Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
", "aboutText": "Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.\n\nوضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».\n\nتحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.\n\nللعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.\n\nفي أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.\n\nيطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.\n\nيسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.\n\nتقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.\n\nللنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.", "editorialOverlay": { "copy_fields": { "practical_html": "مثال تقني باللغة الإنجليزية
Target a measured bottleneck\n\nProfile P1 for one import: parsing 0.4 s, per-row database lookups 8.1 s, writing 0.8 s. The import handles 10,000 rows, including repeated customer IDs. Propose one correctness-preserving optimization, describe what lookup behavior must remain identical and define a same-workload check before claiming an improvement.A bottleneck hypothesis, one proposed change and a correctness plus timing comparison plan.The proposal must use P1 without inventing an observed speedup or losing missing-customer behavior.glm-5.3Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/messagestexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5.3 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_block[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلsystem | النوعstring|content_block[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود الحد الأدنى: 1 نطاق تطبيق الحد: الحد الأقصى الدقيق للنموذج/البطاقة المختارة | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop_sequences | النوعstring[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعtool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].name | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أداة مقدّمة | القيمة الافتراضية— |
الحقلtools[].description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].input_schema | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلthinking.type | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلthinking.budget_tokens | النوعinteger | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلoutput_config.effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmetadata | النوعobject | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلcache_control | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
messages[].content أو كتلة type=text
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/messagesتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.3", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-5.3",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-5.3",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='glm-5.3',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.3Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/responsestexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5.3 | القيمة الافتراضية— |
الحقلinput | النوعstring|input_item[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلinput[].type | النوعstring | المتطلباختياري | القيم والحدود message, reasoning, function_call, function_call_output | القيمة الافتراضية— |
الحقلinput[].content | النوعstring|content_part[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلinput[].call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: function_call_output؛ احتفظ بقيمة call_id الفعلية المُرجعة | القيمة الافتراضية— |
الحقلinput[].output | النوعstring|content_part[] | المتطلباختياري | القيم والحدود ينطبق عندما: function_call_output | القيمة الافتراضية— |
الحقلmax_output_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعtool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning.effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning.summary | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtext.format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtext.verbosity | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinclude | النوعstring[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstore | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprevious_response_id | النوعstring | المتطلباختياري | القيم والحدود متطلبات المعرّف ID: معرّف استجابة فعلي فقط من متابعة مدعومة يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_key | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
نص إدخال أو جزء input_text
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, input |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/responsesتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.3", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.responses.create(model="glm-5.3", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-5.3", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nwith client.responses.stream(model="glm-5.3", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل عنصر إخراج وجزء محتوى وقيمة call_id الفعلية للدالة والاستدلال المشفّر والاستخدام. وفي البث، احتفظ بهوية الحدث/العنصر كاملة.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلstatus | النوعstring |
الحقلoutput[] | النوعmessage|reasoning|function_call|other item |
الحقلoutput[].content[] | النوعcontent part |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.3Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5.3 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/chat/completionsتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.3", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="glm-5.3",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-5.3",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='glm-5.3',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.3Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5.3 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: محادثة نصية | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةmaterial_types | المواصفاتtext |
المعلمةmessages | المواصفاتمصفوفة رسائل ببنية role/content |
المعلمةfile_material | المواصفاتمستند UTF-8 الفعلي مُدرج كنص حرفي؛ لا يُستنتَج معرّف ملف |
المعلمةoptional_controls | المواصفاتstream |
المعلمةcontrol_scope | المواصفاتمحادثة نصية؛ stream قيمة منطقية، وقيمتها الافتراضية false. |
المعلمةoutput_modalities | المواصفاتtext |
المعلمةhosted_operations | المواصفاتfalse |
المعلمةmultimodal_input_binding | المواصفاتnull |
الأسماء البديلة للطريقة: /chat/completions
دورة الحياة: synchronous_or_streamed
أرسل معرّف النموذج الدقيق مع messages.
طول السياق ليس حدًا أقصى للإخراج.
يمكن لملف نصي تقديم نص حرفي؛ وتحتاج مدخلات الصور/الصوت/كائنات الملفات إلى ربط دقيق.
