智谱GLM-5V-Turbo技术报告:Design2Code超Claude Opus4.6,看截图直接写代码

robot
摘要生成中

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。

此页面可能包含第三方内容,仅供参考(非陈述/保证),不应被视为 Gate 认可其观点表述,也不得被视为财务或专业建议。详见声明
  • 赞赏
  • 评论
  • 转发
  • 分享
评论
请输入评论内容
请输入评论内容
暂无评论