国产智谱AI，凭啥敢叫板ChatGPT4.0？你也能生成一个自己的机器人

大象AI写作

智谱AI4.0终于发布了！我看了很多博主的评价，都说它很厉害，

智谱官方也公布了一些数据，显示它在英文方面接近了GPT4的水平，在中文方面还超过了GPT4的水平！而且它还能处理128K的上下文，

在回答问题的时候，它能找到正确的答案的概率是100%，这比GPT4的80%要高多了！召回率，就是这个意思。

我觉得光看数据不够，还要亲自体验一下。我想试试看ChatGPT4.0的提示词在智谱AI4.0上能不能用，如果能用的话，那我们这些擅长用提示词的人，不是又有机会大赚一笔了吗！

进入这个页面，点击GLM-4，这是目前国内“最聪明的大语言模型”

进入以下页面，左边的对话栏，右边的参数设置

可以看到不同的地方是体验对象、模型、

max_tokens、

temperature

、

top_p

这是专业书术语，

max_tokens

意味着无论用户提出的问题有多长，机器人的回答都不会超过1024个令牌的长度。

temperature

采样温度，控制输出的随机性，必须为正数取值范围是： [0.0,1.0] 值越大，会使输出更随机，更具创造性；值越小，输出会更加稳定或确定。建议您根据应用场景调整 top_p 或 temperature 参数，但不要同时调整两个参数。

采样温度（temperature）

: 是一个用于调整生成模型输出多样性和确定性的参数。
控制输出的随机性

: 通过调整这个参数，可以控制模型在生成输出时的随机性。
必须为正数

: temperature 的值需要是大于零的数。
取值范围是 [0.0,1.0]

: 这个参数的取值范围是从0.0到1.0。不过，通常情况下，temperature 的取值范围可能更大，比如 [0.0, ∞)，这里提到的范围可能是由特定应用或模型特别设定的。
值越大，会使输出更随机，更具创造性

: 当temperature的值较大时，模型生成的输出会更加多样和不可预测，这可能导致更具有创造性和随机性的结果。
值越小，输出会更加稳定或确定

: 相反，如果temperature的值较小，模型生成的输出会更加稳定和可预测，接近于模型认为最可能的输出。
建议根据应用场景调整 top_p 或 temperature 参数

: top_p 是另一个控制输出多样性的参数，与temperature相似。作者建议根据具体的应用场景和需求来调整这两个参数中的一个。
不要同时调整两个参数

: 因为top_p和temperature参数控制的是同一方面的特性，同时调整可能会导致不可预料的输出变化，因此建议只调整其中一个。

top_p是

用温度取样的另一种方法，称为核取样取值范围是： [0.0,1.0] 模型考虑具有 top_p 概率质量的令牌的结果。所以 0.1 意味着模型解码器只考虑从前 10% 的概率的候选集中取tokens；top_p 为 0 时，该参数不起作用。建议您根据应用场景调整 top_p 或 temperature 参数，但不要同时调整两个参数。

接下来我们来进行一段测试，首先是取标题

测试写知乎故事

段落改写

我觉得很不错了！对比下GPT3.5的能力，GPT3.5则是直接开始了.

在我看来，智谱GLM-4的能力已经超过GPT3.5turbo，

达到了GPT4.0的80%！

不过GPT也在进化，已经有传言，

GPT-5已经在灰度测试~

END

我是大象，目前在做AI写作，副业从事新媒体运营，并拥有自己的工作室。借助AI技术趋势，我们可以做百家号、头条号和公众号

流量主

项目

我通过发布多篇实用干货视频教学，我每天深入研究AI的应用，大部分文案和视频都由AI协助完成，使我的工作效率大幅提升，节省了近一半的人力成本。AI的趋势远不止于此，其潜力巨大。

我强烈建议大家拥抱这一趋势。如果你还在犹豫不决，可能错失良机。

如果你想系统学习AI爆文项目，请回复“报名”，了解更多详情。