GLM-5.3你来定！智谱唐杰全球征集意见，评论区清一色：视觉

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 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 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 鹭羽 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 扫码分享至朋友圈 相关阅读 开卷视觉编程！GLM-5V-Turbo上线，一张草图搞定前端 以后改用Vision Coding 听雨 2026-04-02 AI AIGC 人工智能 多模态 大模型 智谱 智谱开源GLM-4.5工具调用超越Claude Opus 4.1，成本仅1.4% 还开启了高性价比AI编程计划 闻乐 2025-09-02 Claude 4 GLM-4.5 智谱 刚刚，智谱一口气开源6款模型，200 tokens/秒解锁商用速度之最 | 免费 还拿下一个顶级域名 十三 2025-04-15 大模型 开源 智谱 刚刚，智谱和华为搞波大的：中国首个国产芯片训练出的SOTA多模态模型！ 一毛钱一张图 十三 2026-01-14 GLM-Image 华为 智谱 杨植麟当主持人的大模型圆桌：张鹏罗福莉夏立雪都放开说了 中国大模型顶流都来了！ 听雨 2026-03-27 Agent AI Kimi 人工智能 小米 开源 智谱 龙虾 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 十三 2025-07-29 GLM-4.5 大模型 开源 智谱 热门文章 云计算一哥，让小鹏、Kimi和猎豹都爽了一把 2026-06-23 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 2026-06-26 从需求到设计到代码，一个软件全搞定！TRAE Work Design实测来了 2026-06-26 谷歌「推理之王」也跑路Meta了，当年还是李飞飞挖来的 2026-06-26