GLM-4-AirX
GLM-4-AirX ist das auf Geschwindigkeit ausgerichtete Textmodell von Z.ai für Dialoge mit geringer Latenz, Programmierung und werkzeuggestützte Abläufe. Sein veröffentlichtes Profil nennt 8K Kontext und bis zu 4K Ausgabe und eignet sich damit für gezielte Aufgaben mit knappen, strukturierten Ergebnissen.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsglm-4-airx - Ailoot Ultra · Anthropic Messages
POST /v1/messagesglm-4-airx
Über das Modell
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Überblick und Modellprofil
GLM-4-AirX ist das schnelle Mitglied der GLM-4-Air-Reihe von Z.ai. Der Hersteller positioniert es für geringe Latenz und gleichzeitige Anwendungsaufgaben, mit besonderem Augenmerk auf das Befolgen von Anweisungen, technischen Code und Funktionsaufrufe. Das Modell akzeptiert Text und gibt Text zurück. Sein eigenes Profil nennt ein Kontextfenster von 8K Tokens und eine maximale Ausgabe von 4K Tokens. Das unterscheidet sich vom größeren Kontext, der für GLM-4-Air-250414 beworben wird; AirX behält sein eigenes veröffentlichtes Profil.
Für einen interaktiven Assistenten legt das gezielte Anfragen nahe: eine Funktion erklären, eine Nachricht klassifizieren, Felder aus einem bereitgestellten Absatz extrahieren oder eine technische Anweisung in eine knappe Antwort umwandeln. Geben Sie den relevanten Auszug, die aktuelle Frage und das gewünschte Ergebnis gemeinsam an. Halten Sie das vollständige Gespräch und alle Werkzeugbeobachtungen im aktiven Kontext, statt vorauszusetzen, dass ein großer Hintergrundbestand hineinpasst.
Unterstützte Funktionen
Die GLM-4-Beschreibung nennt Textstreaming, Funktionsaufrufe, Kontext-Caching, strukturierte Formate wie JSON und die Integration mit MCP-Werkzeugen und Datenquellen. Streaming zeigt die Antwort während ihrer Entstehung, sodass eine Anwendung hilfreichen Text schon vor der vollständigen Antwort anzeigen kann. Es verändert die Übermittlung, nicht die Ein- oder Ausgabemodalität des Modells.
Funktionsaufrufe lassen das Modell eine Aktion aus den von der Anwendung beschriebenen Funktionen vorschlagen. Die Anwendung führt sie aus und liefert die Beobachtung zurück. Ein passender Zyklus ist eine kleine Abfrage mit anschließender knapper Erklärung der zurückgegebenen Daten. Auch die MCP-Integration hängt von den Werkzeugen und Daten ab, die die Anwendung bereitstellt. Kontext-Caching betrifft die Wiederverwendung wiederholter Eingaben; es bedeutet nicht, dass jedes wiederholte Gespräch einen Cache-Treffer erzeugt hat.
Geben Sie für ein JSON-Ergebnis die Felder und ihre Bedeutung vor dem Material an. Stellen Sie etwa eine technische Anfrage bereit und verlangen Sie ihre Kategorie, die erforderliche Aktion und unbeantwortete Fragen. Die entstehende Struktur ist für den nächsten Anwendungsschritt hilfreich, während die Werte weiterhin am bereitgestellten Text geprüft werden müssen.
Empfohlene Szenarien
Der Hersteller zählt Übersetzung, semantische Klassifizierung, Dokumentfeldextraktion, Marketingtexte, analytische Berichte und Reiseplanung zu den GLM-4-Anwendungen. Das kürzere AirX-Profil begünstigt den unmittelbaren Schritt innerhalb eines solchen Ablaufs. Eine Übersetzungsanfrage kann eine kurze Passage, Zielgruppe und Terminologie enthalten; die Ausgabe ist eine umgeschriebene Passage, die die erforderlichen Namen bewahrt. Eine Klassifizierungsanfrage kann erlaubte Bezeichnungen und Definitionen angeben, statt ein unbestimmtes Urteil zu verlangen.
