GLM-4V-Plus ist das multimodale Modell von Zhipu AI zur Interpretation von Bildern oder Video und zur Texterzeugung. Der Leitfaden des Herstellers zur Agentenentwicklung unterscheidet es ausdrücklich vom Bild-zu-Text-Ablauf von GLM-4V: Das Plus-Profil nimmt Bild- oder Videomaterial mit einem schriftlichen Prompt entgegen. Nutzen Sie diese Kombination, um aus einer visuellen Frage eine quellenbezogene Beschreibung, Erklärung oder Arbeitsnotiz zu erstellen.
Stellen Sie das Bild oder Video bereit, das das zu untersuchende Ereignis, Objekt oder den Zusammenhang enthält, und nennen Sie den Zweck der Aufgabe. Eine Bildfrage kann sich auf eine sichtbare Anordnung oder ein Detail in einem Dokument konzentrieren. Eine Videofrage kann eine Erklärung der gezeigten Handlung oder eine Zusammenfassung der bereitgestellten Sequenz verlangen.
Bewahren Sie die Referenzidentität gemeinsam mit der Frage. Benennen Sie bei einer Videoprüfung die Sequenz und, falls sinnvoll, das zu berücksichtigende Zeitintervall. Eine beispielhafte Anweisung lautet: „Beschreibe die Handlung im ausgewählten Intervall und erkläre, wie die sichtbare Abfolge deine Beschreibung stützt.“ Eine Zeitangabe im Briefing bezeichnet das angeforderte Material; sie ersetzt die Videoeingabe nicht.
Der Hersteller dokumentiert zwei Agentenabläufe: einen Gesprächsagenten, der ein hochgeladenes Bild oder Video mit dem Prompt verknüpft, und einen textorientierten Agenten mit ausdrücklich benannten Upload-Eingaben. Im letztgenannten Ablauf können mehrere visuelle Eingaben über getrennte benannte Eingabefelder konfiguriert werden. Weisen Sie jeder Referenz eine klare Rolle zu, etwa einen Ausgangszustand, einen späteren Zustand oder ein zu prüfendes Dokument.
Kennzeichnen Sie bei einem beispielhaften Vergleich die Referenzen, bevor Sie nach Veränderungen fragen. Verlangen Sie einen schriftlichen Vergleich, der für jede Beobachtung die Quelle nennt. Dadurch wird das Ergebnis als Prüfnotiz nutzbar, und eine Folgefrage zu einem bestimmten Bild oder einer Sequenz bleibt mit der richtigen Referenz verbunden.
Definieren Sie das im nächsten Schritt benötigte Ergebnis: eine Bildunterschrift, eine Erklärung, eine Sequenzzusammenfassung oder eine Liste von Beobachtungen mit Quellenbezügen. Fordern Sie das Modell auf, Sichtbares von Sachverhalten zu unterscheiden, die zusätzlichen Kontext erfordern. Bewahren Sie bei einer Dokumentfrage die Seitenidentität gemeinsam mit der zurückgegebenen Interpretation; halten Sie bei einer Handlungsabfolge das ausgewählte Intervall und den Originalclip neben der Zusammenfassung vor.
Die Ausgabe des dokumentierten GLM-4V-Plus-Ablaufs ist Text. Bewahren Sie diese Antwort gemeinsam mit dem Prompt und den Eingabereferenzen, wenn Sie einen visuellen Wissenseintrag vorbereiten oder die Prüfung an eine andere Person übergeben. Prüfen Sie Namen, Beschriftungen und Ereignisbeschreibungen anhand des Quellmaterials und richten Sie die nächste Anfrage anschließend auf die konkrete Beobachtung, die geklärt werden muss.
GLM-4V und GLM-4V-Plus sind eigenständig benannte Herstellerprofile. Wählen Sie Plus für eine Aufgabe, deren bereitgestellte Belege Video enthalten, und bewahren Sie diese Auswahl gemeinsam mit der abgeschlossenen Notiz. Eine zweckmäßige Fortsetzung bezieht sich auf dasselbe Material, grenzt die angeforderte Beobachtung enger ein und bewahrt die frühere Antwort als Teil des Arbeitsprotokolls.
