GLM-4-9B-Chat هو الإصدار المكيّف للحوار من نموذج اللغة المفتوح GLM-4-9B لدى Z.ai. يجمع إعداده أساسًا متعدد اللغات مع مواءمة لتفضيلات البشر. يعمل النموذج مع النصوص: تصبح الأسئلة والمستندات والشيفرة وسجل المحادثة مدخلات، وتكون النتيجة الظاهرة نصًا أو إجراء أداة مطلوبًا. وتشمل مجالاته المعلنة فهم اللغة والرياضيات والاستدلال والبرمجة والأسئلة القائمة على المعرفة.
يصف تقرير GLM-4 نموذج 9B بأنه دُرّب مسبقًا على نحو عشرة تريليونات رمز من مواد متعددة اللغات، بسياق أولي بطول 8K، ثم خضع لتدريب لاحق باستخدام المسار والبيانات المستخدمين في GLM-4-0520. طول التدريب الأولي ليس حد سياق إصدار Chat هذا: فنافذته المنشورة للمستخدم بطول 128K. يهم هذا التمييز عند الاختيار بين مواصفة تدريب وملف النموذج المسمّى الفعلي.
من المهام البرمجية المفيدة تقديم دالة وسلوكها المقصود ومدخل يسبب فشلًا، ثم طلب شرح يتبعه جزء مصحح. ولمساعد مستندات، قدّم الأقسام ذات الصلة واطلب استخراج المتطلبات أو مقارنة المقاطع أو شرح مصطلح غير مألوف. هذه تطبيقات لقدرات النموذج اللغوية والبرمجية، وليست منتجًا مستقلًا أو وضعًا لتوليد الملفات.
يدعم إصدار Chat هذا سياقًا بطول 128K رمز. تتيح السعة للمساعد حمل المادة المصدرية والحوار السابق إلى المهمة نفسها. أعطِ المستندات الطويلة أسماء أقسام واضحة، وحدد ما إذا كانت الإجابة ينبغي أن تكون ملخصًا أو مقارنة أو شرحًا لمقطع معين. وفي رسائل المتابعة، حدد المقطع الذي يجري تغييره بدلًا من استبدال المهمة ضمنيًا.
GLM-4-9B-Chat-1M إصدار سياق طويل مسمّى بشكل مستقل. ولا يحصل مدخل Chat العادي على نافذته ذات المليون رمز. وكذلك فإن GLM-4V-9B البصري نموذج مستقل: تظل مدخلات هذا الإصدار نصية. تستخدم أمثلة التوليد المنشورة إعدادات طول خاصة بكل طلب؛ ولا تثبت حدًا أقصى عامًا واحدًا لطول الاستجابة.
يدعم النموذج 26 لغة، وترد اليابانية والكورية والألمانية ضمن الأمثلة المسمّاة. يصف تقرير تدريب GLM-4 الصينية والإنجليزية بأنهما لغتا المواءمة الرئيسيتان، إلى جانب مجموعة نصية أوسع متعددة اللغات. وللترجمة أو حوار الدعم، حدد اللغة المستهدفة والمصطلحات والنبرة، وقدّم المادة التي ينبغي أن تبقى دون تغيير. مثلًا، يمكن للمساعد شرح مقطع باللغة المطلوبة مع الحفاظ على أسماء المنتجات ومعرّفات الشيفرة.
أُعد GLM-4-9B-Chat لتصفح الويب وتنفيذ الشيفرة واستدعاءات الدوال المخصصة. يربط نهج all-tools في GLM-4 تخطيط المهام بالإجراءات الخارجية والملاحظات المعادة منها. يستطيع مساعد مستندات طلب استقصاء واستخدام المقتطف المعاد ومتابعة شرحه؛ ويمكن لمهمة عددية استخدام أداة Python يوفرها التطبيق المحيط.
يعرّف التطبيق هذه الأدوات وينفذها. ولا يتصفح نص النموذج وحده موقعًا أو يشغّل برنامجًا أو ينشئ صورة. وإذا وفر التطبيق دالة لتوليد الصور، فهذه الدالة الخارجية تنتج الصورة؛ ويخطط النموذج النصي للاستدعاء ويناقش النتيجة المعادة. أعطِ كل دالة غرضًا واضحًا وتعريفًا للوسائط، وأعِد نتيجتها إلى الحوار قبل طلب الإجابة النهائية.
يستخدم الإصدار قالب محادثة قائمًا على الأدوار. حافظ على تعليمات المستخدم وردود المساعد ذات الصلة ونتائج الأدوات بوصفها أدوارًا منفصلة. ومن الطلبات العملية: «باستخدام أقسام المستند المسمّاة هذه، اسرد المتطلبات، واشرح التناقضات، واقتبس تسميات الأقسام التي تدعم كل استنتاج». وطلب آخر: «اشرح كيف تعالج هذه الدالة المدخل المقدم، ثم اقترح تغييرًا يحافظ على الواجهة المذكورة». ينبغي أن يكون المخرج المطلوب صريحًا، حتى يمكن التحقق من الاستجابة مقابل المادة المصدرية والسلوك المقصود للبرنامج.
", "aboutText": "### التعريف بالنموذج\n\nGLM-4-9B-Chat هو الإصدار المكيّف للحوار من نموذج اللغة المفتوح GLM-4-9B لدى Z.ai. يجمع إعداده أساسًا متعدد اللغات مع مواءمة لتفضيلات البشر. يعمل النموذج مع النصوص: تصبح الأسئلة والمستندات والشيفرة وسجل المحادثة مدخلات، وتكون النتيجة الظاهرة نصًا أو إجراء أداة مطلوبًا. وتشمل مجالاته المعلنة فهم اللغة والرياضيات والاستدلال والبرمجة والأسئلة القائمة على المعرفة.\n\nيصف تقرير GLM-4 نموذج 9B بأنه دُرّب مسبقًا على نحو عشرة تريليونات رمز من مواد متعددة اللغات، بسياق أولي بطول 8K، ثم خضع لتدريب لاحق باستخدام المسار والبيانات المستخدمين في GLM-4-0520. طول التدريب الأولي ليس حد سياق إصدار Chat هذا: فنافذته المنشورة للمستخدم بطول 128K. يهم هذا التمييز عند الاختيار بين مواصفة تدريب وملف النموذج المسمّى الفعلي.\n\nمن المهام البرمجية المفيدة تقديم دالة وسلوكها المقصود ومدخل يسبب فشلًا، ثم طلب شرح يتبعه جزء مصحح. ولمساعد مستندات، قدّم الأقسام ذات الصلة واطلب استخراج المتطلبات أو مقارنة المقاطع أو شرح مصطلح غير مألوف. هذه تطبيقات لقدرات النموذج اللغوية والبرمجية، وليست منتجًا مستقلًا أو وضعًا لتوليد الملفات.\n\n### السياق الطويل\n\nيدعم إصدار Chat هذا سياقًا بطول 128K رمز. تتيح السعة للمساعد حمل المادة المصدرية والحوار السابق إلى المهمة نفسها. أعطِ المستندات الطويلة أسماء أقسام واضحة، وحدد ما إذا كانت الإجابة ينبغي أن تكون ملخصًا أو مقارنة أو شرحًا لمقطع معين. وفي رسائل المتابعة، حدد المقطع الذي يجري تغييره بدلًا من استبدال المهمة ضمنيًا.\n\nGLM-4-9B-Chat-1M إصدار سياق طويل مسمّى بشكل مستقل. ولا يحصل مدخل Chat العادي على نافذته ذات المليون رمز. وكذلك فإن GLM-4V-9B البصري نموذج مستقل: تظل مدخلات هذا الإصدار نصية. تستخدم أمثلة التوليد المنشورة إعدادات طول خاصة بكل طلب؛ ولا تثبت حدًا أقصى عامًا واحدًا لطول الاستجابة.