Definieren Sie für die Extraktion die gewünschten Kennungen und anderen Felder und geben Sie nur die relevante Quellpassage an. Stellen Sie zum Schreiben Produktfakten und ein einzelnes Ergebnis bereit, etwa einen Produktabsatz oder eine Kampagnenzeile. Übergeben Sie für einen Bericht oder Reiseplan die relevanten Fakten und Einschränkungen des aktuellen Schritts. Werden neue Informationen benötigt, liefert sie das Such- oder Datenwerkzeug der Anwendung; das Modell arbeitet anschließend mit diesem zurückgegebenen Material.
Detaillierte Vorbereitung und Geschwindigkeitsfokus
AirX wird als auf 15 Billionen Tokens vortrainiert beschrieben, darunter umfangreiches synthetisches Schlussfolgerungsmaterial. Sein Nachtraining nutzt die Ausrichtung an Dialogpräferenzen, Rejection Sampling und Reinforcement Learning, um Anweisungen, technischen Code und Funktionsnutzung zu stärken. Der Hersteller stellt es als schnellere Variante von GLM-4-Air-250414 vor, mit Änderungen an zugrunde liegenden Komponenten für Prompt-Prefilling und autoregressives Decoding. Das beschreibt das Herstellerdesign und keine gemessene Latenz oder Parallelitätsgarantie für eine bestimmte Bereitstellung.
Eine hilfreiche Anfrage vorbereiten
Geben Sie AirX eine begrenzte Aufgabe und ein kompaktes erwartetes Ergebnis. Fügen Sie für Code die Funktion, relevante Eingabewerte und das erforderliche Verhalten bei und verlangen Sie ein korrigiertes Fragment samt Erklärung. Stellen Sie für strukturierte Extraktion die Felddefinitionen vor die Passage und verlangen Sie die ausdrückliche Kennzeichnung fehlender Informationen. Planen Sie das Ergebnis innerhalb des veröffentlichten 4K-Ausgabeprofils; teilen Sie einen umfangreichen Bericht in gezielte Aufgaben, statt ein unbegrenztes Dokument aus einer Antwort zu erwarten.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions glm-4-airx
glm-4-airxEinstieg
GLM-4-AirX ist das auf Geschwindigkeit ausgerichtete Textmodell von Z.ai für Dialoge mit geringer Latenz, Programmierung und werkzeuggestützte Abläufe. Sein veröffentlichtes Profil nennt 8K Kontext und bis zu 4K Ausgabe und eignet sich damit für gezielte Aufgaben mit knappen, strukturierten Ergebnissen.
- Zulässige Eingaben
- Text
- Ergebnisse
- Text
In Ailoot verfügbar · Eingaben und Methoden
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
- Eingabe
text- Ausgabe
text- Ausgabeformat
- json oder SSE
| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits glm-4-airx | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Kombinationen von Eingabematerialien
Text · UTF8-Text
messages[].content
Methodenparameter und Lebenszyklus
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarife
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
- Schnellmodus
- Standardtarif Wenn der Schnellmodus ausgewählt ist
- Flex-Modus
- Standardtarif Wenn der Modus flex ausgewählt ist
- Maximaler Denkaufwand
- Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
Ailoot-Tarife
Preise nach Konfiguration
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0028 / 1K Tokens Ausgabe · Ausgabetoken $0.0028 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0028 / 1K Tokens Ausgabe · Ausgabetoken $0.0028 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot Ultra · OpenAI Chat
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"glm-4-airx","messages":[{"role":"user","content":"hello"}],"stream":false}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os
if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="glm-4-airx", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path
def save_result(data, stem="result"):
