在最近高强度利用GLM去完成一些比较简单的工作需求之后，不由得发出这个疑问。4.7相对于4.6来说，确实已经是可用的状态了，可以当作生产力工具了 
但是很多情况下，在需要理解图片的时候，我还是会直接切换回cursor。感觉GLM的视觉理解MCP差点意思 
什么时候才有一个原生的多模态的大模型