Zhipu GLM - CowAgent

Zhipu AI はテキスト対話、画像理解、音声認識（ASR）、ベクトル（Embedding）をサポートしており、1 つの zhipu_ai_api_key ですべての機能を有効化できます。

Web コンソールの「モデル管理」ページから、以下のすべての機能をワンストップで設定でき、設定ファイルを手動で編集する必要はありません。

テキスト対話

{
  "model": "glm-5.3-flash",
  "zhipu_ai_api_key": "YOUR_API_KEY"
}

パラメータ	説明
`model`	`glm-5.3-flash`（推奨、1M コンテキスト / 128K 最大出力）、`glm-5.3`、`glm-5.2`、`glm-5.1`、`glm-5-turbo`、`glm-5`、`glm-4.7`、`glm-4-plus`、`glm-4-flash`、`glm-4-air` などを指定可能。詳細はモデルコードを参照
`zhipu_ai_api_key`	Zhipu AI コンソールで作成
`zhipu_ai_api_base`	任意。デフォルトは `https://open.bigmodel.cn/api/paas/v4`

画像理解

glm-5.3-flash はネイティブにマルチモーダルなので、メインモデルの場合は Agent の Vision ツールがそのまま画像認識に使用します。テキスト専用の chat モデル（glm-5.2、glm-5.1、glm-5-turbo など）はビジョンに対応していないため、その場合は専用の glm-5v-turbo モデルに自動的にフォールバックします。zhipu_ai_api_key を設定すれば追加の設定は不要です。

音声認識

{
  "voice_to_text": "zhipu",
  "voice_to_text_model": "glm-asr-2512"
}

パラメータ	説明
`voice_to_text`	`zhipu` に設定すると Zhipu ASR が有効になります
`voice_to_text_model`	任意。デフォルトは `glm-asr-2512`

認証情報は zhipu_ai_api_key を自動的に再利用します。音声ファイルは 25MB 未満を推奨します。サイズが大きすぎるファイルはサーバ側で拒否される可能性があります。

ベクトル

{
  "embedding_provider": "zhipu",
  "embedding_model": "embedding-3"
}

選択可能なモデル：embedding-3、embedding-2。embedding を変更した後は /memory rebuild-index コマンドを実行してインデックスを再構築する必要があります。