“牛模”多模态首试：拓！支持Skill、Cli【已免费开源】

这篇文章将分享，我自己开发并开源的巨好用的（我天天在用）AI原生截图工具。以及我用智谱最新模型glm-5.3-flash的开发过程（希望能给你一点启发），包含如何把它一键接入codex使用，可以说用起来非常丝滑～。

这期干货满满，建议收藏！然后你可以把你使用的截图工具，和模型都换一换了。

大家好，我是袋鼠帝

作为一个AI博主，截图工具是我每天最高频使用的工具之一（我相信也是大部分人每天都会用到的工具）。

但是用了一圈下来，我发现好像没有一款免费开源的截图工具能够满足我所有的需求。

我之前一直用的是Snipaste，但是我感觉它越来越不够用，很多时候我得单独去找其他工具。

甚至AI都已经出来这么久了，好像我还没有听说有哪一款截图工具是深度集成了AI能力的。

于是想要的功能我自己造～，猛猛肝，开发了一款AI原生的截图工具。

支持作为skill、cli接入任何agent使用。还融合了很多AI功能，你可以接入任何你想接入的大模型。可能是目前最好用的AI截图工具。

它叫拓（Ta），目前已经在Github免费开源！（如果觉得有用，记得帮忙点个Star哦～）

https://github.com/kangarooking/Ta

页面大概长这样：

首先，常规截图工具该有的功能它都有了：

比如钉图、截图标注、打马赛克、写字、截长图（支持App和浏览器）、画箭头、标注1、2、3、4的步骤

既然叫AI原生截图工具，肯定是融入了AI能力的。

比如可以极速识别内容，框选后自动把图片中的文字复制到粘贴板。非常方便快捷。

还有框选后翻译，并把翻译内容自动复制到粘贴板。就更方便了

以前的做法是截完图，我还要打开一个 AI，比如豆包把截图丢给它识别，识别的过程又要等个至少5秒以上。

然后比如说翻译，就算能选中文字，一般还要打开谷歌翻译粘贴进去，再翻译。总之整个链路都很长。反正我之前是这样处理的，不知道你们是怎么弄的。

但是现在用拓的话，一个快捷键+框选，然后就能直接获取到图片中的文字，甚至是翻译后的文字。

整个过程在3秒左右就能完成，贼快～

别小看节约的这点时间，如果你每天都要搞好多次，那一年算下来肯定能省下不少时间了。又可以多摸一下鱼啦。

然后，有些没有文字的内容，可以使用AI识图。比如说架构图，流程图，还有一些图案等等。

除了识图，这里还预留了AI美化的功能，我的想法是，可以截图之后进行图片美化。

比如加高级感的边框，或者变黑白，增加锐度，或者P图等等（这块还在构思中，也欢迎大家在评论区，或者github多提提建议）。总之就是各种图片处理的功能。

其实最 的是把拓接入agent使用！

比如把ta-cli接入codex，只需要一条指令：

然后codex就可以用它来帮我写一些教程类的文档，关键是截图里面它能帮我自动标注重点。

接下来我们介绍一下本次开发所使用的模型：智谱昨天刚刚开源的glm-5.3-flash。

它其实就是前几天网上爆火的匿名牛来模型～

作为智谱的老朋友，我也有幸获得了内测资格，正好用它来开发我想做的产品，顺便测试，一举两得～ 关键内测，不用花钱（不过glm-5.3-flash本身已经非常便宜，待会儿会讲）

最牛的是，它在openrouter拿下本周的调用量第一，超过第二名的DeepSeek2倍还多，这足以说明glm-5.3-flash的受欢迎程度了。

同时，我想说，终于！！智谱这次给他们最新模型装上眼睛了。glm-5.3-flash支持多模态，同时支持1M上下文。

而且有超强的coding和agent能力，有多强呢？

先看下图的跑分（我的使用体感跟这个分数差不多，大概是Opus 4.8的水平。）：

关键glm-5.3-flash参数量不大，只有320B。

而且价格相当感人！是Opus 4.8的1/40，是GLM-5.3的1/10，如果加上限时折扣，是GLM-5.3的1/20。可以说性价比炸裂！

至此一条新斩杀线正在形成，前沿模型真正进入普惠时代！

并且，glm-5.3-flash这次采用了全新的架构，做预训练：

在GLM-5的基础上进行了多项架构升级，是首个采用稀疏注意力与线性注意力混合架构的开源前沿模型，在保持精准长上下文能力的同时，还大幅降低了长上下文服务成本。

GLM-5.3-Flash还采用“流形约束超连接”（Manifold-Constrained Hyper-Connections，mHC），进一步提升了模型的scaling能力。