\n\n### العمل متعدد اللغات\n\nيدعم النموذج 26 لغة، وترد اليابانية والكورية والألمانية ضمن الأمثلة المسمّاة. يصف تقرير تدريب GLM-4 الصينية والإنجليزية بأنهما لغتا المواءمة الرئيسيتان، إلى جانب مجموعة نصية أوسع متعددة اللغات. وللترجمة أو حوار الدعم، حدد اللغة المستهدفة والمصطلحات والنبرة، وقدّم المادة التي ينبغي أن تبقى دون تغيير. مثلًا، يمكن للمساعد شرح مقطع باللغة المطلوبة مع الحفاظ على أسماء المنتجات ومعرّفات الشيفرة.\n\n### استدعاءات الدوال وأدوات التطبيق\n\nأُعد GLM-4-9B-Chat لتصفح الويب وتنفيذ الشيفرة واستدعاءات الدوال المخصصة. يربط نهج all-tools في GLM-4 تخطيط المهام بالإجراءات الخارجية والملاحظات المعادة منها. يستطيع مساعد مستندات طلب استقصاء واستخدام المقتطف المعاد ومتابعة شرحه؛ ويمكن لمهمة عددية استخدام أداة Python يوفرها التطبيق المحيط.\n\nيعرّف التطبيق هذه الأدوات وينفذها. ولا يتصفح نص النموذج وحده موقعًا أو يشغّل برنامجًا أو ينشئ صورة. وإذا وفر التطبيق دالة لتوليد الصور، فهذه الدالة الخارجية تنتج الصورة؛ ويخطط النموذج النصي للاستدعاء ويناقش النتيجة المعادة. أعطِ كل دالة غرضًا واضحًا وتعريفًا للوسائط، وأعِد نتيجتها إلى الحوار قبل طلب الإجابة النهائية.\n\n### إعداد محادثة\n\nيستخدم الإصدار قالب محادثة قائمًا على الأدوار. حافظ على تعليمات المستخدم وردود المساعد ذات الصلة ونتائج الأدوات بوصفها أدوارًا منفصلة. ومن الطلبات العملية: «باستخدام أقسام المستند المسمّاة هذه، اسرد المتطلبات، واشرح التناقضات، واقتبس تسميات الأقسام التي تدعم كل استنتاج». وطلب آخر: «اشرح كيف تعالج هذه الدالة المدخل المقدم، ثم اقترح تغييرًا يحافظ على الواجهة المذكورة». ينبغي أن يكون المخرج المطلوب صريحًا، حتى يمكن التحقق من الاستجابة مقابل المادة المصدرية والسلوك المقصود للبرنامج.", "editorialOverlay": { "copy_fields": { "practical_html": "مثال تقني باللغة الإنجليزية
Explain a conditional leave procedure\n\nExplain this procedure to a colleague. Section L1: 'Submit a leave request to the team lead.' L2: 'Trips over five working days also require department approval.' L3: 'A calendar invitation is sent only after approval.' The colleague requests eight working days. Return the required sequence and identify why an invitation alone does not demonstrate approval.A section-linked sequence and a short explanation of the invitation condition.The eight-day request must retain both the team-lead and department requirements.Pro/THUDM/glm-4-9b-chatGLM-4-9B-Chat هو نموذج نصي متعدد اللغات للحوار الممتد وتحليل المستندات والبرمجة، مع سياق بطول 128K. يمكنه اختيار إجراءات المتصفح وتنفيذ الشيفرة والدوال المخصصة التي يوفرها التطبيق، ثم استخدام نتائجها في رده.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
GLM-4-9B-Chat هو الإصدار المكيّف للحوار من نموذج اللغة المفتوح GLM-4-9B لدى Z.ai. يجمع إعداده أساسًا متعدد اللغات مع مواءمة لتفضيلات البشر. يعمل النموذج مع النصوص: تصبح الأسئلة والمستندات والشيفرة وسجل المحادثة مدخلات، وتكون النتيجة الظاهرة نصًا أو إجراء أداة مطلوبًا. وتشمل مجالاته المعلنة فهم اللغة والرياضيات والاستدلال والبرمجة والأسئلة القائمة على المعرفة.
