智譜釋出 GLM-5V-Turbo：看手繪草圖和錄屏就能寫程式碼，設計測試超 Opus 4.6

以前想讓 AI 幫著抄個頁面，你得先把功能在提示詞裡拆成幾十句話，要是樣式稍微複雜一點，生成出來的排版多半稀碎。

智譜（Z AI）上線了全新的視覺編碼模型 GLM-5V-Turbo。它主打的就是「看一眼直接寫程式碼」，不管是手繪在紙上的草圖、軟體介面截圖，還是一整段操作錄屏，塞給它就能直接吐出可執行的應用程式碼。

扔個醜草圖或錄屏，連動效都能抄

GLM-5V-Turbo 是原生多模態架構，擁有 200K 的上下文視窗。除了常規文本，你把圖片、影片和文件打包往提示詞裡丟，它都能接住並理解。

最接地氣的地方在於容錯率。即便你畫的手繪線框圖特別潦草、甚至看著有點醜，它依然能把結構和元件對應起來，寫出佈局基本一致的程式碼。你還能額外附帶一張參考圖，讓它照著給定的風格去套樣式。

更狠的是對影片的支援。給它一段現有網站的螢幕錄製影片，它能把整站結構復刻出來，文中的示例甚至連頁面裡的過渡動效都能還原。

在若干設計類 benchmark 測試中，GLM-5V-Turbo 的表現不僅壓過了 Kimi K2.5，甚至超過了 Claude Opus 4.6。

能看懂環境，還能當自主探路工

除了常規的圖生程式碼，GLM-5V-Turbo 還針對代理場景補強了工具鏈。在文本工具之外，它新增支援了畫框、多模態搜尋、截圖和讀網頁等一系列視覺 Tools。

這也讓它具備了 GUI 自主探索復刻的能力：AI 可以像真人一樣自主瀏覽網站，邊逛邊梳理頁面架構、抓取所需素材，最後把整個站點扒下來重建。

在落地生態上，它已經深度適配了 Claude Code 和 OpenClaw 等編碼代理，官方還給了開箱即用的 Skills 套件，走通了看懂環境、規劃動作到執行任務的完整閉環。目前該模型已經在 Z AI 的聊天平臺開放，同時開放了 API 供開發者接入。

為什麼重要

把前端介面翻譯成程式碼，是多模態模型實用化最立竿見影的賽道之一。智譜把 GLM-5V-Turbo 押在「看影片還原動效」和「連粗糙草圖都能吃」上，抓得非常準。

對個人開發者或設計團隊來說，以前用 AI 寫前端最卡殼的不是寫元件，而是調樣式和做微互動。現在只要錄個屏或者扔張草圖，就能瞬間搭起高保真原型，試錯門檻被壓到了極低。

我們認為智譜這步走得很聰明的地方在於，它沒有把自己圈死在自家的聊天框裡，而是第一時間做了 OpenClaw 和 Claude Code 的適配。AI 程式設計的未來大機率屬於這些自主代理，把自己的眼睛插進別人的代理工作流裡，比單純賣對話方塊更有殺傷力。

不過從原型到可維護的生產環境，中間還有程式碼規範、元件抽象和狀態管理的鴻溝。如果只是「抄個樣子」，它足夠驚豔；但生成的複雜工程程式碼是否經得起重構，依然需要開發者在實戰中打個問號。