Zhipu AI hat GLM-5V-Turbo vorgestellt, ein multimodales Modell für die visuelle Programmierung. Es verbindet das Verstehen von Bildern, Videos und Dokumenten mit dem Schreiben von Code und verfügt über ein Kontextfenster von 200.000 Zeichen. Das Modell schneidet bei Benchmarks für GUI-Agenten und Programmierung hervorragend ab und ermöglicht die schnelle Nachbildung von Frontends anhand von Screenshots sowie die interaktive Bearbeitung von Code. Durch die Integration in AutoClaw sind nun visuelle Aufgaben wie die Analyse von Finanzdiagrammen möglich.