GLM-4-Plus je výkonný textový model v řadě GLM-4 od Z.ai. Zaměřuje se na porozumění jazyku, logické uvažování, plnění pokynů a zpracování dlouhých textů. Výrobce uvádí text jako vstup i výstup, kontextové okno 128K tokenů a maximální výstup 4K tokenů. Dlouhý vstup a kompaktní výsledek jsou tedy samostatné části profilu: rozsáhlá sada dokumentů může podpořit zaměřené shrnutí, srovnání nebo extrakční výsledek.
Dokumentový asistent může přijmout pojmenované části a otázku a poté vytvořit stručnou analýzu navázanou na tyto části. Před požadavkem na odpověď definujte zamýšlené publikum a rozhodnutí: například porovnat dva postupy, vypsat podmínky platné pro konkrétní případ nebo určit rozporné požadavky. Zdrojové pasáže oddělte od pokynů, aby odpověď rozlišovala důkazy od požadované analýzy.
Popis GLM-4 uvádí streamování, volání funkcí, ukládání kontextu do mezipaměti, strukturované formáty jako JSON a interakci s nástroji a zdroji dat MCP. Streamování zpřístupňuje generovaný text postupně. Strukturovaný výstup pomáhá, když má výsledek obsahovat pojmenovaná pole místo volné eseje: shrnutí, extrahované identifikátory, označení zdrojových částí a nevyřešené otázky.
Použití nástrojů propojuje jazykový model s akcemi poskytnutými aplikací. Aplikace popíše funkce, provede vybrané volání a vrátí výsledek pro další krok. To může podpořit vyhledání následované zprávou nebo výsledek hledání, který se stane důkazem pro odpověď. Text modelu je odlišný od provedení externí akce. Opakované pokyny nebo prefixy dokumentů mohou využít mechanismus ukládání kontextu do mezipaměti od výrobce; samotné opětovné použití mezipaměti není důkazem, že konkrétní požadavek využil mezipaměť.
Překlad je popisován jako více než převod izolovaných slov: výrobce zahrnuje vícejazyčný text, tón, slang, emoji a odborné pojmy se zohledněním kulturních rozdílů. Dejte zdrojovou pasáž, cílové publikum a terminologii, která má zůstat beze změny. U úprav požadujte konkrétní výstup — upravený dopis, popis produktu nebo stručné vysvětlení — a uveďte fakta, která se musí zachovat.
Sémantická klasifikace a extrakce polí vycházejí z dodaných materiálů. Nejprve definujte kategorie nebo povinná pole a pak dodejte dokumenty. Aplikace může například žádat identifikátory projektů a kategorie ustanovení spolu s označením relevantních částí. Výslovné pravidlo pro chybějící hodnoty zabrání tomu, aby se výstupní schéma stalo důvodem k vymýšlení chybějících dat.
Výrobce popisuje také marketingové materiály, analytické zprávy o rizicích a plánování itinerářů. U psaní poskytněte skutečná fakta o produktu či kampani a zamýšlený formát. U analytické práce dodejte relevantní zprávy a srovnávací kritéria; aktuální informace mají přijít přes vyhledávací nebo datový nástroj poskytnutý aplikací. U itineráře určete preference a časová omezení, aby výstup byl plánem pro popsanou situaci, nikoli obecnou cestovatelskou esejí.
GLM-4-Plus používá syntetická data s pomocí modelu a následný trénink založený na PPO k rozvoji matematického a programovacího uvažování a lepšímu zohlednění lidských preferencí. Pro dlouhý text příprava upravuje poměr krátkých a dlouhých materiálů, aby posílila uvažování nad rozsáhlými vstupy. Jde o volby přípravy tohoto konkrétního modelu Plus. Nemění jeho čistě textový profil na porozumění obrázkům samostatně pojmenované edice GLM-4V.
