GLM-4.6V ist die Edition 106B in der GLM-V-Familie von Z.ai und unterscheidet sich vom leichteren GLM-4.6V-Flash mit 9B. Der Trainingskontext ist auf 128K Tokens erweitert, mit einem Schwerpunkt auf visuellem Verständnis und nativen multimodalen Funktionsaufrufen. Das Hosting-Profil nennt Bilder, Video, Text und Dateien als Eingaben und Text als Ausgabe. Aufgaben können eine Dokumenterklärung, eine Extraktionstabelle, eine screenshotgestützte Umsetzung oder einen Bericht auf Grundlage visueller Belege anfordern.
Native multimodale Werkzeugnutzung ist eine wesentliche Neuerung. Bilder, Screenshots und Dokumentseiten können als Werkzeugeingaben dienen, ohne zuvor auf Textbeschreibungen reduziert zu werden. Das Modell kann zurückgegebene Diagramme, gerenderte Seiten oder abgerufene Bilder interpretieren und in weitere Denkprozesse einbeziehen. Definieren Sie die Werkzeuge und die Frage und geben Sie anschließend reale Ausgaben zurück. Die Anwendung führt Vorgänge aus; ein vorgeschlagener Aufruf und sein abgeschlossenes Ergebnis sind getrennte Phasen.
Dokumentarbeit verbindet Text, Struktur, Diagramme, Tabellen, Formeln und Abbildungen. Die Karte beschreibt lange oder mehrere Dokumente innerhalb ihres Umfangs von 128K. Stellen Sie lesbare Seiten und Seitenkennzeichnungen bereit und verlangen Sie benannte Felder oder Schlussfolgerungen. Ein beispielhafter Bericht kann Aussagen, die jeweiligen Belege und ungeklärte Unterschiede zwischen Quellen ordnen. Visuelle Inhalte beanspruchen gemeinsam mit der Frage und der Antwort Eingaberaum.
Der Hersteller beschreibt ineinander verschachtelte Bild- und Textinhalte, die aus Quelldokumenten und abgerufenen visuellen Inhalten zusammengestellt werden. Ein Ablauf kann mögliche Bilder finden, ihre Relevanz bewerten und Text um das ausgewählte Material herum verfassen. Das ist die Erstellung illustrierter Inhalte mithilfe von Werkzeugen; das Hosting-Profil nennt weiterhin Text als native Ausgabemodalität. Geben Sie Quellenverweise an und erläutern Sie, wie jedes Bild die Darstellung stützt. Dies belegt weder eigenständige Pixelgenerierung noch die Produktion fertiger Dateien.
Die Nachbildung von Frontends und visuelle Bearbeitung sind wesentliche Einsatzzwecke. Das Modell kann Layout, Komponenten und Stile interpretieren und anhand eines Screenshots HTML, CSS oder JavaScript vorschlagen. Es unterstützt außerdem Anweisungen zur Überarbeitung eines sichtbaren Ergebnisses. Geben Sie die Zielzustände und die gewünschte Änderung an und verlangen Sie anschließend bearbeitbaren Quellcode und einen Vergleich mit dem tatsächlichen Rendering. Die Erstellung der gerenderten Seite und eines neuen Screenshots erfordert Anwendungsvorgänge.
Die Einstellungen zur Reproduzierbarkeit der genauen Karte umfassen temperature 0.8, top-p 0.6, top-k 2 und repetition penalty 1.1, mit einem Generierungskontingent von 16K in diesem Verfahren. Die Schnellstartanleitung verwendet ein anderes beispielhaftes Kontingent. Dies sind veröffentlichte Verfahren und keine harte Ausgabeobergrenze. Die Identität 106B und der Kontext von 128K bleiben von GLM-4.5V, dem Flash-Modell mit 9B und späteren Veröffentlichungen für visuelle Programmierung getrennt.
