关键亮点
GLM-4.5：一种基础模型，统一了推理、编码和智能体能力，满足智能体应用的复杂需求。
ChatGPT-4.1：具备高级推理能力的多模态基础模型，针对跨领域和应用的多样化解题及类人对话进行优化。
Novita AI 不仅提供稳定的 API 服务，还提供极具性价比的定价。例如，GLM-4.5 每 100 万输入 token 仅需 0.6 美元，每 100 万输出 token 仅需 2.2 美元。
模型基础介绍
GLM-4.5
GLM-4.5 是一款面向智能体的基础模型，拥有 3550 亿总参数和 320 亿活跃参数。该模型统一了推理、编码和智能体能力，满足智能体应用的复杂需求。GLM-4.5 是一种混合推理模型，提供两种模式：用于复杂推理和工具使用的思考模式，以及用于即时响应的非思考模式。
主要特性与架构
- 参数：总参数 3550 亿，活跃参数 320 亿。
- 混合推理：两种运行模式 —— 思考模式用于复杂推理和工具使用，非思考模式用于即时响应。
- 模型版本：提供基础模型、混合推理模型和 FP8 版本。
- 上下文窗口：128K token。
- 许可协议：MIT 开源许可证，允许商业使用和二次开发。
- 能力：统一推理、编码和智能体功能，适用于复杂应用。
ChatGPT-4.1
ChatGPT-4.1 由 OpenAI 于 2025 年 4 月 14 日发布，在上下文理解方面取得突破性改进，拥有原生 100 万 token 的上下文窗口，编码能力较 GPT-4o 提升 21%，并具备卓越的多模态处理能力，支持文本、图像和文档分析。ChatGPT-4.1 基于优化的 transformer 架构和增强的注意力机制，在 AIME、GPQA、MMLU 学术基准、SWE-bench 编码评估以及 MMMU/MathVista 视觉任务上均达到了领先水平。
主要特性与架构
- 类型：具有多模态能力的高级大语言模型
- 发布日期：2025 年 4 月 14 日
- 上下文窗口：原生 100 万 token
- 编码性能：软件工程能力较 GPT-4o 提升 21%
- 多模态支持：增强的文本、图像和文档分析能力
- 指令遵循：对用户格式和任务要求的高级遵循能力
基准测试对比
1. 智能基准测试
2. 上下文窗口：
GLM-4.5: 128k token
ChatGPT-4.1: 100 万 token
3. API 定价：
GLM-4.5: 每 100 万 token 输入 0.6 美元 / 输出 2.2 美元
ChatGPT-4.1: 每 100 万 token 输入 2 美元 / 输出 8 美元
GLM-4.5 与 GPT-4.1 的应用技能测试
1. 编码挑战：GLM-4.5 vs GPT-4.1
提示词：
实现一个函数，合并重叠区间并按开始时间排序返回结果。
输入：区间列表，格式为元组 [(start, end), …]
输出：合并后的区间列表
约束：处理边界情况，优化可读性
示例：
intervals = [(1,3), (2,6), (8,10), (15,18)]
期望输出：[(1,6), (8,10), (15,18)]
intervals = [(1,4), (4,5)]
期望输出：[(1,5)]
评分标准（10 分）：
- 算法正确性（4 分）：正确合并重叠区间，处理边界情况（空列表、单个区间、相邻区间）
- 代码效率（3 分）：最优方法（先排序，再一趟扫描合并），逻辑清晰
- 代码质量（2 分）：变量命名可读，结构合理，处理输入验证
- 边界情况处理（1 分）：明确处理空输入、单个区间等边界情形
GLM-4.5
ChatGPT-4.1
代码分析与评分
| **标准 ** | GPT-4.1 | GLM-4.5 | ** 得分** |
|---|---|---|---|
| 算法正确性（4 分） | 合并逻辑正确，妥善处理所有边界情况 | 合并逻辑正确，妥善处理所有边界情况 | GPT-4.1: 4/4 GLM-4.5: 4/4 |
| 代码效率（3 分） | 最优 O(n log n) 方法，清晰的单趟合并 | 最优 O(n log n) 方法，清晰的单趟合并 | GPT-4.1: 3/3 GLM-4.5: 3/3 |
