大佬们是怎么解决 glm5.2 无法处理视觉理解的问题的

QingmuSanren 2026-06-29 11:26 1

现在用的火山引擎的 codig plan ,对 glm5.2 非常满意,但是么美中不足,现在没办法处理视觉理解。我看之前 glm5.1 也是文本模型,是怎么做到可以处理视觉理解的,现在 5.1 下架了。

最新回复 (8)
  • jotsai 06-29 11:31
    1
    用的 GLM Coding Plan ,模型服务端已内置 image_analysis 工具,具备图片理解能力 😊

    https://docs.bigmodel.cn/cn/coding-plan/mcp/vision-mcp-server#%E6%94%AF%E6%8C%81%E7%9A%84%E5%AE%A2%E6%88%B7%E7%AB%AF
  • QingmuSanren 楼主 06-29 11:40
    2
    @jotsai glm 的 coding plan 根本抢不到啊,痛,现在只能退而用火山。看大佬发的视觉理解 mcp ,文中说的大概意思就是,再买点搭配的视觉模型 token 一起用?
  • jotsai 06-29 14:30
    3
    @QingmuSanren 这个 MCP 应该只是给 GLM Coding Plan 补视觉短板的,非 GLM Coding Plan 的我感觉直接接 1 个原生多模态的大模型比较好吧
  • yvyvyv 06-29 14:52
    4
    让 claude 用文字描述出来
  • skyemin 06-29 14:56
    5
    质谱和 coding plan 和火山里面用 glm5.2 的模型有区别吗
  • 106npo 06-29 15:04
    6
    5.1 是用 4v 外挂识别的
    你让 agent 写个 tool ,找个支持视觉输入的模型去按要求描述图片.但肯定效果没原生支持视觉的模型好
  • QingmuSanren 楼主 06-29 15:09
    7
    @yvyvyv 怎么说大佬
  • QingmuSanren 楼主 06-29 15:11
    8
    @skyemin glm 的 coding plan 抢不到,所以无法对比,我只能说 火山的的 glm5.2 我用起来感觉很不错,值得
* 帖子来源V2EX
返回