人工智能、大模型与智能体深度观察 | 大观视界
人工智能、大模型与智能体深度观察 | 大观视界
参数规格
共 18 项| 产品名称 | GLM-5V-Turbo |
|---|---|
| 产品系列 | AI产品与平台 |
| 官方介绍 | “原生多模态能力的引入并未削弱其编程逻辑，其编程能力仍属于国内第一梯队。增强了AI at Work领域下D2C、图片处理等方向的工作体验。”——美团某团队 |
| GLM | GLM-5.3 GLM-5V-Turbo GLM-5-Turbo AutoGLM |
| MaaS | Bigmodel |
| 2026/04/01 16 | 00 基座模型 |
| 原生多模态Coding基座 | 原生理解图片、视频、设计稿、文档版面等多模态输入，并支持画框、截图、读网页等多模态工具调用，上下文窗口扩展至200k，将Agent的感知-行动链路从纯文本延伸到视觉交互。 |
| 兼顾视觉与编程能力 | 在多模态Coding、Tool Use、GUI Agent等核心基准上取得领先表现。通过多任务协同RL等技术手段，确保纯文本场景下的编程、推理、工具调用等能力不退化。 |
| 原生多模态融合 | GLM-5V-Turbo从预训练阶段开始进行文本与视觉能力深度融合，并在后训练阶段实现多模态协同优化。我们研发了新一代CogViT视觉编码器，在通用物体识别、细粒度理解、几何与空间感知上均达最优，也设计了兼容多模态输入且推理友好的MTP结构，在多模态场景下实现了较高的推理效率。 |
| Agentic数据与任务构造 | 针对Agent数据稀缺和验证困难的行业挑战，我们构建从元素感知到序列级动作预测的多层级体系，基于合成环境大规模生成可控、可验证的训练数据，并从预训练阶段即注入Agentic元能力（如将GUI Agent PRM数据加入预训练以降低幻觉），同时探索非对称优化，用多模态评估任务撬动更强的Agent能力。 |
| 多模态工具链扩展 | 在文本工具基础上，GLM-5V-Turbo新增支持多模态搜索、画框、截图、读网页等多模态tools，将编程与任务执行的感知-行动链路从纯文本扩展到视觉交互。与Claude Code、AutoClaw等龙虾的协同效果进一步增强，支持“看懂环境→规划动作→执行任务”的完整闭环。 |
| 前端复刻 | 发送草图、设计稿、参考网站的截图或录屏，模型就能直接理解布局、配色、组件层级与交互逻辑，生成完整可运行的前端工程，准确还原版式、配色、动效等视觉细节。 |
| GUI自主探索复刻 | 结合Claude Code等框架，GLM-5V-Turbo能凭借自身强大的GUI Agent能力自主探索目标网站，浏览页面结构、梳理各页面之间的跳转关系、采集视觉素材与交互细节，最后基于记录的探索结果直接生成代码复现整个站点，实现从“看图复刻”到“GUI探索复刻”的能力跃升。 |
| 交互式编辑 | 支持按需求增删页面模块、修改文案与样式、调整布局结构，并可补充按钮反馈、弹窗切换、表单联动等交互功能，实现可视化迭代编辑。 |
| https | //clawhub.ai/zai-org/glm-master-skill |
| https | //github.com/zai-org/GLM-skills |
| 联系电话 | 400-6883-991 |
| 资料来源 | 企业官网产品页 https://www.zhipuai.cn/zh/research/156 |
参数由厂商公开资料整理，实际以产品实物及官方说明为准。
免责声明本页信息整理自互联网公开渠道，仅供资讯参考，不构成任何投资或商业决策依据；相关产品参数、企业信息可能存在滞后或误差，请以厂商官方发布为准。如内容涉及版权、准确性或侵权问题，请联系 981209856@qq.com，我们将第一时间核实处理。