Větší kontext využijte k dodání materiálů, které skutečně podporují otázku, se stabilními názvy částí a jasným výstupním kontraktem. Praktický požadavek může porovnat dva dokumenty, vypsat shody a konflikty a určit pasáže za každým závěrem. Konečný výstup udržujte v profilu 4K: požadujte podklad pro rozhodnutí nebo strukturované srovnání a poté pokračujte definovanou navazující otázkou, pokud určitá část potřebuje rozšířit. Platná struktura JSON a fakticky správné hodnoty polí jsou samostatné kontroly.
", "aboutText": "### Přehled a profil modelu\n\nGLM-4-Plus je výkonný textový model v řadě GLM-4 od Z.ai. Zaměřuje se na porozumění jazyku, logické uvažování, plnění pokynů a zpracování dlouhých textů. Výrobce uvádí text jako vstup i výstup, kontextové okno 128K tokenů a maximální výstup 4K tokenů. Dlouhý vstup a kompaktní výsledek jsou tedy samostatné části profilu: rozsáhlá sada dokumentů může podpořit zaměřené shrnutí, srovnání nebo extrakční výsledek.\n\nDokumentový asistent může přijmout pojmenované části a otázku a poté vytvořit stručnou analýzu navázanou na tyto části. Před požadavkem na odpověď definujte zamýšlené publikum a rozhodnutí: například porovnat dva postupy, vypsat podmínky platné pro konkrétní případ nebo určit rozporné požadavky. Zdrojové pasáže oddělte od pokynů, aby odpověď rozlišovala důkazy od požadované analýzy.\n\n### Podporované schopnosti\n\nPopis GLM-4 uvádí streamování, volání funkcí, ukládání kontextu do mezipaměti, strukturované formáty jako JSON a interakci s nástroji a zdroji dat MCP. Streamování zpřístupňuje generovaný text postupně. Strukturovaný výstup pomáhá, když má výsledek obsahovat pojmenovaná pole místo volné eseje: shrnutí, extrahované identifikátory, označení zdrojových částí a nevyřešené otázky.\n\nPoužití nástrojů propojuje jazykový model s akcemi poskytnutými aplikací. Aplikace popíše funkce, provede vybrané volání a vrátí výsledek pro další krok. To může podpořit vyhledání následované zprávou nebo výsledek hledání, který se stane důkazem pro odpověď. Text modelu je odlišný od provedení externí akce. Opakované pokyny nebo prefixy dokumentů mohou využít mechanismus ukládání kontextu do mezipaměti od výrobce; samotné opětovné použití mezipaměti není důkazem, že konkrétní požadavek využil mezipaměť.\n\n### Doporučené scénáře\n\nPřeklad je popisován jako více než převod izolovaných slov: výrobce zahrnuje vícejazyčný text, tón, slang, emoji a odborné pojmy se zohledněním kulturních rozdílů. Dejte zdrojovou pasáž, cílové publikum a terminologii, která má zůstat beze změny. U úprav požadujte konkrétní výstup — upravený dopis, popis produktu nebo stručné vysvětlení — a uveďte fakta, která se musí zachovat.\n\nSémantická klasifikace a extrakce polí vycházejí z dodaných materiálů. Nejprve definujte kategorie nebo povinná pole a pak dodejte dokumenty. Aplikace může například žádat identifikátory projektů a kategorie ustanovení spolu s označením relevantních částí. Výslovné pravidlo pro chybějící hodnoty zabrání tomu, aby se výstupní schéma stalo důvodem k vymýšlení chybějících dat.\n\nVýrobce popisuje také marketingové materiály, analytické zprávy o rizicích a plánování itinerářů. U psaní poskytněte skutečná fakta o produktu či kampani a zamýšlený formát. U analytické práce dodejte relevantní zprávy a srovnávací kritéria; aktuální informace mají přijít přes vyhledávací nebo datový nástroj poskytnutý aplikací. U itineráře určete preference a časová omezení, aby výstup byl plánem pro popsanou situaci, nikoli obecnou cestovatelskou esejí.