大家好，我是何三，独立开发者
又一款"看图写代码"的模型？
2026年4月2日，智谱发布了 GLM-5V-Turbo。
"又一个多模态模型"——你大概率会这么想。毕竟 GPT-4o 能看图、Gemini 能看视频、Claude 能操作电脑，视觉理解这块赛道已经很拥挤了。
但这次不太一样。
GLM-5V-Turbo 不是那种"什么都能看、什么都能聊"的多模态大杂烩。它的定位非常明确：多模态 Coding 基座模型——说白了，就是专门为了让 AI 能"看设计稿、写代码"而生的。
更直白点：你丢一张 UI 设计稿给它，它能直接吐出一套完整可运行的前端工程。
为什么这件事值得聊？
AI 辅助编程这件事，过去一年半已经被 Claude Code、Cursor、Copilot 们卷得差不多了。但有个痛点一直没解决好：AI 编程基本只能处理文本。
设计师给你一张 Figma 设计稿，你得先人工拆解布局、手写 HTML/CSS 结构，再让 AI 帮你补逻辑。或者录一段操作视频，还得自己描述每一步在干什么。
这个"从视觉到代码"的断层，一直是 AI 编程工具链里最别扭的一环。
GLM-5V-Turbo 试图直接跨过这个断层。
它的输入不只是文字，还可以是图片、视频、设计稿、文档。你录一段手机 App 操作的视频扔给它，它能理解每个页面的布局和交互逻辑，然后直接生成代码复刻出来。
这不是简单的 OCR + 代码生成。智谱从预训练阶段就深度融合了视觉和文本能力，用的是自研的新一代 CogViT 视觉编码器，配合推理友好的 MTP（Multi-Token Prediction）结构。
翻译成人话就是：它不是"看图说话"的模型后面挂了个代码生成器，而是从底层的神经网络上就把"看"和"写"当成一件事来训练的。
数据说话：到底强在哪？
光说概念没意义，直接看 benchmark。
多模态 Coding 场景：
- Design2Code（设计稿还原）：94.8 分，Claude Opus 4.6 是 77.3 分
- Flame-VLM-Code（视觉代码生成）：93.8 分
- MMSearch（多模态搜索）：72.9 分，Claude Opus 4.6 是 63.8 分
GUI Agent 场景：
- AndroidWorld（安卓操控）：75.7 分，Claude Opus 4.6 是 62.0 分
- WebVoyager（网页导航）：88.5 分，Claude Opus 4.6 是 88.0 分
在视觉编程相关的测试上，GLM-5V-Turbo 基本是碾压状态。Design2Code 94.8 分这个数字尤其亮眼——意味着给一张设计稿，它还原出来的前端页面质量已经非常高了。
当然，纯文本编程方面 Claude Opus 4.6 依然有优势，比如后端代码（CC-Backend 26.9 vs 22.8）和前端代码（CC-Frontend 75.9 vs 68.4）。这也在意料之中——Claude 在纯文本编程上积累太深了。
但 GLM-5V-Turbo 的思路是对的：先把视觉编程这件事做到极致，纯文本能力不退化就行。从 CC-Bench-V2 的结果来看，它的纯文本编程能力确实保持了稳定，没有因为加了视觉能力而变弱。
这背后是智谱做的30+ 任务协同强化学习——同时优化 STEM、grounding、video、GUI Agent、coding Agent 等多个任务类型，避免"学会了看图就忘了写代码"的偏科问题。
跟 Claude Code 怎么配合？
这是比较有意思的部分。
GLM-5V-Turbo 不是来替代 Claude Code 的，而是给它装上"眼睛"。
智谱把这个能力深度适配到了 Claude Code 和自家的 OpenClaw（龙虾）框架里。工作流大致是这样的：
看懂环境 → 规划动作 → 执行任务
比如你想复刻一个网站。过去用 Claude Code，你得人工截图、描述每个页面的结构。现在 GLM-5V-Turbo 可以自己浏览目标网站，梳理页面跳转关系，采集视觉素材和交互细节，然后直接生成代码把整个站点复刻出来。
更实际的场景是代码调试。Bug 页面截个图扔给模型，它能自动识别样式错位、组件重叠、颜色偏差这些渲染异常，辅助定位问题并生成修复代码。
"为龙虾安上眼睛"
如果你关注智谱的生态，一定听过"龙虾"——OpenClaw / AutoClaw，智谱的 Agent 平台。
