GLM-4.6V er 106B-udgaven i Z.ai's GLM-V-familie, adskilt fra den lettere 9B GLM-4.6V-Flash. Dens træningskontekst er udvidet til 128K tokens med vægt på visuel forståelse og indbyggede multimodale funktionskald. Den hostede profil angiver billeder, video, tekst og filer som input og tekst som output. Opgaver kan bede om en dokumentforklaring, en udtrækstabel, en implementering baseret på skærmbilleder eller en rapport baseret på visuel evidens.
Indbygget multimodal værktøjsbrug er en central ændring. Billeder, skærmbilleder og dokumentsider kan blive værktøjsinput uden først at blive reduceret til tekstbeskrivelser. Modellen kan fortolke returnerede diagrammer, gengivne sider eller hentede billeder og indarbejde dem i videre ræsonnering. Definer værktøjerne og spørgsmålet, og returner derefter virkelige output. Applikationen udfører handlinger; et foreslået kald og dets færdige resultat er adskilte stadier.
Dokumentarbejde kombinerer tekst, struktur, diagrammer, tabeller, formler og figurer. Modelkortet beskriver lange eller flere dokumenter inden for dets 128K-ramme. Lever læsbare sider og sidebetegnelser, og bed om navngivne felter eller konklusioner. En illustrativ rapport kan organisere påstande, evidensen for hver og uafklarede forskelle mellem kilder. Visuelt indhold bruger inputplads sammen med spørgsmålet og svaret.
Producenten beskriver sammenflettet billed- og tekstindhold sammensat af kildedokumenter og hentede billeder. En arbejdsgang kan finde mulige billeder, vurdere relevans og komponere tekst omkring det valgte materiale. Dette er oprettelse af illustreret indhold gennem værktøjer, mens den hostede profil stadig angiver tekst som den indbyggede outputmodalitet. Angiv kildehenvisninger, og hvordan hvert billede underbygger fortællingen. Det fastslår ikke selvstændig pixelgenerering eller produktion af færdige filer.
Genskabelse af frontend og visuel redigering er væsentlige anvendelser. Modellen kan fortolke layout, komponenter og stilarter og foreslå HTML, CSS eller JavaScript ud fra et skærmbillede. Den understøtter også instruktioner om at revidere et synligt resultat. Angiv måltilstandene og den ønskede ændring, og bed derefter om redigerbar kildekode og en sammenligning med den faktiske gengivelse. Produktion af den gengivne side og et nyt skærmbillede kræver applikationshandlinger.
Det konkrete modelkorts indstillinger til at reproducere resultaterne omfatter temperature 0.8, top-p 0.6, top-k 2 og repetition penalty 1.1 med en genereringsramme på 16K i denne procedure. Hurtigstartsvejledningen bruger en anden eksempelramme. Dette er offentliggjorte procedurer og ikke et fast outputloft. Dens 106B-identitet og 128K-kontekst forbliver adskilte fra GLM-4.5V, 9B Flash-modellen og senere udgivelser til visuel programmering.
Modelkortet identificerer begrænsninger i besvarelse af rent tekstlige spørgsmål, overdreven eller gentagen ræsonnering ved komplekse prompts og lejlighedsvis gentagelse af svaret. Det nævner også svagheder i perception såsom tællenøjagtighed. Definer resultatet, bevar små betegnelser, og bed om evidens knyttet til kilden. Dette forbinder dokument- og visuelle værktøjsfunktioner med et produkt, der kan kontrolleres mod det leverede materiale.
