GLM-4V-Plus er Zhipu AI's multimodale model til at fortolke billeder eller video og producere tekst. Producentens vejledning til agentudvikling skelner udtrykkeligt mellem den og GLM-4V's arbejdsgang fra billede til tekst: Plus-profilen modtager billed- eller videomateriale med en skriftlig prompt. Brug denne kombination til at omsætte et visuelt spørgsmål til en kildebaseret beskrivelse, forklaring eller arbejdsnote.
Lever det billede eller den video, der indeholder hændelsen, objektet eller sammenhængen, som skal undersøges, og angiv opgavens formål. Et billedspørgsmål kan fokusere på en synlig opstilling eller en detalje i et dokument. Et videospørgsmål kan bede om en forklaring af den viste handling eller et resumé af den leverede sekvens.
Bevar referencens identitet sammen med spørgsmålet. Ved en videogennemgang skal du navngive sekvensen og, når det er nyttigt, det tidsinterval, du ønsker vurderet. En illustrativ instruktion er: “Beskriv handlingen i det valgte interval, og forklar, hvordan den synlige sekvens underbygger din beskrivelse.” En tidshenvisning i oplægget identificerer det ønskede materiale; den erstatter ikke videoinputtet.
Producenten dokumenterer to agentarbejdsgange: en samtaleagent, der knytter et uploadet billede eller en uploadet video til prompten, og en tekstorienteret agent med udtrykkeligt navngivne uploadinput. I sidstnævnte arbejdsgang kan flere visuelle input konfigureres gennem særskilte navngivne inputfelter. Giv hver reference en tydelig rolle, såsom en starttilstand, en senere tilstand eller et dokument, der skal undersøges.
Ved en illustrativ sammenligning skal du mærke referencerne, før du spørger, hvad der ændrer sig. Bed om en skriftlig sammenligning, der navngiver kilden for hver observation. Dette gør resultatet anvendeligt som en gennemgangsnote og holder et opfølgende spørgsmål om et bestemt billede eller en bestemt sekvens knyttet til den korrekte reference.
Definer det produkt, næste trin kræver: en billedtekst, en forklaring, et sekvensresumé eller en liste over observationer knyttet til kildehenvisninger. Bed modellen skelne mellem det synlige og det, der kræver yderligere kontekst. Ved et dokumentspørgsmål skal du bevare sidens identitet sammen med den returnerede fortolkning; ved en handlingssekvens skal du gemme det valgte interval og originalklippet sammen med resuméet.
Outputtet fra den dokumenterede GLM-4V-Plus-arbejdsgang er tekst. Gem dette svar sammen med prompten og inputreferencerne, når du forbereder en visuel vidensregistrering eller overdrager gennemgangen til en anden person. Kontroller navne, betegnelser og hændelsesbeskrivelser mod kildematerialet, og lad derefter næste anmodning handle om den konkrete observation, der kræver afklaring.
GLM-4V og GLM-4V-Plus er særskilt navngivne producentprofiler. Vælg Plus til en opgave, hvis leverede evidens omfatter video, og bevar dette valg sammen med den færdige note. En nyttig fortsættelse henviser til samme materiale, indsnævrer den ønskede observation og bevarer det tidligere svar som en del af arbejdsregistreringen.
", "aboutText": "GLM-4V-Plus er Zhipu AI's multimodale model til at fortolke billeder eller video og producere tekst. Producentens vejledning til agentudvikling skelner udtrykkeligt mellem den og GLM-4V's arbejdsgang fra billede til tekst: Plus-profilen modtager billed- eller videomateriale med en skriftlig prompt. Brug denne kombination til at omsætte et visuelt spørgsmål til en kildebaseret beskrivelse, forklaring eller arbejdsnote.\n\n### Vælg den visuelle evidens til spørgsmålet\n\nLever det billede eller den video, der indeholder hændelsen, objektet eller sammenhængen, som skal undersøges, og angiv opgavens formål. Et billedspørgsmål kan fokusere på en synlig opstilling eller en detalje i et dokument. Et videospørgsmål kan bede om en forklaring af den viste handling eller et resumé af den leverede sekvens.\n\nBevar referencens identitet sammen med spørgsmålet. Ved en videogennemgang skal du navngive sekvensen og, når det er nyttigt, det tidsinterval, du ønsker vurderet. En illustrativ instruktion er: “Beskriv handlingen i det valgte interval, og forklar, hvordan den synlige sekvens underbygger din beskrivelse.” En tidshenvisning i oplægget identificerer det ønskede materiale; den erstatter ikke videoinputtet.\n\n### Knyt hvert input til dets rolle\n\nProducenten dokumenterer to agentarbejdsgange: en samtaleagent, der knytter et uploadet billede eller en uploadet video til prompten, og en tekstorienteret agent med udtrykkeligt navngivne uploadinput. I sidstnævnte arbejdsgang kan flere visuelle input konfigureres gennem særskilte navngivne inputfelter. Giv hver reference en tydelig rolle, såsom en starttilstand, en senere tilstand eller et dokument, der skal undersøges.