", "aboutText": "GLM-4V-Plus ist das multimodale Modell von Zhipu AI zur Interpretation von Bildern oder Video und zur Texterzeugung. Der Leitfaden des Herstellers zur Agentenentwicklung unterscheidet es ausdrücklich vom Bild-zu-Text-Ablauf von GLM-4V: Das Plus-Profil nimmt Bild- oder Videomaterial mit einem schriftlichen Prompt entgegen. Nutzen Sie diese Kombination, um aus einer visuellen Frage eine quellenbezogene Beschreibung, Erklärung oder Arbeitsnotiz zu erstellen.\n\n### Die visuellen Belege für die Frage auswählen\n\nStellen Sie das Bild oder Video bereit, das das zu untersuchende Ereignis, Objekt oder den Zusammenhang enthält, und nennen Sie den Zweck der Aufgabe. Eine Bildfrage kann sich auf eine sichtbare Anordnung oder ein Detail in einem Dokument konzentrieren. Eine Videofrage kann eine Erklärung der gezeigten Handlung oder eine Zusammenfassung der bereitgestellten Sequenz verlangen.\n\nBewahren Sie die Referenzidentität gemeinsam mit der Frage. Benennen Sie bei einer Videoprüfung die Sequenz und, falls sinnvoll, das zu berücksichtigende Zeitintervall. Eine beispielhafte Anweisung lautet: „Beschreibe die Handlung im ausgewählten Intervall und erkläre, wie die sichtbare Abfolge deine Beschreibung stützt.“ Eine Zeitangabe im Briefing bezeichnet das angeforderte Material; sie ersetzt die Videoeingabe nicht.\n\n### Jede Eingabe ihrer Rolle zuordnen\n\nDer Hersteller dokumentiert zwei Agentenabläufe: einen Gesprächsagenten, der ein hochgeladenes Bild oder Video mit dem Prompt verknüpft, und einen textorientierten Agenten mit ausdrücklich benannten Upload-Eingaben. Im letztgenannten Ablauf können mehrere visuelle Eingaben über getrennte benannte Eingabefelder konfiguriert werden. Weisen Sie jeder Referenz eine klare Rolle zu, etwa einen Ausgangszustand, einen späteren Zustand oder ein zu prüfendes Dokument.\n\nKennzeichnen Sie bei einem beispielhaften Vergleich die Referenzen, bevor Sie nach Veränderungen fragen. Verlangen Sie einen schriftlichen Vergleich, der für jede Beobachtung die Quelle nennt. Dadurch wird das Ergebnis als Prüfnotiz nutzbar, und eine Folgefrage zu einem bestimmten Bild oder einer Sequenz bleibt mit der richtigen Referenz verbunden.\n\n### Ein brauchbares schriftliches Ergebnis anfordern\n\nDefinieren Sie das im nächsten Schritt benötigte Ergebnis: eine Bildunterschrift, eine Erklärung, eine Sequenzzusammenfassung oder eine Liste von Beobachtungen mit Quellenbezügen. Fordern Sie das Modell auf, Sichtbares von Sachverhalten zu unterscheiden, die zusätzlichen Kontext erfordern. Bewahren Sie bei einer Dokumentfrage die Seitenidentität gemeinsam mit der zurückgegebenen Interpretation; halten Sie bei einer Handlungsabfolge das ausgewählte Intervall und den Originalclip neben der Zusammenfassung vor.\n\nDie Ausgabe des dokumentierten GLM-4V-Plus-Ablaufs ist Text. Bewahren Sie diese Antwort gemeinsam mit dem Prompt und den Eingabereferenzen, wenn Sie einen visuellen Wissenseintrag vorbereiten oder die Prüfung an eine andere Person übergeben. Prüfen Sie Namen, Beschriftungen und Ereignisbeschreibungen anhand des Quellmaterials und richten Sie die nächste Anfrage anschließend auf die konkrete Beobachtung, die geklärt werden muss.\n\n### Das gewählte visuelle Profil gemeinsam mit dem Ergebnis bewahren\n\nGLM-4V und GLM-4V-Plus sind eigenständig benannte Herstellerprofile. Wählen Sie Plus für eine Aufgabe, deren bereitgestellte Belege Video enthalten, und bewahren Sie diese Auswahl gemeinsam mit der abgeschlossenen Notiz. Eine zweckmäßige Fortsetzung bezieht sich auf dasselbe Material, grenzt die angeforderte Beobachtung enger ein und bewahrt die frühere Antwort als Teil des Arbeitsprotokolls.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Compare labelled inspection notes\n\nUse only these text inspection notes. Before: crate latch closed, seal present, label K7. After: latch open, seal missing, label K7. Write a comparison for the receiving team. Distinguish documented changes from unknown causes and list the next evidence to request. No image or video is attached.A before/after comparison with source labels, an unknown-cause note and a short evidence request.The latch and seal changes are reported, while damage, theft and the person responsible remain unasserted.glm-4v-plusGLM-4V-Plus ist das Modell von Zhipu AI zur Interpretation von Bildern oder Video gemeinsam mit einem Textprompt und zur Ausgabe einer schriftlichen Antwort. Wählen Sie das videofähige Plus-Profil für eine Sequenzzusammenfassung oder eine schriftliche Erklärung der gezeigten Handlung.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GLM-4V-Plus ist das multimodale Modell von Zhipu AI zur Interpretation von Bildern oder Video und zur Texterzeugung. Der Leitfaden des Herstellers zur Agentenentwicklung unterscheidet es ausdrücklich vom Bild-zu-Text-Ablauf von GLM-4V: Das Plus-Profil nimmt Bild- oder Videomaterial mit einem schriftlichen Prompt entgegen. Nutzen Sie diese Kombination, um aus einer visuellen Frage eine quellenbezogene Beschreibung, Erklärung oder Arbeitsnotiz zu erstellen.
Stellen Sie das Bild oder Video bereit, das das zu untersuchende Ereignis, Objekt oder den Zusammenhang enthält, und nennen Sie den Zweck der Aufgabe. Eine Bildfrage kann sich auf eine sichtbare Anordnung oder ein Detail in einem Dokument konzentrieren. Eine Videofrage kann eine Erklärung der gezeigten Handlung oder eine Zusammenfassung der bereitgestellten Sequenz verlangen.
Bewahren Sie die Referenzidentität gemeinsam mit der Frage. Benennen Sie bei einer Videoprüfung die Sequenz und, falls sinnvoll, das zu berücksichtigende Zeitintervall. Eine beispielhafte Anweisung lautet: „Beschreibe die Handlung im ausgewählten Intervall und erkläre, wie die sichtbare Abfolge deine Beschreibung stützt.“ Eine Zeitangabe im Briefing bezeichnet das angeforderte Material; sie ersetzt die Videoeingabe nicht.
Der Hersteller dokumentiert zwei Agentenabläufe: einen Gesprächsagenten, der ein hochgeladenes Bild oder Video mit dem Prompt verknüpft, und einen textorientierten Agenten mit ausdrücklich benannten Upload-Eingaben. Im letztgenannten Ablauf können mehrere visuelle Eingaben über getrennte benannte Eingabefelder konfiguriert werden. Weisen Sie jeder Referenz eine klare Rolle zu, etwa einen Ausgangszustand, einen späteren Zustand oder ein zu prüfendes Dokument.
Kennzeichnen Sie bei einem beispielhaften Vergleich die Referenzen, bevor Sie nach Veränderungen fragen. Verlangen Sie einen schriftlichen Vergleich, der für jede Beobachtung die Quelle nennt. Dadurch wird das Ergebnis als Prüfnotiz nutzbar, und eine Folgefrage zu einem bestimmten Bild oder einer Sequenz bleibt mit der richtigen Referenz verbunden.
Definieren Sie das im nächsten Schritt benötigte Ergebnis: eine Bildunterschrift, eine Erklärung, eine Sequenzzusammenfassung oder eine Liste von Beobachtungen mit Quellenbezügen. Fordern Sie das Modell auf, Sichtbares von Sachverhalten zu unterscheiden, die zusätzlichen Kontext erfordern. Bewahren Sie bei einer Dokumentfrage die Seitenidentität gemeinsam mit der zurückgegebenen Interpretation; halten Sie bei einer Handlungsabfolge das ausgewählte Intervall und den Originalclip neben der Zusammenfassung vor.
Die Ausgabe des dokumentierten GLM-4V-Plus-Ablaufs ist Text. Bewahren Sie diese Antwort gemeinsam mit dem Prompt und den Eingabereferenzen, wenn Sie einen visuellen Wissenseintrag vorbereiten oder die Prüfung an eine andere Person übergeben. Prüfen Sie Namen, Beschriftungen und Ereignisbeschreibungen anhand des Quellmaterials und richten Sie die nächste Anfrage anschließend auf die konkrete Beobachtung, die geklärt werden muss.
GLM-4V und GLM-4V-Plus sind eigenständig benannte Herstellerprofile. Wählen Sie Plus für eine Aufgabe, deren bereitgestellte Belege Video enthalten, und bewahren Sie diese Auswahl gemeinsam mit der abgeschlossenen Notiz. Eine zweckmäßige Fortsetzung bezieht sich auf dasselbe Material, grenzt die angeforderte Beobachtung enger ein und bewahrt die frühere Antwort als Teil des Arbeitsprotokolls.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits glm-4v-plus | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| 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, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
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.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.0028 / 1K Tokens Ausgabe · Ausgabetoken $0.0028 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-4v-plus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='glm-4v-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='glm-4v-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
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.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| 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 |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra glm-4v-plus
Verwenden Sie die oben angezeigten Methodenpfade.
glm-4v-plusGLM-4V-Plus ist das Modell von Zhipu AI zur Interpretation von Bildern oder Video gemeinsam mit einem Textprompt und zur Ausgabe einer schriftlichen Antwort. Wählen Sie das videofähige Plus-Profil für eine Sequenzzusammenfassung oder eine schriftliche Erklärung der gezeigten Handlung.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GLM-4V-Plus ist das multimodale Modell von Zhipu AI zur Interpretation von Bildern oder Video und zur Texterzeugung. Der Leitfaden des Herstellers zur Agentenentwicklung unterscheidet es ausdrücklich vom Bild-zu-Text-Ablauf von GLM-4V: Das Plus-Profil nimmt Bild- oder Videomaterial mit einem schriftlichen Prompt entgegen. Nutzen Sie diese Kombination, um aus einer visuellen Frage eine quellenbezogene Beschreibung, Erklärung oder Arbeitsnotiz zu erstellen.
