GLM-Z1-Rumination-32B-0414 er den researchorienterede ræsonnementsudgave i Z.ai's GLM-4-0414-serie. Den er udviklet til at bruge længere tid på åbne spørgsmål og anvende hentede oplysninger under ræsonnementet. Producenten beskriver sammenlignende researchskrivning og kompleks informationshentning som karakteristiske opgaver. Slutproduktet er tekst, eksempelvis en analytisk rapport, der forbinder et spørgsmål med det belæg, der er indsamlet til det.
Angiv emne, omfang og sammenligningskriterier, før materialet indsamles. Ved en rapport, der sammenligner udviklingsplaner i to byer, skal du angive byerne, perioden og de aspekter, der skal sammenlignes. Bed om det relevante belæg, sammenligningspunkterne og en særskilt konklusion. En åben opgave bliver lettere at gennemgå, når de forventede afsnit og kildekrav er tydelige.
Lever eksisterende dokumenter eller uddrag med klare titler og id'er. Adskil kildemateriale fra instruktioner, og angiv, hvordan svaret skal håndtere ufuldstændigt eller modstridende belæg. En rapport kan skelne mellem en dokumenteret oplysning og en fortolkning og forklare, hvilken kilde der understøtter hvert væsentligt punkt.
Producentens gennemarbejdede værktøjsforløb omfatter søgning med nøgleord, åbning af et søgeresultat, åbning af en angivet URL og afslutning af informationsindsamlingen før skrivningen. Modellen vælger en handling og argumenter; den omgivende applikation udfører hentningen og leverer observationen. Det er en researcharbejdsgang bygget omkring modellen frem for en antagelse om, at et tekstsvar allerede har gennemset nettet.
I en applikation, der bruger dette mønster, skal du returnere den hentede sides relevante indhold sammen med dens titel og URL. Hold kilde-id'erne konsekvente på tværs af samtaletrin, så en senere sammenligning henviser til de samme dokumenter. Bed modellen præcisere en søgning, når observationen ikke besvarer undersøgelsesspørgsmålet, og producere den endelige rapport, når det ønskede belæg er indsamlet.
Det offentliggjorte eksempel bruger simulerede hentefunktioner til at vise kontrolforløbet. En fungerende applikation leverer sine egne implementeringer af informationshentning og afgør, hvornår forløbet har indsamlet tilstrækkelige oplysninger. Eksemplets grænse for samtaletrin og genereringsbudget beskriver dette eksempel; de er ikke universelle grænser for denne udgave.
Bed om et svar organiseret omkring det faktiske undersøgelsesproblem: resultater, sammenligning, usikkerhed og konklusion. Ved en dokumentsammenligning skal du bede modellen identificere, hvilke betingelser der adskiller sig, før den foreslår en fortolkning. Til et researchnotat skal du definere målgruppen og de spørgsmål, notatet skal besvare, så den returnerede tekst forbliver knyttet til opgaven.
Gennemgå rapporten sammen med dens kildeobservationer. Kontrollér citater, datoer og årsagspåstande mod det materiale, forløbet fik leveret. Behold spørgsmålet, de hentede tekststykker og slutresultatet sammen, når en rapport senere skal revideres. Det bevarer det belæg, der er nødvendigt for at forstå, hvordan konklusionen blev nået.
Denne post bevarer identiteten Rumination 32B 0414. Den almindelige ræsonnementsudgave GLM-Z1-32B-0414 og den mindre Z1-udgave er særskilt navngivne udgivelser. Producentens Rumination-modelkort fastlægger det researchorienterede værktøjsmønster og inferenseksemplet; de sparsomme oplysninger om grænser bør suppleres med den faktiske grænsefladekontrakt, når en lang anmodning forberedes.
