币界网消息，智谱AI发布了GLM-5V-Turbo技术报告，该模型于4月初上线z.ai API和OpenRouter。本次报告补发了方法论，模型未开源。GLM-5V-Turbo是智谱首个多模态编程基座模型，支持200k上下文，可接入Claude Code和OpenClaw等agent框架。该模型从预训练阶段就将视觉感知融入推理、规划、工具调用和执行的全流程。模型架构有三个关键设计：新视觉编码器CogVit，采用SigLip2和DinoV3进行双教师蒸馏预训练，并用80亿中英双语图文语料进行对比学习对齐多模态多token预测（MMTP），用一个共享的可学习特殊token替代直接传递视觉嵌入，降低跨pipeline阶段的通信复杂度，训练更稳定联合强化学习覆盖感知、推理和agent执行三个层级。具体跑分显示，Design2Code达到94.8，超过Claude Opus 4.6。
智谱GLM-5V-Turbo技術報告：Design2Code超Claude Opus4.6，直接根據截圖編寫代碼
币界网消息，智谱AI发布了GLM-5V-Turbo技术报告，该模型于4月初上线z.ai API和OpenRouter。 本次报告补发了方法论，模型未开源。 GLM-5V-Turbo是智谱首个多模态编程基座模型，支持200k上下文，可接入Claude Code和OpenClaw等agent框架。 该模型从预训练阶段就将视觉感知融入推理、规划、工具调用和执行的全流程。 模型架构有三个关键设计：新视觉编码器CogVit，采用SigLip2和DinoV3进行双教师蒸馏预训练，并用80亿中英双语图文语料进行对比学习对齐多模态多token预测（MMTP），用一个共享的可学习特殊token替代直接传递视觉嵌入，降低跨pipeline阶段的通信复杂度，训练更稳定联合强化学习覆盖感知、推理和agent执行三个层级。 具体跑分显示，Design2Code达到94.8，超过Claude Opus 4.6。