网友们疯狂留言，评论整齐到离谱：视觉、视觉、还是视觉！
为什么大家都紧盯着“视觉”，而不是别的方向？
目前，智谱的GLM系列早已在全球开源界站稳脚跟。最新的GLM-5.2横扫AI编程能力榜单，在开源侧排名全球第二，仅次于顶级模型Fable-5。
但模型太聪明，却看不了图。
对标对手Fable-5那种原生多模态的能力，用户们不动心是不可能的。
有人可能会问：这么厉害的团队，为什么不直接把视觉加进去？
其实，智谱在视觉多模态上的布局并不落后，4月还发布过一款GLM-5V-Turbo，能同时处理视觉和代码问题。
然而，唐杰本人对于旗舰模型的选择却有着更深层次的考虑。
在他看来，视觉或许能让模型更“好用”，但要推动AI智能的突破，核心还得靠文本领域的复杂逻辑推理能力。这也是为什么，智谱始终在多模态与纯文本间保持谨慎权衡。
可话说回来，用户和科学家的关注点的确不同。
开发者们日常更关心的是，贴张图模型能看懂，截个屏模型能理解，这些细节直接影响使用体验。
而在市场竞争层面，国内外像Qwen3.5、Gemini 3等对手也都将视觉/文本/音频/视频整合到一套模型中，发展方向明确且迅猛。
所以，唐杰这次公开征求意见，其实也是释放一个重要信号：智谱可能会对GLM下一步的多模态强化做出回应。对于一直期待“万能AI”的用户来说，或许GLM新版的夺目突破不会太远。
