ChatGLM3模型的处理长度可以达到8000字符，对于一般文本处理的需求基本可以满足。
但是面对更加大部头的冗长文本时，这个长度显然不够。
面对此需求，ChatGLM3推出了ChatGLM3-6B-32K，在文本处理长度上有了质的飞跃，可以搞定32KB字符。
本节完成的获取与使用示例：
from modelscope import AutoTokenizer,AutoModel,snapshot_download
model_dir=snapshot_download("ZhipuAI/chatglm3-6b-32k",revision = "v1.0.0",cache_dir="../chatglm3_6b-32k")
tokenizer = AutoTokenizer.from_pretrained(model_dir,trust_remote_code=True)
model = AutoModel.from_pretrained(model_dir,trust_remote_code=True).half().cuda()
model = model.eval（)
response,history = model.chat(tokenizer,"你好",history=[])
print(response)
response,history = model.chat(tokenizer,"请简要介绍chatglm3-6b-32k",history=history)
print(response)相比于前次ChatGLM3-6B的调取方法，本次在snapshot_download里增加了cache_dir参数，用于告诉模型本地缓存的相对地址。
运行结果如下：