Die Karte benennt Einschränkungen bei der Beantwortung reiner Textfragen, übermäßiges oder wiederholtes Denken bei komplexen Prompts und gelegentliche Wiederholungen der Antwort. Sie nennt außerdem Wahrnehmungsschwächen wie die Genauigkeit beim Zählen. Definieren Sie das Ergebnis, bewahren Sie kleine Beschriftungen und verlangen Sie Belege mit Bezug zur Quelle. So werden die Dokument- und visuellen Werkzeugfähigkeiten mit einem Ergebnis verbunden, das anhand des bereitgestellten Materials geprüft werden kann.
", "aboutText": "GLM-4.6V ist die Edition 106B in der GLM-V-Familie von Z.ai und unterscheidet sich vom leichteren GLM-4.6V-Flash mit 9B. Der Trainingskontext ist auf 128K Tokens erweitert, mit einem Schwerpunkt auf visuellem Verständnis und nativen multimodalen Funktionsaufrufen. Das Hosting-Profil nennt Bilder, Video, Text und Dateien als Eingaben und Text als Ausgabe. Aufgaben können eine Dokumenterklärung, eine Extraktionstabelle, eine screenshotgestützte Umsetzung oder einen Bericht auf Grundlage visueller Belege anfordern.\n\nNative multimodale Werkzeugnutzung ist eine wesentliche Neuerung. Bilder, Screenshots und Dokumentseiten können als Werkzeugeingaben dienen, ohne zuvor auf Textbeschreibungen reduziert zu werden. Das Modell kann zurückgegebene Diagramme, gerenderte Seiten oder abgerufene Bilder interpretieren und in weitere Denkprozesse einbeziehen. Definieren Sie die Werkzeuge und die Frage und geben Sie anschließend reale Ausgaben zurück. Die Anwendung führt Vorgänge aus; ein vorgeschlagener Aufruf und sein abgeschlossenes Ergebnis sind getrennte Phasen.\n\nDokumentarbeit verbindet Text, Struktur, Diagramme, Tabellen, Formeln und Abbildungen. Die Karte beschreibt lange oder mehrere Dokumente innerhalb ihres Umfangs von 128K. Stellen Sie lesbare Seiten und Seitenkennzeichnungen bereit und verlangen Sie benannte Felder oder Schlussfolgerungen. Ein beispielhafter Bericht kann Aussagen, die jeweiligen Belege und ungeklärte Unterschiede zwischen Quellen ordnen. Visuelle Inhalte beanspruchen gemeinsam mit der Frage und der Antwort Eingaberaum.\n\nDer Hersteller beschreibt ineinander verschachtelte Bild- und Textinhalte, die aus Quelldokumenten und abgerufenen visuellen Inhalten zusammengestellt werden. Ein Ablauf kann mögliche Bilder finden, ihre Relevanz bewerten und Text um das ausgewählte Material herum verfassen. Das ist die Erstellung illustrierter Inhalte mithilfe von Werkzeugen; das Hosting-Profil nennt weiterhin Text als native Ausgabemodalität. Geben Sie Quellenverweise an und erläutern Sie, wie jedes Bild die Darstellung stützt. Dies belegt weder eigenständige Pixelgenerierung noch die Produktion fertiger Dateien.\n\nDie Nachbildung von Frontends und visuelle Bearbeitung sind wesentliche Einsatzzwecke. Das Modell kann Layout, Komponenten und Stile interpretieren und anhand eines Screenshots HTML, CSS oder JavaScript vorschlagen. Es unterstützt außerdem Anweisungen zur Überarbeitung eines sichtbaren Ergebnisses. Geben Sie die Zielzustände und die gewünschte Änderung an und verlangen Sie anschließend bearbeitbaren Quellcode und einen Vergleich mit dem tatsächlichen Rendering. Die Erstellung der gerenderten Seite und eines neuen Screenshots erfordert Anwendungsvorgänge.\n\nDie Einstellungen zur Reproduzierbarkeit der genauen Karte umfassen temperature 0.8, top-p 0.6, top-k 2 und repetition penalty 1.1, mit einem Generierungskontingent von 16K in diesem Verfahren. Die Schnellstartanleitung verwendet ein anderes beispielhaftes Kontingent. Dies sind veröffentlichte Verfahren und keine harte Ausgabeobergrenze. Die Identität 106B und der Kontext von 128K bleiben von GLM-4.5V, dem Flash-Modell mit 9B und späteren Veröffentlichungen für visuelle Programmierung getrennt.\n\nDie Karte benennt Einschränkungen bei der Beantwortung reiner Textfragen, übermäßiges oder wiederholtes Denken bei komplexen Prompts und gelegentliche Wiederholungen der Antwort. Sie nennt außerdem Wahrnehmungsschwächen wie die Genauigkeit beim Zählen. Definieren Sie das Ergebnis, bewahren Sie kleine Beschriftungen und verlangen Sie Belege mit Bezug zur Quelle. So werden die Dokument- und visuellen Werkzeugfähigkeiten mit einem Ergebnis verbunden, das anhand des bereitgestellten Materials geprüft werden kann.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
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 ist das Vision-Language-Modell 106B von Z.ai für aufwendig formatierte Dokumente, visuelle Programmierung und multimodale Werkzeugnutzung. Sein Herstellerprofil nimmt Text, Bilder, Video und Dateien entgegen, gibt Text zurück und verfügt über einen Kontext von 128K.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GLM-4.6V ist die Edition 106B in der GLM-V-Familie von Z.ai und unterscheidet sich vom leichteren GLM-4.6V-Flash mit 9B. Der Trainingskontext ist auf 128K Tokens erweitert, mit einem Schwerpunkt auf visuellem Verständnis und nativen multimodalen Funktionsaufrufen. Das Hosting-Profil nennt Bilder, Video, Text und Dateien als Eingaben und Text als Ausgabe. Aufgaben können eine Dokumenterklärung, eine Extraktionstabelle, eine screenshotgestützte Umsetzung oder einen Bericht auf Grundlage visueller Belege anfordern.
Native multimodale Werkzeugnutzung ist eine wesentliche Neuerung. Bilder, Screenshots und Dokumentseiten können als Werkzeugeingaben dienen, ohne zuvor auf Textbeschreibungen reduziert zu werden. Das Modell kann zurückgegebene Diagramme, gerenderte Seiten oder abgerufene Bilder interpretieren und in weitere Denkprozesse einbeziehen. Definieren Sie die Werkzeuge und die Frage und geben Sie anschließend reale Ausgaben zurück. Die Anwendung führt Vorgänge aus; ein vorgeschlagener Aufruf und sein abgeschlossenes Ergebnis sind getrennte Phasen.
Dokumentarbeit verbindet Text, Struktur, Diagramme, Tabellen, Formeln und Abbildungen. Die Karte beschreibt lange oder mehrere Dokumente innerhalb ihres Umfangs von 128K. Stellen Sie lesbare Seiten und Seitenkennzeichnungen bereit und verlangen Sie benannte Felder oder Schlussfolgerungen. Ein beispielhafter Bericht kann Aussagen, die jeweiligen Belege und ungeklärte Unterschiede zwischen Quellen ordnen. Visuelle Inhalte beanspruchen gemeinsam mit der Frage und der Antwort Eingaberaum.
Der Hersteller beschreibt ineinander verschachtelte Bild- und Textinhalte, die aus Quelldokumenten und abgerufenen visuellen Inhalten zusammengestellt werden. Ein Ablauf kann mögliche Bilder finden, ihre Relevanz bewerten und Text um das ausgewählte Material herum verfassen. Das ist die Erstellung illustrierter Inhalte mithilfe von Werkzeugen; das Hosting-Profil nennt weiterhin Text als native Ausgabemodalität. Geben Sie Quellenverweise an und erläutern Sie, wie jedes Bild die Darstellung stützt. Dies belegt weder eigenständige Pixelgenerierung noch die Produktion fertiger Dateien.
