GLM-5V-Turbo是由智譜於2026年4月2日發布的原生多模態Coding基座模型。
該模型能夠原生理解圖片、視頻、設計稿、文檔版面等多模態輸入，並支持畫框、截圖、讀網頁等多模態工具調用，其上下文視窗擴展至200k。GLM-5V-Turbo深度融合視覺與編程能力，能夠處理多模態信息及編程等複雜任務，在多模態Coding、Agent等核心基準上表現良好。
該模型具備處理和理解多模態信息的能力，旨在使AI Agent能夠處理從文本到設計稿與網頁界面等多種形式的輸入。
基本介紹
- 軟體名稱：GLM-5V-Turbo
- 上線時間：2026年4月2日
- 開發商：智譜
發展歷程,主要功能,技術特點,套用場景,行業影響,
發展歷程
2026年4月2日，智譜發布多模態Coding基座模型GLM-5V-Turbo。
該模型具備處理文本、圖片、視頻等多模態信息的能力，並可套用於編程、規劃與操作等任務。
主要功能
該模型是多模態Coding基座模型，能夠處理文本、圖片、視頻等多模態信息，並進行編程、長程規劃、操作執行等任務。原生理解圖片、視頻、設計稿、文檔版面等多模態輸入，並支持畫框、截圖、讀網頁等多模態工具調用，上下文視窗擴展至200k。
這款模型不僅能寫代碼，更擁有了“看懂”世界的能力，旨在將 AI Agent 的感知鏈路從枯燥的字元延伸到豐富的設計稿與網頁界面中。
技術特點
GLM-5V-Turbo是智譜於2026年4月2日發布的一個原生多模態Coding基座模型。該模型整合了視覺與編程能力，能夠處理文本、圖片、視頻等多模態信息，並執行編程、長程規劃等任務。該模型的套用使OpenClaw龍蝦能夠處理視覺信息。該模型支持API調用。在多項基準測試中，其表現優於Claude Opus 4.6。GLM-5V-Turbo在模型架構、訓練方法、數據構造、工具鏈四個層面進行了升級，包括採用原生多模態融合、30+ 任務協同強化學習、為Agent能力設計的數據集，以及將工具鏈從純文本升級為支持視覺與操作。在模型架構層面，採用了新一代視覺編碼器和多模態處理結構，提升了多模態場景下的推理效率。在訓練方法層面，通過多模態融合和任務協同強化學習等技術，確保視覺能力引入後編程與推理能力保持穩定。
在多模態和純文本編程的相關基準測試中，GLM-5V-Turbo展現了較強的能力，例如在多模態任務和圖形用戶界面操控任務上展現了能力，同時在純文本編程基準上保持了性能。
套用場景
GLM-5V-Turbo支持視覺編程，能夠根據草圖、設計稿或網站截圖生成前端工程。傳送草圖、設計稿或參考網站的截圖，模型能理解布局、配色、組件層級與互動邏輯，生成可運行的前端工程。該模型可以解讀複雜圖表，如K線走勢、估值區間圖和券商研報圖表，並生成圖文並茂的分析報告。
GLM-5V-Turbo在視覺編程中套用於前端工程生成，如根據草圖創建音樂播放器界面；此外，結合Claude Code等框架，該模型能憑藉其GUI Agent能力探索目標網站，瀏覽頁面結構、梳理跳轉關係、採集視覺素材與互動細節，最後生成代碼復現整個站點。在文檔處理中能拆解經濟學論文結構；在金融分析中可解讀股票圖表。該模型支持通過對話增刪頁面模組、修改文案與樣式、調整布局結構，並可補充互動功能，實現可視化疊代編輯。
在AutoClaw中，GLM-5V-Turbo集成股票分析師Skill，用於自動化報告生成和PPT製作。例如，在智譜自研的智慧型體AutoClaw中接入該模型後，Agent具備了視覺能力，能解讀K線走勢圖、估值區間圖和券商研報圖表，實現多路數據並行採集，並輸出圖文並茂的分析報告。AutoClaw上線了“股票分析師”Skill利用此能力。
套用場景
行業影響
GLM-5V-Turbo的發布推動大模型編程從純文本向多模態發展。多模態編程能力被認為是AI智慧型體走向實用化的關鍵一環。該模型將AI的理解力從語法邏輯擴展到美學與感知邏輯，為全自動編程輔助的發展提供了基礎。
GLM-5V-Turbo在多模態編程、智慧型體等核心基準上均以更小尺寸取得了較好表現，同時保持了純文本編程與推理能力。通過深度適配特定編程與開發場景，該模型為AI智慧型體增加了視覺能力，拓寬了任務邊界，例如瀏覽網頁、解讀圖表、生成圖文報告等。該模型已提供開放接口，便於部署使用。
