一下Zero模型能否用一句话生成小游戏：

用HTML做一个贪吃蛇。

Zero模型根据要求，一步一步推理过后生成了一段完整的代码（上下滑动查看所有内容）：

然后我们只需复制粘贴到了IDE里，并在浏览器中运行，一个可玩的简单版贪吃蛇游戏就做好了。

再来一个有意思的：

HTML实现动态黑客帝国雨，全屏幕，竖着下，错落有致，敏感交错。

我们同样先来看下生成出来的代码（上下滑动查看所有内容）：

还是一个复制粘贴的动作，来看下效果：

嗯，确实是有点那个味道了。

或许你会说，这些代码功能过于简单了，别急，我们这就来上点难度——

把马斯克跳舞名场面视频，一句话变成字符画版本！

我们的Prompt是这样的：

在Mac中，用Python把输入视频内容变成字符画，然后再输出一个新的视频。

然后Zero模型就给出了代码（上下滑动查看所有内容）：

同样仅需复制粘贴，然后设置一些输入、输出文件的路径，运行代码后我们就可以得到这样的视频啦：

（PS：背景音乐为后期所配）

视频地址：https://mp.weixin.qq.com/s/HeLoB7_R2z8TMcMdJRlGEw?token=904287848&lang=zh_CN

如果想再来点颜色，也是一句话的是：

在上面的代码基础上，进行彩色化处理。

视频地址：https://mp.weixin.qq.com/s/HeLoB7_R2z8TMcMdJRlGEw?token=904287848&lang=zh_CN

由此可见，Zero模型在代码生成方面可以说是过关的。

更多维度实测

在数学和代码之后，我们继续从更多维度来全方面测试一下Zero模型。

视觉推理

请听题：

以下是一组数字与符号的对应关系：
1→♡
2→

3→♢
4→♡

请推测 6 的符号表示，并解释推导过程。

上下滑动查看所有内容：

Zero模型能够根据数字与符号的关系，分析出潜在规律，推导过程的过程也是清晰地阐述了出来。

再来：

这几个数字能组合成的最大数字是多少？

Zero模型给出的答案是这样的（上下滑动查看所有内容）：

可以看到，Zero模型先是准确识别出了台球上的数字，然后用推理能力一步步将能够组合成的最大数值给了出来。

加密问题

我们再来一道可以考验大模型能力的加密问题。

请听题：

已知 ukwmfvhxyondhxjz rhfvpfjzxn ukjzwmkajzhxyo -> practice makes perfect 请基于这个例子找到密文 ukqgfvsi gwjzkatjwmjz dttjzp hxtjiyjz 对应的原文。

而这里出现的结果就比较有意思了。

Zero模型给出的答案是：hard work pays off.

但我们同时还用ChatGPT o1和DeepSeek V3做了比较：

• ChatGPT o1生成结果：pray before you code.
• DeepSeek V3生成结果：planned forest consented.

各家大模型的结果均不相同，这道题到底是谁正确，小伙伴们可以亲测一下，然后在评论留言讨论哦~

经典问题：9.9和9.11哪个大？

最后一道测试，我们还是用那个非常经典的问题：

9.9和9.11哪个大？

嗯，这个问题已经是难不倒Zero模型了。

智谱的大模型再添一块拼图

在2024年的最后一天，智谱也是终于在各大玩家之后发布了类o1模型。

由此，其大模型的矩阵也变得更加庞大：

文本生成（GLM）、图像生成（CogView）、视频生成（CogVideoX）、音效生成（CogSound）、音乐生成（CogMusic）、端对端语音（GLM-4-Voice）、自主代理（AutoGLM）、AI推理（GLM-Zero-Preview）。

能够以如此“全栈”姿态在大模型时代角逐的玩家，着实是屈指可数。

而另一方面，若是细数今年内智谱的技术发布时间轴，结果是更加的密集且紧凑：

• 11月，发布AutoGLM升级版，可自主执行超50步的长步骤操作，也可以跨app执行任务，开启“全自动”上网新体验，支持基于浏览器的数十个网站的无人驾驶。
• 11月，发布GLM-PC内测，基于智谱多模态模型CogAgent，探索“无人驾驶”PC。可代替用户参与视频会议、处理文档、搜索网页并总结、远程定时操作。
• 11月，视频模型CogVideoX升级，支持10s时长、4k、60帧超高清画质、任意尺寸以及更好人体动作和物理世界模拟。
• 10月，GLM-4-Voice端到端情感语音模型发布，并上线清言app，能够理解情感，有情绪表达、情感共鸣，可自助调节语速，支持多语言和方言，并且延时更低、可随时打断。
• 10月，AutoGLM内测版发布，只需接收简单的文字/语音指令，就可以模拟人类操作手机，不受限于API调用。
• 10月，和三星、高通宣布合作，分别共同打造AI产品和端侧多模态交互大模型。
• 8月，发布跨文本音频和视频模态实时推理大模型GLM-4-Videocall，实现AI与人实时视频通话。通过API接口可无缝部署在包括手机在内各类带摄像头端侧设备。
• 8月，新一代基座大模型GLM-4-Plus发布，语言理解、指令遵循、长文本处理等方面性能全面提升。
• 7月，视频生成模型“清影”在清言PC端、移动应用端以及小程序端正式上线，提供文本生成视频和图像生成视频的服务，30秒即可完成6秒视频生成，真实还原物理世界中的运动过程。
• 6月，GLM-4-9B模型，支持100万Tokens长文本和26种语言，多模态能力比肩GPT-4V。
• 1月，新一代基座大模型GLM-4发布，整体性能相比上一代大幅提升，支持更长上下文，具备更强多模态能力，推理速度更快，支持更高并发，大大降低推理成本。

这也有就很好理解为何在前不久，智谱能够拿到30亿元的新一轮融资，估值已超200亿元。

模型够全栈，技术够密集，市场够认可，智谱可以说是给今年画上了较为圆满的句号。

除此之外，智谱选择在今年最后一天发布类o1模型，其实也在预示着明年的大模型发展依旧会在推理Scaling Law上发力。

但与此同时，诚如ChatGPT o3这般“烧钱猛兽”目前也无法完全应对Frontier Math、ARC-AGI等超高难度的测试。

那么智谱又将会在推理这块如何出奇制胜，是值得期待一波。

Zero模型体验地址：
1、智谱清言：
https://chatglm.cn/main/gdetail/676411c38945bbc58a905d31?lang=zh
2、智谱开放平台：
https://bigmodel.cn/dev/api/normal-model/glm-zero-preview

2000万token免费体验资源包领取地址：
https://zhipuaishengchan.datasink.sensorsdata.cn/t/7K

参考链接：
https://kaoyan.eol.cn/shiti/shuxue/202312/t20231225_2550980_7.shtml

Read More