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتالشريحة 1 لطول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"glm-5.3","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="glm-5.3", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.3Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/messagestextjson, sse| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5.3 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
النص · نص UTF-8
سلسلة نصية messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتstream |
المعلمةmaterial_types | المواصفاتtext |
المعلمةtext_file_material | المواصفاتاقرأ مستند UTF-8 الفعلي وضع نصه في الإدخال المحدد أو السلسلة النصية لمحتوى الرسالة. |
دورة الحياة: synchronous_or_streamed
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتالشريحة 1 لطول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
{\n "model": "glm-5.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-5.3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-5.3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glmZ.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/messagestexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_block[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلsystem | النوعstring|content_block[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود الحد الأدنى: 1 نطاق تطبيق الحد: الحد الأقصى الدقيق للنموذج/البطاقة المختارة | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop_sequences | النوعstring[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعtool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].name | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أداة مقدّمة | القيمة الافتراضية— |
الحقلtools[].description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].input_schema | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلthinking.type | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلthinking.budget_tokens | النوعinteger | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلoutput_config.effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmetadata | النوعobject | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلcache_control | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
messages[].content أو كتلة type=text
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/messagesتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='glm',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glmZ.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/responsestexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm | القيمة الافتراضية— |
الحقلinput | النوعstring|input_item[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلinput[].type | النوعstring | المتطلباختياري | القيم والحدود message, reasoning, function_call, function_call_output | القيمة الافتراضية— |
الحقلinput[].content | النوعstring|content_part[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلinput[].call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: function_call_output؛ احتفظ بقيمة call_id الفعلية المُرجعة | القيمة الافتراضية— |
الحقلinput[].output | النوعstring|content_part[] | المتطلباختياري | القيم والحدود ينطبق عندما: function_call_output | القيمة الافتراضية— |
الحقلmax_output_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعtool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning.effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning.summary | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtext.format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtext.verbosity | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinclude | النوعstring[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstore | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprevious_response_id | النوعstring | المتطلباختياري | القيم والحدود متطلبات المعرّف ID: معرّف استجابة فعلي فقط من متابعة مدعومة يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_key | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
نص إدخال أو جزء input_text
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, input |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/responsesتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.responses.create(model="glm", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nwith client.responses.stream(model="glm", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل عنصر إخراج وجزء محتوى وقيمة call_id الفعلية للدالة والاستدلال المشفّر والاستخدام. وفي البث، احتفظ بهوية الحدث/العنصر كاملة.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلstatus | النوعstring |
الحقلoutput[] | النوعmessage|reasoning|function_call|other item |
الحقلoutput[].content[] | النوعcontent part |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glmZ.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/chat/completionsتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="glm",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='glm',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/messagestexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_block[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلsystem | النوعstring|content_block[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود الحد الأدنى: 1 نطاق تطبيق الحد: الحد الأقصى الدقيق للنموذج/البطاقة المختارة | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop_sequences | النوعstring[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعtool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].name | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أداة مقدّمة | القيمة الافتراضية— |
الحقلtools[].description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].input_schema | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلthinking.type | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلthinking.budget_tokens | النوعinteger | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلoutput_config.effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmetadata | النوعobject | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلcache_control | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
messages[].content أو كتلة type=text
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/messagesتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-5",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-5",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='glm-5',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/responsestexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5 | القيمة الافتراضية— |
الحقلinput | النوعstring|input_item[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلinput[].type | النوعstring | المتطلباختياري | القيم والحدود message, reasoning, function_call, function_call_output | القيمة الافتراضية— |
