我要投稿

比R1快8倍，智谱开源GLM-Z1系列，实测 Agentic AI 也能极速深度推理！

发布日期：2025-04-15 11:59:33 浏览次数： 2224

作者：PaperAgent

微信搜一搜，关注“PaperAgent”

太卷了，智谱一口气开源6个模型，即新一代开源模型 GLM-4-32B-0414 系列，包含基座、推理、沉思模型，MIT License，不限制商用。

不想自己部署的小伙伴可以直接登录全新站点 https://chat.z.ai/ 试用。

此次开源最大的亮点是具有深度思考能力的推理模型 GLM-Z1-32B，主打一个“为快不破”：国内迎来最快的推理模型。

为满足不同场景需求，上线到智谱MaaS开放平台 bigmodel.cn 的推理模型分为三个版本：

GLM-Z1-AirX（极速版）：国内最快推理模型，推理速度高达200 tokens/s，8倍于常规速度；
GLM-Z1-Air（高性价比版）：价格仅为DeepSeek-R1的1/30，适合高频调用场景；
GLM-Z1-Flash（免费版）：支持免费使用，进一步降低模型使用门槛。

200 tokens/s极速深度推理，给推理模型的落地场景带来了无限可能，PaperAgent就最经典的Agentic AI应用场景：Agentic RAG/MCP应用(含代码解析)，对GLM-Z1-AirX进行了第一手实测。

GLM-Z1-AirX加持的Agentic RAG

Agentic RAG过程应用于问答的一个代表性示例，主要由2大流程组成：

离线流程，文档被分割成块，编码成向量，并存储在向量数据库（ES/Milvus）中。
线上流程

Agentic 路由，根据查询类型，Agent从多种检索选项中检索相关数据，

生成，将原始问题和检索到的内容送入大模型（GLM-Z1-AirX）中，生成最终答案。

Agentic RAG问答流程（GLM-Z1-AirX）

总结类型Query: A股行情经历了怎样的变化

GLM-Z1-AirX仅在【12.8s】就给出了长达2246字的答案，并且答案也比较丰富，全面。

这个速度直接让你的RAG系统直接赢在了thinking线上，可能别人还在thinking，你已经给出答案了。

这里以DeepSeek-R1作为对比，thinking阶段就花费20s，最终答案1764字，总耗时63.3s

GLM-Z1-AirX流式使用指南

pip install --upgrade zhipuai
from zhipuai import ZhipuAIclient = ZhipuAI(api_key="") # 填写您自己的APIKeyresponse = client.chat.completions.create(    model="GLM-Z1-AirX",  # 填写需要调用的模型编码    messages=[        {"role": "user", "content": "你好"}    ],    stream=True,)for chunk in response:  content = chunk.choices[0].delta.content  print(content)

GLM-Z1-AirX加持的MCP应用

选这个场景测试，是因为不少小伙伴对MCP与Function Call的关系有困惑，比如“mcp 和 function call可以共存吗？”，今天以GLM-Z1-AirX作为基础模型对剖析MCP应用的工作流程：

MCP 主机 —— LLM 应用程序（例如 Cursor），管理连接
MCP 客户端 —— 与 MCP 服务器保持一对一连接
MCP 服务器 —— 为 LLM 提供上下文、工具和能力

在MCPClient.py，首先利用list_tools让MCP Server上所有可用的工具信息

将第一步拼接的工具信息（名称、描述、参数）传给大模型（GLM-Z1-AirX），这里可以用支持Funciton Call的大模型，也可以采用ReAct的方式。

GLM-Z1-AirX会选择使用哪个工具，之后通过call_tool让MCP Server执行工具并返回结果

工具执行的结果存入消息历史，一起送入GLM-Z1-AirX，给出解析的答案

最后，可以看一个GLM-Z1-AirX以ReAct方式调用工具的示例，3.6s完成，非常快速！

https://hf-mirror.com/collections/THUDM/glm-4-0414-67f3cbcb34dd9d252707cb2ehttps://github.com/modelcontextprotocol/python-sdk

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-07-15

两句话，让Claude Code+Kimi K2 跑了3小时爬完17个竞品网站、做了一份深度市场数据分析报告

2025-07-15

n8n技术详细介绍，使用场景，部署使用和详细案例

2025-07-15

没经验也能开发复杂项目？我用这个AI神器，给自己配了个7人开发团队！

2025-07-15

AI知识库系列之六：只需 3 步，手把手教你用Coze搭建AI知识库，个人/企业都适用！

2025-07-15

Kimi K2智能体能力的技术突破：大规模数据合成 + 通用强化学习

2025-07-15

大模型检索“内卷”时代，BGE凭什么成为终极答案？

2025-07-14

一行命令把 Kimi K2 接到你的 Claude Code！

2025-07-14

Kimi K2里找到了DeepSeek V3架构

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

看大厂PM，如何玩转多个智能体开发平台

2025-06-17

53AI Hub重磅开源！让99%的智能体开发者赚到钱！

2025-06-17

源神降临！阿里 Qwen3 全系发布，免费商用，消费级显卡就能跑！(深度解读 + 实战case)

2025-04-29

Qwen3中性能最强MOE模型部署抛砖引玉 + 实测

2025-04-29

阿里Qwen3正式发布：最小6亿参数，叫板Gemini-2.5Pro

2025-04-29

刚刚，DeepSeek开源新版R1，媲美OpenAI最高o3模型

2025-05-29

豆包电脑版不讲武德降维打击本地部署AI知识库的开源选手

2025-05-12

事实证明千问qwen3小模型才是企业的生产力，他究竟能做什么呢？

2025-05-14

开源DeepSeek R1增强版：推理效率快200%，创新AoE架构

2025-07-07

重磅：GitHub Copilot 开源 - 微软Build 2025开场即高潮

2025-05-20

大家都在问

大模型检索“内卷”时代，BGE凭什么成为终极答案？

2025-07-15

n8n vs. Dify vs. Coze：新一代效率工具，谁是你的菜？

2025-07-13

国内 Agent 赛道最大融资诞生！阿里云为何重注这家“真能干活”的 AI 公司？

2025-07-08

大模型开源，厂商靠什么盈利？

2025-07-04

OpenAI首席研究官没有博士学位，你的985还有用吗？

2025-07-03

卷疯了！这个清华系Agent框架开源后迅速斩获1.9k stars，还要“消灭”Prompt？

2025-06-28

从 MCP 谈起，到底什么才是 AI Native 产品？

2025-06-25

中国AI Agent市场最终会变成一地鸡毛吗？

2025-06-25

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB