GLM-5V-Turbo generuje kód z designu

GLM-5V-Turbo: multimodální model pro generování frontendu z designu

Čínská společnost Z.ai představila GLM-5V-Turbo — první multimodální model pro kódování. Zpracovává obrázky, videa a text, generuje na výstupu funkční kód frontendu. Dostupný zdarma v webovém rozhraní chat.z.ai a přes API za cenu 1,2 $ za 1M vstupních tokenů a 4 $ za výstupní.

Model realizuje celý cyklus: analýzu vizuálního vstupu, plánování a psaní kódu. GLM-5V-Turbo rozkládá designové makety, screenshoty rozhraní a generuje plnohodnotné frontendové projekty. V kombinaci s Claude Code se aktivuje režim URL=Code: autonomní průzkum webů, sběr vizuálních prvků a jejich kódová rekonstrukce.

Výsledky benchmarků

Na interních testech Z.ai model překonává Claude Opus 4.6 v 9 z 14 multimodálních scénářů. Klíčové ukazatele:

• Design2Code (maketa do kódu): 94,8% proti 77,3%.
• AndroidWorld (GUI-agent): 75,7% proti 62,0%.
• WebVoyager (webová navigace): 88,5% proti 88,0%.

V textovém kódování si Claude Opus 4.6 udržuje vedení: backend, analýza repozitářů a agentní úkoly.

| Test | GLM-5V-Turbo | Claude Opus 4.6 |

|------|--------------|------------------|

| Design2Code | 94,8% | 77,3% |

| AndroidWorld | 75,7% | 62,0% |

| WebVoyager | 88,5% | 88,0% |

Technická architektura

GLM-5V-Turbo zahrnuje čtyři vylepšení:

• Vizuální enkodér CogViT pro zpracování obrázků a videí.
• Učení s posílením (RL) na 30+ typech úkolů: od STEM po GUI-agenty.
• Systém generování agentních dat pro škálovatelný trénink.
• Rozšířený multimodální toolchain: zachytávání screenshotů, bounding boxes, čtení webových stránek s obrázky.

Model je dodáván s 10 vestavěnými dovednostmi (Skills):

• Generování popisků pro obrázky.
• OCR a parsování dokumentů.
• Konverze PDF do prezentací.
• Analýza finančních zpráv a akcií.
• Skenování životopisů.

Tyto nástroje se integrují do pipeline kódu generování, zvyšují autonomii agentů.

Řada GLM-5 a konkurence

Vydání se zapojuje do série GLM-5:

• GLM-5-Turbo (březen): textová verze pro agenty.
• GLM-5.1 (konec března): optimalizace kódování.
• GLM-5V-Turbo: přidání vidění.

Přímá konkurence s Claude, Gemini a Kimi K2.5 v multimodálním kódování. Z.ai se zaměřuje na niche varianty vlajkové lodi, posiluje pozice v GUI a webovém vývoji.

Pro middle/senior vývojáře je model užitečný v prototypování UI: vložte Figma maketu nebo screenshot — získejte React/Vue/HTML s Tailwind. Testujte v chat.z.ai pro rychlou iteraci. API integrace je vhodná pro automatizaci design-to-code workflow.

Co je důležité

• GLM-5V-Turbo vede v Design2Code (94,8%) a GUI testech, překonává Claude.
• CogViT + RL na 30+ úkolech zajišťují multimodální přesnost.
• 10 vestavěných Skills rozšiřuje použití za hranice kódování.
• Bezplatný webový přístup + API pro produkci.
• Textové kódování zaostává za Claude, kombinujte modely.

— Editorial Team