GLM-4V er Zhipu AI's sprog- og visionsmodel til at kombinere et billede med et skriftligt spørgsmål. Producentens eksempel på indbygget multimodalitet leverer begge dele i én brugerbesked og returnerer et tekstsvar. Vejledningen til agentudvikling identificerer ligeledes GLM-4V som en model fra billede til tekst, hvilket gør kildebilledet og spørgsmålets ordlyd til opgavens centrale input.
Vælg det billede, der indeholder den evidens, svaret kræver, og angiv derefter, hvad der skal undersøges. Et generelt spørgsmål kan bede om en beskrivelse af scenen; et fokuseret spørgsmål kan identificere et objekt, en betegnelse eller en sammenhæng, der skal forklares. Giv tilstrækkelig kontekst til at gøre opgaven entydig, såsom hvilken genstand i et produktfoto der har betydning, eller hvilket område af et skærmbillede der skal beskrives.
Producentens eksempel bruger et JPEG-billede kodet som en billedreference sammen med tekstspørgsmålet. Bevar originalbilledet, når anmodningen forberedes, især hvis en beskæring ville fjerne betegnelser eller omgivende kontekst. Ved en illustrativ supportopgave skal du levere skærmbilledet og bede om en beskrivelse af den synlige tilstand, mens den præcise besked på skærmen holdes adskilt fra en foreslået forklaring af årsagen til den.
Angiv, om resultatet skal være en billedtekst, en kort forklaring, en beskrivelse i rækkefølge eller en arbejdsnote med særskilte observationer. Ved et foto af en lagerbeholdning er et illustrativt oplæg: “Beskriv de synlige genstande og deres opstilling; identificer den genstand, der angives i mit spørgsmål.” Ved et dokumentbillede skal du spørge til det synlige tekstafsnit og bevare billed- eller sideidentifikatoren sammen med svaret.
Hold spørgsmålet tilstrækkeligt afgrænset til, at den relevante evidens forbliver let at gennemgå. Hvis næste trin kræver et navn, et tal eller en citeret betegnelse, skal du spørge efter dette element særskilt og sammenligne den returnerede ordlyd med originalbilledet.
Producentens agentarbejdsgang knytter det uploadede billede til et navngivet input og den ledsagende prompt. Bevar denne tilknytning, når diskussionen fortsættes. Et nyttigt opfølgende spørgsmål navngiver samme billede og indsnævrer spørgsmålet til et bestemt område eller forhold, så næste svar henviser til det tilsigtede materiale.
Gem den færdige tekst med billedidentifikatoren, spørgsmålet og eventuelle områdehenvisninger brugt i opgaven. Dette giver en praktisk overdragelse til en samtale med visuel assistance, en katalogbeskrivelse eller en kildebaseret dokumentnote. Modellens rolle er at fortolke det leverede billede til sprog; originalbilledet forbliver tilgængeligt til at kontrollere konkrete detaljer og rette det næste spørgsmål.
", "aboutText": "GLM-4V er Zhipu AI's sprog- og visionsmodel til at kombinere et billede med et skriftligt spørgsmål. Producentens eksempel på indbygget multimodalitet leverer begge dele i én brugerbesked og returnerer et tekstsvar. Vejledningen til agentudvikling identificerer ligeledes GLM-4V som en model fra billede til tekst, hvilket gør kildebilledet og spørgsmålets ordlyd til opgavens centrale input.\n\n### Placer spørgsmålet ved siden af billedet\n\nVælg det billede, der indeholder den evidens, svaret kræver, og angiv derefter, hvad der skal undersøges. Et generelt spørgsmål kan bede om en beskrivelse af scenen; et fokuseret spørgsmål kan identificere et objekt, en betegnelse eller en sammenhæng, der skal forklares. Giv tilstrækkelig kontekst til at gøre opgaven entydig, såsom hvilken genstand i et produktfoto der har betydning, eller hvilket område af et skærmbillede der skal beskrives.\n\nProducentens eksempel bruger et JPEG-billede kodet som en billedreference sammen med tekstspørgsmålet. Bevar originalbilledet, når anmodningen forberedes, især hvis en beskæring ville fjerne betegnelser eller omgivende kontekst. Ved en illustrativ supportopgave skal du levere skærmbilledet og bede om en beskrivelse af den synlige tilstand, mens den præcise besked på skærmen holdes adskilt fra en foreslået forklaring af årsagen til den.