智普上线glm-5v-turbo后，第一时间申请，第二天开通，利用清明假期，GLM-5V-TURBO 消耗了近 10 亿 token。这是我的真实使用记录。
文章早就写好了，但是一直没发，又体验了一个月的龙虾内的效果，一起记录下分享给大家。
基本体验
没有乱码，前端能力好，速度稳定。目前体验阶段用量很大，连续用了三个小时，Pro 套餐才用了 86%。
遇到的坑
速度慢
比 GLM-5-Turbo 慢太多，只有晚上的时候速度能快一些。
智能感觉下降了
这一点感受最深。跟 GLM-4.7 很像——我之前写过文章介绍过，GLM-4.7 在 Trae 中很好用，但在 OpenCode 中很吃力，理解不到位、分析不准确、结果达不到预期。GLM-5V-Turbo 给了我同样的感觉。
制定的所有计划都要人工审核、重新沟通一遍才能用。有很多次让它生成测压脚本，程序能跑通，但完全没有意义，无法体现压力。后来我学了一招：计划生成后再补一句——"先给我讲解一下，你打算怎么做，做成什么样。"相当于加一道人工闸门。
还有一个具体的例子：开发时我在计划和需求里已经明确指明了有些事件默认开启通知、有些默认不开启，但最终实现时这些区分没有被落地。
在openclaw中，明显感觉脑子不如glm-5-turbo灵光。好像是思考深度很低，只能干眼前的事，考虑不全面，还容易干错。比如我让他查询一下新版本有哪些变化，只找了最新版本，在使用glm-5-turbo的时候，会把所有新版本都总结出来。
逻辑理解也有问题，经常出现这种绕不过来的想法。我承认我的指令有点绕，但是你应该能自己绕过来才行。
下面这个命令是4月21号的时候问他的，我的意思是从4.5开始到4.21期间的版本，结果理解成了目前安装的版本是4.5，这个版本是多少。我的指令就查把当时的日期告诉他了。
规则阅读有问题
规则文档里已经写了是通过 Docker 运行的，甚至都有步骤，结果它试图在本机 Python 中运行。
注意力不集中
按照规则执行不到位的感觉很明显。使用 OpenCode 时经常出现子代理干错活、多干活的情况（见下图）。这种情况在使用 GLM-5、GLM-5.1、GLM-5-Turbo 时都没有出现过。
工作结果有质量问题
比如让它重构官网，首页的按钮颜色问题一直没有被发现。可能是视觉能力不够细致，改了很多次才改好。应该是分析源码出了问题，最后实在解决不了，直接在 HTML 的 style 里写样式才搞定。
还有新增活动记录页面这种基础简单的错误也会出现（见下图）。甚至出现过计划没做完，但它报告说完成了的情况。
工具调用和身份认知也有问题
使用 OpenCode 的 Prometheus 规划者时，会话中途切换角色后，它仍然试图自己直接修改文件。被工具拦截报错后（提示"你只能修改 md，不能直接修改"），竟然还会直接委托子代理去编辑。
GLM-5、GLM-5.1、GLM-5-Turbo 也有这个情况，但它们能立即反应过来自己是规划器，回到指定计划的角色。GLM-5V-Turbo 没反应过来。
为什么还在用
总体来看我还是选择继续用 GLM-5V-Turbo。原因很简单：编程多模态这个定位优势非常大，而且能够持续稳定输出。
前端美感和交互逻辑优化很强
官网重构就是一个很好的例子。GLM 默认的行为都是那种紫色渐变风格，而 5V 考虑得更全面，问的问题也更细致。
媒体区域的调整也能看出差异——它会主动考虑缩略图尺寸、容器布局这些细节。
测试方式可以改变
使用带视觉能力的模型，第二个好处是你可以把框架工程调整成让它自动测试，而不仅仅是参考和美化页面。
很多人用视觉模型只是为了让它仿制网站或者美化页面。但其实有了视觉模型之后，智能体的测试模式可以从原本的脚本测试转变为实际的操作测试——点击、填写、观察。
我的框架里专门封装了一个命令，可以模拟任何用户发起接口请求进行实际的代码业务测试。这个命令本身很有价值，如果没有它，智能体可能要专门针对项目生成一整套测试脚本才行。但现在有了视觉理解模型，它不光可以通过命令行快速验证接口，还可以针对页面进行测试、分析、浏览、交互优化。
编辑错误基本没出现过
使用 GLM-5 的时候偶尔会遇到编辑错误的问题，GLM-5V-Turbo 上基本没有。
最佳实践：怎么用效果最好
上面说了这么多缺点，但核心问题其实出在用法上——我把 GLM-5V-TURBO 当成了主力模型在用，让它干所有活。后来我调整了方案，效果非常好。
我的配置是：OpenCode + oh-my-openagent 插件。
- 主力模型：GLM-5.1 — 负责代码编写、架构设计、逻辑推理这些需要强智能的工作
- multimodal-looker 配置为 GLM-5V-TURBO — 只负责"看"，通过 look_at 工具查看页面、截图、设计稿，然后返回分析结果给主力模型
- frontend 也配置GLM-5V-TURBO
这样分工之后，GLM-5V-TURBO 不再需要做复杂的逻辑判断和计划制定，它只需要做好一件事：看清楚、说清楚、写清楚。而 GLM-5.1 依然保持它擅长的代码能力和推理能力，两者各司其职。
我之前还专门搭建了一个paddleORC服务，封装成技能来辅助视觉理解，但是现在用不到了，用glm-5v-turbo理解文字很到位。
在这个配置下，look_at 工具的表现非常好。前端调整、页面测试、UI 还原这些场景，视觉模型只负责输入，主力模型负责决策和执行，前面提到的那些注意力分散、角色混乱、计划执行不到位的问题基本都消失了。
这里再推荐一下opencode的oh-my-openagent插件（原名oh-my-opencode，大家说的omo），他将视觉理解专门封装成一个智能体，这样的话不要求主智能体具备视觉理解能力，很到位的设计。也吐槽一下opencode最近升级的功能，每次粘贴图片路径都不再是文本，而是一个图片附件，导致当前智能体必须具备视觉理解，这个设计不够细节，应该是识别一下，当模型支持视觉理解时才这样，否则还是按图片路径输入更好。
原文标题： 4天花40亿，glm-5v-turbo体验笔记
原文地址： https://phpreturn.com/index/a69ede6ac94a7d.html
原文平台： PHP武器库
版权声明： 本文由phpreturn.com（PHP武器库官网）原创和首发，所有权利归phpreturn（PHP武器库）所有，本站允许任何形式的转载/引用文章，但必须同时注明出处。