Stellen Sie das Bild oder Video bereit, das das zu untersuchende Ereignis, Objekt oder den Zusammenhang enthält, und nennen Sie den Zweck der Aufgabe. Eine Bildfrage kann sich auf eine sichtbare Anordnung oder ein Detail in einem Dokument konzentrieren. Eine Videofrage kann eine Erklärung der gezeigten Handlung oder eine Zusammenfassung der bereitgestellten Sequenz verlangen.
Bewahren Sie die Referenzidentität gemeinsam mit der Frage. Benennen Sie bei einer Videoprüfung die Sequenz und, falls sinnvoll, das zu berücksichtigende Zeitintervall. Eine beispielhafte Anweisung lautet: „Beschreibe die Handlung im ausgewählten Intervall und erkläre, wie die sichtbare Abfolge deine Beschreibung stützt.“ Eine Zeitangabe im Briefing bezeichnet das angeforderte Material; sie ersetzt die Videoeingabe nicht.
Der Hersteller dokumentiert zwei Agentenabläufe: einen Gesprächsagenten, der ein hochgeladenes Bild oder Video mit dem Prompt verknüpft, und einen textorientierten Agenten mit ausdrücklich benannten Upload-Eingaben. Im letztgenannten Ablauf können mehrere visuelle Eingaben über getrennte benannte Eingabefelder konfiguriert werden. Weisen Sie jeder Referenz eine klare Rolle zu, etwa einen Ausgangszustand, einen späteren Zustand oder ein zu prüfendes Dokument.
Kennzeichnen Sie bei einem beispielhaften Vergleich die Referenzen, bevor Sie nach Veränderungen fragen. Verlangen Sie einen schriftlichen Vergleich, der für jede Beobachtung die Quelle nennt. Dadurch wird das Ergebnis als Prüfnotiz nutzbar, und eine Folgefrage zu einem bestimmten Bild oder einer Sequenz bleibt mit der richtigen Referenz verbunden.
Definieren Sie das im nächsten Schritt benötigte Ergebnis: eine Bildunterschrift, eine Erklärung, eine Sequenzzusammenfassung oder eine Liste von Beobachtungen mit Quellenbezügen. Fordern Sie das Modell auf, Sichtbares von Sachverhalten zu unterscheiden, die zusätzlichen Kontext erfordern. Bewahren Sie bei einer Dokumentfrage die Seitenidentität gemeinsam mit der zurückgegebenen Interpretation; halten Sie bei einer Handlungsabfolge das ausgewählte Intervall und den Originalclip neben der Zusammenfassung vor.
Die Ausgabe des dokumentierten GLM-4V-Plus-Ablaufs ist Text. Bewahren Sie diese Antwort gemeinsam mit dem Prompt und den Eingabereferenzen, wenn Sie einen visuellen Wissenseintrag vorbereiten oder die Prüfung an eine andere Person übergeben. Prüfen Sie Namen, Beschriftungen und Ereignisbeschreibungen anhand des Quellmaterials und richten Sie die nächste Anfrage anschließend auf die konkrete Beobachtung, die geklärt werden muss.
GLM-4V und GLM-4V-Plus sind eigenständig benannte Herstellerprofile. Wählen Sie Plus für eine Aufgabe, deren bereitgestellte Belege Video enthalten, und bewahren Sie diese Auswahl gemeinsam mit der abgeschlossenen Notiz. Eine zweckmäßige Fortsetzung bezieht sich auf dasselbe Material, grenzt die angeforderte Beobachtung enger ein und bewahrt die frühere Antwort als Teil des Arbeitsprotokolls.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits glm-4v-plus | 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 |
Text · UTF-8-Text
Zeichenfolge messages[].content
| 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
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.0028 / 1K Tokens Ausgabe · Ausgabetoken $0.0028 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "glm-4v-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4v-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4v-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
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.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra glm-4v-plus
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Compare labelled inspection notes\n\nUse only these text inspection notes. Before: crate latch closed, seal present, label K7. After: latch open, seal missing, label K7. Write a comparison for the receiving team. Distinguish documented changes from unknown causes and list the next evidence to request. No image or video is attached.A before/after comparison with source labels, an unknown-cause note and a short evidence request.The latch and seal changes are reported, while damage, theft and the person responsible remain unasserted.