", "aboutText": "GLM-Z1-Rumination-32B-0414 er den researchorienterede ræsonnementsudgave i Z.ai's GLM-4-0414-serie. Den er udviklet til at bruge længere tid på åbne spørgsmål og anvende hentede oplysninger under ræsonnementet. Producenten beskriver sammenlignende researchskrivning og kompleks informationshentning som karakteristiske opgaver. Slutproduktet er tekst, eksempelvis en analytisk rapport, der forbinder et spørgsmål med det belæg, der er indsamlet til det.\n\n### Definér undersøgelsesspørgsmålet\n\nAngiv emne, omfang og sammenligningskriterier, før materialet indsamles. Ved en rapport, der sammenligner udviklingsplaner i to byer, skal du angive byerne, perioden og de aspekter, der skal sammenlignes. Bed om det relevante belæg, sammenligningspunkterne og en særskilt konklusion. En åben opgave bliver lettere at gennemgå, når de forventede afsnit og kildekrav er tydelige.\n\nLever eksisterende dokumenter eller uddrag med klare titler og id'er. Adskil kildemateriale fra instruktioner, og angiv, hvordan svaret skal håndtere ufuldstændigt eller modstridende belæg. En rapport kan skelne mellem en dokumenteret oplysning og en fortolkning og forklare, hvilken kilde der understøtter hvert væsentligt punkt.\n\n### Søg, læs og returnér observationer\n\nProducentens gennemarbejdede værktøjsforløb omfatter søgning med nøgleord, åbning af et søgeresultat, åbning af en angivet URL og afslutning af informationsindsamlingen før skrivningen. Modellen vælger en handling og argumenter; den omgivende applikation udfører hentningen og leverer observationen. Det er en researcharbejdsgang bygget omkring modellen frem for en antagelse om, at et tekstsvar allerede har gennemset nettet.\n\nI en applikation, der bruger dette mønster, skal du returnere den hentede sides relevante indhold sammen med dens titel og URL. Hold kilde-id'erne konsekvente på tværs af samtaletrin, så en senere sammenligning henviser til de samme dokumenter. Bed modellen præcisere en søgning, når observationen ikke besvarer undersøgelsesspørgsmålet, og producere den endelige rapport, når det ønskede belæg er indsamlet.\n\nDet offentliggjorte eksempel bruger simulerede hentefunktioner til at vise kontrolforløbet. En fungerende applikation leverer sine egne implementeringer af informationshentning og afgør, hvornår forløbet har indsamlet tilstrækkelige oplysninger. Eksemplets grænse for samtaletrin og genereringsbudget beskriver dette eksempel; de er ikke universelle grænser for denne udgave.\n\n### Forbered og gennemgå rapporten\n\nBed om et svar organiseret omkring det faktiske undersøgelsesproblem: resultater, sammenligning, usikkerhed og konklusion. Ved en dokumentsammenligning skal du bede modellen identificere, hvilke betingelser der adskiller sig, før den foreslår en fortolkning. Til et researchnotat skal du definere målgruppen og de spørgsmål, notatet skal besvare, så den returnerede tekst forbliver knyttet til opgaven.\n\nGennemgå rapporten sammen med dens kildeobservationer. Kontrollér citater, datoer og årsagspåstande mod det materiale, forløbet fik leveret. Behold spørgsmålet, de hentede tekststykker og slutresultatet sammen, når en rapport senere skal revideres. Det bevarer det belæg, der er nødvendigt for at forstå, hvordan konklusionen blev nået.\n\n### Bevar den faste udgave\n\nDenne post bevarer identiteten Rumination 32B 0414. Den almindelige ræsonnementsudgave GLM-Z1-32B-0414 og den mindre Z1-udgave er særskilt navngivne udgivelser. Producentens Rumination-modelkort fastlægger det researchorienterede værktøjsmønster og inferenseksemplet; de sparsomme oplysninger om grænser bør suppleres med den faktiske grænsefladekontrakt, når en lang anmodning forberedes.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Synthesize a source-bounded pilot comparison\n\nWrite a short research comparison from these supplied excerpts. Pilot A: staff reported faster intake, but no timing measurement was collected. Pilot B: median intake fell from 12 to 9 minutes; error counts were not recorded. Compare evidence for speed and quality, cite A or B, and state what follow-up measurement is needed before a broad conclusion.A concise comparison with findings, evidence gaps and a limited conclusion grounded in the excerpts.The report distinguishes reported impressions from measured timing and does not claim improved quality without error data.THUDM/GLM-Z1-Rumination-32B-0414GLM-Z1-Rumination-32B-0414 er en fast tekstræsonnementsudgave til åbne undersøgelser og sammenlignende rapporter. Producenten dokumenterer et søge- og læseforløb, hvor applikationen henter kilder og returnerer observationer, før modellen skriver sit resultat.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GLM-Z1-Rumination-32B-0414 er den researchorienterede ræsonnementsudgave i Z.ai's GLM-4-0414-serie. Den er udviklet til at bruge længere tid på åbne spørgsmål og anvende hentede oplysninger under ræsonnementet. Producenten beskriver sammenlignende researchskrivning og kompleks informationshentning som karakteristiske opgaver. Slutproduktet er tekst, eksempelvis en analytisk rapport, der forbinder et spørgsmål med det belæg, der er indsamlet til det.
