IT之家4月2日音问，本日，智谱发布面向视觉编程打造的多模态Coding基座模子GLM-5V-Turbo。其具备以下性情：原生多模态Coding基座，兼顾视觉与编程才能，并深度适配ClaudeCode与龙虾场景。

据先容，GLM-5V-Turbo从预测验阶段深度交融视觉与文本才能，让编程不再局限于纯文本输入。模子能看懂贪图稿、截图、网页界面，并据此生成竣工可运转的代码，信得过作念到看得懂画面、写得出代码。

IT之家附中枢重点如下：

原生多模态Coding基座：原生相识图片、视频、贪图稿、文档版面等多模态输入，并复古画框、截图、读网页等多模态器具调用，凹凸文窗口推广至200k，将Agent的感知-行径链路从纯文本延长到视觉交互。

兼顾视觉与编程才能：在多模态Coding、ToolUse、GUIAgent等中枢基准上得回跳跃施展。通过多任务协同RL等时候技巧，确保纯文本场景下的编程、推理、器具调用等才能不退化。

深度适配ClaudeCode与龙虾场景：与ClaudeCode、OpenClaw/AutoClaw等Agent深度协同，188金宝博复古“看懂环境→琢磨作为→施行任务”的竣工闭环，并提供全套官方Skills，开箱即用。

在多模态Coding、Agentic任务以及纯文本Coding维度的评测基准上，GLM-5V-Turbo均以更小尺寸得回了跳跃施展。

GLM-5V-Turbo在贪图稿规复、视觉代码生成、多模态检索与问答、视觉探查等基准上均得回跳跃施展；在测度果真GUI环境操控才能的AndroidWorld、WebVoyager等基准上相通施展卓越。在纯文本Coding才能方面，GLM-5V-Turbo在CC-Bench-V2的Backend、Frontend和RepoExploration三项中枢基准测试中均保握褂讪施展，标明视觉才能引入后，纯文本编程与推理才能保握了同等水准。

在AutoClaw等龙虾Agent中接入GLM-5V-Turbo后，AG游戏官网龙虾具备了信得过的视觉才能，能看懂屏幕上的信息。模子在测度龙虾Agent任求施行质料的PinchBench、ClawEval和ZClawBench上得回优异收成，考据了其在复杂任求施行场景中的轮廓才能。

典型场景展示：

图像即代码

前端复刻：发送草图、贪图稿、参考网站的截图或录屏，模子就能径直相识布局、配色、组件层级与交互逻辑，生成竣工可运转的前端工程，准确规复版式、配色、动效等视觉细节。

GUI自主探索复刻：琢磨ClaudeCode等框架，GLM-5V-Turbo能凭借自己遍及的GUIAgent才能自主探索宗旨网站，浏览页面结构、梳理各页面之间的跳转相关、收罗视觉素材与交互细节，终末基于纪录的探索成果径直生成代码复现扫数站点，达成从“看图复刻”到“GUI探索复刻”的才能跃升。

为龙虾安上眼睛

龙虾的任务边界被大幅拓宽，举例不错浏览网页和文档，生成图文并茂的评释、PPT，还不错查询并解读K线图等复杂图表。

AutoClaw已上线“股票分析师”Skill，运用GLM-5V-Turbo的原生视觉才能AG庄闲游戏官网首页，龙虾能径直看懂K线走势、估值区间图和券商研报图表，达成四路数据源60秒并行收罗，输出图文交错的研报。立即在AutoClaw中切换至GLM-5V-Turbo，试试发问“帮我分析今天XXX的股价，生成专科分析评释”。