ChatGLM

定义

ChatGLM是智谱AI在GLM系列基座模型之上开发的对话式大语言模型，支持中文与英文两种语言，以多轮对话的形式理解用户指示并生成文本回答^[2]。它与只处理单一任务的模型不同，其能力来自通用基座模型，再经过指令微调与人类反馈对齐而获得对话形态。

原理

GLM架构的核心是自回归空白填充。训练时，系统从输入文本中采样若干连续片段并加以遮蔽，模型再按自回归方式逐个还原这些片段；为了让模型学会片段之间的依赖关系，被遮蔽片段的先后顺序会被随机打乱。该架构还采用二维位置编码，分别记录片段在原文中的位置和片段内部的位置。原论文指出，在相同参数与数据规模下，这一设计在自然语言理解、条件生成和无条件生成任务上均优于同规模的BERT、T5和GPT^[3]。

ChatGLM在此架构上以Transformer为骨架，用单个编码器同时承担理解与生成，先在大量中英文语料上完成预训练，再通过监督微调与人类反馈强化学习等步骤对齐人类偏好。以ChatGLM-6B为例，其参数量约为62亿，预训练语料规模约1万亿个词元，在指令微调之外还引入了反馈自助与强化学习^[4]。

为降低使用门槛，模型支持量化部署：在INT4量化精度下，ChatGLM-6B最低约需6GB显存即可在消费级显卡上运行，也能在CPU上推理，但速度偏慢^[4]。后续版本还引入多查询注意力与FlashAttention等方法，用于扩展上下文长度并提升推理速度。

发展历程

GLM系列源自清华大学计算机系知识工程实验室的技术积累。2021年，团队提出自有的模型算法GLM，并发布百亿参数模型GLM-10B；2022年，团队训练并开源了中英双语的千亿参数模型GLM-130B^[5]。

2023年3月，智谱发布对话模型ChatGLM，并公开其开源版本ChatGLM-6B^[6][1]。同年6月和10月，ChatGLM2-6B与ChatGLM3先后推出，模型在语义、数学、推理与代码等基准上有所提升，并开始支持函数调用、代码解释器以及较复杂的智能体任务。

2023年8月31日，智谱清言正式上线，成为基于ChatGLM、面向普通用户的对话入口^[7]。2024年1月16日，新一代基座大模型GLM-4发布，支持128K上下文长度，并可通过All Tools自主调用浏览器、Python解释器等工具。

此后智谱保持了较快的迭代节奏。2025年7月，旗舰模型GLM-4.5上线开放平台；2026年，GLM-5系列陆续发布并开源，其中GLM-5.2面向编程与长程任务，GLM-5.3进一步强化复杂编程、软件工程与网络安全能力^[7]。

应用

智谱清言是ChatGLM面向个人用户的对话产品，具备文字生成、图片生成、视频生成以及视频通话等功能^[7]。据智谱披露，2025年3月其手机应用用户已超过2500万，年化收入超过千万元^[8]。

在设备控制方向上，智谱于2024年推出可自主操作手机的AutoGLM以及面向电脑的GLM-PC，用户给出指令后，模型可代为完成点外卖、发送消息、预订酒店等操作^[7][9]。2025年，其Agentic GLM接入三星Galaxy S25系列手机，用于实时语音与视频通话、视觉理解、系统功能调用和文案写作等场景^[9]。

面向行业客户，GLM系列通过开放平台提供接口服务，覆盖智能汽车、制造、大消费、金融、政务服务、医疗健康和游戏娱乐等领域^[8]。智谱称，截至2025年3月，其开源的50余款模型累计获得超15万GitHub星标，全球下载量超过3000万次^[8]。

局限

官方文档列出了ChatGLM-6B的多项已知不足。由于参数量仅约62亿，模型的记忆与语言能力相对有限，在回答事实性知识问题时可能给出不正确的内容，处理数学、编程一类逻辑任务时尤其吃力。

官方同时提示，该模型只是初步与人类意图对齐，可能生成有害或带有偏见的内容；其对话能力也较弱，容易在引导下产生错误言论，甚至在自我认知问题上出现偏差^[4]。

语言能力也存在明显不均衡。ChatGLM-6B训练时所使用的指示与回答大部分为中文，输入英文指示时回复质量明显不如中文，有时还会与中文指示下的内容相互矛盾，或出现中英文夹杂的情况^[4]。

参见

• GLM-130B —— ChatGLM所依托的千亿参数中英双语基座模型。

• 智谱清言 —— 基于ChatGLM、面向普通用户的对话产品。

• 大语言模型 —— ChatGLM所属的模型类别。

• 人类反馈强化学习 —— ChatGLM用于对齐人类偏好的训练方法。

• AutoGLM —— 基于GLM系列、可自主操作手机的智能体。