近日，智谱（02513.HK）宣布推出一款名为GLM-5V-Turbo的多模态Coding基座模型，该模型专为视觉编程领域设计，旨在突破传统编程对纯文本输入的依赖。通过深度融合视觉与文本处理能力，GLM-5V-Turbo实现了从设计稿、截图到网页界面的多模态理解，能够直接将这些视觉元素转化为可运行的代码。
在预训练阶段，研发团队通过创新架构使模型同时掌握视觉与文本的语义关联。例如，当输入一张UI设计图时，模型不仅能识别按钮、输入框等界面元素，还能理解其布局逻辑和交互逻辑，最终生成符合设计规范的完整代码。这一特性显著降低了将视觉创意转化为技术实现的门槛，为设计师与开发者之间的协作提供了新范式。
据技术文档披露，GLM-5V-Turbo支持多种主流编程语言的代码生成，包括但不限于Python、Javascript和HTML/CSS。在实测案例中，该模型成功将一张电商网站首页截图转化为包含响应式布局的完整前端代码，其代码结构清晰且符合行业最佳实践。目前，该模型已开放企业级API接口，开发者可通过调用服务实现自动化编程流程。