Angiv emne, omfang og sammenligningskriterier, før materialet indsamles. Ved en rapport, der sammenligner udviklingsplaner i to byer, skal du angive byerne, perioden og de aspekter, der skal sammenlignes. Bed om det relevante belæg, sammenligningspunkterne og en særskilt konklusion. En åben opgave bliver lettere at gennemgå, når de forventede afsnit og kildekrav er tydelige.
Lever eksisterende dokumenter eller uddrag med klare titler og id'er. Adskil kildemateriale fra instruktioner, og angiv, hvordan svaret skal håndtere ufuldstændigt eller modstridende belæg. En rapport kan skelne mellem en dokumenteret oplysning og en fortolkning og forklare, hvilken kilde der understøtter hvert væsentligt punkt.
Producentens gennemarbejdede værktøjsforløb omfatter søgning med nøgleord, åbning af et søgeresultat, åbning af en angivet URL og afslutning af informationsindsamlingen før skrivningen. Modellen vælger en handling og argumenter; den omgivende applikation udfører hentningen og leverer observationen. Det er en researcharbejdsgang bygget omkring modellen frem for en antagelse om, at et tekstsvar allerede har gennemset nettet.
I en applikation, der bruger dette mønster, skal du returnere den hentede sides relevante indhold sammen med dens titel og URL. Hold kilde-id'erne konsekvente på tværs af samtaletrin, så en senere sammenligning henviser til de samme dokumenter. Bed modellen præcisere en søgning, når observationen ikke besvarer undersøgelsesspørgsmålet, og producere den endelige rapport, når det ønskede belæg er indsamlet.
Det offentliggjorte eksempel bruger simulerede hentefunktioner til at vise kontrolforløbet. En fungerende applikation leverer sine egne implementeringer af informationshentning og afgør, hvornår forløbet har indsamlet tilstrækkelige oplysninger. Eksemplets grænse for samtaletrin og genereringsbudget beskriver dette eksempel; de er ikke universelle grænser for denne udgave.
Bed om et svar organiseret omkring det faktiske undersøgelsesproblem: resultater, sammenligning, usikkerhed og konklusion. Ved en dokumentsammenligning skal du bede modellen identificere, hvilke betingelser der adskiller sig, før den foreslår en fortolkning. Til et researchnotat skal du definere målgruppen og de spørgsmål, notatet skal besvare, så den returnerede tekst forbliver knyttet til opgaven.
Gennemgå rapporten sammen med dens kildeobservationer. Kontrollér citater, datoer og årsagspåstande mod det materiale, forløbet fik leveret. Behold spørgsmålet, de hentede tekststykker og slutresultatet sammen, når en rapport senere skal revideres. Det bevarer det belæg, der er nødvendigt for at forstå, hvordan konklusionen blev nået.
Denne post bevarer identiteten Rumination 32B 0414. Den almindelige ræsonnementsudgave GLM-Z1-32B-0414 og den mindre Z1-udgave er særskilt navngivne udgivelser. Producentens Rumination-modelkort fastlægger det researchorienterede værktøjsmønster og inferenseksemplet; de sparsomme oplysninger om grænser bør suppleres med den faktiske grænsefladekontrakt, når en lang anmodning forberedes.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser THUDM/GLM-Z1-Rumination-32B-0414 | 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 $0.00014 / 1K tokens Output · Outputtokens $0.00014 / 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": "THUDM/GLM-Z1-Rumination-32B-0414", "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='THUDM/GLM-Z1-Rumination-32B-0414',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='THUDM/GLM-Z1-Rumination-32B-0414',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 THUDM/GLM-Z1-Rumination-32B-0414
Brug metodestierne vist ovenfor.
THUDM/GLM-Z1-Rumination-32B-0414GLM-Z1-Rumination-32B-0414 er en fast tekstræsonnementsudgave til åbne undersøgelser og sammenlignende rapporter. Producenten dokumenterer et søge- og læseforløb, hvor applikationen henter kilder og returnerer observationer, før modellen skriver sit resultat.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GLM-Z1-Rumination-32B-0414 er den researchorienterede ræsonnementsudgave i Z.ai's GLM-4-0414-serie. Den er udviklet til at bruge længere tid på åbne spørgsmål og anvende hentede oplysninger under ræsonnementet. Producenten beskriver sammenlignende researchskrivning og kompleks informationshentning som karakteristiske opgaver. Slutproduktet er tekst, eksempelvis en analytisk rapport, der forbinder et spørgsmål med det belæg, der er indsamlet til det.
