GLM-5.3你来定！智谱唐杰全球征集意见，评论区清一色：视觉

GLM-5.3你来定！智谱唐杰全球征集意见，评论区清一色：视觉 – 量子位

扫码关注量子位

<div class="top_search"> <form role="search" method="get" class="search-form" action="https://www.qbitai.com/" id="search"> <label> <input type="search" class="search-field" placeholder="搜索…" value="" name="s"> </label> <button type="submit" class="search-submit"></button> </form> </div>

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

articlead begin

articlead end

GLM-5.3你来定！智谱唐杰全球征集意见，评论区清一色：视觉

鹭羽

2026-06-30

16:46:19

来源：

量子位

摘要样式

真·有求必应·阿拉丁

鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI

最近，清华教授、智谱灵魂人物 唐杰 聊得有点high。

昨天先是畅聊AI认知，“AI的终局就是AGI，一场猎龙游戏”。引起广泛热议后，一觉醒来今天又在当众征集意见：

各位！ 下个版本 的GLM，你想要啥？

浏览量瞬间干到了 40w+ ，这影响力真够顶的！

不过要说网友们为啥这么捧场，还得倒回去年GLM-4.6刚开源那会儿。

彼时唐杰也问过这么一回，评论区纷纷热情支招，一条条需求后来陆陆续续都在GLM后续版本中有所实现。

真·有求必应·阿拉丁。

所以这次他一张口，懂行的人立马团建去了～有po自己痛点的，也有智谱自家员工在下面留言。

比如这位网友直接列出了自己的愿望清单：更强的Agent能力、超长上下文保持质量、更灵活的API……

更有甚者诚恳祈祷：求你了GLM！做一个类似Codex的桌面应用！！

有趣的是，这次GLM-5.3的评论区，刷得最多的还是——

视觉！

GLM的视觉之痛

两周前，智谱刚刚开源 GLM-5.2 。

强到离谱！开源界AI编程第一、全球第二，仅屈居于大名鼎鼎的神话级模型Fable-5。

但要说痛点，很明显，也是真的痛：

没视觉啊……

纯文本模型 ，搞得动百万Token超长上下文和深度逻辑推理，但偏偏没搭载视觉编码器，看不了图也造不出图。

反观拿来对标的Fable-5，它是原生多模态模型，视觉能力应有尽有。

于是GLM用户双双流下羡慕的泪水：我也想拥有TT

而且关键在于， 不是智谱做不出视觉 。恰恰相反，今年4月智谱发过一个叫GLM-5V-Turbo的模型。

原生多模态的Coding基座，从预训练阶段就把视觉和文本揉在一起，能看懂设计稿、截图、网页界面，然后直接吐出能跑的代码，主打视觉+代码+Agent一体化。

再往前看，智谱也做过不少多模态模型， CogVLM 视觉编码器就出自他们之手。唐杰本人发表过的视觉论文，更是一抓一大把。

所以问题压根不是有没有视觉能力，而是智谱没把视觉放进最强旗舰模型中去。

这一点从唐杰过往的发言中也可见一斑，比如去年底的大模型年终总结，他先是肯定 多模态是未来 。

但随即他又补刀道：

问题是，当下的多模态对提升AGI的智能上界，帮助有限。可能最有效的方式还是 分开发展 ，文本、多模态、多模态生成。当然适度的探索这三者的结合肯定能发现一些很不一样的能力，但这需要勇气和雄厚的资本支持。

你品，你细品。

唐杰这种冲在AI一线的科学家，盯着的始终还是第一性原理—— 模型智能 。视觉可以让模型更好用，但要让模型更聪明，靠的还是复杂推理那套硬功夫。

这就是用户和厂商的视角差异。

AGI对于用户太遥远了，所以用户更在乎的是，眼下贴张图模型能不能接住、截个屏模型能不能看懂。

于是就出现了这条推文里最微妙的拉扯。一边是科学家盯着智能的天花板，觉得视觉只是锦上添花；一边是全世界的开发者都在齐刷刷呼喊视觉。

更何况， 对手也来势汹汹 。

Kimi K2.5今年1月就是原生多模态了，Qwen3.5-Omni三月份端到端把文本/图像/音频/视频全统一进一个模型，更别说国际上Gemini 3那种原生文图音视频一把抓的。

GLM旗舰款补足视觉，几乎是迫在眉睫。且等接下来端上桌的 GLM-5.3 。

One More Thing

最后再看看唐杰最近的一些分享吧，还挺值得琢磨的。

（其一）

（其二）

（其三）

（其四）

参考链接： [1] https://x.com/jietang/status/2071454597521215748?s=20 [2] https://x.com/ZixuanLi_/status/2071491673511674059?s=20 [3] https://m.weibo.cn/status/5247011059141988

版权声明

版权所有，未经授权不得以任何形式转载及使用，违者必究。

GLM

智谱

作者文章列表

• 4秒出百万面！突破千万面精度+12K高清贴图，手握数亿的3D生成公司下一局怎么打？ 2026-06-25

• 哈？Q1狂烧250亿！OpenAI财报泄露全网炸锅 2026-06-18

• HuggingFace CEO力荐，Bengio团队也押注：这个1500美元训出的HRM模型，凭什么火了？ 2026-06-13

• 仅4B大小可端侧部署！卡帕西预言的「认知模型」被国产做出来了 2026-06-09

左侧分享

扫码分享至朋友圈

相关阅读 start

相关阅读

#### 智谱GLM-5技术全公开！完全适配华为等国产芯片，美国网友酸了

引入DeepSeek同款机制

梦晨

2026-02-23

#### 今天起，国产AI可以像人一样用手机了！一手实测在此

电脑网页也能“自动驾驶”

十三

2024-10-26

AutoGLM

人工智能

#### 智谱唐杰：成功企业靠管理那是曾经，AI时代不行了

AI时代：认知＞格局＞技术＞管理。

衡宇

AI时代

唐杰

#### 抢跑GPT-5，智谱开源新SOTA模型，一句话搞出能看视频、发弹幕的B站！

首次在一个模型里融合推理、代码和Agent

2025-07-29

GLM-4.5

大模型

开源

#### 杭州在六小龙之后，又开始投资北京六小虎了

超10亿元融资

2025-03-03

北京

杭州

融资

#### GLM-5真够顶的：超24小时自己跑代码，700次工具调用、800次切上下文！

前两天的热度还是保守了

2026-02-14

GLM-5

开源AI

相关阅读 end

热门文章 start

热门文章

#### WAVES 2026：今年盛夏，在创投浪潮里，做迎风而立的少数人！

2026-06-26

#### Claude Fable 5分批重新上线！GPT-5.6秒跟

#### 从需求到设计到代码，一个软件全搞定！TRAE Work Design实测来了

#### 谷歌「推理之王」也跑路Meta了，当年还是李飞飞挖来的

#### 科大讯飞发布企业服务Claw平台：一句话搞定需求到方案全流程

2026-06-25

<form role="search" method="get" class="search-form" action="https://www.qbitai.com/"> <label> <span class="screen-reader-text">搜索：</span> <input type="search" class="search-field" placeholder="搜索…" value="" name="s" /> </label> <button type="submit" class="search-submit"><span class="screen-reader-text">搜索</span></button> </form>

热门文章 end

底部版权

• 关于量子位

• 加入我们

• 寻求报道

• 商务合作

<a href="/?page_id=183"target="_blank"><i class="weixin_icon"></i></a>

追踪人工智能新趋势，报道科技行业新突破

<p>量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1</p>

量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1