\n\nVed en illustrativ sammenligning skal du mærke referencerne, før du spørger, hvad der ændrer sig. Bed om en skriftlig sammenligning, der navngiver kilden for hver observation. Dette gør resultatet anvendeligt som en gennemgangsnote og holder et opfølgende spørgsmål om et bestemt billede eller en bestemt sekvens knyttet til den korrekte reference.\n\n### Bed om et nyttigt skriftligt resultat\n\nDefiner det produkt, næste trin kræver: en billedtekst, en forklaring, et sekvensresumé eller en liste over observationer knyttet til kildehenvisninger. Bed modellen skelne mellem det synlige og det, der kræver yderligere kontekst. Ved et dokumentspørgsmål skal du bevare sidens identitet sammen med den returnerede fortolkning; ved en handlingssekvens skal du gemme det valgte interval og originalklippet sammen med resuméet.\n\nOutputtet fra den dokumenterede GLM-4V-Plus-arbejdsgang er tekst. Gem dette svar sammen med prompten og inputreferencerne, når du forbereder en visuel vidensregistrering eller overdrager gennemgangen til en anden person. Kontroller navne, betegnelser og hændelsesbeskrivelser mod kildematerialet, og lad derefter næste anmodning handle om den konkrete observation, der kræver afklaring.\n\n### Bevar den valgte visuelle profil sammen med resultatet\n\nGLM-4V og GLM-4V-Plus er særskilt navngivne producentprofiler. Vælg Plus til en opgave, hvis leverede evidens omfatter video, og bevar dette valg sammen med den færdige note. En nyttig fortsættelse henviser til samme materiale, indsnævrer den ønskede observation og bevarer det tidligere svar som en del af arbejdsregistreringen.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Compare labelled inspection notes\n\nUse only these text inspection notes. Before: crate latch closed, seal present, label K7. After: latch open, seal missing, label K7. Write a comparison for the receiving team. Distinguish documented changes from unknown causes and list the next evidence to request. No image or video is attached.A before/after comparison with source labels, an unknown-cause note and a short evidence request.The latch and seal changes are reported, while damage, theft and the person responsible remain unasserted.glm-4v-plusGLM-4V-Plus er Zhipu AI's model til at fortolke billeder eller video sammen med en tekstprompt og returnere et skriftligt svar. Vælg den videokompatible Plus-profil til et sekvensresumé eller en skriftlig forklaring af den viste handling.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GLM-4V-Plus er Zhipu AI's multimodale model til at fortolke billeder eller video og producere tekst. Producentens vejledning til agentudvikling skelner udtrykkeligt mellem den og GLM-4V's arbejdsgang fra billede til tekst: Plus-profilen modtager billed- eller videomateriale med en skriftlig prompt. Brug denne kombination til at omsætte et visuelt spørgsmål til en kildebaseret beskrivelse, forklaring eller arbejdsnote.
Lever det billede eller den video, der indeholder hændelsen, objektet eller sammenhængen, som skal undersøges, og angiv opgavens formål. Et billedspørgsmål kan fokusere på en synlig opstilling eller en detalje i et dokument. Et videospørgsmål kan bede om en forklaring af den viste handling eller et resumé af den leverede sekvens.
Bevar referencens identitet sammen med spørgsmålet. Ved en videogennemgang skal du navngive sekvensen og, når det er nyttigt, det tidsinterval, du ønsker vurderet. En illustrativ instruktion er: “Beskriv handlingen i det valgte interval, og forklar, hvordan den synlige sekvens underbygger din beskrivelse.” En tidshenvisning i oplægget identificerer det ønskede materiale; den erstatter ikke videoinputtet.
Producenten dokumenterer to agentarbejdsgange: en samtaleagent, der knytter et uploadet billede eller en uploadet video til prompten, og en tekstorienteret agent med udtrykkeligt navngivne uploadinput. I sidstnævnte arbejdsgang kan flere visuelle input konfigureres gennem særskilte navngivne inputfelter. Giv hver reference en tydelig rolle, såsom en starttilstand, en senere tilstand eller et dokument, der skal undersøges.
Ved en illustrativ sammenligning skal du mærke referencerne, før du spørger, hvad der ændrer sig. Bed om en skriftlig sammenligning, der navngiver kilden for hver observation. Dette gør resultatet anvendeligt som en gennemgangsnote og holder et opfølgende spørgsmål om et bestemt billede eller en bestemt sekvens knyttet til den korrekte reference.
Definer det produkt, næste trin kræver: en billedtekst, en forklaring, et sekvensresumé eller en liste over observationer knyttet til kildehenvisninger. Bed modellen skelne mellem det synlige og det, der kræver yderligere kontekst. Ved et dokumentspørgsmål skal du bevare sidens identitet sammen med den returnerede fortolkning; ved en handlingssekvens skal du gemme det valgte interval og originalklippet sammen med resuméet.