GLM-5V-Turbo 接入龙虾之后，变化挺大的。龙虾原来只能处理文本任务，现在能看懂屏幕上的信息了。
智谱举了个例子：AutoClaw 上线的"股票分析师" Skill，利用 GLM-5V-Turbo 的视觉能力，龙虾能直接看懂 K 线走势、估值区间图和券商研报图表，四路数据源 60 秒并行采集，输出图文交错的分析报告。
还有文档写作：丢一份 PDF 进去，模型能理解内容并生成小红书风格的宣传文案、报告摘要等。官方演示里甚至展示了视频对象追踪——输入一段骑马的短视频，模型能逐帧输出小马的位置坐标 JSON。
这些场景以前需要多个专用模型串起来才能做，现在一个模型搞定了。
怎么用？
目前 GLM-5V-Turbo 面向 Coding Plan 用户开放，后续会正式纳入 GLM Coding Plan。
有几种使用方式：
1. API 调用
通过智谱 BigModel 开放平台接入，模型名是 glm-5v-turbo，支持图片、视频、文件等多模态输入。上下文窗口 200K tokens，最大输出 128K tokens。
from zai import ZhipuAiClient
client = ZhipuAiClient(api_key="your-api-key")
response = client.chat.completions.create(
model="glm-5v-turbo",
messages=[
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://example.com/design-mockup.png"
}
},
{
"type": "text",
"text": "请根据这张设计稿，生成完整的移动端前端页面代码"
}
]
}
],
thinking={"type": "enabled"}
)
print(response.choices[0].message)
注意输入是多模态的 content 数组，同时包含 image_url 和 text 两种类型。视频输入用 video_url 类型，文件输入用 file_url 类型。
2. AutoClaw（澳龙）
如果你已经在用智谱的龙虾平台，切换到 GLM-5V-Turbo 模型就能直接体验视觉增强能力。
3. Claude Code 集成
支持与 Claude Code 框架深度协同，在 Agent 工作流中调用 GLM-5V-Turbo 的视觉能力。
有哪些局限？
说几个比较现实的问题。
参数量未公开。 智谱这次没有公布 GLM-5V-Turbo 的具体参数规模。从定位"Turbo"来看，大概率比 GLM-5（744B 总参、40B 激活）小不少。但具体小多少，不知道。
暂未开源。 GLM-5 系列虽然号称"开源"，但 GLM-5V-Turbo 目前只能通过 API 使用，权重没有放出来。
不能同时处理多种模态输入。 官方明确说了：不支持同时理解文件、视频和图像。一次只能选一种（或图片+文本、视频+文本的组合）。
纯文本编程不是它的主战场。 如果你不涉及视觉相关的编程任务，GLM-5 或 GLM-5-Turbo 的纯文本编码能力可能更合适。
我的看法
GLM-5V-Turbo 让我比较在意的，不是它某个 benchmark 跑了多少分，而是智谱选的这个切入点。
视觉编程这个方向，目前还没有谁真正做到"开箱即用"的程度。Claude 的 Computer Use 能操控桌面，但不是为编程设计的。GPT-4o 能看图写代码，但更多是 demo 级别的展示。
智谱从设计稿还原这个具体场景切入，把"看懂画面 → 理解布局 → 生成代码"这条链路做扎实了。这是一个对前端开发者和设计师来说都很实用的能力。
加上与 Claude Code、AutoClaw 的生态打通，它不是孤立的模型，而是嵌入到了现有的 AI 编程工作流里。这个生态策略比特定的技术指标更值得关注。
对独立开发者来说，如果项目里有大量前端页面开发、设计稿还原的工作，GLM-5V-Turbo 值得试试。哪怕不拿来直接写代码，用来做代码审查和 Bug 定位也很有价值。
毕竟，能让 AI 直接"看到"你的代码运行效果，这个能力本身就打开了不少新玩法。
本文使用 MGO 编辑并发布
关注"何三笔记"，回复"mgo" 免费下载使用