Angiv emne, omfang og sammenligningskriterier, før materialet indsamles. Ved en rapport, der sammenligner udviklingsplaner i to byer, skal du angive byerne, perioden og de aspekter, der skal sammenlignes. Bed om det relevante belæg, sammenligningspunkterne og en særskilt konklusion. En åben opgave bliver lettere at gennemgå, når de forventede afsnit og kildekrav er tydelige.
Lever eksisterende dokumenter eller uddrag med klare titler og id'er. Adskil kildemateriale fra instruktioner, og angiv, hvordan svaret skal håndtere ufuldstændigt eller modstridende belæg. En rapport kan skelne mellem en dokumenteret oplysning og en fortolkning og forklare, hvilken kilde der understøtter hvert væsentligt punkt.
Producentens gennemarbejdede værktøjsforløb omfatter søgning med nøgleord, åbning af et søgeresultat, åbning af en angivet URL og afslutning af informationsindsamlingen før skrivningen. Modellen vælger en handling og argumenter; den omgivende applikation udfører hentningen og leverer observationen. Det er en researcharbejdsgang bygget omkring modellen frem for en antagelse om, at et tekstsvar allerede har gennemset nettet.
I en applikation, der bruger dette mønster, skal du returnere den hentede sides relevante indhold sammen med dens titel og URL. Hold kilde-id'erne konsekvente på tværs af samtaletrin, så en senere sammenligning henviser til de samme dokumenter. Bed modellen præcisere en søgning, når observationen ikke besvarer undersøgelsesspørgsmålet, og producere den endelige rapport, når det ønskede belæg er indsamlet.
Det offentliggjorte eksempel bruger simulerede hentefunktioner til at vise kontrolforløbet. En fungerende applikation leverer sine egne implementeringer af informationshentning og afgør, hvornår forløbet har indsamlet tilstrækkelige oplysninger. Eksemplets grænse for samtaletrin og genereringsbudget beskriver dette eksempel; de er ikke universelle grænser for denne udgave.
Bed om et svar organiseret omkring det faktiske undersøgelsesproblem: resultater, sammenligning, usikkerhed og konklusion. Ved en dokumentsammenligning skal du bede modellen identificere, hvilke betingelser der adskiller sig, før den foreslår en fortolkning. Til et researchnotat skal du definere målgruppen og de spørgsmål, notatet skal besvare, så den returnerede tekst forbliver knyttet til opgaven.
Gennemgå rapporten sammen med dens kildeobservationer. Kontrollér citater, datoer og årsagspåstande mod det materiale, forløbet fik leveret. Behold spørgsmålet, de hentede tekststykker og slutresultatet sammen, når en rapport senere skal revideres. Det bevarer det belæg, der er nødvendigt for at forstå, hvordan konklusionen blev nået.
Denne post bevarer identiteten Rumination 32B 0414. Den almindelige ræsonnementsudgave GLM-Z1-32B-0414 og den mindre Z1-udgave er særskilt navngivne udgivelser. Producentens Rumination-modelkort fastlægger det researchorienterede værktøjsmønster og inferenseksemplet; de sparsomme oplysninger om grænser bør suppleres med den faktiske grænsefladekontrakt, når en lang anmodning forberedes.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser THUDM/GLM-Z1-Rumination-32B-0414 | 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 $0.00014 / 1K tokens Output · Outputtokens $0.00014 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "THUDM/GLM-Z1-Rumination-32B-0414",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'THUDM/GLM-Z1-Rumination-32B-0414', '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': 'THUDM/GLM-Z1-Rumination-32B-0414', '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 THUDM/GLM-Z1-Rumination-32B-0414
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Synthesize a source-bounded pilot comparison\n\nWrite a short research comparison from these supplied excerpts. Pilot A: staff reported faster intake, but no timing measurement was collected. Pilot B: median intake fell from 12 to 9 minutes; error counts were not recorded. Compare evidence for speed and quality, cite A or B, and state what follow-up measurement is needed before a broad conclusion.A concise comparison with findings, evidence gaps and a limited conclusion grounded in the excerpts.The report distinguishes reported impressions from measured timing and does not claim improved quality without error data.