GLM-5V-Turboは視覚入力とツール呼び出しに対応しますが、ブラウザー接続前に正確なホスト経路とアカウント権限を確認してください。現在利用できるプロバイダー経由で glm-5v-turbo を呼び出し、Tabbit CLIを実行できるローカルエージェントを選びます。同じ許可済みテストページを再実行し、画像から読んだ内容とページテキストを比較して、書き込み前に停止します。
11 月 10 日の OpenRouter 一覧では z-ai/glm-5v-turbo の提供元は Z.AI で、ツール呼び出しと画像入力が記載されています。比較の前にこの経路の利用権限を確認します。 OpenRouter
要点
プロバイダー、正確なID、アカウント、地域、利用可否を確認します。
視覚理解や関数呼び出しだけではローカルブラウザーを操作できません。
ページと項目を固定し、画像とDOMの結果を別々に記録します。
読み取り専用で実行し、名前付き下書きで人の確認を待ちます。
モデルとホストの確認
| 確認項目 | GLM-5V-Turbo公式仕様 | アカウントで確認 |
|---|---|---|
| 正確なID | glm-5v-turbo | ホストとエンドポイント |
| 入出力 | 画像・動画・テキスト・ファイル → テキスト | 画像を渡せるか |
| ツール | 関数呼び出し対応 | ツール形式と連携 |
| ライフサイクル | BigModelには掲載、TokenHubは終了予定と表示 | 現在の提供元を確認 |
| ローカル操作 | APIには含まれない | ローカルAgentがTabbit CLIを起動 |
正確なホスト経路を先に確認する
モデルが応答を返し、クライアントがツールを実行し、Tabbit CLIがローカルブラウザーを操作します。正確な経路、プロバイダー連携、ローカルコマンドを確認し、まず無害なテストを行います。Skillの検出、実行ファイル、API、サイトログインは別々に確認します。
Tabbit Browserをインストールし、許可されたテストサイトにログインしてから、Tabbit CLIクイックスタートでローカルクライアントを設定します。対応クライアントには /tabbit、Piには /skill:tabbit、一部には /skills メニューがあります。ローカル接続のないクラウドエージェントはこのブラウザーを操作できません。既存ブラウザーに接続する方法とブラウザーMCPとCLIの比較を参照してください。
視覚認識とページの根拠を比べる
再訪できる許可済みテストページを選び、URLと表示項目を固定します。まずブラウザーのテキストを記録し、対応していれば同じページのスクリーンショットをモデルに渡します。タイトル、ラベル、値、単位、注意書きを一つずつ比べます。画像は配置やアイコンの解釈に役立ち、DOMテキストはコピーと確認が簡単です。食い違いは記録し、モデルに黙って選ばせないでください。
| 根拠 | 記録 | 分かること |
|---|---|---|
| DOMテキスト | 項目名と値 | ページが公開する文字 |
| スクリーンショット | 配置、アイコン、切れたラベル | 画像に表示された内容 |
| 差分 | 不一致と場所 | 人が確認すべき箇所 |
| 操作結果 | 許可操作後の状態 | 画面に変化があったか |
| 不明 | 欠落または非表示の情報 | 結論できない内容 |
ページを変更せず同じテストを再実行する
読み取り結果を比べる間はページ状態を変えないでください。視覚モデルに古い画像ではなく現在のスクリーンショットが渡ったか確認し、DOM抽出が非表示ラベルを落としていないか調べます。ツール呼び出しができても、操作自体はクライアントとTabbit CLIが行います。画面遷移、要素の状態、結果を確認してください。モデルの「完了」はクリックや送信成功の証拠ではありません。
Tabbit Browserで結果を確認する
Tabbit Browserは許可済みログインを保持し、Tabbit CLIはローカルエージェントに専用タスクタブを用意します。他のタブで作業を続けられます。「GLM-5V-Turbo 視覚再実行」という下書きを作成し、画像の読み取りとDOM抜粋を並べて表示した後、人の確認を待つよう依頼します。
11月9日のローカルテストでは、最初のタスクが短時間のテストログインを設定した後、2つ目のTabbit CLIタスクがテストページを読み取れました。これはその環境でのセッション再利用だけを確認したもので、GLM-5V-Turbo、提供元アダプター、外部ダッシュボードは検証していません。
ローカルエージェントへのプロンプト
アカウントが正確なID glm-5v-turbo を呼び出せて、ローカルエージェントがTabbit CLIを起動できると確認してから使用します。これは手順例であり、実連携の結果ではありません。
許可された同じテストページを新しいTabbit CLIタスクタブで開きます。読み取り専用です。タイトル、URL、ページテキストのラベルと値を記録します。クライアントが画像をGLM-5V-Turboに渡す場合、モデルが視覚的に識別した内容も別に記録します。ラベルごとに比較し、「画面で確認」「推論」「不明」を付けます。クリック、フィルター変更、保存、エクスポート、送信はしません。「GLM-5V-Turbo 視覚再実行」という下書きを作成し、両方の根拠を表示して人の確認を待ちます。利用者の報告
公開時にZ.aiでランダム画像を試した利用者は「was able to output nicely」と報告し、当時はCoding Planに含まれていないとも記しました。数か月後、別の利用者はOpenRouterで glm-5v-turbo が利用不可というエラーを報告しました。同じページを再実行する前に、ホストと視覚的根拠を確認すべき理由を示す体験談です。現在の利用可否や品質比較を証明するものではありません。画像テスト · 後日の利用状況
関連記事
Tabbit CLIガイド、既存ブラウザーへの接続、初回ブラウザー作業の確認表、ブラウザーMCPとCLI、DOM型と視覚型エージェント、CodexとTabbit CLIの設定、ブラウザーAgent用プロンプト、ローカルとクラウドのAgent
よくある質問
GLM-5V-Turboはブラウザー作業に何を加えますか？
公式ページには画像・動画入力と関数呼び出しが記載されています。画像の受け渡しとローカルツールの実行はクライアントが担当します。
どのモデルIDを試すべきですか？
Zhipuの文書には `glm-5v-turbo` とあります。アカウントのIDと経路を確認してください。別ホストの利用状況は異なる場合があります。
モデルがTabbit Browserを直接操作しますか？
いいえ。ローカルエージェントがTabbit CLIを実行し、根拠をモデルに渡します。
画像とDOMテキストを比較できますか？
クライアントが対応形式で画像を渡せば可能です。ラベルと値を比べ、画像だけで操作成功と判断しないでください。
再実行でページを変更しますか？
いいえ。読み取り専用で、名前付き下書きの人手確認で止まります。