يصف تقرير GLM-4 نموذج 9B بأنه دُرّب مسبقًا على نحو عشرة تريليونات رمز من مواد متعددة اللغات، بسياق أولي بطول 8K، ثم خضع لتدريب لاحق باستخدام المسار والبيانات المستخدمين في GLM-4-0520. طول التدريب الأولي ليس حد سياق إصدار Chat هذا: فنافذته المنشورة للمستخدم بطول 128K. يهم هذا التمييز عند الاختيار بين مواصفة تدريب وملف النموذج المسمّى الفعلي.
من المهام البرمجية المفيدة تقديم دالة وسلوكها المقصود ومدخل يسبب فشلًا، ثم طلب شرح يتبعه جزء مصحح. ولمساعد مستندات، قدّم الأقسام ذات الصلة واطلب استخراج المتطلبات أو مقارنة المقاطع أو شرح مصطلح غير مألوف. هذه تطبيقات لقدرات النموذج اللغوية والبرمجية، وليست منتجًا مستقلًا أو وضعًا لتوليد الملفات.
يدعم إصدار Chat هذا سياقًا بطول 128K رمز. تتيح السعة للمساعد حمل المادة المصدرية والحوار السابق إلى المهمة نفسها. أعطِ المستندات الطويلة أسماء أقسام واضحة، وحدد ما إذا كانت الإجابة ينبغي أن تكون ملخصًا أو مقارنة أو شرحًا لمقطع معين. وفي رسائل المتابعة، حدد المقطع الذي يجري تغييره بدلًا من استبدال المهمة ضمنيًا.
GLM-4-9B-Chat-1M إصدار سياق طويل مسمّى بشكل مستقل. ولا يحصل مدخل Chat العادي على نافذته ذات المليون رمز. وكذلك فإن GLM-4V-9B البصري نموذج مستقل: تظل مدخلات هذا الإصدار نصية. تستخدم أمثلة التوليد المنشورة إعدادات طول خاصة بكل طلب؛ ولا تثبت حدًا أقصى عامًا واحدًا لطول الاستجابة.
يدعم النموذج 26 لغة، وترد اليابانية والكورية والألمانية ضمن الأمثلة المسمّاة. يصف تقرير تدريب GLM-4 الصينية والإنجليزية بأنهما لغتا المواءمة الرئيسيتان، إلى جانب مجموعة نصية أوسع متعددة اللغات. وللترجمة أو حوار الدعم، حدد اللغة المستهدفة والمصطلحات والنبرة، وقدّم المادة التي ينبغي أن تبقى دون تغيير. مثلًا، يمكن للمساعد شرح مقطع باللغة المطلوبة مع الحفاظ على أسماء المنتجات ومعرّفات الشيفرة.
أُعد GLM-4-9B-Chat لتصفح الويب وتنفيذ الشيفرة واستدعاءات الدوال المخصصة. يربط نهج all-tools في GLM-4 تخطيط المهام بالإجراءات الخارجية والملاحظات المعادة منها. يستطيع مساعد مستندات طلب استقصاء واستخدام المقتطف المعاد ومتابعة شرحه؛ ويمكن لمهمة عددية استخدام أداة Python يوفرها التطبيق المحيط.
يعرّف التطبيق هذه الأدوات وينفذها. ولا يتصفح نص النموذج وحده موقعًا أو يشغّل برنامجًا أو ينشئ صورة. وإذا وفر التطبيق دالة لتوليد الصور، فهذه الدالة الخارجية تنتج الصورة؛ ويخطط النموذج النصي للاستدعاء ويناقش النتيجة المعادة. أعطِ كل دالة غرضًا واضحًا وتعريفًا للوسائط، وأعِد نتيجتها إلى الحوار قبل طلب الإجابة النهائية.