", "aboutText": "GLM-4.6V er 106B-udgaven i Z.ai's GLM-V-familie, adskilt fra den lettere 9B GLM-4.6V-Flash. Dens træningskontekst er udvidet til 128K tokens med vægt på visuel forståelse og indbyggede multimodale funktionskald. Den hostede profil angiver billeder, video, tekst og filer som input og tekst som output. Opgaver kan bede om en dokumentforklaring, en udtrækstabel, en implementering baseret på skærmbilleder eller en rapport baseret på visuel evidens.\n\nIndbygget multimodal værktøjsbrug er en central ændring. Billeder, skærmbilleder og dokumentsider kan blive værktøjsinput uden først at blive reduceret til tekstbeskrivelser. Modellen kan fortolke returnerede diagrammer, gengivne sider eller hentede billeder og indarbejde dem i videre ræsonnering. Definer værktøjerne og spørgsmålet, og returner derefter virkelige output. Applikationen udfører handlinger; et foreslået kald og dets færdige resultat er adskilte stadier.\n\nDokumentarbejde kombinerer tekst, struktur, diagrammer, tabeller, formler og figurer. Modelkortet beskriver lange eller flere dokumenter inden for dets 128K-ramme. Lever læsbare sider og sidebetegnelser, og bed om navngivne felter eller konklusioner. En illustrativ rapport kan organisere påstande, evidensen for hver og uafklarede forskelle mellem kilder. Visuelt indhold bruger inputplads sammen med spørgsmålet og svaret.\n\nProducenten beskriver sammenflettet billed- og tekstindhold sammensat af kildedokumenter og hentede billeder. En arbejdsgang kan finde mulige billeder, vurdere relevans og komponere tekst omkring det valgte materiale. Dette er oprettelse af illustreret indhold gennem værktøjer, mens den hostede profil stadig angiver tekst som den indbyggede outputmodalitet. Angiv kildehenvisninger, og hvordan hvert billede underbygger fortællingen. Det fastslår ikke selvstændig pixelgenerering eller produktion af færdige filer.\n\nGenskabelse af frontend og visuel redigering er væsentlige anvendelser. Modellen kan fortolke layout, komponenter og stilarter og foreslå HTML, CSS eller JavaScript ud fra et skærmbillede. Den understøtter også instruktioner om at revidere et synligt resultat. Angiv måltilstandene og den ønskede ændring, og bed derefter om redigerbar kildekode og en sammenligning med den faktiske gengivelse. Produktion af den gengivne side og et nyt skærmbillede kræver applikationshandlinger.\n\nDet konkrete modelkorts indstillinger til at reproducere resultaterne omfatter temperature 0.8, top-p 0.6, top-k 2 og repetition penalty 1.1 med en genereringsramme på 16K i denne procedure. Hurtigstartsvejledningen bruger en anden eksempelramme. Dette er offentliggjorte procedurer og ikke et fast outputloft. Dens 106B-identitet og 128K-kontekst forbliver adskilte fra GLM-4.5V, 9B Flash-modellen og senere udgivelser til visuel programmering.\n\nModelkortet identificerer begrænsninger i besvarelse af rent tekstlige spørgsmål, overdreven eller gentagen ræsonnering ved komplekse prompts og lejlighedsvis gentagelse af svaret. Det nævner også svagheder i perception såsom tællenøjagtighed. Definer resultatet, bevar små betegnelser, og bed om evidens knyttet til kilden. Dette forbinder dokument- og visuelle værktøjsfunktioner med et produkt, der kan kontrolleres mod det leverede materiale.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Correct a narrow-screen layout\n\nUse this textual layout requirement and CSS. At 320 px viewport width, the panel must fit with 16 px margins and its input must stay inside it. Current CSS: .panel { width: 400px; padding: 24px; } input { width: 100%; padding: 12px; }. Return a focused CSS correction and explain the box-sizing issue. Preserve the class name.An editable CSS patch and checks for panel width, margins and input overflow at a 320 px viewport.Render the proposed styles at 320 px and verify the panel and input bounding boxes remain within the required margins.z-ai/glm-4.6vGLM-4.6V er Z.ai's 106B-sprog- og visionsmodel til rigt formaterede dokumenter, visuel programmering og multimodal værktøjsbrug. Producentprofilen modtager tekst, billeder, video og filer, returnerer tekst og har en kontekst på 128K.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GLM-4.6V er 106B-udgaven i Z.ai's GLM-V-familie, adskilt fra den lettere 9B GLM-4.6V-Flash. Dens træningskontekst er udvidet til 128K tokens med vægt på visuel forståelse og indbyggede multimodale funktionskald. Den hostede profil angiver billeder, video, tekst og filer som input og tekst som output. Opgaver kan bede om en dokumentforklaring, en udtrækstabel, en implementering baseret på skærmbilleder eller en rapport baseret på visuel evidens.