\n\n### Podrobná příprava modelu\n\nGLM-4-Plus používá syntetická data s pomocí modelu a následný trénink založený na PPO k rozvoji matematického a programovacího uvažování a lepšímu zohlednění lidských preferencí. Pro dlouhý text příprava upravuje poměr krátkých a dlouhých materiálů, aby posílila uvažování nad rozsáhlými vstupy. Jde o volby přípravy tohoto konkrétního modelu Plus. Nemění jeho čistě textový profil na porozumění obrázkům samostatně pojmenované edice GLM-4V.\n\n### Příprava požadavku a výstupu\n\nVětší kontext využijte k dodání materiálů, které skutečně podporují otázku, se stabilními názvy částí a jasným výstupním kontraktem. Praktický požadavek může porovnat dva dokumenty, vypsat shody a konflikty a určit pasáže za každým závěrem. Konečný výstup udržujte v profilu 4K: požadujte podklad pro rozhodnutí nebo strukturované srovnání a poté pokračujte definovanou navazující otázkou, pokud určitá část potřebuje rozšířit. Platná struktura JSON a fakticky správné hodnoty polí jsou samostatné kontroly.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Find contradictions between two procedures\n\nCompare procedure P: approve a supplier before issuing an order; emergency orders need the same approval. Procedure Q: emergency orders may be issued immediately and reviewed the next day. Prepare a decision brief identifying the conflict, the passages involved and the exact policy question an owner must resolve before the procedures can agree.A concise conflict statement, two supporting passages and one decision question.Check that the answer exposes the approval-timing conflict without silently choosing a governing procedure.glm-4-plusGLM-4-Plus je textový model Z.ai pro porozumění jazyku, logickou analýzu, plnění pokynů a dlouhé dokumenty. Jeho profil s kontextem 128K a výstupem 4K se hodí pro shrnutí opřená o důkazy, vícejazyčné úpravy, extrakci polí a zprávy s podporou nástrojů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
GLM-4-Plus je výkonný textový model v řadě GLM-4 od Z.ai. Zaměřuje se na porozumění jazyku, logické uvažování, plnění pokynů a zpracování dlouhých textů. Výrobce uvádí text jako vstup i výstup, kontextové okno 128K tokenů a maximální výstup 4K tokenů. Dlouhý vstup a kompaktní výsledek jsou tedy samostatné části profilu: rozsáhlá sada dokumentů může podpořit zaměřené shrnutí, srovnání nebo extrakční výsledek.
Dokumentový asistent může přijmout pojmenované části a otázku a poté vytvořit stručnou analýzu navázanou na tyto části. Před požadavkem na odpověď definujte zamýšlené publikum a rozhodnutí: například porovnat dva postupy, vypsat podmínky platné pro konkrétní případ nebo určit rozporné požadavky. Zdrojové pasáže oddělte od pokynů, aby odpověď rozlišovala důkazy od požadované analýzy.
Popis GLM-4 uvádí streamování, volání funkcí, ukládání kontextu do mezipaměti, strukturované formáty jako JSON a interakci s nástroji a zdroji dat MCP. Streamování zpřístupňuje generovaný text postupně. Strukturovaný výstup pomáhá, když má výsledek obsahovat pojmenovaná pole místo volné eseje: shrnutí, extrahované identifikátory, označení zdrojových částí a nevyřešené otázky.
Použití nástrojů propojuje jazykový model s akcemi poskytnutými aplikací. Aplikace popíše funkce, provede vybrané volání a vrátí výsledek pro další krok. To může podpořit vyhledání následované zprávou nebo výsledek hledání, který se stane důkazem pro odpověď. Text modelu je odlišný od provedení externí akce. Opakované pokyny nebo prefixy dokumentů mohou využít mechanismus ukládání kontextu do mezipaměti od výrobce; samotné opětovné použití mezipaměti není důkazem, že konkrétní požadavek využil mezipaměť.