Die Nachbildung von Frontends und visuelle Bearbeitung sind wesentliche Einsatzzwecke. Das Modell kann Layout, Komponenten und Stile interpretieren und anhand eines Screenshots HTML, CSS oder JavaScript vorschlagen. Es unterstützt außerdem Anweisungen zur Überarbeitung eines sichtbaren Ergebnisses. Geben Sie die Zielzustände und die gewünschte Änderung an und verlangen Sie anschließend bearbeitbaren Quellcode und einen Vergleich mit dem tatsächlichen Rendering. Die Erstellung der gerenderten Seite und eines neuen Screenshots erfordert Anwendungsvorgänge.
Die Einstellungen zur Reproduzierbarkeit der genauen Karte umfassen temperature 0.8, top-p 0.6, top-k 2 und repetition penalty 1.1, mit einem Generierungskontingent von 16K in diesem Verfahren. Die Schnellstartanleitung verwendet ein anderes beispielhaftes Kontingent. Dies sind veröffentlichte Verfahren und keine harte Ausgabeobergrenze. Die Identität 106B und der Kontext von 128K bleiben von GLM-4.5V, dem Flash-Modell mit 9B und späteren Veröffentlichungen für visuelle Programmierung getrennt.
Die Karte benennt Einschränkungen bei der Beantwortung reiner Textfragen, übermäßiges oder wiederholtes Denken bei komplexen Prompts und gelegentliche Wiederholungen der Antwort. Sie nennt außerdem Wahrnehmungsschwächen wie die Genauigkeit beim Zählen. Definieren Sie das Ergebnis, bewahren Sie kleine Beschriftungen und verlangen Sie Belege mit Bezug zur Quelle. So werden die Dokument- und visuellen Werkzeugfähigkeiten mit einem Ergebnis verbunden, das anhand des bereitgestellten Materials geprüft werden kann.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits z-ai/glm-4.6v | 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.
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 $0.0006 / 1K Tokens Ausgabe · Ausgabetoken $0.0018 / 1K Tokens Eingabe · Cache lesen $0.0001 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0006 / 1K Tokens Ausgabe · Ausgabetoken $0.0018 / 1K Tokens Eingabe · Cache lesen $0.0001 / 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": "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 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 z-ai/glm-4.6v
Verwenden Sie die oben angezeigten Methodenpfade.
z-ai/glm-4.6vGLM-4.6V ist das Vision-Language-Modell 106B von Z.ai für aufwendig formatierte Dokumente, visuelle Programmierung und multimodale Werkzeugnutzung. Sein Herstellerprofil nimmt Text, Bilder, Video und Dateien entgegen, gibt Text zurück und verfügt über einen Kontext von 128K.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GLM-4.6V ist die Edition 106B in der GLM-V-Familie von Z.ai und unterscheidet sich vom leichteren GLM-4.6V-Flash mit 9B. Der Trainingskontext ist auf 128K Tokens erweitert, mit einem Schwerpunkt auf visuellem Verständnis und nativen multimodalen Funktionsaufrufen. Das Hosting-Profil nennt Bilder, Video, Text und Dateien als Eingaben und Text als Ausgabe. Aufgaben können eine Dokumenterklärung, eine Extraktionstabelle, eine screenshotgestützte Umsetzung oder einen Bericht auf Grundlage visueller Belege anfordern.
Native multimodale Werkzeugnutzung ist eine wesentliche Neuerung. Bilder, Screenshots und Dokumentseiten können als Werkzeugeingaben dienen, ohne zuvor auf Textbeschreibungen reduziert zu werden. Das Modell kann zurückgegebene Diagramme, gerenderte Seiten oder abgerufene Bilder interpretieren und in weitere Denkprozesse einbeziehen. Definieren Sie die Werkzeuge und die Frage und geben Sie anschließend reale Ausgaben zurück. Die Anwendung führt Vorgänge aus; ein vorgeschlagener Aufruf und sein abgeschlossenes Ergebnis sind getrennte Phasen.