Indbygget multimodal værktøjsbrug er en central ændring. Billeder, skærmbilleder og dokumentsider kan blive værktøjsinput uden først at blive reduceret til tekstbeskrivelser. Modellen kan fortolke returnerede diagrammer, gengivne sider eller hentede billeder og indarbejde dem i videre ræsonnering. Definer værktøjerne og spørgsmålet, og returner derefter virkelige output. Applikationen udfører handlinger; et foreslået kald og dets færdige resultat er adskilte stadier.
Dokumentarbejde kombinerer tekst, struktur, diagrammer, tabeller, formler og figurer. Modelkortet beskriver lange eller flere dokumenter inden for dets 128K-ramme. Lever læsbare sider og sidebetegnelser, og bed om navngivne felter eller konklusioner. En illustrativ rapport kan organisere påstande, evidensen for hver og uafklarede forskelle mellem kilder. Visuelt indhold bruger inputplads sammen med spørgsmålet og svaret.
Producenten beskriver sammenflettet billed- og tekstindhold sammensat af kildedokumenter og hentede billeder. En arbejdsgang kan finde mulige billeder, vurdere relevans og komponere tekst omkring det valgte materiale. Dette er oprettelse af illustreret indhold gennem værktøjer, mens den hostede profil stadig angiver tekst som den indbyggede outputmodalitet. Angiv kildehenvisninger, og hvordan hvert billede underbygger fortællingen. Det fastslår ikke selvstændig pixelgenerering eller produktion af færdige filer.
Genskabelse af frontend og visuel redigering er væsentlige anvendelser. Modellen kan fortolke layout, komponenter og stilarter og foreslå HTML, CSS eller JavaScript ud fra et skærmbillede. Den understøtter også instruktioner om at revidere et synligt resultat. Angiv måltilstandene og den ønskede ændring, og bed derefter om redigerbar kildekode og en sammenligning med den faktiske gengivelse. Produktion af den gengivne side og et nyt skærmbillede kræver applikationshandlinger.
Det konkrete modelkorts indstillinger til at reproducere resultaterne omfatter temperature 0.8, top-p 0.6, top-k 2 og repetition penalty 1.1 med en genereringsramme på 16K i denne procedure. Hurtigstartsvejledningen bruger en anden eksempelramme. Dette er offentliggjorte procedurer og ikke et fast outputloft. Dens 106B-identitet og 128K-kontekst forbliver adskilte fra GLM-4.5V, 9B Flash-modellen og senere udgivelser til visuel programmering.
Modelkortet identificerer begrænsninger i besvarelse af rent tekstlige spørgsmål, overdreven eller gentagen ræsonnering ved komplekse prompts og lejlighedsvis gentagelse af svaret. Det nævner også svagheder i perception såsom tællenøjagtighed. Definer resultatet, bevar små betegnelser, og bed om evidens knyttet til kilden. Dette forbinder dokument- og visuelle værktøjsfunktioner med et produkt, der kan kontrolleres mod det leverede materiale.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser z-ai/glm-4.6v | 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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0006 / 1K tokens Output · Outputtokens $0.0018 / 1K tokens Input · Cachelæsning $0.0001 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0006 / 1K tokens Output · Outputtokens $0.0018 / 1K tokens Input · Cachelæsning $0.0001 / 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": "z-ai/glm-4.6v", "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='z-ai/glm-4.6v',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='z-ai/glm-4.6v',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 z-ai/glm-4.6v
Brug metodestierne vist ovenfor.
z-ai/glm-4.6vGLM-4.6V er Z.ai's 106B-sprog- og visionsmodel til rigt formaterede dokumenter, visuel programmering og multimodal værktøjsbrug. Producentprofilen modtager tekst, billeder, video og filer, returnerer tekst og har en kontekst på 128K.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GLM-4.6V er 106B-udgaven i Z.ai's GLM-V-familie, adskilt fra den lettere 9B GLM-4.6V-Flash. Dens træningskontekst er udvidet til 128K tokens med vægt på visuel forståelse og indbyggede multimodale funktionskald. Den hostede profil angiver billeder, video, tekst og filer som input og tekst som output. Opgaver kan bede om en dokumentforklaring, en udtrækstabel, en implementering baseret på skærmbilleder eller en rapport baseret på visuel evidens.
