ITCOW牛新网 4月2日消息，智谱今日推出面向视觉编程打造的 GLM-5V-Turbo 多模态 Coding 基座模型，该模型实现了视觉与编程能力的深度融合，还能深度适配 Claude Code 与龙虾（OpenClaw/AutoClaw）相关应用场景，成功为龙虾 Agent 赋予了视觉能力，让其感知 – 行动链路从纯文本延伸至视觉交互领域。
GLM-5V-Turbo 从预训练阶段就完成了视觉与文本能力的深度融合，打破了纯文本输入的编程局限，能够精准识别设计稿、截图、网页界面等视觉内容，并据此生成可直接运行的完整代码，真正实现 “看得懂画面、写得出代码”。
该模型拥有三大核心特性，其一为原生多模态 Coding 基座，可原生理解图片、视频等多模态输入，支持画框、截图等工具调用，上下文窗口拓展至 200k；其二是兼顾视觉与编程双重能力，在多模态 Coding 等核心基准测试中表现领先，且通过多任务协同 RL 技术保证纯文本场景下的能力不退化；其三是深度适配 Claude Code 与龙虾场景，可与相关 Agent 形成深度协同，实现 “看懂环境→规划动作→执行任务” 的完整闭环，还配备全套官方 Skills 支持开箱即用。
据 ITCOW 牛新网了解，在多模态 Coding、Agentic 任务和纯文本 Coding 三大维度的评测基准中，GLM-5V-Turbo 以更小的模型尺寸取得了领先表现。在多模态相关测试中，该模型在 Design2Code、AndroidWorld、WebVoyager 等反映真实视觉编程和 GUI 环境操控能力的基准上成绩突出；纯文本 Coding 测试中，其在 CC-Bench-V2 的 Backend、Frontend 等核心项目中保持稳定，验证了视觉能力的加入未造成纯文本编程与推理能力的退化；在龙虾 Agent 相关评测中，该模型在 PinchBench、ClawEval 等测试中也交出优异答卷，充分证明了在复杂任务执行中的综合实力。
GLM-5V-Turbo 在视觉编程领域落地了丰富的典型应用场景，前端复刻可根据草图、设计稿等生成完整前端工程，精准还原视觉与交互细节；GUI 自主探索复刻能自主探索目标网站并生成代码复现站点，实现从 “看图复刻” 到 “探索复刻” 的升级；交互式编辑则支持对页面模块、样式、交互功能等进行可视化迭代修改。而该模型与龙虾 Agent 的结合，更是大幅拓宽了龙虾的任务边界，使其可完成浏览网页文档、生成图文报告 PPT、解读 K 线图等复杂工作。
目前 AutoClaw 已上线基于该模型的 “股票分析师” Skill，能快速采集多路数据源，看懂各类金融图表并输出专业的图文研报，用户可直接在 AutoClaw 中切换模型体验相关功能。