GLM-5.3-FlashX ist die FlashX-Edition in der nativ multimodalen Familie GLM-5.3-Flash von Z.ai. Der Hersteller stellt das Paar für visuelle Programmierung und professionelle Arbeit vor; es verbindet Text mit Bildern, Video und Dateien und gibt Text zurück. FlashX ist für schnellere Inferenz im Dienst des Herstellers separat benannt. Ein sinnvolles Briefing kann eine auf Screenshots gestützte Umsetzung, eine dokumentbasierte Analyse oder einen Plan verlangen, den eine Anwendung mit Werkzeugen ausführt. Die Quelle nennt beide Modellcodes; ihre Dienstidentitäten bleiben getrennt.
Die Familie verwendet einen hybriden Entwurf mit dünn besetzter und linearer Aufmerksamkeit und wird mit insgesamt 320 Milliarden Parametern sowie 18 Milliarden aktivierten Parametern beschrieben. Dünn besetzte Aufmerksamkeit ruft globale Informationen ab, während lineare Aufmerksamkeit lokale Abhängigkeiten modelliert; der Hersteller beschreibt ausserdem Index-Pooling für lange Kontexte. Dies sind Architekturfakten zur Familie, nicht das numerische Format jeder gehosteten Instanz. Ihr gemeinsames Profil umfasst eine Million Kontext-Tokens und bis zu 128K Ausgabe-Tokens. Quellmaterial, dargestellte visuelle Inhalte, Verlauf, Gedankengang und Antwort benötigen alle Platz im konfigurierten Ablauf.
Visuelle Programmierung steht im Zentrum. Die Beispiele von Z.ai verbinden mehrere Seitenscreenshots oder eine Aufzeichnung mit Anweisungen zur Rekonstruktion von Seitenbeziehungen, gemeinsamen Komponenten, Navigation, Zuständen und Animationsverhalten. Bereiten Sie Referenzen in der richtigen Reihenfolge vor und geben Sie an, welche Funktionen arbeiten müssen. Verlangen Sie bearbeitbaren Quellcode und einen Vergleich mit dem Entwurf. Die Anwendung startet oder rendert den Vorschlag und gibt Screenshots oder Interaktionsergebnisse zurück; das Modell verfeinert das Ergebnis anhand dieser Rückmeldung. Text und Code werden ohne diese Vorgänge nicht zu einer fertigen laufenden Anwendung.
Für Office- und Dokumentarbeit beschreibt der Hersteller das Ordnen von Material, die Erstellung von Diagrammen und Layouts und die Prüfung des gerenderten Ergebnisses. Ein werkzeuggestützter Ablauf kann PPTX, PDF, DOCX oder XLSX erzeugen. Ein beispielhaftes Berichtsbriefing kann Quellen, Zielgruppe und erforderliche Abschnitte bereitstellen und dann eine Tabelle von Quellen zu Schlussfolgerungen sowie einen bearbeitbaren Bericht oder eine Präsentation verlangen. Halten Sie bereitgestellte Werte von analytischen Annahmen getrennt. Rendern, Dateispeicherung und die Prüfung von Formelreferenzen sind Anwendungsvorgänge. Für Finanzrecherche beschreibt der Hersteller den Vergleich von Abschlüssen und Mitteilungen, die Trennung offengelegter Werte von Annahmen und die Erstellung eines bearbeitbaren Prognose- oder Bewertungsmodells zusammen mit einem Bericht mit Quellenbezug über angebundene Werkzeuge.
Die umfassenderen Beispiele des Herstellers enthalten Videobearbeitung, 3D-Szenen, spielbare Spiele und CAD-Rekonstruktion über Werkzeuge. Eine Videoaufgabe kann mit einem Medieninventar und einer Zeitleiste beginnen; eine Szenenaufgabe kann Anordnung, Materialien und Kameraansichten definieren, bevor sie ein Modellierungsskript verlangt. Ein CAD-Briefing benötigt Massreferenzen und ausdrückliche Annahmen für Messwerte, die durch das Bild nicht belegt sind. Das Modell interpretiert das Material und steuert die Arbeit, während die relevanten Bearbeitungs-, Rendering- oder Modellierungswerkzeuge die Assets erzeugen und prüfen.
Schlussfolgern lässt sich in diesem Profil nicht deaktivieren. Laut Quelle stimmen die Texteinstellungen mit GLM-5.3 überein; empfohlen werden reasoning_effort=max, temperature 1 und top-p 0.95. Sie empfiehlt clear_thinking=false zur Beibehaltung des Gedankengangs sowie Streaming von Text und Werkzeugaufrufen. Der zugehörige Leitfaden verlangt, bewahrte Schlussfolgerungsblöcke vollständig und unverändert zurückzugeben. Definieren Sie das Endergebnis vor einer langen Analyse und halten Sie Beobachtungen mit den Schritten verbunden, die sie hervorgebracht haben.
