精选理由
有人把Kimi的视觉编码器接到GLM 5.2上，开源了量化权重，让GLM 5.2能看图片了。这种插件式玩法很实用。
开发者将Kimi的MoonViT视觉编码器挂载到GLM 5.2文本模型上，形成可用的视觉版本。该项目开源了NVFP4量化权重，展示了插件式多模态组装的有效性。MoonViT编码器可独立复用，GLM 5.2快速获得看图能力，无需从头联合训练。
原文 · berryxia
卧槽，Kimi &GLM 5.2 联合体牛 ！ 让GLM 5.2 终于有眼睛了。 有人直接把Kim…
卧槽，Kimi &GLM 5.2 联合体牛 ！ 让GLM 5.2 终于有眼睛了。
有人直接把Kimi的MoonViT视觉编码器挂到了GLM 5.2上，做成了一个可用的视觉版本，还开源了NVFP4量化权重。
这不是官方联合训练的完整多模态模型，而是把一个Kimi 强视觉编码器和另一个团队的强语言模型硬接在一起，居然能直接用。
以前大家觉得多模态必须从头一起训才能对齐好，现在这种“插件式”组装已经开始出现实用效果。
强视觉编码器可以像模块一样被复用，文本模型也能快速获得看图能力。
模型地址：
https://t.co/ms1oUTnI3P