Dokumentarbeit verbindet Text, Struktur, Diagramme, Tabellen, Formeln und Abbildungen. Die Karte beschreibt lange oder mehrere Dokumente innerhalb ihres Umfangs von 128K. Stellen Sie lesbare Seiten und Seitenkennzeichnungen bereit und verlangen Sie benannte Felder oder Schlussfolgerungen. Ein beispielhafter Bericht kann Aussagen, die jeweiligen Belege und ungeklärte Unterschiede zwischen Quellen ordnen. Visuelle Inhalte beanspruchen gemeinsam mit der Frage und der Antwort Eingaberaum.
Der Hersteller beschreibt ineinander verschachtelte Bild- und Textinhalte, die aus Quelldokumenten und abgerufenen visuellen Inhalten zusammengestellt werden. Ein Ablauf kann mögliche Bilder finden, ihre Relevanz bewerten und Text um das ausgewählte Material herum verfassen. Das ist die Erstellung illustrierter Inhalte mithilfe von Werkzeugen; das Hosting-Profil nennt weiterhin Text als native Ausgabemodalität. Geben Sie Quellenverweise an und erläutern Sie, wie jedes Bild die Darstellung stützt. Dies belegt weder eigenständige Pixelgenerierung noch die Produktion fertiger Dateien.
Die Nachbildung von Frontends und visuelle Bearbeitung sind wesentliche Einsatzzwecke. Das Modell kann Layout, Komponenten und Stile interpretieren und anhand eines Screenshots HTML, CSS oder JavaScript vorschlagen. Es unterstützt außerdem Anweisungen zur Überarbeitung eines sichtbaren Ergebnisses. Geben Sie die Zielzustände und die gewünschte Änderung an und verlangen Sie anschließend bearbeitbaren Quellcode und einen Vergleich mit dem tatsächlichen Rendering. Die Erstellung der gerenderten Seite und eines neuen Screenshots erfordert Anwendungsvorgänge.
Die Einstellungen zur Reproduzierbarkeit der genauen Karte umfassen temperature 0.8, top-p 0.6, top-k 2 und repetition penalty 1.1, mit einem Generierungskontingent von 16K in diesem Verfahren. Die Schnellstartanleitung verwendet ein anderes beispielhaftes Kontingent. Dies sind veröffentlichte Verfahren und keine harte Ausgabeobergrenze. Die Identität 106B und der Kontext von 128K bleiben von GLM-4.5V, dem Flash-Modell mit 9B und späteren Veröffentlichungen für visuelle Programmierung getrennt.
Die Karte benennt Einschränkungen bei der Beantwortung reiner Textfragen, übermäßiges oder wiederholtes Denken bei komplexen Prompts und gelegentliche Wiederholungen der Antwort. Sie nennt außerdem Wahrnehmungsschwächen wie die Genauigkeit beim Zählen. Definieren Sie das Ergebnis, bewahren Sie kleine Beschriftungen und verlangen Sie Belege mit Bezug zur Quelle. So werden die Dokument- und visuellen Werkzeugfähigkeiten mit einem Ergebnis verbunden, das anhand des bereitgestellten Materials geprüft werden kann.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits z-ai/glm-4.6v | 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.
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 $0.0006 / 1K Tokens Ausgabe · Ausgabetoken $0.0018 / 1K Tokens Eingabe · Cache lesen $0.0001 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0006 / 1K Tokens Ausgabe · Ausgabetoken $0.0018 / 1K Tokens Eingabe · Cache lesen $0.0001 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "z-ai/glm-4.6v",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 z-ai/glm-4.6v
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
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.