大佬们是怎么解决 glm5.2 无法处理视觉理解的问题的

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。