智谱 GLM - CowAgent

智谱 AI 支持文本对话、图像理解、语音识别（ASR）和向量（Embedding），一份 zhipu_ai_api_key 即可启用全部能力。

通过 Web 控制台的「模型管理」页面可一站式配置以下全部能力，无需手动改配置文件。

文本对话

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

参数	说明
`model`	可填 `glm-5.3-flash`（推荐，1M 上下文 / 128K 最大输出）、`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` 等，参考模型编码
`zhipu_ai_api_key`	在智谱 AI 控制台创建
`zhipu_ai_api_base`	可选，默认为 `https://open.bigmodel.cn/api/paas/v4`

图像理解

glm-5.3-flash 本身即多模态，作为主模型时 Agent 的 Vision 工具会直接使用它识别图像。纯文本 chat 模型（glm-5.2、glm-5.1、glm-5-turbo 等）不支持视觉，此时视觉调用会自动回落到专用的 glm-5v-turbo 模型。配置 zhipu_ai_api_key 后无需额外设置。

语音识别

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

参数	说明
`voice_to_text`	设为 `zhipu` 启用智谱 ASR
`voice_to_text_model`	可选，默认 `glm-asr-2512`

凭证自动复用 zhipu_ai_api_key。语音文件建议小于 25MB，超大文件可能被服务端拒绝。

向量

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

可选模型：embedding-3、embedding-2。修改 embedding 后需执行 /memory rebuild-index 命令重建索引。