看草图直出代码！实测智谱最新多模态Coding模型

智东西04-03

作者 | 江宇编辑 | 漠影智东西4月2日报道，今日，“国产大模型第一股”智谱发布了其首个多模态Coding基座模型GLM-5V-Turbo，将AI大模型的感知边界从纯文本推到视觉世界。这是继GLM-5-Turbo之后，智谱短时间内在Coding基座模型上的又一次快速迭代。据官方新闻稿介绍，GLM-5V-Turbo不仅能读懂代码，还能“看懂画面再写代码”。给定一张设计稿截图，它能直接生成完整可运行...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohu8.com/m/news/2624463264?lang=zh_CN&edition=full","thumbnail":"","is_english":false,"pubTime":"2026-04-03 10:59","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"2624463264","market":"hk","top_or_hot":-1,"title":"看草图直出代码！实测智谱最新多模态Coding模型","media":"智东西","content":"<div>\n<p>作者 | 江宇编辑 | 漠影智东西4月2日报道，今日，“国产大模型第一股”智谱发布了其首个多模态Coding基座模型GLM-5V-Turbo，将AI大模型的感知边界从纯文本推到视觉世界。这是继GLM-5-Turbo之后，智谱短时间内在Coding基座模型上的又一次快速迭代。据官方新闻稿介绍，GLM-5V-Turbo不仅能读懂代码，还能“看懂画面再写代码”。给定一张设计稿截图，它能直接生成完整可运行...</p>\n\n<a href=\"https://tech.ifeng.com/c/8s1HdzVHRrg\">网页链接</a>\n\n</div>\n","source":"ifeng_tech","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>看草图直出代码！实测智谱最新多模态Coding模型</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n看草图直出代码！实测智谱最新多模态Coding模型\n</h2>\n\n<h4 class=\"meta\">\n\n\n2026-04-03 10:59 北京时间&nbsp;&nbsp;&nbsp;<a href=https://tech.ifeng.com/c/8s1HdzVHRrg><strong>智东西</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>作者 | 江宇编辑 | 漠影智东西4月2日报道，今日，“国产大模型第一股”智谱发布了其首个多模态Coding基座模型GLM-5V-Turbo，将AI大模型的感知边界从纯文本推到视觉世界。这是继GLM-5-Turbo之后，智谱短时间内在Coding基座模型上的又一次快速迭代。据官方新闻稿介绍，GLM-5V-Turbo不仅能读懂代码，还能“看懂画面再写代码”。给定一张设计稿截图，它能直接生成完整可运行...</p>\n\n<a href=\"https://tech.ifeng.com/c/8s1HdzVHRrg\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"BK1117","symbol_name":"系统软件","start_time":0,"source_url":"https://tech.ifeng.com/c/8s1HdzVHRrg","article_id":"2624463264","we_media_id":null,"thumbnails":[],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=2624463264","pubTimestamp":1775185165,"columns":[],"sourceInfo":{"source_id":"ifeng_tech","name":"凤凰网财经"},"weMediaInfo":null,"summary":"作者 | 江宇编辑 | 漠影智东西4月2日报道，今日，“国产大模型第一股”智谱发布了其首个多模态Coding基座模型GLM-5V-Turbo，将AI大模型的感知边界从纯文本推到视觉世界。这是继GLM-5-Turbo之后，智谱短时间内在Coding基座模型上的又一次快速迭代。从这个角度来看，GLM-5V-Turbo不只是智谱的一次产品更新，更像是一个行业信号：Coding模型的竞争，正在从“谁的代码写得好”升级到“谁能看懂世界并写出代码”。","collect":0,"end_time":0,"defaultTopTitle":"ifeng.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"BK1117":"系统软件","02513":"智谱"},"translate_title":"Look at the sketch straight out of the code! The Latest Multimodal Coding Model of Measured Intelligence Spectrum","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"02513":1.5},"content_text":"作者 | 江宇编辑 | 漠影智东西4月2日报道，今日，“国产大模型第一股”智谱发布了其首个多模态Coding基座模型GLM-5V-Turbo，将AI大模型的感知边界从纯文本推到视觉世界。这是继GLM-5-Turbo之后，智谱短时间内在Coding基座模型上的又一次快速迭代。