GLM-5V-Turbo模型亮相，视觉编程新突破

4月2日，智谱官方发布消息，GLM-5V-Turbo模型面向公众亮相。它定位视觉编程多模态Coding基座，多项评测领先，还能保持纯文本编程能力稳定。

模型定位与核心能力

GLM-5V-Turbo致力于将Agent感知与行动链路拓展到视觉交互领域。它能原生理解处理图片、视频等多模态输入，支持多种视觉工具调用，上下文窗口扩展到200k，为视觉编程带来新的可能性。

性能表现突出

在多模态Coding等多项基准评测中，GLM-5V-Turbo取得领先。在反映真实视觉编程与环境操控能力的任务上成绩优异，且引入视觉能力时，纯文本编程与推理能力在CC - Bench - V2等测试中未退化。

协同赋能Agent

通过与Claude Code、AutoClaw等框架深度协同，该模型赋予龙虾Agent视觉能力，让其能看懂屏幕信息并执行复杂任务，提升了Agent在实际应用中的表现。

性能优势来源

模型的性能优势源于模型架构、训练方法、数据构造与工具链的系统性升级，这些升级为模型的卓越表现提供了坚实基础。

应用场景与体验方式

该模型应用集中于视觉编程领域，可直接生成与复刻代码并支持交互式编辑。用户可通过AutoClaw、Z.ai等指定产品体验，或通过开放平台和API接入。

编辑观点：GLM-5V-Turbo模型的亮相为视觉编程领域带来了新活力，其多模态处理能力和稳定的纯文本编程表现值得关注，有望推动视觉编程技术的进一步发展。