大佬们是怎么解决 glm5.2 无法处理视觉理解的问题的

[QingmuSanren]

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。

[jotsai]

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]

@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]

@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]

让 claude 用文字描述出来

[skyemin]

质谱和 coding plan 和火山里面用 glm5.2 的模型有区别吗

[106npo]

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]

@yvyvyv 怎么说大佬

[QingmuSanren]

@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