GLM-5V-Turbo 从设计生成代码

GLM-5V-Turbo：从设计生成前端的多模态模型

中国公司 Z.ai 推出了 GLM-5V-Turbo——首个用于编码的多模态模型。它能处理图像、视频和文本，输出可工作的前端代码。可在 chat.z.ai 的网页界面免费使用，通过 API 定价为每 100 万输入 token 1.2 美元，输出 4 美元。

该模型处理完整流程：分析视觉输入、规划并编写代码。GLM-5V-Turbo 能解析设计稿、界面截图，并生成完整的前端项目。与 Claude Code 结合，可激活 URL=Code 模式：自主探索网站、收集视觉元素，并在代码中重构它们。

基准测试结果

在 Z.ai 的内部测试中，该模型在 14 个多模态场景中的 9 个超越了 Claude Opus 4.6。主要指标：

• Design2Code（设计稿转代码）：94.8% vs. 77.3%。
• AndroidWorld（GUI 代理）：75.7% vs. 62.0%。
• WebVoyager（网页导航）：88.5% vs. 88.0%。

在纯文本编码任务中，Claude Opus 4.6 仍保持领先：后端、仓库分析和代理任务。

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

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

| Design2Code | 94.8% | 77.3% |

| AndroidWorld | 75.7% | 62.0% |

| WebVoyager | 88.5% | 88.0% |

技术架构

GLM-5V-Turbo 包含四项改进：

• 用于处理图像和视频的视觉编码器 CogViT。
• 在 30+ 种任务类型上的强化学习 (RL)：从 STEM 到 GUI 代理。
• 用于可扩展训练的代理数据生成系统。
• 扩展的多模态工具链：截图捕获、边界框、带图像的网页阅读。

该模型内置 10 种技能 (Skills)：

• 图像描述生成。
• OCR 和文档解析。
• PDF 转演示文稿。
• 财务报告和股票分析。
• 简历筛选。

这些工具集成到代码生成流程中，提升代理自主性。

GLM-5 系列与竞争格局

本次发布属于 GLM-5 系列：

• GLM-5-Turbo（3 月）：面向代理的文本版本。
• GLM-5.1（3 月底）：编码优化。
• GLM-5V-Turbo：新增视觉能力。

在多模态编码领域，直接竞争 Claude、Gemini 和 Kimi K2.5。Z.ai 专注其旗舰模型的细分变体，加强在 GUI 和网页开发领域的地位。

对于中高级开发者，该模型非常适合 UI 原型设计：输入 Figma 设计稿或截图，即可获得带 Tailwind 的 React/Vue/HTML 代码。在 chat.z.ai 上测试可实现快速迭代。API 集成适用于设计转代码工作流自动化。

关键要点

• GLM-5V-Turbo 在 Design2Code（94.8%）和 GUI 测试中领先，超越 Claude。
• CogViT + 30+ 任务强化学习确保多模态准确性。
• 10 种内置技能扩展了编码之外的应用。
• 免费网页访问 + 生产级 API。
• 纯文本编码落后于 Claude；建议组合模型使用。

— Editorial Team