智谱 GLM
智谱 AI GLM 模型配置（文本 / 图像理解 / 语音识别 / 向量）
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。
提示
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
json
{
"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
json
{
"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
json
{
"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。