GLM-Z1-32B-0414

GLM-Z1-32B-0414 es un modelo de razonamiento con capacidades de pensamiento profundo. Este modelo se desarrolló a partir de GLM-4-32B-0414 mediante un arranque en frío y aprendizaje por refuerzo extendido, así como un entrenamiento adicional en tareas relacionadas con las matemáticas, el código y la lógica. En comparación con el modelo base, GLM-Z1-32B-0414 mejora significativamente las habilidades matemáticas y la capacidad para resolver tareas complejas. Durante el proceso de entrenamiento, el equipo también introdujo el aprendizaje por refuerzo general basado en la retroalimentación de clasificación por pares, lo que mejoró aún más las capacidades generales del modelo. A pesar de tener solo 32B de parámetros, su rendimiento en ciertas tareas es comparable al de DeepSeek-R1 con 671B de parámetros. A través de evaluaciones en índices de referencia como AIME 24/25, LiveCodeBench y GPQA, el modelo demuestra sólidas habilidades de razonamiento matemático y puede dar soporte a soluciones para una gama más amplia de tareas complejas.