智谱AI发布新一代开源模型GLM-4-32B系列，包含基座、推理、沉思模型，并采用MIT License，允许商用。其中，GLM-Z1-32B推理模型以其极速表现引人注目，尤其是在Agentic AI应用场景中展现出强大实力。该系列模型提供多种版本，满足不同需求，并支持免费试用。文章还介绍了GLM-Z1-AirX在Agentic RAG和MCP应用中的具体表现，以及流式调用指南，为开发者提供了便捷的实践方法。
🚀 智谱AI开源GLM-4-32B系列模型，包括基座、推理和沉思模型，均采用MIT License，允许商用，为开发者提供了广泛的应用可能性。
⚡️ GLM-Z1-32B推理模型是本次开源的亮点，尤其是在速度方面表现出色，例如GLM-Z1-AirX版本推理速度高达200 tokens/s，大幅提升了推理效率，适合对速度有较高要求的应用场景。
💡 为了满足不同需求，智谱AI提供了GLM-Z1-AirX（极速版）、GLM-Z1-Air（高性价比版）和GLM-Z1-Flash（免费版）三个版本的推理模型，用户可以根据实际情况选择合适的版本。
💬 文章详细介绍了GLM-Z1-AirX在Agentic RAG和MCP应用中的具体表现，并提供了流式调用指南，展示了该模型在实际应用中的能力和便捷性，有助于开发者快速上手和应用。
⏱️ 在Agentic RAG应用中，GLM-Z1-AirX仅用12.8秒就生成了2246字的答案，展现了其快速的推理能力，远超其他模型，为RAG系统带来了显著的性能提升。
原创 PaperAgent 2025-04-15 11:56 湖北
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。
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 RAGAgentic 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。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）
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63.3spip install --upgrade zhipuai
from zhipuai import ZhipuAIclient = ZhipuAI(api_key="") response = client.chat.completions.create( model="GLM-Z1-AirX", messages=[ {"role": "user", "content": "你好"} ], stream=True,)for chunk in response: content = chunk.choices[0].delta.content print(content)
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
阅读原文
跳转微信打开
