此前报道，清华 NLP 团队于 3 月 14 日发布了中英双语对话模型 ChatGLM-6B，初具问答和对话功能。该模型基于 General Language Model（GLM）架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。

ChatGLM2-6B 模型于 6 月 25 日发布，在保留了初代模型对话流畅、部署门槛较低等特性的基础之上，又增加许多新特性：

更强大的性能：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，相比于初代模型，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。

更长的上下文：上下文长度由 ChatGLM-6B 的 2K 扩展到了 32K。

更高效的推理：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。

更开放的协议：ChatGLM2-6B 权重对学术研究完全开放。

ChatGLM2-6B 使用了 Multi-Query Attention，提高了生成速度，同时也降低了生成过程中 KV Cache 的显存占用。同时，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。