篇幅原因具体细节大家可以去看看技术报告。这里就不展开了。

值得一提的是，过去一周，glm-5.3-flash都是在国产卡上面对外提供服务的，也是国产卡首次大规模集体出海练兵（在openrouter和opencode上面都创记录了）。

看得出来，我们正在慢慢突破美国对我们的GPU封锁。

glm-5.3-flash一键接入Codex

我用glm-5.3-flash照着之前DeepSeek的接入codex的脚本，开发了一个新脚本：专门用于把智谱模型一键接入codex。

bash <(curl -fsSL https://raw.githubusercontent.com/kangarooking/codex-doc/main/scripts/codex-zhipu-switch.sh)

亲测好用，而且接入后的体验非常丝滑，光看这个界面，根本都看不出切换了模型。

想要切换回原来的配置，在Mac上，只需要重复执行一次这个脚本即可：

开发过程

这个项目本身细节还挺多的，任何模型都不可能一次性做完，我也是不断迭代了很多个版本。

所以接下来我挑一些重点回顾一下。

一开始我是用微信输入法，长按fn，口喷了一下我初步的想法，和需求。

然后丢给Codex+glm-5.3-flash，跟它一起梳理出了一套方案。非常详细，直接干到了1400多行！

有了需求、方案文档就让glm-5.3-flash开干啦

后面，就是提问题，修复，提功能，优化。不断的重复。

然后过程中会诞生一些新的想法，比如要支持skill和cli是做着做着想到的。

glm-5.3-flash给我的感觉是又稳，又快。而且能力非常强，不管是coding还是agent，真的像它们榜单上那样能打，不是虚的。

最舒服的还是支持视觉理解后，它会自己打开拓，然后去操作，去获取报错信息。全自动的感觉真好！

glm-5.3-flash视觉能力确实不错，毕竟智谱其实去年一早就有视觉理解能力很强的模型了。

包括glm-5.3-flash的前端审美也不错，拓的UI虽然算不上顶级，但是现阶段我还挺满意的。

体验下来，我感觉glm-5.3-flash是一款六边形战士搬的大模型，并且每一边都不弱。

可以说是目前性价比最高的模型了，推荐大家在拓里面使用glm-5.3-flash～

提示一下，拓目前还没有 GitHub 分发所需要的 Developer ID Application 签名、公证并装订票据。

所以目前要使用的话，需要在设置->隐私与安全性这里选择「仍要打开」。

「最后」

之前都在说，kimi的K3出来之后，智谱要被压一头了。

不过K3一直被诟病，速度慢，又太贵。

智谱这款glm-5.3-flash是一记漂亮的回击，glm-5.3-flash不仅在能力上跟K3有的一拼，而且作为flash模型速度更快，价格还超便宜。是真正的把前沿模型打入了普惠时代。

然后我发现最近流行flash模型啊，继DeepSeek V4 flash模型之后，智谱也推出了超强的flash模型。

关键它们都一定程度上打破了模型的不可能三角：兼具速度、价格、性能。

这肯定是趋势，毕竟大家喜欢用能力强的模型，如果那个模型速度快的话就更好了，如果那个模型还便宜，那简直就是可以闭眼选了。

因为这样的模型，才能给普通人真正带来生产力～

我是袋鼠帝，一个致力于帮你把AI变成真实生产力的博主。我们下期见。

能看到这里的都是凤毛麟角的存在！

如果觉得不错，随手点个赞、在看、转发三连吧~

如果想第一时间收到推送，也可以给我个星标⭐

谢谢你耐心看完我的文章~