Outputtet fra den dokumenterede GLM-4V-Plus-arbejdsgang er tekst. Gem dette svar sammen med prompten og inputreferencerne, når du forbereder en visuel vidensregistrering eller overdrager gennemgangen til en anden person. Kontroller navne, betegnelser og hændelsesbeskrivelser mod kildematerialet, og lad derefter næste anmodning handle om den konkrete observation, der kræver afklaring.
GLM-4V og GLM-4V-Plus er særskilt navngivne producentprofiler. Vælg Plus til en opgave, hvis leverede evidens omfatter video, og bevar dette valg sammen med den færdige note. En nyttig fortsættelse henviser til samme materiale, indsnævrer den ønskede observation og bevarer det tidligere svar som en del af arbejdsregistreringen.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser glm-4v-plus | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.0028 / 1K tokens Output · Outputtokens $0.0028 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-4v-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-4v-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-4v-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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra glm-4v-plus
Brug metodestierne vist ovenfor.
glm-4v-plusGLM-4V-Plus er Zhipu AI's model til at fortolke billeder eller video sammen med en tekstprompt og returnere et skriftligt svar. Vælg den videokompatible Plus-profil til et sekvensresumé eller en skriftlig forklaring af den viste handling.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GLM-4V-Plus er Zhipu AI's multimodale model til at fortolke billeder eller video og producere tekst. Producentens vejledning til agentudvikling skelner udtrykkeligt mellem den og GLM-4V's arbejdsgang fra billede til tekst: Plus-profilen modtager billed- eller videomateriale med en skriftlig prompt. Brug denne kombination til at omsætte et visuelt spørgsmål til en kildebaseret beskrivelse, forklaring eller arbejdsnote.
Lever det billede eller den video, der indeholder hændelsen, objektet eller sammenhængen, som skal undersøges, og angiv opgavens formål. Et billedspørgsmål kan fokusere på en synlig opstilling eller en detalje i et dokument. Et videospørgsmål kan bede om en forklaring af den viste handling eller et resumé af den leverede sekvens.
Bevar referencens identitet sammen med spørgsmålet. Ved en videogennemgang skal du navngive sekvensen og, når det er nyttigt, det tidsinterval, du ønsker vurderet. En illustrativ instruktion er: “Beskriv handlingen i det valgte interval, og forklar, hvordan den synlige sekvens underbygger din beskrivelse.” En tidshenvisning i oplægget identificerer det ønskede materiale; den erstatter ikke videoinputtet.
Producenten dokumenterer to agentarbejdsgange: en samtaleagent, der knytter et uploadet billede eller en uploadet video til prompten, og en tekstorienteret agent med udtrykkeligt navngivne uploadinput. I sidstnævnte arbejdsgang kan flere visuelle input konfigureres gennem særskilte navngivne inputfelter. Giv hver reference en tydelig rolle, såsom en starttilstand, en senere tilstand eller et dokument, der skal undersøges.
Ved en illustrativ sammenligning skal du mærke referencerne, før du spørger, hvad der ændrer sig. Bed om en skriftlig sammenligning, der navngiver kilden for hver observation. Dette gør resultatet anvendeligt som en gennemgangsnote og holder et opfølgende spørgsmål om et bestemt billede eller en bestemt sekvens knyttet til den korrekte reference.
Definer det produkt, næste trin kræver: en billedtekst, en forklaring, et sekvensresumé eller en liste over observationer knyttet til kildehenvisninger. Bed modellen skelne mellem det synlige og det, der kræver yderligere kontekst. Ved et dokumentspørgsmål skal du bevare sidens identitet sammen med den returnerede fortolkning; ved en handlingssekvens skal du gemme det valgte interval og originalklippet sammen med resuméet.
Outputtet fra den dokumenterede GLM-4V-Plus-arbejdsgang er tekst. Gem dette svar sammen med prompten og inputreferencerne, når du forbereder en visuel vidensregistrering eller overdrager gennemgangen til en anden person. Kontroller navne, betegnelser og hændelsesbeskrivelser mod kildematerialet, og lad derefter næste anmodning handle om den konkrete observation, der kræver afklaring.
GLM-4V og GLM-4V-Plus er særskilt navngivne producentprofiler. Vælg Plus til en opgave, hvis leverede evidens omfatter video, og bevar dette valg sammen med den færdige note. En nyttig fortsættelse henviser til samme materiale, indsnævrer den ønskede observation og bevarer det tidligere svar som en del af arbejdsregistreringen.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser glm-4v-plus | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.0028 / 1K tokens Output · Outputtokens $0.0028 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "glm-4v-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4v-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-4v-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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra glm-4v-plus
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Compare labelled inspection notes\n\nUse only these text inspection notes. Before: crate latch closed, seal present, label K7. After: latch open, seal missing, label K7. Write a comparison for the receiving team. Distinguish documented changes from unknown causes and list the next evidence to request. No image or video is attached.A before/after comparison with source labels, an unknown-cause note and a short evidence request.The latch and seal changes are reported, while damage, theft and the person responsible remain unasserted.