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： 2070

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

2025-06-14

从天价咨询到免费AI，夸克能改变志愿填报这门生意吗？

2025-06-14

开源破局，中国AI正在改写全球竞争格局！

2025-06-13

MinerU-利用专用LLM模型提取PDF内容的工具实测

2025-06-13

官宣|Milvus 2.6正式开源：内存减少 72%，速度比ES快4倍

2025-06-13

CoCo：全球首个“有记忆”的企业级AI Agent

2025-06-13

OpenAI 三连更：Team 上线 o3-pro、o3 额度翻倍、Projects 大升级！

2025-06-13

Manus免费版来了！两大核心更新功能实测

2025-06-13

[开源]RAGFlow: 基于深度文档理解的开源RAG引擎

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

Dify新版本部署失败的看过来！Dify 1.0.0本地部署使用及主要问题解决方法

2025-03-19

基于 Deepseek LLM 本地知识库搭建开源方案(AnythingLLM、Cherry、Ragflow、Dify)认知

2025-03-19

火爆 AI 编程圈的 MCP 到底是个什么东西？

2025-03-17

MCP服务介绍及应用场景报告-来自Manus

2025-04-01

47.3K star！这款开源RAG引擎真香！文档理解+精准检索+可视化干预，一站式搞定！

2025-04-01

15个最佳开源 RAG 框架选型指南

2025-04-13

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

CAMEL-AI Blog｜OWL调用MCP Toolkit实践

2025-03-19

字节跳动开源 LangManus：不止是 Manus 平替，更是 AI 自动化新引擎

2025-03-23

万字赏析 DeepSeek 创造之美：DeepSeek R1 是怎样炼成的？

2025-03-22

大家都在问

从天价咨询到免费AI，夸克能改变志愿填报这门生意吗？

2025-06-14

开源RAG项目到底如何选型？

2025-06-10

免费开源的 Nanobrowser，竟成Web自动化的 “隐形高手”？

2025-06-08

如何管理和调度Dify工作流？

2025-05-28

字节开源文档解析Dolphin，PDF解析效率提升83%，到底行不行？

2025-05-28

蚂蚁集团开源antv的MCP服务：AI智能体与数据可视化的桥梁如何搭建？

2025-05-26

拆解OpenAI最大对手的杀手锏：为什么会是MCP？

2025-05-25

从基础大模型到场景适配，企业如何做好商业化最后一公里？

2025-05-23

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