# Keep every field, including usage, IDs, reasoning and tool requests.
Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
print(json.dumps(data, ensure_ascii=False, indent=2))
def save_blob(encoded, suffix, label):
raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
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
file = Path(stem + "-" + label + "." + ext)
file.write_bytes(raw)
print("Saved", file)
for index, block in enumerate(data.get("content") or []):
print("Content", index, json.dumps(block, ensure_ascii=False))
for choice in data.get("choices") or []:
print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
for index, item in enumerate(data.get("output") or []):
print("Output", index, json.dumps(item, ensure_ascii=False))
if item.get("type") == "image_generation_call" and item.get("result"):
save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
for ci, candidate in enumerate(data.get("candidates") or []):
for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
blob = part.get("inlineData") or part.get("inline_data")
if blob and blob.get("data"):
mime = blob.get("mimeType") or blob.get("mime_type")
suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))
save_result(result.to_dict(mode="json"))
Ergebnisse abrufen und speichern
Ailoot Ultra · OpenAI Chat
json oder SSE
Alle fertiggestellten Ergebnisse aufbewahren
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Wenn die ursprüngliche Antwort geprüft werden muss
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
Antwortfelder
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
Fehler und nächste Schritte
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Aliasnamen
Modellaliasnamen
Ailoot Ultra glm-4-airx
Aliasnamen für Methodenpfade
/chat/completions
Zugehörige Aufrufer-IDs
Ailoot Ultra · Anthropic Messages POST /v1/messages glm-4-airx
glm-4-airxEinstieg
GLM-4-AirX ist das auf Geschwindigkeit ausgerichtete Textmodell von Z.ai für Dialoge mit geringer Latenz, Programmierung und werkzeuggestützte Abläufe. Sein veröffentlichtes Profil nennt 8K Kontext und bis zu 4K Ausgabe und eignet sich damit für gezielte Aufgaben mit knappen, strukturierten Ergebnissen.
- Zulässige Eingaben
- Text
- Ergebnisse
- json · sse
In Ailoot verfügbar · Eingaben und Methoden
Ailoot Ultra · Anthropic Messages POST /v1/messages
- Eingabe
text- Ausgabe
json,sse- Ausgabeformat
- JSON oder SSE
| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits glm-4-airx | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Kombinationen von Eingabematerialien
Text · UTF-8-Text
Zeichenfolge messages[].content
Methodenparameter und Lebenszyklus
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarife
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
- Schnellmodus
- Standardtarif Wenn der Schnellmodus ausgewählt ist
- Flex-Modus
- Standardtarif Wenn der Modus flex ausgewählt ist
- Maximaler Denkaufwand
- Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
Ailoot-Tarife
Preise nach Konfiguration
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0028 / 1K Tokens Ausgabe · Ausgabetoken $0.0028 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0028 / 1K Tokens Ausgabe · Ausgabetoken $0.0028 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot Ultra · Anthropic Messages
{
"model": "glm-4-airx",
"max_tokens": 128,
"messages": [
{
"role": "user",
"content": "Summarize the incident report."
}
],
"stream": false
}set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'glm-4-airx', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
-H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'glm-4-airx', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError
api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
with urlopen(request, timeout=120) as response:
raw = response.read()
Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
Path('result.json').write_bytes(error.read())
Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
Ergebnisse abrufen und speichern
Ailoot Ultra · Anthropic Messages
JSON oder SSE
Alle fertiggestellten Ergebnisse aufbewahren
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Wenn die ursprüngliche Antwort geprüft werden muss
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
Antwortfelder
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
Fehler und nächste Schritte
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Aliasnamen
Modellaliasnamen
Ailoot Ultra glm-4-airx
Aliasnamen für Methodenpfade
/chat/completions
Zugehörige Aufrufer-IDs
FAQ · GLM-4-AirX
- Welche Eingaben und Ergebnisse sind verfügbar?
POST /v1/chat/completions·glm-4-airx:text→textPOST /v1/messages·glm-4-airx:text→json,sse- Welche Felder verwendet die Anfrage?
POST /v1/chat/completions·glm-4-airx:model,messages,streamPOST /v1/messages·glm-4-airx:model,messages,max_tokens,stream- Welche Grenzen gelten?
POST /v1/chat/completions·glm-4-airx:messages.min_items:1