Indbygget multimodal værktøjsbrug er en central ændring. Billeder, skærmbilleder og dokumentsider kan blive værktøjsinput uden først at blive reduceret til tekstbeskrivelser. Modellen kan fortolke returnerede diagrammer, gengivne sider eller hentede billeder og indarbejde dem i videre ræsonnering. Definer værktøjerne og spørgsmålet, og returner derefter virkelige output. Applikationen udfører handlinger; et foreslået kald og dets færdige resultat er adskilte stadier.
Dokumentarbejde kombinerer tekst, struktur, diagrammer, tabeller, formler og figurer. Modelkortet beskriver lange eller flere dokumenter inden for dets 128K-ramme. Lever læsbare sider og sidebetegnelser, og bed om navngivne felter eller konklusioner. En illustrativ rapport kan organisere påstande, evidensen for hver og uafklarede forskelle mellem kilder. Visuelt indhold bruger inputplads sammen med spørgsmålet og svaret.
Producenten beskriver sammenflettet billed- og tekstindhold sammensat af kildedokumenter og hentede billeder. En arbejdsgang kan finde mulige billeder, vurdere relevans og komponere tekst omkring det valgte materiale. Dette er oprettelse af illustreret indhold gennem værktøjer, mens den hostede profil stadig angiver tekst som den indbyggede outputmodalitet. Angiv kildehenvisninger, og hvordan hvert billede underbygger fortællingen. Det fastslår ikke selvstændig pixelgenerering eller produktion af færdige filer.
Genskabelse af frontend og visuel redigering er væsentlige anvendelser. Modellen kan fortolke layout, komponenter og stilarter og foreslå HTML, CSS eller JavaScript ud fra et skærmbillede. Den understøtter også instruktioner om at revidere et synligt resultat. Angiv måltilstandene og den ønskede ændring, og bed derefter om redigerbar kildekode og en sammenligning med den faktiske gengivelse. Produktion af den gengivne side og et nyt skærmbillede kræver applikationshandlinger.
Det konkrete modelkorts indstillinger til at reproducere resultaterne omfatter temperature 0.8, top-p 0.6, top-k 2 og repetition penalty 1.1 med en genereringsramme på 16K i denne procedure. Hurtigstartsvejledningen bruger en anden eksempelramme. Dette er offentliggjorte procedurer og ikke et fast outputloft. Dens 106B-identitet og 128K-kontekst forbliver adskilte fra GLM-4.5V, 9B Flash-modellen og senere udgivelser til visuel programmering.
Modelkortet identificerer begrænsninger i besvarelse af rent tekstlige spørgsmål, overdreven eller gentagen ræsonnering ved komplekse prompts og lejlighedsvis gentagelse af svaret. Det nævner også svagheder i perception såsom tællenøjagtighed. Definer resultatet, bevar små betegnelser, og bed om evidens knyttet til kilden. Dette forbinder dokument- og visuelle værktøjsfunktioner med et produkt, der kan kontrolleres mod det leverede materiale.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser z-ai/glm-4.6v | 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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0006 / 1K tokens Output · Outputtokens $0.0018 / 1K tokens Input · Cachelæsning $0.0001 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0006 / 1K tokens Output · Outputtokens $0.0018 / 1K tokens Input · Cachelæsning $0.0001 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "z-ai/glm-4.6v",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'z-ai/glm-4.6v', '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': 'z-ai/glm-4.6v', '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 z-ai/glm-4.6v
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Correct a narrow-screen layout\n\nUse this textual layout requirement and CSS. At 320 px viewport width, the panel must fit with 16 px margins and its input must stay inside it. Current CSS: .panel { width: 400px; padding: 24px; } input { width: 100%; padding: 12px; }. Return a focused CSS correction and explain the box-sizing issue. Preserve the class name.An editable CSS patch and checks for panel width, margins and input overflow at a 320 px viewport.Render the proposed styles at 320 px and verify the panel and input bounding boxes remain within the required margins.