在开发领域，视觉信息占据着主导地位，超过80%的需求以视觉形式呈现。然而，许多国内代码大模型长期以来只能依赖文本描述来推测页面布局，难以直接处理视觉信息。近日，智谱推出的GLM-5V-Turbo模型打破了这一局限，为视觉编程带来了新的突破。
GLM-5V-Turbo是一款专为视觉编程设计的多模态模型，能够原生融合视觉与文本能力。它不再依赖文本转译来“猜测”世界，而是直接理解设计图、解析复杂界面并生成对应代码，实现了从视觉感知到代码实现的完整开发链路。这一创新在海外社区引起了广泛关注，主贴阅读量迅速突破百万。
该模型在推理速度和核心能力上均表现出色。在前端看重的Design2code评测中，GLM-5V-Turbo以92.6的高分超越了K2.5的91.3分，展现了其在视觉UI转化为代码方面的精准度。在多模态工具调用方面，它在BrowseComp-VL评测中取得了48.7的成绩，领先于K2.5的42.9分，具备了“看图找工具办事”的实用能力。在Agent复杂任务评测中，其Pass³分数接近行业顶尖水平，显示出强大的综合规划与执行力。
GLM-5V-Turbo的能力不仅限于单一图像场景，还延伸至图文混合理解与生成任务。例如，在处理斯坦福大学《2025年人工智能指数报告》时，该模型能够提炼核心结论，并将其转化为精美的多页HTML演示文档，同时生成结构化大纲JSON和Markdown格式的摘要。这一过程展示了模型在“阅读—理解—抽象—表达—生成”多步流程中的卓越表现。
在更复杂的测试中，GLM-5V-Turbo被要求基于一张设计图复刻一个完整的网页。模型不仅实现了光标周围清晰、其他位置模糊的视觉效果，还使网页元素可点击，并将特定文字改为打字机特效展示。网页上的便利贴点击后会展开记事本，不同窗口可展示图片和视频素材，初步效果令人惊艳。
GLM-5V-Turbo的技术优势源于其独特的模型架构和训练方法。与大多数多模态模型“先语言后视觉”的工程化方法不同，该模型从预训练阶段就将文本和视觉信号深度融合。自研的CogViT视觉编码器在通用物体识别、细粒度细节理解等方面显著提升，配套的MTP结构则保证了推理效率。模型在强化学习阶段同步优化超过30种任务，覆盖STEM推理、视觉定位、视频理解等领域，实现了能力的均衡提升。
为解决Agent领域高质量多模态交互数据稀缺的问题，智谱构建了分层数据体系，利用合成环境自动生成大规模可控数据，并通过过程奖励模型（PRM）数据抑制幻觉生成。同时，模型工具链扩展至多模态搜索、区域框选标注等视觉交互类工具，将编程与任务执行的链路升级为“视觉-行动混合闭环”。
目前，GLM-5V-Turbo已开放API，Coding Plan用户可申请抢先试用。开发者可通过BigModel开放平台、AutoClaw（澳龙）和Z.ai等渠道访问该模型。随着API的开放和Agent生态的打通，智谱为开发者提供了“视觉感知+动作执行”的基础设施，开启了AI应用开发的新篇章。