يستخدم الإصدار قالب محادثة قائمًا على الأدوار. حافظ على تعليمات المستخدم وردود المساعد ذات الصلة ونتائج الأدوات بوصفها أدوارًا منفصلة. ومن الطلبات العملية: «باستخدام أقسام المستند المسمّاة هذه، اسرد المتطلبات، واشرح التناقضات، واقتبس تسميات الأقسام التي تدعم كل استنتاج». وطلب آخر: «اشرح كيف تعالج هذه الدالة المدخل المقدم، ثم اقترح تغييرًا يحافظ على الواجهة المذكورة». ينبغي أن يكون المخرج المطلوب صريحًا، حتى يمكن التحقق من الاستجابة مقابل المادة المصدرية والسلوك المقصود للبرنامج.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود Pro/THUDM/glm-4-9b-chat | 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.
| الإعدادات | جدول التعرفة | الرسوم |
|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | الرسوم الإدخال · رموز الإدخال $0.000172 / 1K من الرموز الإخراج · رموز الإخراج $0.000172 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Pro/THUDM/glm-4-9b-chat", "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='Pro/THUDM/glm-4-9b-chat',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='Pro/THUDM/glm-4-9b-chat',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 Ultra Pro/THUDM/glm-4-9b-chat
استخدم مسارات الطرائق المعروضة أعلاه.
Pro/THUDM/glm-4-9b-chatGLM-4-9B-Chat هو نموذج نصي متعدد اللغات للحوار الممتد وتحليل المستندات والبرمجة، مع سياق بطول 128K. يمكنه اختيار إجراءات المتصفح وتنفيذ الشيفرة والدوال المخصصة التي يوفرها التطبيق، ثم استخدام نتائجها في رده.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
GLM-4-9B-Chat هو الإصدار المكيّف للحوار من نموذج اللغة المفتوح GLM-4-9B لدى Z.ai. يجمع إعداده أساسًا متعدد اللغات مع مواءمة لتفضيلات البشر. يعمل النموذج مع النصوص: تصبح الأسئلة والمستندات والشيفرة وسجل المحادثة مدخلات، وتكون النتيجة الظاهرة نصًا أو إجراء أداة مطلوبًا. وتشمل مجالاته المعلنة فهم اللغة والرياضيات والاستدلال والبرمجة والأسئلة القائمة على المعرفة.
يصف تقرير GLM-4 نموذج 9B بأنه دُرّب مسبقًا على نحو عشرة تريليونات رمز من مواد متعددة اللغات، بسياق أولي بطول 8K، ثم خضع لتدريب لاحق باستخدام المسار والبيانات المستخدمين في GLM-4-0520. طول التدريب الأولي ليس حد سياق إصدار Chat هذا: فنافذته المنشورة للمستخدم بطول 128K. يهم هذا التمييز عند الاختيار بين مواصفة تدريب وملف النموذج المسمّى الفعلي.
من المهام البرمجية المفيدة تقديم دالة وسلوكها المقصود ومدخل يسبب فشلًا، ثم طلب شرح يتبعه جزء مصحح. ولمساعد مستندات، قدّم الأقسام ذات الصلة واطلب استخراج المتطلبات أو مقارنة المقاطع أو شرح مصطلح غير مألوف. هذه تطبيقات لقدرات النموذج اللغوية والبرمجية، وليست منتجًا مستقلًا أو وضعًا لتوليد الملفات.
يدعم إصدار Chat هذا سياقًا بطول 128K رمز. تتيح السعة للمساعد حمل المادة المصدرية والحوار السابق إلى المهمة نفسها. أعطِ المستندات الطويلة أسماء أقسام واضحة، وحدد ما إذا كانت الإجابة ينبغي أن تكون ملخصًا أو مقارنة أو شرحًا لمقطع معين. وفي رسائل المتابعة، حدد المقطع الذي يجري تغييره بدلًا من استبدال المهمة ضمنيًا.