الحقلinput[].content | النوعstring|content_part[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلinput[].call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: function_call_output؛ احتفظ بقيمة call_id الفعلية المُرجعة | القيمة الافتراضية— |
الحقلinput[].output | النوعstring|content_part[] | المتطلباختياري | القيم والحدود ينطبق عندما: function_call_output | القيمة الافتراضية— |
الحقلmax_output_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعtool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning.effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning.summary | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtext.format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtext.verbosity | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinclude | النوعstring[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstore | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprevious_response_id | النوعstring | المتطلباختياري | القيم والحدود متطلبات المعرّف ID: معرّف استجابة فعلي فقط من متابعة مدعومة يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_key | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
نص إدخال أو جزء input_text
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, input |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/responsesتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.responses.create(model="glm-5", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-5", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nwith client.responses.stream(model="glm-5", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل عنصر إخراج وجزء محتوى وقيمة call_id الفعلية للدالة والاستدلال المشفّر والاستخدام. وفي البث، احتفظ بهوية الحدث/العنصر كاملة.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلstatus | النوعstring |
الحقلoutput[] | النوعmessage|reasoning|function_call|other item |
الحقلoutput[].content[] | النوعcontent part |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/chat/completionsتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="glm-5",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-5",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='glm-5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.1Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/messagestexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5.1 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_block[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلsystem | النوعstring|content_block[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود الحد الأدنى: 1 نطاق تطبيق الحد: الحد الأقصى الدقيق للنموذج/البطاقة المختارة | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop_sequences | النوعstring[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعtool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].name | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أداة مقدّمة | القيمة الافتراضية— |
الحقلtools[].description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].input_schema | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلthinking.type | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلthinking.budget_tokens | النوعinteger | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلoutput_config.effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmetadata | النوعobject | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلcache_control | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
messages[].content أو كتلة type=text
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/messagesتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.1", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-5.1",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-5.1",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='glm-5.1',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.1Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/responsestexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5.1 | القيمة الافتراضية— |
الحقلinput | النوعstring|input_item[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلinput[].type | النوعstring | المتطلباختياري | القيم والحدود message, reasoning, function_call, function_call_output | القيمة الافتراضية— |
الحقلinput[].content | النوعstring|content_part[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلinput[].call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: function_call_output؛ احتفظ بقيمة call_id الفعلية المُرجعة | القيمة الافتراضية— |
الحقلinput[].output | النوعstring|content_part[] | المتطلباختياري | القيم والحدود ينطبق عندما: function_call_output | القيمة الافتراضية— |
الحقلmax_output_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعtool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning.effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning.summary | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtext.format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtext.verbosity | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinclude | النوعstring[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstore | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprevious_response_id | النوعstring | المتطلباختياري | القيم والحدود متطلبات المعرّف ID: معرّف استجابة فعلي فقط من متابعة مدعومة يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_key | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
نص إدخال أو جزء input_text
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, input |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/responsesتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.1", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.responses.create(model="glm-5.1", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-5.1", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nwith client.responses.stream(model="glm-5.1", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل عنصر إخراج وجزء محتوى وقيمة call_id الفعلية للدالة والاستدلال المشفّر والاستخدام. وفي البث، احتفظ بهوية الحدث/العنصر كاملة.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلstatus | النوعstring |
الحقلoutput[] | النوعmessage|reasoning|function_call|other item |