据官方新闻稿介绍，GLM-5V-Turbo不仅能读懂代码，还能“看懂画面再写代码”。给定一张设计稿截图，它能直接生成完整可运行的前端工程；在接入OpenClaw、AutoClaw等龙虾Agent之后，它也能看懂屏幕、读懂K线图、浏览各类网页，然后自主完成一整套长程任务。得益于出色的视觉编程性能，GLM-5V-Turbo在海外引发了广泛的关注，截至发稿前，其官方推文已经获得了130万+的浏览量，海外开发者甚至夸张地打趣道：“对Anthropic来说，现在游戏结束了。”X网友@Zaid表示，“Anthropic现在的处境岌岌可危。”如今，放眼整个行业来看，GLM-5V-Turbo推出的意义正变得越来越清晰：当Coding模型开始进入真实生产环境，光靠文本确实已经不够用了，而刚刚发布的GLM-5V-Turbo，将为“视觉编程”新范式提供一个全新的启示。一、上手实测：看见即复刻，图像即代码说再多不如直接上手。我们用三个实测案例，看看GLM-5V-Turbo在不同输入方式下的前端复刻能力。案例一：画个草图，也能复刻？先从最离谱的场景开始，我们只给GLM-5V-Turbo画几个框框，让它做个酷炫的音乐播放器。结果模型还真搞得像模像样，布局合理、配色协调、连播放控件都安排得明明白白，让它改个配色也是言出法随。建议各位产品经理抓紧体验，以后改需求再也不用看前端的脸色了。案例二：输入网址，直接复刻这是GLM-5V-Turbo的主打功能之一。因为模型有强大的GUI Agent能力，只要给它一个目标网站URL，它就能自主浏览页面，梳理布局结构、采集视觉素材与交互细节，然后直接生成完整可运行的前端工程。不需要手动截图、不需要描述需求，一个链接就够了。例如，我们让GLM-5V-Turbo复刻这个颇具设计感的网站：https://niore.webflow.io/这是复刻效果，可以看到，不论是布局、字体，甚至是插图都非常相似。案例三：输入录屏，还原动效将一段网页操作录屏发给模型，GLM-5V-Turbo能从视频中理解页面的动态交互逻辑——滚动效果、弹窗切换、表单联动、按钮反馈等，然后将这些交互细节还原为可运行的代码。不只是”还原长什么样”，而是”还原怎么动”。我们把这个美食网站的录屏发给GLM-5V-Turbo，让它复刻一下。录屏可以看到，网站的布局、照片、字体都比较还原，浮现动效和字体特效这类动态细节也基本复刻到位。结果二、技术探索：不是简单“加了个视觉模块”与以往传统方法不同，GLM-5V-Turbo不是在一个纯文本Coding模型上“外挂”了一个视觉理解模块，而是从预训练阶段就开始进行文本与视觉能力的深度融合，解决了“视觉能力与纯文本编程和推理能力无法兼得”的问题。具体来说，智谱团队研发了新一代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做到了领先水平，同时设计了一套兼容多模态输入且推理友好的MTP结构，在多模态场景下实现了较高的推理效率。更关键的是，在强化学习阶段，智谱团队采用了30+任务类型的协同优化策略，覆盖STEM推理、视觉grounding、视频理解、GUI Agent等多个子领域。这种多任务协同强化学习的好处在于，它有效缓解了单领域训练容易出现的不稳定性，也就是说，不会因为某一项能力的提升而牺牲其他能力。而且从评测数据来看，这套方案确实跑通了。在多模态Coding维度，GLM-5V-Turbo在设计稿还原、视觉代码生成、多模态检索与问答、视觉探查等基准上均取得领先表现；在衡量真实GUI环境操控能力的AndroidWorld、WebVoyager等基准上同样表现突出。而在纯文本Coding维度，GLM-5V-Turbo在CC-Bench-V2的Backend、Frontend和Repo Exploration三项核心测试中保持了稳定表现——也就是说，视觉能力的引入并没有拖累纯文本编程能力。用一句话总结：GLM-5V-Turbo不是在“看图”和“写代码”之间做取舍，而是“全都要”。结语：Coding基座模型的下一步，是“看见世界”从GLM-5-Turbo到GLM-5V-Turbo，智谱在Coding基座模型上的迭代逻辑非常清晰：先让模型在文本世界里把任务跑通，再让它“看见”视觉世界，从而进入更广阔的应用空间。这背后的判断是：Agent时代，模型能力不只由智能水平定义，还由它能处理的context容量定义。一个只能处理纯文本的模型，哪怕推理能力再强，在真实世界里的应用边界也是有限的。因为真实世界的信息，绝大多数以图片、视频、界面等视觉形式存在。从这个角度来看，GLM-5V-Turbo不只是智谱的一次产品更新，更像是一个行业信号：Coding模型的竞争，正在从“谁的代码写得好”升级到“谁能看懂世界并写出代码”。而随着越来越多的Coding模型开始进入真实生产环境，“看得懂、写得出、跑得通”这三项能力的整合程度，将成为区分模型之间差距的关键维度。这场竞赛，才刚刚进入深水区。","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"isVideo":false,"video":null,"symbols":[],"gpt_button":1,"need_auth":false,"need_login_tip":false,"code":"91000000","status":"200"},"commentList":[],"isCommentEnd":true,"newsSizeData":{"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"tenantId":"TBCN","deviceId":"web-server-community-laohu8-v3","version":"4.42.0","shortVersion":"4.42.0","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/2624463264","isCrawlerRequest":true}