GLM-Z1-32B-0414

GLM-Z1-32B-0414 adalah Model penalaran dengan kemampuan berpikir mendalam. Model ini dikembangkan berdasarkan GLM-4-32B-0414 melalui cold start dan penguatan belajar berlanjut, serta pelatihan lebih lanjut pada tugas yang melibatkan matematika, kode, dan logika. Dibandingkan dengan Model dasar, GLM-Z1-32B-0414 secara signifikan meningkatkan kemampuan matematika dan kemampuan untuk menyelesaikan tugas-tugas kompleks. Selama proses pelatihan, tim juga memperkenalkan pembelajaran penguatan umum berdasarkan umpan balik peringkat berpasangan, yang semakin meningkatkan kemampuan umum Model ini. Meskipun hanya memiliki 32B parameter, kinerjanya pada tugas tertentu sebanding dengan DeepSeek-R1 dengan 671B parameter. Melalui evaluasi pada tolak ukur seperti AIME 24/25, LiveCodeBench, dan GPQA, Model ini menunjukkan kemampuan penalaran matematika yang kuat dan dapat mendukung solusi untuk berbagai tugas kompleks yang lebih luas.