الحقلoutput[].content[] | النوعcontent part |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.1Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5.1 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/chat/completionsتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.1", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="glm-5.1",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-5.1",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='glm-5.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.2Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/messagestexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5.2 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_block[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلsystem | النوعstring|content_block[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود الحد الأدنى: 1 نطاق تطبيق الحد: الحد الأقصى الدقيق للنموذج/البطاقة المختارة | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop_sequences | النوعstring[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعtool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].name | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أداة مقدّمة | القيمة الافتراضية— |
الحقلtools[].description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].input_schema | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلthinking.type | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلthinking.budget_tokens | النوعinteger | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلoutput_config.effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmetadata | النوعobject | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلcache_control | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
messages[].content أو كتلة type=text
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/messagesتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.2", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-5.2",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-5.2",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='glm-5.2',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.2Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/responsestexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5.2 | القيمة الافتراضية— |
الحقلinput | النوعstring|input_item[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلinput[].type | النوعstring | المتطلباختياري | القيم والحدود message, reasoning, function_call, function_call_output | القيمة الافتراضية— |
الحقلinput[].content | النوعstring|content_part[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلinput[].call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: function_call_output؛ احتفظ بقيمة call_id الفعلية المُرجعة | القيمة الافتراضية— |
الحقلinput[].output | النوعstring|content_part[] | المتطلباختياري | القيم والحدود ينطبق عندما: function_call_output | القيمة الافتراضية— |
الحقلmax_output_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعtool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning.effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning.summary | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtext.format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtext.verbosity | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinclude | النوعstring[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstore | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprevious_response_id | النوعstring | المتطلباختياري | القيم والحدود متطلبات المعرّف ID: معرّف استجابة فعلي فقط من متابعة مدعومة يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_key | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
نص إدخال أو جزء input_text
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, input |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/responsesتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.2", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.responses.create(model="glm-5.2", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-5.2", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nwith client.responses.stream(model="glm-5.2", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل عنصر إخراج وجزء محتوى وقيمة call_id الفعلية للدالة والاستدلال المشفّر والاستخدام. وفي البث، احتفظ بهوية الحدث/العنصر كاملة.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلstatus | النوعstring |
الحقلoutput[] | النوعmessage|reasoning|function_call|other item |
الحقلoutput[].content[] | النوعcontent part |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.2Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-5.2 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/chat/completionsتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.2", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="glm-5.2",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-5.2",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='glm-5.2',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-latestZ.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/messagestexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-latest | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_block[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلsystem | النوعstring|content_block[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود الحد الأدنى: 1 نطاق تطبيق الحد: الحد الأقصى الدقيق للنموذج/البطاقة المختارة | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop_sequences | النوعstring[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعtool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].name | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أداة مقدّمة | القيمة الافتراضية— |
الحقلtools[].description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].input_schema | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلthinking.type | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلthinking.budget_tokens | النوعinteger | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلoutput_config.effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmetadata | النوعobject | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلcache_control | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
messages[].content أو كتلة type=text
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/messagesتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-latest", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-latest",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-latest",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='glm-latest',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-latestZ.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/responsestexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-latest | القيمة الافتراضية— |
الحقلinput | النوعstring|input_item[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلinput[].type | النوعstring | المتطلباختياري | القيم والحدود message, reasoning, function_call, function_call_output | القيمة الافتراضية— |
الحقلinput[].content | النوعstring|content_part[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلinput[].call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: function_call_output؛ احتفظ بقيمة call_id الفعلية المُرجعة | القيمة الافتراضية— |
