智谱最近动作不小，一口气更新了多个模型，其中最引人注目的就是基座大模型 GLM-4-Plus 的推出。作为智谱迄今为止最强的模型，它将成为整个全模型家族的坚实底座。与此同时，视频通话 API——GLM-4-Plus-VideoCall 也正式上线。这款模型原本是清言视频通话背后的核心，支持实时视频、语音多轮交互等多种跨模态能力，这种交互方式很可能成为人机交互的下一个范式变革点。

01 新基座大模型 GLM-4-Plus

GLM-4-Plus 在语言理解、逻辑推理、指令遵循和长文本输出方面都有相当大的突破，在各大语言文本能力数据集上，直接对标 GPT-4o 和 405B Llama3.1，水平相当。更值得关注的是，在最新的 SuperBench 大模型评测中，GLM-4-Plus 位列世界前三，打破了国外模型长期垄断前三甲的局面。

这个新基座模型在代码计算、数据分析、图像/视频特征识别等领域都实现了性能的大幅提升，同时成本显著下降。内测期间，金融、互联网、企服、教育等行业伙伴已经用 GLM-4-Plus 完成了信息抽取、机器翻译、智能体辅助教育等各种任务。来看几个实际的例子。

案例1：机器翻译

翻译任务既需要精准理解语义，又要求良好的目标语言生成能力，而且翻译场景通常对响应速度要求极高。GLM-4-Plus 系列在保持高效响应和快速 tokens 输出的同时，在垂直行业、国际新闻、科技信息等多个场景下，翻译得都相当准确。下表是 GLM-4-Plus 与微软、GPT-4o-mini 的效果对比（绿色标识翻译准确的部分）。

案例2：AI 碘伏传统游戏 NPC

国庆期间，B 站 UP 主林亦 LYi 搞了个大新闻——让 6 个 AI 智能体“住”进了同一套公寓。这个中文加强版的「斯坦福小镇」，还带点 AI 版《老友记》的搞笑剧情，真正实现了 AI Native 的游戏体验，引来百万网友围观。这些 AI 的“大脑”来自开放平台的 API，其中能力拉满的 GLM-4-Plus 负责驱动智能体完成日常的复杂思考任务，比如规划一整天的日程、处理大量信息，还要能主动思考和反馈。下一代的开放世界，已经来到我们身边。

案例3：时序问答和多轮对话

在数十秒的视频中，GLM-4V-Plus 可以准确理解并感知时间，精准定位到事件发生的时刻。同时，它能针对单个视频进行多轮对话问答，在视频理解的基础上结合上下文理解指代问题（比如“他们”指的是两辆红色车），实现更丰富的任务处理。以前得把视频逐帧拆成图片再二次处理，成本高得吓人，现在一步到位。

从单一图像识别到视频/图像理解，GLM-4V-Plus 大幅降低了成本。同时，它支持更复杂的 prompt 处理和多轮对话，能并行处理多个任务。下图是其实现的智能检测系统架构。

案例4：数据分析任务

在常见的数据分析任务中，GLM-4-Plus 也能很好地代替数据分析师进行初始代码生成并执行获得结果，极大提升了效率。对数据分析师来说，这是个实实在在的提效工具。

02 GLM-4-Plus-VideoCall：上线开放申请

很多用户在清言 App 上第一次体验到了 AI 有眼睛看到世界的惊奇效果，这背后就是智谱多模态模型能力的支撑——让 AI 具备跨文本、音频、视频的实时推理能力，让大模型在应用层交互上变得更加便捷亲切。即日起，GLM-4-Plus-VideoCall 这个能力正式在开放平台开放申请。这种人与机器交互的范式革新，将极大拓展大模型应用想象力的边界，在更多场景中解锁魔法。