智普 AI 推出 GLM-5V-Turbo,為 AI 代理賦予先進視覺能力

4月2日,智普 正式推出一款專為視覺化程式設計打造的多模態編碼基礎模型:GLM-5V-Turbo。該模型不僅能編寫程式碼,更具備「理解」視覺世界的能力,旨在將 AI 代理的感知能力從純文字擴展至豐富的設計原型與網頁介面。
核心突破:透過理解視覺資訊來編寫程式
作為原生多模態編碼基礎模型,GLM-5V-Turbo實現了視覺理解與編程能力的深度融合:
原生多模態感知:能深度理解圖像、影片、設計草圖及複雜的文件版面配置,並支援螢幕框架、螢幕截圖及網頁瀏覽等視覺工具互動。
擴展的上下文:上下文視窗已大幅擴增至20 萬字元,使代理程式能輕鬆處理大型專案或冗長的技術文件。
性能飛躍:在多模態編碼與 GUI 代理任務的核心基準測試中,該模型以更精簡的體積展現領先表現,同時在純文字情境下仍保持強大的邏輯推理能力。
典型應用場景:數秒內從「草圖」到「最終產品」
透過GLM-5V-Turbo,開發者將體驗到革命性的工作流程:
前端複製:只需提供草圖、設計截圖或螢幕錄影。模型會解析版面配置、配色方案及互動邏輯,生成完整且可運作的前端專案,精準還原視覺設計。
GUI 自主探索:當與Claude Code 等框架整合時,它能自主瀏覽網站、繪製導航結構並收集資源,從「基於圖像的複製」進化為「主動探索式複製」。
互動式編輯:支援透過對話指令直接新增、移除或修改模組、文字或版面配置,實現視覺化、迭代式的程式碼開發。
賦能「Lobster」:AutoClaw 的視覺進化
將此模型整合至智普的專有代理程式AutoClaw(Lobster)後,賦予了原本僅限文字操作的「Lobster」真正的視覺能力。
深度圖表解讀:Lobster 現可直接分析 K 線圖、估值區間圖及券商研究報告。
高效產出:支援在 60 秒內從四個來源並行收集數據,自動生成包含豐富視覺元素與文字的專業分析報告或 PPT。
產業洞察:程式設計不再是「摸黑作業」
GLM-5V-Turbo的推出,標誌著智普在 AI 理解能力上成功從單純的語法邏輯,轉變為感知邏輯。當 AI 能夠「看見」螢幕並理解人類的操作環境時,真正的自動化程式設計輔助(Agentic Coding)時代便已真正來臨。
相關文章
美國股市觸及歷史裡程碑,人工智慧與航空航天巨頭準備開啟萬億美元時代
埃隆·馬斯克、山姆·阿爾特曼和達里奧·阿莫迪,這三位科技領域的巨頭,正推動其各自的企業邁向首次公開募股(IPO)。隨著 SpaceX、OpenAI 和 Anthropic——這三家估值接近萬億美元的行業巨頭——即將上市,2026 年被預測將成為美國曆史上新股發行規模最大的一年。這一歷史性的資本激增已引起全球金融界的關注,成為檢驗公共市場吸收如此大規模資金能力的關鍵壓力測試。這些主要融資活動的同步啟動預計將打破 2021 年創下的 1560 億美元紀錄。超級獨角獸的資本博弈每家公司上市的路徑
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work
Google 測試 Remy AI 代理,以 Gemini 為重點轉向使用者控制
根據《商業內幕》的報道,谷歌正在測試 Remy,這是 Gemini 的一款全新 AI 個人代理工具。該工具旨在代表使用者執行任務,從而簡化專業工作流程和日常事務。目前,Remy 正在 Gemini 應用的內部員工專屬版本中進行測試。該報告引用了一份內部檔案以及對兩位熟悉該專案的個人的採訪。內部資料將 Remy 描述為“全天候個人代理”,將 Gemini 定位為能夠代表使用者行事的主動助手。接近該專案的訊息人士證實,谷歌員工正在積極測試 Remy。谷歌發言人拒絕提供進一步評論。該報告未提及公開發布
相關專題推薦
評論 (0)
0/500

4月2日
核心突破:透過理解視覺資訊來編寫程式
作為原生多模態編碼基礎模型,GLM-5V-Turbo實現了視覺理解與編程能力的深度融合:
原生多模態感知:能深度理解圖像、影片、設計草圖及複雜的文件版面配置,並支援螢幕框架、螢幕截圖及網頁瀏覽等視覺工具互動。
擴展的上下文:上下文視窗已大幅擴增至20 萬字元,使代理程式能輕鬆處理大型專案或冗長的技術文件。
性能飛躍:在多模態編碼與 GUI 代理任務的核心基準測試中,該模型以更精簡的體積展現領先表現,同時在純文字情境下仍保持強大的邏輯推理能力。
典型應用場景:數秒內從「草圖」到「最終產品」
透過GLM-5V-Turbo,開發者將體驗到革命性的工作流程:
前端複製:只需提供草圖、設計截圖或螢幕錄影。模型會解析版面配置、配色方案及互動邏輯,生成完整且可運作的前端專案,精準還原視覺設計。
GUI 自主探索:當與Claude Code 等框架整合時,它能自主瀏覽網站、繪製導航結構並收集資源,從「基於圖像的複製」進化為「主動探索式複製」。
互動式編輯:支援透過對話指令直接新增、移除或修改模組、文字或版面配置,實現視覺化、迭代式的程式碼開發。
賦能「Lobster」:AutoClaw 的視覺進化
將此模型整合至智普的專有代理程式AutoClaw(Lobster)後,賦予了原本僅限文字操作的「Lobster」真正的視覺能力。
深度圖表解讀:Lobster 現可直接分析 K 線圖、估值區間圖及券商研究報告。
高效產出:支援在 60 秒內從四個來源並行收集數據,自動生成包含豐富視覺元素與文字的專業分析報告或 PPT。
產業洞察:程式設計不再是「摸黑作業」
GLM-5V-Turbo的推出,標誌著智普在 AI 理解能力上成功從單純的語法邏輯,轉變為感知邏輯。當 AI 能夠「看見」螢幕並理解人類的操作環境時,真正的自動化程式設計輔助(Agentic Coding)時代便已真正來臨。
美國股市觸及歷史裡程碑,人工智慧與航空航天巨頭準備開啟萬億美元時代
埃隆·馬斯克、山姆·阿爾特曼和達里奧·阿莫迪,這三位科技領域的巨頭,正推動其各自的企業邁向首次公開募股(IPO)。隨著 SpaceX、OpenAI 和 Anthropic——這三家估值接近萬億美元的行業巨頭——即將上市,2026 年被預測將成為美國曆史上新股發行規模最大的一年。這一歷史性的資本激增已引起全球金融界的關注,成為檢驗公共市場吸收如此大規模資金能力的關鍵壓力測試。這些主要融資活動的同步啟動預計將打破 2021 年創下的 1560 億美元紀錄。超級獨角獸的資本博弈每家公司上市的路徑
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work





首頁






