部署教程：清华第二代60亿参数ChatGLM2！碾压GPT-4，推理提速42%

ChatGLM-6B自3月发布以来，在AI社区爆火，GitHub上已斩获29.8k星。

如今，第二代ChatGLM来了！

清华KEG和数据挖掘小组（THUDM）发布了中英双语对话模型ChatGLM2-6B。

最新版本ChatGLM2-6B增加了许多特性：

- 对学术研究完全开放，允许申请商用授权

值得一提的是，在中文C-Eval榜单中，ChatGLM2以71.1分位居榜首，碾压GPT-4。而最新版本ChatGLM2-6B以51.7分位列第6。

ChatGLM-6B的第二代版本，在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上，又增加许多新特性：

1. 更强大的性能

基于ChatGLM初代模型的开发经验，全面升级了ChatGLM2-6B的基座模型。

ChatGLM2-6B使用了GLM的混合目标函数，经过了1.4T中英标识符的预训练与人类偏好对齐训练.

评测结果显示，与初代模型相比，ChatGLM2-6B在MMLU（+23%）、CEval（+33%）、GSM8K（+571%） 、BBH（+60%）等数据集上的性能取得了大幅度的提升，在同尺寸开源模型中具有较强的竞争力。

2. 更长的上下文

基于 FlashAttention 技术，研究人员将基座模型的上下文长度由 ChatGLM-6B 的2K扩展到了32K，并在对话阶段使用8K的上下文长度训练，允许更多轮次的对话。

但当前版本的ChatGLM2-6B对单轮超长文档的理解能力有限，会在后续迭代升级中着重进行优化。

3. 更高效的推理

基于 Multi-Query Attention 技术，ChatGLM2-6B有更高效的推理速度和更低的显存占用.

在官方的模型实现下，推理速度相比初代提升了42%，INT4量化下，6G显存支持的对话长度由1K提升到了8K。

4. 更开放的协议

ChatGLM2-6B权重对学术研究完全开放，在获得官方的书面许可后，亦允许商业使用。

相比于初代模型，ChatGLM2-6B在多个维度的能力上，都取得了巨大的提升。

数理逻辑

知识推理

长文档理解

研究团队选取了部分中英文典型数据集进行了评测，以下为ChatGLM2-6B模型在MMLU（英文）、C-Eval（中文）、GSM8K（数学）、BBH（英文） 上的测评结果。

MMLU

C-Eval

GSM8K

BBH

ChatGLM2-6B使用 Multi-Query Attention，提高了生成速度。生成2000个字符的平均速度对比如下：

Multi-Query Attention同时也降低了生成过程中KV Cache的显存占用。

此外，ChatGLM2-6B采用Causal Mask进行对话训练，连续对话时可复用前面轮次的 KV Cache，进一步优化了显存占用。

因此，使用6GB显存的显卡进行INT4量化的推理时，初代的ChatGLM-6B模型最多能够生成1119个字符就会提示显存耗尽，而ChatGLM2-6B能够生成至少8192个字符。

研究团队也测试了量化对模型性能的影响。结果表明，量化对模型性能的影响在可接受范围内。