GLM-5V 视觉模型又来“吊打” Opus4.6了！
不好意思，吊打只是我的口头禅，并不是我的结论！
今天主要来看一下新模型 GLM-5V-Turbo（视觉模型）的卖家秀！
看起来还不错。
我根据官方推特的信息，来给大家详细介绍一下主要卖点！
基准测试
首先我们来看一张“吊打” Opus 的基准图（Benchmark）：
官方结论是：
在设计稿还原、视觉代码生成、多模态检索问答、视觉探索等评测上领先；
在真实 GUI 环境控制能力（AndroidWorld 和 WebVoyager）上表现突出。
单看这张图，领先的指标确实很多。
尤其是 Design2Code 以 94.8 小胜 Kimi2.5 的 91.3，吊打 Claude Opus 4.6 的 77.3。
我对这些基准不是很熟，所以我专门查了一下。
我主要是想知道：这些基准是野鸡标准，还是真的公认的权威基准。
权威和知名度汇总：
| 类别 | 基准 |
|---|---|
| 公认权威 | OSWorld、AndroidWorld、WebVoyager、Design2Code |
| 中等知名 | Vision2Web、MMSearch/MMSearch-Plus、BrowseComp-VL |
| 小众/存疑 | Flame-VLM-Code、ImageMining、SimpleVQA、Facts、V* |
因为我还没测试，所以我先不做评论，我只是提供一些参考数据。
我的经验是：基准是开卷考，拼的是节操，只能作为参考。
三大核心特点
看完基准，看一下首推的三大特点。
原生多模态编程：
原生理解图像、视频、设计稿、文档布局等多模态输入，能”看屏幕写代码”——理解设计稿、截图、网页界面后直接生成完整可运行代码。
视觉与编程能力均衡：
在多模态编程、工具调用、GUI Agent 等核心基准上取得领先成绩；
同时在 CC-Bench-V2 的三个纯文本编程评测（后端、前端、仓库探索）上保持稳定，证明引入视觉能力不会损害文本推理。
深度适配 Claude Code 和 Claw 场景：
与 Claude Code、OpenClaw 深度协同，支持完整任务闭环执行。
这都是很好的方向，如果真的有进步，将使 GLM 系列模型的实用性大大增强。
从第二张图来看，GLM5V，就完全被Claude Opus4.6压一头了。
毕竟它家的CC本身就是基准测试的Harness
四层系统升级
这一部分，可能看不太懂，但是懂得自然都懂，我觉得我还是要列一下。
原生多模态融合：
预训练阶段即做文本视觉深度融合，后训练阶段协同优化；
自研新一代 CogViT 视觉编码器，在通用目标识别、细粒度理解、几何空间感知上达到 SOTA；
设计推理友好的 MTP 结构保证效率。
30+ 任务协同 RL：
RL 阶段同时优化 30+ 类任务，覆盖 STEM、Grounding、视频、GUI Agent，提升感知推理能力，同时缓解单领域训练的不稳定性。
Agentic 数据与任务构建：
针对 Agent 数据稀缺问题，构建从元素感知到序列级动作预测的多层数据体系；
用合成环境生成可验证训练数据；
预训练阶段注入”Agentic 元能力”（如加入 GUI Agent PRM 数据以减少幻觉）。
多模态工具链扩展：
除文本工具外，支持多模态搜索、绘图、网页阅读，将感知-动作循环延伸至视觉交互；
强化与 Claude Code 和 OpenClaw 的协同。
视频演示
枯燥的文字部分终于看完了，我们来看看视频部分。
看看是否 make sense？
【视频】
视频的第一幕叫：See It Code It
我翻译一下：Like It , Copy It。
这是一个大家都不好意思说，但是很想要的功能。
天下文章一大抄，代码也是如此，重点是能不能快速出活。
我们一般叫“调用”和“复现”，程序员怎么可以说抄袭。
我还是挺喜欢这个黑白配色，网格，和字体的，决定拿它做封面了。
草图转代码
视频中的第一个例子是 Sketch = Code，翻译一下就是草图转代码。
直接在左边画一个草图，然后底下写一句：
make a concept music app that plays https://lab.design/music.mp3 by default.
制作一款播放概念音乐的应用程序
参考转代码
第二个例子叫 Reference = Code。
给定两张参考图，然后编写以下提示词：
As a master of creative programming, create an interactive generative art piece with given reference image as direction/inspiration. You may use canvas2d, shader, p5.js or similar. 作为创意编程大师，以给定的参考图像为方向/灵感，创作一件交互式生成艺术作品。你可以使用 canvas2d、着色器、p5.js 或类似工具。
一个衍生例子：
通过草图和参考图，以及提示词生成一个指定风格的音乐播放器。
截图转代码
第三个例子叫 Screenshot = Code。
这个例子是根据一张极具 3D 感的图片，生成一个可以拖动的 3D 版网页。
录屏转代码
第四个例子是 Screencast = Code，相比截屏又提升了一个难度。
就是直接给它一个动态视频（可以想象成抄袭一个动态网页），然后它直接把这个动态视频转换成动态的网页代码。
最后还展示了 Image -> Code -> Music 例子。这个有点抽象，有点创意，我就不讲了。
这个视频还是做的挺好的。
一句话，你给我什么我就立马帮你复现。想着是不是无比美好。
但是，我们也要认识到“卖家秀”永远都是卖家秀。哪次模型发布，都是炫得不行，一上手又是另外一种感觉了。
所以，我们还是得实测一下才知道。
CodingPlan的内测申请我已经提交了，给不给我用，就看智谱了。
目前看起来还是很不错的，发力点都是对的，原生多模态是必经之路。
这个方向，国外的模型已经玩了很久了。
我记得 2024 年 5 月 GPT-4o 的时候开始作为宣传重点了，Gemini 也是强得很，Claude 不算很强，但是也早就默默支持了。
而之前的国产编程模型基本上还是在卷文字部分，很少有原生多模态模型。
大部分编程模型无法直接理解图片，有些是直接调用第三方服务来做图片识别。
比如 DeepSeek 就完全不理解图片，GLM5 就是靠调用 MCP 来识别的。只有 Doubao 比较早地引入了多模态。
我曾经做个一个基准数据采集、分析、汇总、制作网页的例子，就需要结合多模态来做图片识别，当时一堆国产大模型全躺了。
现在 GLM 也往这个方向发力了，好事情！
最后一句：事情肯定是个好事情，就看做得怎么样了！
参考链接
免费在线尝试：
接口文档：
CodingPlan申请入口：
关于作者
tony
某人