VLM 充当 GLM 的“眼睛”
MaziyarPanahi · x · 2026-07-11
GLM-5.2 被用来驱动 Mol 查看器进行结构生物学任务，但它本身看不到自己在画什么；作者改用 Qwen3-VL-235B 充当“眼睛”，持续检查每次渲染结果并给出修改建议，例如提示“药物没有居中，需要放大”。
这个 VLM-as-eyes 的回路会不断迭代，直到目标分子在口袋里呈现正确位置，最后再把结果做成 3D 展示。作者表示整个流程基于开源模型，并放在 Hugging Face 上。
所属事件:开源模型协同做结构生物学：GLM-5.2 搭配 Qwen3-VL 实现自迭代闭环(5 条相关)→
「多模态」频道最新
- FastH3-Live 升至 22fps：加速节点实测与 ComfyUI 显存避坑 — spartong945 · 2026-09-11
- Midjourney 风格参考分享:--sref 2912175708 — tisch_eins · 2026-09-11
- Astra 分镜+Minimax H3 分镜逐帧生成，视频创作成功率大增 — Hailuo_AI · 2026-09-11
- Hailuo 转推：MiniMax H3 MAX 一发生成 15 秒美食动画短片 — Hailuo_AI · 2026-09-11
- MiniMax Music 制作工具包 2.5 发布,新增完整母带处理链 — Vivid_Promise1700 · 2026-09-11
- ComfyUI 新节点发现器上线:按 star 增速过滤最新热门节点 — Luke2642 · 2026-09-11