Der Beitrag

Zhipu AI hat mit GLM-5V-Turbo eine Erweiterung seines Frontier-Modells GLM-5 vorgestellt, die einen ungewöhnlichen Fokus hat: Das Modell soll nicht nur Texte und Code verstehen, sondern auch Bilder, Videos, Designentwürfe und Dokument-Layouts nativ verarbeiten - und daraus direkt funktionierenden Code generieren.

Das Prinzip „Sketch = Code" steht im Zentrum: Ein Foto einer Benutzeroberfläche oder eine Handskizze auf Papier soll genügen, damit GLM-5V-Turbo daraus eine funktionale Frontend-Umsetzung erstellt. Laut der Ankündigung auf X erreicht das Modell auf dem CC-Bench-V2-Frontend-Benchmark eine Build-Success-Rate von 98 Prozent - Claude Opus 4.5 kommt im selben Test auf 93 Prozent.

Benchmarks: Browsen, Agieren, Programmieren

GLM-5V-Turbo positioniert sich nicht als reines Coding-Modell, sondern als Werkzeug für das sogenannte Agentic Engineering - also den Einsatz von KI-Agenten, die eigenständig im Browser navigieren, Werkzeuge aufrufen und mehrstufige Aufgaben lösen. Auf dem BrowseComp-Benchmark erreicht das Modell nach Herstellerangaben einen Score von 75,9 - verglichen mit 67,8 für Claude Opus 4.5 und 59,2 für GPT-4o. Auf dem MCP-Atlas-Benchmark für Tool-Nutzung liegt GLM-5V-Turbo bei 67,8, während der Vorgänger GLM-4.7 nur auf 52,0 kam.

Die Modelle der GLM-5-Familie rangieren in der Größe von 355 Milliarden Parametern (32 Mrd. aktiv) bis 744 Milliarden (40 Mrd. aktiv) und wurden laut Zhipu auf 28,5 Billionen Token vortrainiert. Als Architektur-Innovation hebt das Unternehmen DeepSeek Sparse Attention und eine neue asynchrone Reinforcement-Learning-Infrastruktur namens „Slime" hervor.

Speziell für Claude Code und Claw optimiert

Bemerkenswert ist die explizite Optimierung für zwei Entwicklerumgebungen: Claude Code (Anthropics Terminal-Coding-Agent) und Claw. Zhipu positioniert GLM-5V-Turbo damit als direkten Konkurrenten für multimodale Coding-Aufgaben - in einem Markt, der bisher von Claude und GPT dominiert wird. Auf dem Vending-Bench-2-Benchmark für Kosteneffizienz soll das Modell unter den Open-Source-Modellen führend sein und bei einem Bruchteil der Kosten an die Leistung von Gemini 3 Pro und GPT-5.2 heranreichen.

🎯 Was das für die Praxis bedeutet

1. Sketch-to-Code wird produktionsreif: Wer Prototypen aus Skizzen oder Screenshots erstellen will, hat mit GLM-5V-Turbo ein weiteres leistungsstarkes Werkzeug - besonders interessant für Design-Teams, die schnell iterieren wollen.

2. Open Source holt auf: Die Lücke zwischen Open-Source-Modellen und proprietären Anbietern wie Claude oder GPT schrumpft messbar. Bei Kosteneffizienz liegt Open Source bereits vorn.

3. Multimodale Agenten testen: GLM-5V-Turbo ist eines der ersten Modelle, das Browser-Navigation, Tool-Nutzung und visuelles Verständnis in einem einzigen Modell vereint. Wer KI-Agenten für Geschäftsprozesse evaluiert, sollte es auf die Testliste setzen.

Quellen

Teilen
Software ist tot von Markus M. Kirchmair

Anzeige · Buch und Angebot von Markus Kirchmair

Noch ein Tool. Oder endlich weniger Arbeit?

Prüfen Sie mit No More Tools, welche Software und Abläufe Ihr Unternehmen tatsächlich braucht. Im Workshop entsteht ein priorisierter Fahrplan.