GLM-4-9B-Chat-1M إصدار سياق طويل مسمّى بشكل مستقل. ولا يحصل مدخل Chat العادي على نافذته ذات المليون رمز. وكذلك فإن GLM-4V-9B البصري نموذج مستقل: تظل مدخلات هذا الإصدار نصية. تستخدم أمثلة التوليد المنشورة إعدادات طول خاصة بكل طلب؛ ولا تثبت حدًا أقصى عامًا واحدًا لطول الاستجابة.
يدعم النموذج 26 لغة، وترد اليابانية والكورية والألمانية ضمن الأمثلة المسمّاة. يصف تقرير تدريب GLM-4 الصينية والإنجليزية بأنهما لغتا المواءمة الرئيسيتان، إلى جانب مجموعة نصية أوسع متعددة اللغات. وللترجمة أو حوار الدعم، حدد اللغة المستهدفة والمصطلحات والنبرة، وقدّم المادة التي ينبغي أن تبقى دون تغيير. مثلًا، يمكن للمساعد شرح مقطع باللغة المطلوبة مع الحفاظ على أسماء المنتجات ومعرّفات الشيفرة.
أُعد GLM-4-9B-Chat لتصفح الويب وتنفيذ الشيفرة واستدعاءات الدوال المخصصة. يربط نهج all-tools في GLM-4 تخطيط المهام بالإجراءات الخارجية والملاحظات المعادة منها. يستطيع مساعد مستندات طلب استقصاء واستخدام المقتطف المعاد ومتابعة شرحه؛ ويمكن لمهمة عددية استخدام أداة Python يوفرها التطبيق المحيط.
يعرّف التطبيق هذه الأدوات وينفذها. ولا يتصفح نص النموذج وحده موقعًا أو يشغّل برنامجًا أو ينشئ صورة. وإذا وفر التطبيق دالة لتوليد الصور، فهذه الدالة الخارجية تنتج الصورة؛ ويخطط النموذج النصي للاستدعاء ويناقش النتيجة المعادة. أعطِ كل دالة غرضًا واضحًا وتعريفًا للوسائط، وأعِد نتيجتها إلى الحوار قبل طلب الإجابة النهائية.
يستخدم الإصدار قالب محادثة قائمًا على الأدوار. حافظ على تعليمات المستخدم وردود المساعد ذات الصلة ونتائج الأدوات بوصفها أدوارًا منفصلة. ومن الطلبات العملية: «باستخدام أقسام المستند المسمّاة هذه، اسرد المتطلبات، واشرح التناقضات، واقتبس تسميات الأقسام التي تدعم كل استنتاج». وطلب آخر: «اشرح كيف تعالج هذه الدالة المدخل المقدم، ثم اقترح تغييرًا يحافظ على الواجهة المذكورة». ينبغي أن يكون المخرج المطلوب صريحًا، حتى يمكن التحقق من الاستجابة مقابل المادة المصدرية والسلوك المقصود للبرنامج.
POST /v1/messagestextjson, sse| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود Pro/THUDM/glm-4-9b-chat | 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.
| الإعدادات | جدول التعرفة | الرسوم |
|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | الرسوم الإدخال · رموز الإدخال $0.000172 / 1K من الرموز الإخراج · رموز الإخراج $0.000172 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
{\n "model": "Pro/THUDM/glm-4-9b-chat",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Pro/THUDM/glm-4-9b-chat', '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': 'Pro/THUDM/glm-4-9b-chat', '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 Ultra Pro/THUDM/glm-4-9b-chat
استخدم مسارات الطرائق المعروضة أعلاه.
مثال تقني باللغة الإنجليزية
Explain a conditional leave procedure\n\nExplain this procedure to a colleague. Section L1: 'Submit a leave request to the team lead.' L2: 'Trips over five working days also require department approval.' L3: 'A calendar invitation is sent only after approval.' The colleague requests eight working days. Return the required sequence and identify why an invitation alone does not demonstrate approval.A section-linked sequence and a short explanation of the invitation condition.The eight-day request must retain both the team-lead and department requirements.