الحقلinput[].output | النوعstring|content_part[] | المتطلباختياري | القيم والحدود ينطبق عندما: function_call_output | القيمة الافتراضية— |
الحقلmax_output_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعtool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning.effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning.summary | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtext.format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtext.verbosity | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinclude | النوعstring[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstore | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprevious_response_id | النوعstring | المتطلباختياري | القيم والحدود متطلبات المعرّف ID: معرّف استجابة فعلي فقط من متابعة مدعومة يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_key | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
نص إدخال أو جزء input_text
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, input |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/responsesتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-latest", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.responses.create(model="glm-latest", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-latest", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nwith client.responses.stream(model="glm-latest", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل عنصر إخراج وجزء محتوى وقيمة call_id الفعلية للدالة والاستدلال المشفّر والاستخدام. وفي البث، احتفظ بهوية الحدث/العنصر كاملة.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلstatus | النوعstring |
الحقلoutput[] | النوعmessage|reasoning|function_call|other item |
الحقلoutput[].content[] | النوعcontent part |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-latestZ.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود glm-latest | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةoptional_controls | المواصفاتnull |
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةtext_file_material | المواصفاتمحتوى UTF-8 الفعلي مُدرج كنص؛ وتحتاج معرّفات الملفات/URLs إلى دعم دقيق منفصل |
دورة الحياة: exact retained published method
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
POST /v1/chat/completionsتحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتOpenAI Chat · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتOpenAI Chat · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الأسعار الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتAnthropic Messages · الشريحة 1 حسب طول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-latest", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="glm-latest",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-latest",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='glm-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
z-ai/glm-5.3Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود z-ai/glm-5.3 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود function يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmodalities | النوعstring[] | المتطلباختياري | القيم والحدود text | القيمة الافتراضية— |
الحقلprovider | النوعobject | المتطلباختياري | القيم والحدود الشروط: يُرفَض provider.options في مسار Ultra النصي هذا | القيمة الافتراضية— |
الحقلcache_control.ttl | النوعstring | المتطلباختياري | القيم والحدود الشروط: تُرفَض 1h في المواضع الفعلية للتخزين المؤقت للموجّه | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةmaterial_types | المواصفاتtext |
المعلمةmessages | المواصفاتمصفوفة رسائل ببنية role/content |
المعلمةfile_material | المواصفاتمستند UTF-8 الفعلي مُدرج كنص حرفي؛ لا يُستنتَج معرّف ملف |
المعلمةoptional_controls | المواصفاتstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
المعلمةcontrol_scope | المواصفاتخاص بالنموذج؛ أدوات الدوال التي يقدّمها المستخدم تختلف عن الأدوات المستضافة |
المعلمةoutput_modalities | المواصفاتtext |
المعلمةhosted_operations | المواصفاتfalse |
المعلمةmultimodal_input_binding | المواصفاتnull |
دورة الحياة: synchronous_or_streamed
أرسل معرّف النموذج الدقيق مع messages.
طول السياق ليس حدًا أقصى للإخراج.
يمكن لملف نصي تقديم نص حرفي؛ وتحتاج مدخلات الصور/الصوت/كائنات الملفات إلى ربط دقيق.
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتالشريحة 1 لطول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "z-ai/glm-5.3", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='z-ai/glm-5.3',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='z-ai/glm-5.3',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
z-ai/glm-5.3Z.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/messagestextjson, sse| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود z-ai/glm-5.3 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
النص · نص UTF-8
سلسلة نصية messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتstream |
المعلمةmaterial_types | المواصفاتtext |
المعلمةtext_file_material | المواصفاتاقرأ مستند UTF-8 الفعلي وضع نصه في الإدخال المحدد أو السلسلة النصية لمحتوى الرسالة. |
دورة الحياة: synchronous_or_streamed
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتالشريحة 1 لطول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
{\n "model": "z-ai/glm-5.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'z-ai/glm-5.3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'z-ai/glm-5.3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
~z-ai/glm-latestZ.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود ~z-ai/glm-latest | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود function يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmodalities | النوعstring[] | المتطلباختياري | القيم والحدود text | القيمة الافتراضية— |
الحقلprovider | النوعobject | المتطلباختياري | القيم والحدود الشروط: يُرفَض provider.options في مسار Ultra النصي هذا | القيمة الافتراضية— |
الحقلcache_control.ttl | النوعstring | المتطلباختياري | القيم والحدود الشروط: تُرفَض 1h في المواضع الفعلية للتخزين المؤقت للموجّه | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةmaterial_types | المواصفاتtext |
المعلمةmessages | المواصفاتمصفوفة رسائل ببنية role/content |
المعلمةfile_material | المواصفاتمستند UTF-8 الفعلي مُدرج كنص حرفي؛ لا يُستنتَج معرّف ملف |
المعلمةoptional_controls | المواصفاتstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
المعلمةcontrol_scope | المواصفاتخاص بالنموذج؛ أدوات الدوال التي يقدّمها المستخدم تختلف عن الأدوات المستضافة |
المعلمةoutput_modalities | المواصفاتtext |
المعلمةhosted_operations | المواصفاتfalse |
المعلمةmultimodal_input_binding | المواصفاتnull |
دورة الحياة: synchronous_or_streamed
أرسل معرّف النموذج الدقيق مع messages.
طول السياق ليس حدًا أقصى للإخراج.
يمكن لملف نصي تقديم نص حرفي؛ وتحتاج مدخلات الصور/الصوت/كائنات الملفات إلى ربط دقيق.
