智谱AI正式发布首个原生多模态Coding基座模型GLM-5V-Turbo。该模型的最大突破在于深度融合视觉与编程能力，能够原生处理文本、图片、视频等多模态信息，同时擅长编程、长程规划、操作执行等复杂任务。
GLM-5V-Turbo从预训练阶段开始进行文本与视觉能力的深度融合，让编程不再局限于纯文本输入。模型能看懂设计稿、截图、网页界面，并据此生成完整可运行的代码，真正做到看得懂画面、写得出代码。
在多模态Coding、Agent等核心基准上，GLM-5V-Turbo取得领先表现。模型引入视觉能力的同时，纯文本编程与推理能力保持了同等水准。其上下文窗口扩展至200k，将Agent的感知-行动链路从纯文本延伸到视觉交互。
该模型深度适配Claude Code与"龙虾"场景，让OpenClaw龙虾具备了真正的视觉能力，能看懂屏幕上的信息。目前GLM-5V-Turbo已通过智谱MaaS平台开放接入。
GLM-5V-Turbo能够取得性能领先在于其模型架构、训练方法、数据构造、工具链四个层面的系统性升级。智谱研发了新一代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。