\n\n### Gør det forventede skriftlige produkt tydeligt\n\nAngiv, om resultatet skal være en billedtekst, en kort forklaring, en beskrivelse i rækkefølge eller en arbejdsnote med særskilte observationer. Ved et foto af en lagerbeholdning er et illustrativt oplæg: “Beskriv de synlige genstande og deres opstilling; identificer den genstand, der angives i mit spørgsmål.” Ved et dokumentbillede skal du spørge til det synlige tekstafsnit og bevare billed- eller sideidentifikatoren sammen med svaret.\n\nHold spørgsmålet tilstrækkeligt afgrænset til, at den relevante evidens forbliver let at gennemgå. Hvis næste trin kræver et navn, et tal eller en citeret betegnelse, skal du spørge efter dette element særskilt og sammenligne den returnerede ordlyd med originalbilledet.\n\n### Før billedet med ind i en visuel samtale\n\nProducentens agentarbejdsgang knytter det uploadede billede til et navngivet input og den ledsagende prompt. Bevar denne tilknytning, når diskussionen fortsættes. Et nyttigt opfølgende spørgsmål navngiver samme billede og indsnævrer spørgsmålet til et bestemt område eller forhold, så næste svar henviser til det tilsigtede materiale.\n\nGem den færdige tekst med billedidentifikatoren, spørgsmålet og eventuelle områdehenvisninger brugt i opgaven. Dette giver en praktisk overdragelse til en samtale med visuel assistance, en katalogbeskrivelse eller en kildebaseret dokumentnote. Modellens rolle er at fortolke det leverede billede til sprog; originalbilledet forbliver tilgængeligt til at kontrollere konkrete detaljer og rette det næste spørgsmål.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Explain a transcribed screen state\n\nUse this screenshot transcription only: heading 'Export orders'; format 'CSV'; button 'Download' disabled; note 'Select at least one order'; selected count '0'. Write a two-sentence help message explaining the visible state and the next user step. Keep the visible note separate from any cause you cannot verify.Two help sentences grounded in the selected count, disabled button and selection note.The message asks the user to select an order and introduces no unsupported account, network or permission diagnosis.glm-4vGLM-4V er Zhipu AI's sprog- og visionsmodel til at stille spørgsmål om et billede og modtage et skriftligt svar. Lever billedet med en fokuseret tekstprompt for at skabe en beskrivelse, fortolke en synlig detalje eller forberede en visuel note knyttet til evidens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GLM-4V er Zhipu AI's sprog- og visionsmodel til at kombinere et billede med et skriftligt spørgsmål. Producentens eksempel på indbygget multimodalitet leverer begge dele i én brugerbesked og returnerer et tekstsvar. Vejledningen til agentudvikling identificerer ligeledes GLM-4V som en model fra billede til tekst, hvilket gør kildebilledet og spørgsmålets ordlyd til opgavens centrale input.
Vælg det billede, der indeholder den evidens, svaret kræver, og angiv derefter, hvad der skal undersøges. Et generelt spørgsmål kan bede om en beskrivelse af scenen; et fokuseret spørgsmål kan identificere et objekt, en betegnelse eller en sammenhæng, der skal forklares. Giv tilstrækkelig kontekst til at gøre opgaven entydig, såsom hvilken genstand i et produktfoto der har betydning, eller hvilket område af et skærmbillede der skal beskrives.
Producentens eksempel bruger et JPEG-billede kodet som en billedreference sammen med tekstspørgsmålet. Bevar originalbilledet, når anmodningen forberedes, især hvis en beskæring ville fjerne betegnelser eller omgivende kontekst. Ved en illustrativ supportopgave skal du levere skærmbilledet og bede om en beskrivelse af den synlige tilstand, mens den præcise besked på skærmen holdes adskilt fra en foreslået forklaring af årsagen til den.
Angiv, om resultatet skal være en billedtekst, en kort forklaring, en beskrivelse i rækkefølge eller en arbejdsnote med særskilte observationer. Ved et foto af en lagerbeholdning er et illustrativt oplæg: “Beskriv de synlige genstande og deres opstilling; identificer den genstand, der angives i mit spørgsmål.” Ved et dokumentbillede skal du spørge til det synlige tekstafsnit og bevare billed- eller sideidentifikatoren sammen med svaret.
Hold spørgsmålet tilstrækkeligt afgrænset til, at den relevante evidens forbliver let at gennemgå. Hvis næste trin kræver et navn, et tal eller en citeret betegnelse, skal du spørge efter dette element særskilt og sammenligne den returnerede ordlyd med originalbilledet.