| 代码质量（2 分） | 变量命名清晰，内联注释，结构良好 | 结构清晰，但缺少内联注释 | GPT-4.1: 2/2 GLM-4.5: 1.5/2 |
| 边界情况处理（1 分） | 明确列出 5 种边界情况并附示例 | 提到边界情况但文档不够明确 | GPT-4.1: 1/1 GLM-4.5: 0.5/1 |
最终得分
- GPT-4.1: 10/10 分
- GLM-4.5: 9/10 分
两个模型都生成了算法正确且高效的解决方案。GPT-4.1 通过内联注释和显式枚举边界情况（附示例）在文档质量上略胜一筹。GLM-4.5 提供了出色的算法解释和清晰的代码结构，但缺少使代码立即可用于生产环境的全面文档。评分反映的是代码文档标准的客观差异，而非算法能力。
2. 创意写作挑战：GLM-4.5 vs GPT-4.1
提示词
写一篇题为《地球上最后的图书馆》的短篇故事（300-500 字）。故事设定在末日后的世界，实体书籍已经灭绝，仅存一个隐藏的图书馆。主人公发现这个图书馆，必须对其命运做出关键决定。叙事中应融合希望与失落两种元素。
评分标准（10 分）：
| **标准 ** | ** 分数 ** | ** 说明** |
|---|---|---|
| 创意与原创性（3 分） | 3 | 独特的情节元素，创新的世界观，原创的角色概念 |
| 2 | 有一些创意元素，世界观尚可，角色发展标准 | |
| 1 | 基础创意，原创性低，元素可预测 | |
| 叙事结构（2 分） | 2 | 节奏良好的故事，清晰的开端/发展/结局，过渡自然 |
| 1 | 结构尚可，节奏有些问题 | |
| 0 | 结构差，进展不清晰 | |
| 角色发展（2 分） | 2 | 引人入胜的主人公，动机明确，情感深度 |
| 1 | 角色发展基本，有一定情感连接 | |
| 0 | 角色塑造薄弱，动机不明确 | |
| 主题融合（2 分） | 2 | 巧妙平衡希望与失落，对主题进行有意义的探索 |
| 1 | 主题元素基本，实现了一定平衡 | |
| 0 | 主题融合差，失衡或主题不明确 | |
| 语言与风格（1 分） | 1 | 引人入胜的散文风格，语气恰当，用词有效 |
| 0.5 | 写作风格尚可，有小问题 | |
| 0 | 语言使用差，语气不当，表达不清晰 |
额外评估说明：
- 故事应控制在 300-500 字以内
- 考虑情感冲击力和读者参与度
- 评估 AI 如何处理提示词的具体约束
- 检查标题与故事内容之间的一致性
GLM-4.5
ChatGPT-4.1
故事分析与评分
| **标准 ** | GLM-4.5 | GPT-4.1 | ** 得分** |
|---|---|---|---|
| 创意与原创性（3 分） | “数据战争”概念，神经网络 vs 书籍，创新的科技背景 | 传统末日设定，元素较为熟悉 | GLM-4.5: 3/3 GPT-4.1: 2/3 |
| 叙事结构（2 分） | 节奏良好的七天弧线，清晰的决策进程，令人满意的结局 | 结构不错但结局仓促，解决过快 | GLM-4.5: 2/2 GPT-4.1: 1.5/2 |
| 角色发展（2 分） | Elias 展现出深思熟虑，有意义的角色成长 | Mara 有情感时刻但发展深度不足 | GLM-4.5: 2/2 GPT-4.1: 1.5/2 |
| 主题融合（2 分） | 对知识保存的复杂探索，桥梁隐喻巧妙 | 希望/失落平衡不错，但主题处理较为表面 | GLM-4.5: 2/2 GPT-4.1: 1.5/2 |
| 语言与风格（1 分） | 清晰、有目的的散文，有效的世界观构建 | 意象生动，但有时描述过度 | GLM-4.5: 1/1 GPT-4.1: 0.5/1 |
最终得分
- GLM-4.5: 10/10 分
- GPT-4.1: 8.5/10 分
GLM-4.5 呈现了更具智慧深度的叙事，世界构建和主题层次更胜一筹。“数据战争”概念和神经网络社会创造了真正创新的背景，而 Elias 七天的深思熟虑展现了有意义的角色发展。新旧知识体系之间的桥梁隐喻体现了巧妙的主题融合。
GPT-4.1 提供了引人入胜的散文和情感瞬间，但更多依赖传统的末日套路。虽然文笔富有诗意，但故事结尾显得仓促，未能充分探讨前提的深层含义。
GLM-4.5 在概念框架、节奏控制和主题探索上的优势使其整体成为更优秀的创意作品。
