王炸！智谱 AI 旗下的大模型开放平台宣布 GLM-4-Flash 全面免费，并且该模型微调也开启了限时免费活动。

体验地址：https://open.bigmodel.cn/

一、GLM-4-Flash 介绍

GLM-4-Flash 模型是智谱 AI 第一个免费的大模型 API，速度极快，可以用在文章创作、代码调试、代码生成、知识库问答、PPT 助手、思维导图生成等场景。

GLM-4-Flash 模型的优势在于：

强大的推理能力：支持 128K 上下文推理和多语言处理；
极快的生成速度：生成速度大约在 72.14 token/s，约等于 115 字符/s；
支持函数调用：其函数调用能力与 GPT-4 相当；
支持网页检索：能够实时访问天气、新闻等信息。
具备多轮对话、网页浏览、Function Call（函数调用）和长文本推理（支持最大 128K 上下文）等功能，同时支持包括中文、英语、日语、韩语、德语等在内的 26 种语言。

二、GLM-4-Flash 模型实测

GLM-4-Flash 模型已经在大量测试中展现了能力。

从模型界面来看，GLM-4-Flash 支持多轮对话、自定义系统指令构建（比如设定模型身份、任务目标）以及网页搜索、知识库搜索和函数调用等工具调用功能。

此外，用户也可以自由调整 GLM-4-Flash 对话窗口的最大 tokens 数量（输入上下文长度）、模型温度（控制生成的随机性和创造性）、top_p（控制回答风格，保证输出结果正确性的同时增加多样性）。

三、接入COW

我的读者最关心的来了，怎么接入COW白嫖这个强大的模型呢？操作很简单，小白无脑一步一步跟着做就行。

首先，你要确保完成部署了。

然后修改2个部分：

增加glm-4-flash模型

路径/root/chatgpt-on-wechat/common文件夹下，打开 const.py 文件

bot_type中修改 ZHIPU_AI = "glm-4-flash"

model中添加glm-4-flash

MODEL_LIST中增加GLM_4_FLASH

修改COW配置文件

路径/root/chatgpt-on-wechat/下，打开config.json文件进行修改。

API Key获取地址：https://open.bigmodel.cn/usercenter/apikeys ，复制即可，填写到"zhipu_ai_api_key"

因直接使用LLM本身，所以要在COW的"character_desc"中填写人设，注意不能换行。

修改model、zhipu_ai_api_key、zhipu_ai_api_base、character_desc，4个部分，其他按需添加。

{
  "channel_type": "wx",   
  "model": "glm-4-flash",
  "zhipu_ai_api_key": "填写你的智谱API KEY",
  "zhipu_ai_api_base": "https://open.bigmodel.cn/api/paas/v4",

  "text_to_image": "dall-e-3",
  "voice_to_text": "openai",
  "text_to_voice": "openai",
  "proxy": "",
  "hot_reload": false,
  "single_chat_prefix": [""],
  "single_chat_reply_prefix": "",
  "group_chat_keyword": ["@机器人大军"], 
  "group_chat_prefix": [],
  "group_name_white_list": ["ALL_GROUP"],
  "concurrency_in_session": 1,
  "group_welcome_msg": "",
  "speech_recognition": true,
  "group_speech_recognition": false,
  "voice_reply_voice": false,
  "conversation_max_tokens": 2000,
  "expires_in_seconds": 3600,
  "character_desc": "填写人设，注意不能换行",
  "temperature": 0.5,
  "subscribe_msg": "",
  "use_linkai": false,
  "linkai_api_key": "",
  "linkai_app_code": ""
}

大功告成，然后重新扫码登录即可，COW路径下的终端里执行以下代码。

nohup python3 app.py & tail -f nohup.out

当然你也可以和我一样，使用多种模型，教学参考