GLM Z1 9B 0414 与函数调用：如何构建无限可能的应用

将你的朋友推荐给 Novita AI，你和你的朋友都将获得 $10 的 LLM API 积分——总奖励高达 $500。

为了支持开发者社区，Qwen2.5-7B、Qwen 3 0.6B、Qwen 3 1.7B、Qwen 3 4B 目前在 Novita AI 上免费提供。

立即尝试 Novita AI!

想象一个 AI，它不仅告诉你天气，还会实时检查；不仅解释概念，还能为你生成个性化报告、图表，甚至安排会议。与 GLM Z1 9B 0414（一款专为推理、多语言对话和视觉生成（HTML/SVG）而微调的强大轻量级模型）结合后，Function Calling 变得更加实用。它们共同赋能智能助手。

什么是 Function Calling？

https://www.youtube.com/watch?v=Qor2VZoBib0

函数调用让大语言模型（LLM）能够与外部工具、API 和服务交互。模型不再仅依赖训练数据，现在可以：

• 决定何时需要外部帮助
• 选择正确的函数进行调用
• 生成结构正确的参数
• 将结果整合到回复中

这就像给 AI 配备了一个计算器、日历或旅行应用来协助完成任务。

Function Calling 的工作原理

1. 用户输入 → 模型接收并分析查询
2. 函数选择 → 确定相关的工具或 API
3. 参数生成 → 构建结构化输入（例如 JSON）
4. 函数执行 → 执行函数并获取结果
5. 响应整合 → 向用户返回完整答案

示例：“东京的天气如何？”

步骤	描述
用户输入	“东京的天气如何？”
识别需求	需要实时数据
选择函数	调用 `getWeather(location, units)`
生成参数	{ “location”: “Tokyo”, “units”: “celsius” }
执行 API	请求天气 API
最终响应	“今天东京 22°C，天气晴朗。”

什么是 GLM Z1 9B 0414？

模型规格

• 参数量：90 亿（9B），轻量级设计，平衡性能与资源效率。
• 上下文窗口：32K，支持长文本处理和复杂任务。

性能优势

• 高性能/规模比：在数学推理、通用任务和复杂推理场景中表现出色，非常适合轻量级部署。
• 核心优势：
  • 数学推理：在 AIME24、AIME25 和 Omni-MATH 等任务中表现优异。
  • 代码生成：在 LCB（2408–2501）等任务中取得出色成果。
  • 指令遵循与问答：在 SysBench（ISR）、IFEval 和 ArenaHard 等任务中表现出色。
  • 全面工具集成：在 BFCL（v3）等任务中表现良好。

训练与优化

• 预训练数据：基于 GLM-4-32B 的 15T 高质量数据构建，包含大量推理型合成数据，增强了逻辑和推理能力。
• 后训练优化：利用人类偏好对齐来优化对话场景中的性能。

GLM Z1 9B 0414 扩展能力

1. 多语言支持

   • 支持 26 种语言，在中文和英文上表现稳健，非常适合全球应用。

2. 文本生成与可视化

   • 文本到文本：处理多种文本生成任务。
   • 视觉输出：能够生成结构化的 HTML 和 SVG 内容，增强交互性和可用性。

3. 数据与训练优势

   • 广泛预训练：在 15T 高质量数据上训练，涵盖广泛领域，包括合成推理数据，确保强大的泛化能力。
   • 对话优化：通过人类偏好对齐进行微调，实现逼真且响应灵敏的对话生成。

GLM Z1 9B 0414 + Function Calling = ？

1. 多语言应用

• 实时翻译：
  利用 Function Calling 集成翻译 API，在支持的 26 种语言之间实现即时准确的翻译。
  • 应用场景：
    • 多语言客服系统。
    • 全球会议和直播的实时字幕。
• 跨语言聊天机器人：
  无缝处理多语言对话，借助对话优化和 Function Calling 确保文化和语境准确性。
  • 应用场景：
    • 全球电商平台。
    • 多语言教育聊天机器人。

2. 动态文本生成

• 内容个性化：
  使用 Function Calling 访问用户数据，生成个性化推荐或自然文本报告。
  • 应用场景：
    • 教育平台的个性化学习计划。
    • 电商的定制化营销内容。
• 自动化报告生成：
  结合文本生成与 Function Calling，获取实时数据（如销售、分析），生成结构化业务报告。
  • 应用场景：
    • 商业智能仪表盘。
    • 财务或运营摘要。

3. 可视化驱动应用

• 交互式内容生成：
  利用 Function Calling 生成结构化的 HTML 和 SVG 元素，增强交互性和可视化效果。
  • 应用场景：
    • 数据分析平台的动态图表。
    • 教育工具的交互式学习模块或信息图。
• 网页内容自动化：
  为动态网页或应用自动生成视觉组件。
  • 应用场景：
    • 自动生成新闻简报。
    • 交互式网页设计助手。

4. 对话驱动的智能助手

• 带实时数据访问的智能助手：
  利用对话优化和 Function Calling 检索实时数据（如天气、新闻、股票价格），并提供可操作的响应。
  • 应用场景：
    • 虚拟个人助理。
    • 实时旅行与活动规划器。
• 任务自动化：
  Function Calling 使助手能够执行任务，如安排日程、发送邮件或管理物联网设备。
  • 应用场景：
    • 智能家居系统（如控制灯光、恒温器）。
    • 办公自动化工具（如会议安排、邮件草稿）。