Překlad je popisován jako více než převod izolovaných slov: výrobce zahrnuje vícejazyčný text, tón, slang, emoji a odborné pojmy se zohledněním kulturních rozdílů. Dejte zdrojovou pasáž, cílové publikum a terminologii, která má zůstat beze změny. U úprav požadujte konkrétní výstup — upravený dopis, popis produktu nebo stručné vysvětlení — a uveďte fakta, která se musí zachovat.
Sémantická klasifikace a extrakce polí vycházejí z dodaných materiálů. Nejprve definujte kategorie nebo povinná pole a pak dodejte dokumenty. Aplikace může například žádat identifikátory projektů a kategorie ustanovení spolu s označením relevantních částí. Výslovné pravidlo pro chybějící hodnoty zabrání tomu, aby se výstupní schéma stalo důvodem k vymýšlení chybějících dat.
Výrobce popisuje také marketingové materiály, analytické zprávy o rizicích a plánování itinerářů. U psaní poskytněte skutečná fakta o produktu či kampani a zamýšlený formát. U analytické práce dodejte relevantní zprávy a srovnávací kritéria; aktuální informace mají přijít přes vyhledávací nebo datový nástroj poskytnutý aplikací. U itineráře určete preference a časová omezení, aby výstup byl plánem pro popsanou situaci, nikoli obecnou cestovatelskou esejí.
GLM-4-Plus používá syntetická data s pomocí modelu a následný trénink založený na PPO k rozvoji matematického a programovacího uvažování a lepšímu zohlednění lidských preferencí. Pro dlouhý text příprava upravuje poměr krátkých a dlouhých materiálů, aby posílila uvažování nad rozsáhlými vstupy. Jde o volby přípravy tohoto konkrétního modelu Plus. Nemění jeho čistě textový profil na porozumění obrázkům samostatně pojmenované edice GLM-4V.
Větší kontext využijte k dodání materiálů, které skutečně podporují otázku, se stabilními názvy částí a jasným výstupním kontraktem. Praktický požadavek může porovnat dva dokumenty, vypsat shody a konflikty a určit pasáže za každým závěrem. Konečný výstup udržujte v profilu 4K: požadujte podklad pro rozhodnutí nebo strukturované srovnání a poté pokračujte definovanou navazující otázkou, pokud určitá část potřebuje rozšířit. Platná struktura JSON a fakticky správné hodnoty polí jsou samostatné kontroly.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity glm-4-plus | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.014 / 1K tokenů Výstup · Výstupní tokeny $0.014 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-4-plus", "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='glm-4-plus',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='glm-4-plus',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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra glm-4-plus
Použijte cesty metod uvedené výše.
glm-4-plusGLM-4-Plus je textový model Z.ai pro porozumění jazyku, logickou analýzu, plnění pokynů a dlouhé dokumenty. Jeho profil s kontextem 128K a výstupem 4K se hodí pro shrnutí opřená o důkazy, vícejazyčné úpravy, extrakci polí a zprávy s podporou nástrojů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
GLM-4-Plus je výkonný textový model v řadě GLM-4 od Z.ai. Zaměřuje se na porozumění jazyku, logické uvažování, plnění pokynů a zpracování dlouhých textů. Výrobce uvádí text jako vstup i výstup, kontextové okno 128K tokenů a maximální výstup 4K tokenů. Dlouhý vstup a kompaktní výsledek jsou tedy samostatné části profilu: rozsáhlá sada dokumentů může podpořit zaměřené shrnutí, srovnání nebo extrakční výsledek.
Dokumentový asistent může přijmout pojmenované části a otázku a poté vytvořit stručnou analýzu navázanou na tyto části. Před požadavkem na odpověď definujte zamýšlené publikum a rozhodnutí: například porovnat dva postupy, vypsat podmínky platné pro konkrétní případ nebo určit rozporné požadavky. Zdrojové pasáže oddělte od pokynů, aby odpověď rozlišovala důkazy od požadované analýzy.