Producentens agentarbejdsgang knytter det uploadede billede til et navngivet input og den ledsagende prompt. Bevar denne tilknytning, når diskussionen fortsættes. Et nyttigt opfølgende spørgsmål navngiver samme billede og indsnævrer spørgsmålet til et bestemt område eller forhold, så næste svar henviser til det tilsigtede materiale.
Gem den færdige tekst med billedidentifikatoren, spørgsmålet og eventuelle områdehenvisninger brugt i opgaven. Dette giver en praktisk overdragelse til en samtale med visuel assistance, en katalogbeskrivelse eller en kildebaseret dokumentnote. Modellens rolle er at fortolke det leverede billede til sprog; originalbilledet forbliver tilgængeligt til at kontrollere konkrete detaljer og rette det næste spørgsmål.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser glm-4v | 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 $0.014 / 1K tokens Output · Outputtokens $0.014 / 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", "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',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',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
Brug metodestierne vist ovenfor.
glm-4vGLM-4V er Zhipu AI's sprog- og visionsmodel til at stille spørgsmål om et billede og modtage et skriftligt svar. Lever billedet med en fokuseret tekstprompt for at skabe en beskrivelse, fortolke en synlig detalje eller forberede en visuel note knyttet til evidens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GLM-4V er Zhipu AI's sprog- og visionsmodel til at kombinere et billede med et skriftligt spørgsmål. Producentens eksempel på indbygget multimodalitet leverer begge dele i én brugerbesked og returnerer et tekstsvar. Vejledningen til agentudvikling identificerer ligeledes GLM-4V som en model fra billede til tekst, hvilket gør kildebilledet og spørgsmålets ordlyd til opgavens centrale input.
Vælg det billede, der indeholder den evidens, svaret kræver, og angiv derefter, hvad der skal undersøges. Et generelt spørgsmål kan bede om en beskrivelse af scenen; et fokuseret spørgsmål kan identificere et objekt, en betegnelse eller en sammenhæng, der skal forklares. Giv tilstrækkelig kontekst til at gøre opgaven entydig, såsom hvilken genstand i et produktfoto der har betydning, eller hvilket område af et skærmbillede der skal beskrives.
Producentens eksempel bruger et JPEG-billede kodet som en billedreference sammen med tekstspørgsmålet. Bevar originalbilledet, når anmodningen forberedes, især hvis en beskæring ville fjerne betegnelser eller omgivende kontekst. Ved en illustrativ supportopgave skal du levere skærmbilledet og bede om en beskrivelse af den synlige tilstand, mens den præcise besked på skærmen holdes adskilt fra en foreslået forklaring af årsagen til den.
Angiv, om resultatet skal være en billedtekst, en kort forklaring, en beskrivelse i rækkefølge eller en arbejdsnote med særskilte observationer. Ved et foto af en lagerbeholdning er et illustrativt oplæg: “Beskriv de synlige genstande og deres opstilling; identificer den genstand, der angives i mit spørgsmål.” Ved et dokumentbillede skal du spørge til det synlige tekstafsnit og bevare billed- eller sideidentifikatoren sammen med svaret.
Hold spørgsmålet tilstrækkeligt afgrænset til, at den relevante evidens forbliver let at gennemgå. Hvis næste trin kræver et navn, et tal eller en citeret betegnelse, skal du spørge efter dette element særskilt og sammenligne den returnerede ordlyd med originalbilledet.
Producentens agentarbejdsgang knytter det uploadede billede til et navngivet input og den ledsagende prompt. Bevar denne tilknytning, når diskussionen fortsættes. Et nyttigt opfølgende spørgsmål navngiver samme billede og indsnævrer spørgsmålet til et bestemt område eller forhold, så næste svar henviser til det tilsigtede materiale.
Gem den færdige tekst med billedidentifikatoren, spørgsmålet og eventuelle områdehenvisninger brugt i opgaven. Dette giver en praktisk overdragelse til en samtale med visuel assistance, en katalogbeskrivelse eller en kildebaseret dokumentnote. Modellens rolle er at fortolke det leverede billede til sprog; originalbilledet forbliver tilgængeligt til at kontrollere konkrete detaljer og rette det næste spørgsmål.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser glm-4v | 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 $0.014 / 1K tokens Output · Outputtokens $0.014 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "glm-4v",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Explain a transcribed screen state\n\nUse this screenshot transcription only: heading 'Export orders'; format 'CSV'; button 'Download' disabled; note 'Select at least one order'; selected count '0'. Write a two-sentence help message explaining the visible state and the next user step. Keep the visible note separate from any cause you cannot verify.Two help sentences grounded in the selected count, disabled button and selection note.The message asks the user to select an order and introduces no unsupported account, network or permission diagnosis.