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتالشريحة 1 لطول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~z-ai/glm-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='~z-ai/glm-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='~z-ai/glm-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
~z-ai/glm-latestZ.ai GLM 5.3 هو نموذج استدلال نصي للهندسة البرمجية المعقدة والعمل في الطرفية والوكلاء الذين ينفّذون مهام طويلة الأمد. يدعم سياقاً موثقاً لدى الجهة المصنّعة بسعة 1M رمز، وما يصل إلى 128K رمز إخراج، واستدعاء الدوال، ومستويات جهد الاستدلال low/high/max، مع بقاء الاستدلال مفعّلاً طوال الوقت.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Z.ai GLM 5.3 هو نموذج استدلال نصي واسع النطاق مصمم للهندسة البرمجية المعقدة وعمل الوكلاء ذي الأفق الممتد. تذكر الجهة المصنّعة أنه يستخدم النموذج الأساسي نفسه المستخدم في GLM 5.2، وأن التحسينات الجديدة تأتي من التدريب اللاحق. يركز الإصدار على برمجة أقوى وعمليات الطرفية ومهام أوسع تتضمن عدة خطوات تعتمد بعضها على بعض. يقبل النص وينتج نصاً، بما في ذلك الشيفرة والشروح والخطط وطلبات استدعاء الأدوات داخل تطبيق متصل بأدوات.
وضع الاستدلال الموثق مفعّل دائماً. يوفر GLM 5.3 ثلاثة مستويات للجهد: low وhigh وmax، ويكون max هو الافتراضي. توصي الجهة المصنّعة باستخدام max لأعمال البرمجة المعقدة؛ ويوفر low خيار استدلال أخف للخطوات الأبسط. استخدم المستوى المختار مع مخرج نهائي واضح ومعايير إكمال. مثال: «افحص هذه الملفات ونتائج الفشل، وتتبع السبب عبر الوحدات المتأثرة، واقترح تصحيحاً يحافظ على الواجهة العامة، واشرح الفحوص التي تثبت معالجة التراجع».
تحدد الجهة المصنّعة نافذة سياق بسعة 1M رمز وطول إخراج أقصى قدره 128K رمز. نظّم المادة الطويلة حول العلاقة التي يحتاج النموذج إلى تقصيها. احتفظ بأسماء الملفات والتعريفات ذات الصلة وتسميات المصادر وترتيب الملاحظات، واترك مساحة للاستدلال والإجابة النهائية ضمن سياق العمل المعمول به. تفيد النافذة الكبيرة في الاعتماديات بين الوحدات أو في تسلسل طويل من ملاحظات الوكيل؛ لكنها لا تجعل أرشيفاً غير موجّه من مواد غير مترابطة مهمة محددة جيداً.
للعمل على مستودع، قدّم السلوك المتوقع والنص المصدري ذا الصلة وإصدارات الاعتماديات ومخرجات الخطأ الفعلية. اطلب من النموذج تحديد السلوك المتأثر قبل اقتراح رقعة. وعند إعادة هيكلة الشيفرة، سمِّ الواجهة والثوابت التي يجب أن تبقى محفوظة. تتضمن الاستجابة المفيدة الشيفرة المنقحة، وسبب معالجة التغيير للمشكلة المرصودة، والحالات اللازمة لفحص النتيجة. أعد النتائج الفعلية إلى سير العمل المتصل بالأدوات حتى تستند الخطوة التالية إلى الحالة المتغيرة بدلاً من المقترح السابق.
في أعمال الأداء، قدّم عبء عمل وخط أساس وقياسات مثل الأزمنة أو ملفات تحليل الأداء أو سجلات تخصيص الذاكرة. تصف Z.ai مهام تدريب تتضمن تشخيص الاختناقات والتحسين والتجارب ونتائج تحافظ على الصحة الوظيفية. ومن الطلبات العملية: «استخدم ملف تحليل الأداء هذا لتحديد الاختناق الأكثر تأثيراً، واقترح تغييراً واحداً قابلاً للقياس، واشرح النتيجة التي تبرر الاحتفاظ به». ميّز بين فرضية عن الأداء وتحسن مسجل. احتفظ بعبء العمل نفسه والشروط ذات الصلة عند فحص النتيجة.
