AI应用正当时：智谱发布GLM-5V-TURBO 看好多模态商业化落地继续加速

　　事件描述

    　　4 月2 日，智谱推出GLM-5V-Turbo，定位面向视觉编程打造的多模态Coding 基座模型，200K上下文窗口，定价与GLM-Turbo 相同。

    　　事件评论

    　　原生多模态Coding 基座，从预训练阶段深度融合视觉与文本能力，实现从视觉感知到代码生成的端到端闭环。与以往外挂视觉模块的模型不同，模型实现视觉与语言从底层统一建模，天然具备理解图片内容并基于视觉信息推理决策的能力。模型上下文窗口扩展至200K,同时GLM-5V-Turbo 支持多模态搜索、画框、截图、读网页等工具，将感知-行动链路从纯文本延伸至视觉交互，完整支撑“看懂环境→规划动作→执行任务”的闭环。

    　　模型在多模态核心基准中取得领先，同时纯文本能力未出现退化。前端能力方面，在Design2Code 中拿到94.8，超越Kimi K2.5（91.3 分）；BrowseComp-VL 得分51.9，显著领先Kimi K2.5（42.9 分）和Opus 4.6（35.9 分）。纯文本Coding 方面，CC-Bench-V2 三项测试稳定。性能领先源于：1）多模态融合训练：从预训练阶段深度融合文本与视觉，后训练多模态协同；2）RL：30+任务协同强化学习，缓解单领域不稳定性；3）数据：

    　　Agentic 数据构建多层级体系；4）多模态工具链新增画框、截图、读网页等工具，强化与龙虾协同。内测中字节、美团、快手等给予高度评价：TRAE 称“实现了从设计稿到代码的完整还原”；美团表示“编程能力仍属国内第一梯队”。

    　　与Claude Code、AutoClaw 等Agent 深度协同，为其赋予视觉能力，大幅拓宽龙虾场景任务边界。在典型应用场景，模型能够实现图像即代码：1)支持前端复刻，发送草图、设计稿或网站录屏即可理解布局、配色、组件层级，生成完整可运行的前端工程，准确还原版式、动效等视觉细节；2)支持GUI 自主探索复刻，结合Claude Code 等框架，模型能自主探索目标网站，浏览页面结构、梳理跳转关系、采集视觉素材与交互细节，直接生成代码复现整个站点；3)实现交互式编辑，按需增加页面模块、修改文案样式、调整布局结构，并补充按钮反馈、弹窗切换等交互功能，实现可视化迭代编辑。同时“为龙虾安上眼睛”：AutoClaw 已上线“股票分析师”Skill，利用GLM-5V-Turbo 的原生视觉能力，直接看懂K 线走势、估值区间图和券商研报图 表，输出图文研报，垂直场景能力进一步增强。

    　　模型发布正在加速，多模能力不断补全，有望驱动Token 需求拐点加速与国产模型商业化向上。随着多模态Coding 能力持续落地，视觉理解、代码生成与推理调用将带动token需求持续释放。重点关注国产芯片、云侧MaaS 平台在Token 爆发下的持续景气与盈利改善。

    　　风险提示

    　　1、AI 技术发展不及预期；

    　　2、下游应用需求不及预期。