Суть

GLM-5V-Turbo — мультимодальная модель Z.ai для задач, где программирование опирается на визуальное восприятие. Она принимает текст, изображения и видео, а также предназначена для планирования последовательности действий и работы в агентных сценариях. На выходе модель формирует текст, в том числе объяснения и код.

Сильные стороны

Модель может разбирать макеты, скриншоты и элементы интерфейса, а затем создавать код по визуальному образцу. В документации Z.ai также описаны отладка страниц по скриншотам, самостоятельное изучение сайтов агентом с последующим воссозданием интерфейса и визуальная привязка текстового запроса к области изображения. Для агентных задач модель рассчитана на связку восприятия, планирования и выполнения шагов.

Контекст и модальности

По данным каталога, контекст составляет 202 752 токена, а максимальный объём генерации — 131 072 токена. Входные данные: текст, изображения и видео; выход — текст. Это позволяет передавать визуальный материал вместе с инструкцией и получать текстовый анализ или код.

Типовые сценарии

Подходящие задачи — создание веб-страниц по макету или референсному изображению, разбор структуры и поведения интерфейса, поиск визуальных ошибок вёрстки и подготовка исправлений. В агентных рабочих процессах модель может помогать исследовать страницы, фиксировать переходы и особенности взаимодействия, а затем использовать результаты для реализации. Также в документации перечислены описание изображений, визуальный поиск объектов и работа с документами.

Ограничения

Модель выдаёт текст, а не готовое изображение или видео. Для автономного просмотра сайтов и выполнения действий требуется подходящая агентная среда или инструменты: сама модель может участвовать в таком цикле, но каталог не указывает на выполнение внешних действий без интеграции. Качество результата зависит от ясности инструкции и предоставленных материалов.

Отличие от соседей по семейству

В отличие от GLM-5-Turbo, который Z.ai описывает как текстовую модель, оптимизированную для сценариев OpenClaw, GLM-5V-Turbo принимает также визуальные данные и ориентирован на vision-based coding. Его задача — связать восприятие интерфейса или видео с кодированием и агентным планированием, а не только работать с текстом.