يطور الإصدار أيضاً قدرة تحليل الثغرات. في مراجعة دفاعية للشيفرة المصدرية، قدّم الشيفرة ذات الصلة وحدود الثقة المقصودة والظروف التي تعمل فيها. اطلب نتيجة تربط مشكلة مشتبهاً بها بالإدخال والسلوك المتأثرين وبمعالجة مركزة. افصل بين ضعف محتمل وخلل أعيد إنتاجه، واحتفظ بالملاحظة المستخدمة للتحقق منه. يصبح التقرير أكثر فائدة عندما يعطي الأولوية للأدلة الملموسة والتصحيحات المقترحة بدلاً من اعتبار كل نمط مريب ثغرة مؤكدة.
يسمح استدعاء الدوال للتطبيق المحيط بإتاحة عمليات خارجية للنموذج. عرّف غرض كل أداة ووسائطها والنتيجة المتوقعة منها، ثم أعد ملاحظة الأداة الفعلية للخطوة التالية. يستطيع النموذج الاستدلال على تلك النتيجة وتحديد أثرها في المهمة. أبقِ الإجراءات المقترحة والعمليات المنفذة والفحوص غير المحسومة مميزة. توثق الجهة المصنّعة أيضاً الاستجابات المتدفقة، التي تعيد أجزاء الاستدلال والإجابة بصورة منفصلة؛ اجمع الإجابة المكتملة قبل التعامل معها بوصفها التقرير النهائي أو شرح الشيفرة.
تقدم بطاقة النموذج المحلية تفصيلاً محدداً لإعداد السجل: يحتفظ قالب المحادثة بالتفكير افتراضياً، بينما توصي الجهة المصنّعة بمسح التفكير القديم صراحة في سيناريوهات المحادثة العادية. طبّق بنية المحادثة المناسبة لحالة الاستخدام، مع الحفاظ على الإجابات المكتملة الفعلية ونتائج الأدوات اللازمة للمتابعة. تجنب التعامل مع إعدادات التحكم في الاستدلال من GLM 5.2 أو إصدارات GLM 5.3 Flash المستقلة بوصفها قابلة للتبادل مع ضوابط low/high/max لهذا النموذج.
للنتائج المنظمة، حدد الحقول والأنواع وقواعد المصادر المتوقعة. قد يكون المخرج المفيد جدول عيوب أو خطة تغيير أو كائن JSON يلخص الملاحظات. تحقق من البنية والقيم معاً قبل أن يستخدمها التطبيق. ينبغي للنتيجة النهائية تحديد الإجابة أو المخرج المنقح والأدلة الداعمة والافتراضات المتبقية. لا تثبت زيادة جهد الاستدلال أن أداة قد نُفذت، أو أن رقعة مقترحة اجتازت فحوصها، أو أن ادعاءً واقعياً له دعم يتجاوز المادة المقدمة.
POST /v1/messagestextjson, sse| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود ~z-ai/glm-latest | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
النص · نص UTF-8
سلسلة نصية messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتstream |
المعلمةmaterial_types | المواصفاتtext |
المعلمةtext_file_material | المواصفاتاقرأ مستند UTF-8 الفعلي وضع نصه في الإدخال المحدد أو السلسلة النصية لمحتوى الرسالة. |
دورة الحياة: synchronous_or_streamed
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتالشريحة 1 لطول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0028 / 1K من الرموز الإخراج · رموز الإخراج $0.0088 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0.00052 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
{\n "model": "~z-ai/glm-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~z-ai/glm-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~z-ai/glm-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
مثال تقني باللغة الإنجليزية
Target a measured bottleneck\n\nProfile P1 for one import: parsing 0.4 s, per-row database lookups 8.1 s, writing 0.8 s. The import handles 10,000 rows, including repeated customer IDs. Propose one correctness-preserving optimization, describe what lookup behavior must remain identical and define a same-workload check before claiming an improvement.A bottleneck hypothesis, one proposed change and a correctness plus timing comparison plan.The proposal must use P1 without inventing an observed speedup or losing missing-customer behavior.