3. 营销文案挑战：GLM-4.5 vs GPT-4.1
营销简报
为“ZenFlow”这款新产品创作营销文案。这是一款结合 AI 驱动的任务管理与正念技巧的生产力应用。该应用通过内置的冥想休息和专注时段，帮助用户优先处理任务，同时减轻工作压力。
目标受众： 25-40 岁、工作与生活失衡的专业人士
主要功能： AI 任务优先级排序、引导式冥想休息、专注计时器、压力追踪
语气： 专业且亲切，同时强调生产力与健康
格式： 分别撰写一条 50 字的社交媒体广告和一段 150 字的应用商店产品描述
评分标准（共 10 分）：
| **标准 ** | ** 分数 ** | ** 说明** |
|---|---|---|
| 受众定位（2 分） | 2 | 清晰理解目标人群，解决具体痛点 |
| 1 | 一般受众意识，部分相关信息 | |
| 0 | 受众定位差，信息泛泛 | |
| 品牌声音与语气（2 分） | 2 | 一致的专业且亲切的语气，真实的品牌个性 |
| 1 | 语气基本恰当，有少量不一致 | |
| 0 | 语气不恰当或不一致 | |
| 主要功能整合（2 分） | 2 | 将所有关键功能无缝融入引人入胜的叙述 |
| 1 | 提到大部分功能但整合显得生硬 | |
| 0 | 功能整合差或缺少关键元素 | |
| 说服力（2 分） | 2 | 强烈的行动号召，令人信服的价值主张，情感吸引力 |
| 1 | 说服元素尚可，有一定情感连接 | |
| 0 | 说服力弱，价值主张不清晰 | |
| 格式遵循（1 分） | 1 | 满足字数要求，每种媒介的格式恰当 |
| 0.5 | 格式小问题，字数略有偏差 | |
| 0 | 格式问题严重，字数严重不符 | |
| 清晰度与吸引力（1 分） | 1 | 清晰、引人入胜的文案，流畅且吸引注意力 |
| 0.5 | 基本清晰，吸引力略有不足 | |
| 0 | 令人困惑或乏味的文案，可读性差 |
额外评估说明：
- 评估每个模型如何平衡生产力与健康信息
- 考虑语言选择对目标人群的有效性
- 评估健康声明的真实性和可信度
- 寻找在拥挤的应用市场中脱颖而出且专业的手法
GLM-4.5
ChatGPT-4.1
文案分析与评分
| **标准 ** | GLM-4.5 | GPT-4.1 | ** 得分** |
|---|---|---|---|
| 受众定位（2 分） | 针对“忙碌专业人士”，提及工作生活平衡挑战 | 明确聚焦“忙碌专业人士”，提及倦怠等痛点 | GLM-4.5: 2/2 GPT-4.1: 2/2 |
| 品牌声音与语气（2 分） | 专业术语，语言精炼，保持一致性 | 对话式但专业，自始至终使用亲切语言 | GLM-4.5: 1.5/2 GPT-4.1: 2/2 |
| 主要功能整合（2 分） | 将所有功能无缝融入自然叙述，技术细节出色 | 自然融入所有功能，技术与健康平衡良好 | GLM-4.5: 2/2 GPT-4.1: 2/2 |
| 说服力（2 分） | 价值主张强烈，逻辑 appeal，精炼信息 | 情感钩子（“解锁最佳工作日”），社会证明，有力的行动号召 | GLM-4.5: 1.5/2 GPT-4.1: 2/2 |
| 格式遵循（1 分） | 恰好 50 和 150 字，每种媒介格式完美 | 恰好 50 和 150 字，格式恰当 | GLM-4.5: 1/1 GPT-4.1: 1/1 |
| 清晰度与吸引力（1 分） | 清晰但略显密集，专业流畅 | 高度吸引人，充满活力的语言，出色的可读性 | GLM-4.5: 0.5/1 GPT-4.1: 1/1 |
最终得分
- GLM-4.5: 8/10 分
- GPT-4.1: 10/10 分
评估总结
GPT-4.1 在情感吸引力和参与度方面表现出色，提供了更优秀的营销文案。“解锁最佳工作日”、“你最平衡、最高效的自己只需轻轻一点”等动态短语创造了更强的情感连接。社会证明（“加入成千上万专业人士”）和对话语气使文案对目标受众更具说服力。
GLM-4.5 提供了技术性出色的文案，功能整合良好，呈现专业。语言精准且富有信息性，尤其在解释技术能力方面表现突出。但文案略显正式，缺乏在竞争激烈的应用市场中推动转化的情感钩子和紧迫感。