5. 高级训练与推理应用

• 教育工具：
  结合推理能力与 Function Calling，获取和分析教育内容，创建测验或解决数学问题。
  • 应用场景：
    • 自适应学习平台。
    • 数学与科学辅导助手。
• 科研辅助：
  利用推理预训练和 Function Calling 进行外部数据检索，生成见解或分析数据集。
  • 应用场景：
    • 科研人员（科学或技术领域）的工具。
    • 自动化文献综述助手。

6. 多模态应用

• 多模态内容助手：
  集成文本生成和视觉能力，生成多模态输出，如可视化解释或交互式指南。
  • 应用场景：
    • 交互式医疗诊断工具（如结合文本解释与标注的视觉内容）。
    • 产品组装或维修说明（文本与图表结合）。
• 创意内容生成：
  使用视觉输出能力创建艺术视觉、信息图或广告。
  • 应用场景：
    • 创意写作或设计助手。
    • 营销活动的广告文案与图形创作。

如何通过 Novita AI 使用 GLM Z1 9B 0414 的 Function Calling

Novita AI 已为每个 LLM 推出能力描述支持，你可以在[控制台](https://novita.ai/models-console/?utm_source=blog_llm&utm_medium=article&utm_campaign=/ llama-4-maverick-function-calling/)和[文档](https://novita.ai/docs/guides/llm-function-calling/?utm_source=blog_llm&utm_medium=article&utm_campaign= llama-4-maverick-function-calling/)中直接查看。

第一步：登录 Novita AI

进入 Novita AI 主页后，点击右上角的 “Log In” 或 “Get Started” 按钮。你可以通过 Google、GitHub、Hugging Face 或 ** 邮箱** 轻松登录——任你选择！

立即尝试 Novita AI!

第二步：在控制台中点击“Model API”！

登录后，你会进入 Novita 控制台仪表盘。从顶部点击 “Model API”。该部分让你访问可用模型的完整列表，以及其能力的详细信息——包括是否支持 Function Calling 和 Structured Outputs。

第三步：选择你的模型并检查！

只需找到你感兴趣的模型，点击它，右侧会弹出一个面板。在 “Supported Capabilities” 下，你可以立即看到是否支持 Function Calling 和 Structured Outputs。

第四步：初始化客户端

首先，使用你的 Novita API 密钥初始化客户端。

from openai import OpenAI
import json

client = OpenAI(
    base_url="https://api.novita.ai/v3/openai",
    # 从 https://novita.ai/settings/key-management 获取 Novita AI API 密钥。
    api_key="<YOUR Novita AI API Key>",
)

model = "thudm/glm-z1-9b-0414"

第五步：定义要调用的函数

接下来，定义模型可以调用的 Python 函数。在本例中，它是一个获取天气信息的函数。

# 模拟获取天气数据的示例函数。
def get_weather(location):
    """Retrieves the current weather for a given location."""
    print("Calling get_weather function with location: ", location)
    # 在实际应用中，你会在此处调用外部天气 API。
    # 这是一个简化的示例，返回硬编码数据。
    return json.dumps({"location": location, "temperature": "60 degrees Fahrenheit"})

第六步：构造包含工具和用户消息的 API 请求

现在，创建发送到 Novita 端点的 API 请求。该请求包含 tools 参数，定义了模型可以使用的函数，以及用户的消息。

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get weather of an location, the user shoud supply a location first",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "The city and state, e.g. San Francisco, CA",
                    }
                },
                "required": ["location"]
            },
        }
    },
]

messages = [
    {
        "role": "user",
        "content": "What is the weather in San Francisco?"
    }
]

# 发送请求并打印响应。
response = client.chat.completions.create(
    model=model,
    messages=messages,
    tools=tools,
)

# 在生产环境中，请检查响应是否包含工具调用。
tool_call = response.choices[0].message.tool_calls[0]
print(tool_call.model_dump())

输出：

{'id': '0', 'function': {'arguments': '{"location": "San Francisco, CA"}', 'name': 'get_weather'}, 'type': 'function'}

Function Calling + GLM Z1 9B = 一个智能、模块化、多语言的助手，能够交谈、思考和行动。无论你是构建实时仪表盘、语言机器人还是科学工具，这一组合都将 LLM 的推理与实际行动连接起来。借助 Novita AI 的开箱即用支持，开发者现在可以用最少的代码和最大的灵活性，轻松将这些能力集成到产品中。

常见问题

Function Calling 具体能实现什么？

Function Calling 让 LLM 能够选择、执行外部工具（如天气 API、数据库或自定义函数），并将结果整合到响应中。

为什么 GLM Z1 9B 特别适合 Function Calling？

它的推理能力、多语言支持和 HTML/SVG 生成能力，使其成为动态、交互式和全球应用的理想选择。

Function Calling 实现起来难吗？

不难。借助 Novita AI，你只需定义一个函数，提供一个 schema，然后使用他们的 API 将模型的响应与工具输出集成。

Novita AI 是一个一站式云平台，助力你的 AI 雄心。集成 API、Serverless、GPU 实例——成本效益高的工具尽在掌握。消除基础设施成本，免费开始，让你的 AI 愿景成为现实。

推荐阅读

• 访问 DeepSeek V3 的指南：本地与 API 方式
• Qwen 3 32B vs QWQ 32B：面向开发者的对比
• Llama 4 Maverick vs Gemma 3 27B：性能与效率之争