Popis GLM-4 uvádí streamování, volání funkcí, ukládání kontextu do mezipaměti, strukturované formáty jako JSON a interakci s nástroji a zdroji dat MCP. Streamování zpřístupňuje generovaný text postupně. Strukturovaný výstup pomáhá, když má výsledek obsahovat pojmenovaná pole místo volné eseje: shrnutí, extrahované identifikátory, označení zdrojových částí a nevyřešené otázky.
Použití nástrojů propojuje jazykový model s akcemi poskytnutými aplikací. Aplikace popíše funkce, provede vybrané volání a vrátí výsledek pro další krok. To může podpořit vyhledání následované zprávou nebo výsledek hledání, který se stane důkazem pro odpověď. Text modelu je odlišný od provedení externí akce. Opakované pokyny nebo prefixy dokumentů mohou využít mechanismus ukládání kontextu do mezipaměti od výrobce; samotné opětovné použití mezipaměti není důkazem, že konkrétní požadavek využil mezipaměť.
Překlad je popisován jako více než převod izolovaných slov: výrobce zahrnuje vícejazyčný text, tón, slang, emoji a odborné pojmy se zohledněním kulturních rozdílů. Dejte zdrojovou pasáž, cílové publikum a terminologii, která má zůstat beze změny. U úprav požadujte konkrétní výstup — upravený dopis, popis produktu nebo stručné vysvětlení — a uveďte fakta, která se musí zachovat.
Sémantická klasifikace a extrakce polí vycházejí z dodaných materiálů. Nejprve definujte kategorie nebo povinná pole a pak dodejte dokumenty. Aplikace může například žádat identifikátory projektů a kategorie ustanovení spolu s označením relevantních částí. Výslovné pravidlo pro chybějící hodnoty zabrání tomu, aby se výstupní schéma stalo důvodem k vymýšlení chybějících dat.
Výrobce popisuje také marketingové materiály, analytické zprávy o rizicích a plánování itinerářů. U psaní poskytněte skutečná fakta o produktu či kampani a zamýšlený formát. U analytické práce dodejte relevantní zprávy a srovnávací kritéria; aktuální informace mají přijít přes vyhledávací nebo datový nástroj poskytnutý aplikací. U itineráře určete preference a časová omezení, aby výstup byl plánem pro popsanou situaci, nikoli obecnou cestovatelskou esejí.
GLM-4-Plus používá syntetická data s pomocí modelu a následný trénink založený na PPO k rozvoji matematického a programovacího uvažování a lepšímu zohlednění lidských preferencí. Pro dlouhý text příprava upravuje poměr krátkých a dlouhých materiálů, aby posílila uvažování nad rozsáhlými vstupy. Jde o volby přípravy tohoto konkrétního modelu Plus. Nemění jeho čistě textový profil na porozumění obrázkům samostatně pojmenované edice GLM-4V.
Větší kontext využijte k dodání materiálů, které skutečně podporují otázku, se stabilními názvy částí a jasným výstupním kontraktem. Praktický požadavek může porovnat dva dokumenty, vypsat shody a konflikty a určit pasáže za každým závěrem. Konečný výstup udržujte v profilu 4K: požadujte podklad pro rozhodnutí nebo strukturované srovnání a poté pokračujte definovanou navazující otázkou, pokud určitá část potřebuje rozšířit. Platná struktura JSON a fakticky správné hodnoty polí jsou samostatné kontroly.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity glm-4-plus | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.014 / 1K tokenů Výstup · Výstupní tokeny $0.014 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "glm-4-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-plus', '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-4-plus', '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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra glm-4-plus
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Find contradictions between two procedures\n\nCompare procedure P: approve a supplier before issuing an order; emergency orders need the same approval. Procedure Q: emergency orders may be issued immediately and reviewed the next day. Prepare a decision brief identifying the conflict, the passages involved and the exact policy question an owner must resolve before the procedures can agree.A concise conflict statement, two supporting passages and one decision question.Check that the answer exposes the approval-timing conflict without silently choosing a governing procedure.