如何在 Novita AI 上访问 GLM-4.5
第一步：登录并进入模型库
登录您的账户，点击 模型库 按钮。
第二步：选择您的模型
浏览可用选项，选择适合您需求的模型。
第三步：开始免费试用
开始免费试用，探索所选模型的能力。
第四步：获取 API 密钥
为了通过 API 进行身份验证，我们将为您提供一个新的 API 密钥。进入 设置 页面，您可以按照下图所示复制 API 密钥。
第五步：安装 API
使用适合您编程语言的包管理器安装 API。
安装完成后，将所需库导入您的开发环境。使用您的 API 密钥初始化 API，开始与 Novita AI LLM 交互。以下是 Python 用户使用聊天补全 API 的示例。
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="",
)
model = "zai-org/glm-4.5"
stream = True # or False
max_tokens = 65536
system_content = ""Be a helpful assistant""
temperature = 1
top_p = 1
min_p = 0
top_k = 50
presence_penalty = 0
frequency_penalty = 0
repetition_penalty = 1
response_format = { "type": "text" }
chat_completion_res = client.chat.completions.create(
model=model,
messages=[
{
"role": "system",
"content": system_content,
},
{
"role": "user",
"content": "Hi there!",
}
],
stream=stream,
max_tokens=max_tokens,
temperature=temperature,
top_p=top_p,
presence_penalty=presence_penalty,
frequency_penalty=frequency_penalty,
response_format=response_format,
extra_body={
"top_k": top_k,
"repetition_penalty": repetition_penalty,
"min_p": min_p
}
)
if stream:
for chunk in chat_completion_res:
print(chunk.choices[0].delta.content or "", end="")
else:
print(chat_completion_res.choices[0].message.content)
两个模型展现了不同的架构理念和能力特征：GLM-4.5 在系统性推理和技术创新上表现卓越，而 ChatGPT-4.1 则在语言流畅度和用户参与度上更胜一筹 —— 它们代表了高级 AI 系统设计中互补的路径，而非直接的竞争替代品。
GLM-4.5 是一个 3550 亿参数的基础模型，专为智能体应用设计，拥有独特的混合推理架构和双运行模式。凭借 320 亿活跃参数和 128K token 上下文窗口，该模型在 MIT 开源许可下统一了推理、编码和智能体能力。其独特的思考/非思考模式架构既能进行复杂的审议推理，也能快速生成响应，使其成为企业智能体部署场景的专用解决方案。
常见问题
GLM 代表什么？
GLM 代表“通用语言模型”（General Language Model），是智谱 AI 开发的一系列大语言模型，强调通用自然语言理解和生成能力。
GPT-4.1 是一个思考模型吗？
GPT-4.1 并非人类意义上的“思考”模型。它预测响应而非真正思考。
如何适配 GLM 模型？
GLM 模型可以通过 Novita AI 等平台的官方 API 进行部署，具体设置步骤因模型版本和硬件要求而异。
关于 Novita AI
Novita AI 是一个 AI 云平台，为开发者提供通过简单 API 部署 AI 模型的便捷方式，同时提供经济实惠且可靠的 GPU 云用于构建。