Der Hersteller nennt Funktionsaufrufe, Kontext-Caching, strukturierte Ausgaben und natives visuelles Verständnis. Geben Sie Werkzeugbeschreibungen und erforderliche Ausgabefelder ausdrücklich an. Verlangen Sie für eine Oberflächenaufgabe Angaben zu den abgedeckten Seitenzuständen, den verbleibenden Abweichungen und den Befunden des tatsächlichen Rendervergleichs. Trennen Sie bei Analysen Quellfakten, Annahmen und Schlussfolgerungen. FlashX unterstützt diese multimodalen Abläufe; Ausführung, Rendering und Dateiverarbeitung stellt die angebundene Anwendung bereit.
", "aboutText": "GLM-5.3-FlashX ist die FlashX-Edition in der nativ multimodalen Familie GLM-5.3-Flash von Z.ai. Der Hersteller stellt das Paar für visuelle Programmierung und professionelle Arbeit vor; es verbindet Text mit Bildern, Video und Dateien und gibt Text zurück. FlashX ist für schnellere Inferenz im Dienst des Herstellers separat benannt. Ein sinnvolles Briefing kann eine auf Screenshots gestützte Umsetzung, eine dokumentbasierte Analyse oder einen Plan verlangen, den eine Anwendung mit Werkzeugen ausführt. Die Quelle nennt beide Modellcodes; ihre Dienstidentitäten bleiben getrennt.\n\nDie Familie verwendet einen hybriden Entwurf mit dünn besetzter und linearer Aufmerksamkeit und wird mit insgesamt 320 Milliarden Parametern sowie 18 Milliarden aktivierten Parametern beschrieben. Dünn besetzte Aufmerksamkeit ruft globale Informationen ab, während lineare Aufmerksamkeit lokale Abhängigkeiten modelliert; der Hersteller beschreibt ausserdem Index-Pooling für lange Kontexte. Dies sind Architekturfakten zur Familie, nicht das numerische Format jeder gehosteten Instanz. Ihr gemeinsames Profil umfasst eine Million Kontext-Tokens und bis zu 128K Ausgabe-Tokens. Quellmaterial, dargestellte visuelle Inhalte, Verlauf, Gedankengang und Antwort benötigen alle Platz im konfigurierten Ablauf.\n\nVisuelle Programmierung steht im Zentrum. Die Beispiele von Z.ai verbinden mehrere Seitenscreenshots oder eine Aufzeichnung mit Anweisungen zur Rekonstruktion von Seitenbeziehungen, gemeinsamen Komponenten, Navigation, Zuständen und Animationsverhalten. Bereiten Sie Referenzen in der richtigen Reihenfolge vor und geben Sie an, welche Funktionen arbeiten müssen. Verlangen Sie bearbeitbaren Quellcode und einen Vergleich mit dem Entwurf. Die Anwendung startet oder rendert den Vorschlag und gibt Screenshots oder Interaktionsergebnisse zurück; das Modell verfeinert das Ergebnis anhand dieser Rückmeldung. Text und Code werden ohne diese Vorgänge nicht zu einer fertigen laufenden Anwendung.\n\nFür Office- und Dokumentarbeit beschreibt der Hersteller das Ordnen von Material, die Erstellung von Diagrammen und Layouts und die Prüfung des gerenderten Ergebnisses. Ein werkzeuggestützter Ablauf kann PPTX, PDF, DOCX oder XLSX erzeugen. Ein beispielhaftes Berichtsbriefing kann Quellen, Zielgruppe und erforderliche Abschnitte bereitstellen und dann eine Tabelle von Quellen zu Schlussfolgerungen sowie einen bearbeitbaren Bericht oder eine Präsentation verlangen. Halten Sie bereitgestellte Werte von analytischen Annahmen getrennt. Rendern, Dateispeicherung und die Prüfung von Formelreferenzen sind Anwendungsvorgänge. Für Finanzrecherche beschreibt der Hersteller den Vergleich von Abschlüssen und Mitteilungen, die Trennung offengelegter Werte von Annahmen und die Erstellung eines bearbeitbaren Prognose- oder Bewertungsmodells zusammen mit einem Bericht mit Quellenbezug über angebundene Werkzeuge.\n\nDie umfassenderen Beispiele des Herstellers enthalten Videobearbeitung, 3D-Szenen, spielbare Spiele und CAD-Rekonstruktion über Werkzeuge. Eine Videoaufgabe kann mit einem Medieninventar und einer Zeitleiste beginnen; eine Szenenaufgabe kann Anordnung, Materialien und Kameraansichten definieren, bevor sie ein Modellierungsskript verlangt. Ein CAD-Briefing benötigt Massreferenzen und ausdrückliche Annahmen für Messwerte, die durch das Bild nicht belegt sind. Das Modell interpretiert das Material und steuert die Arbeit, während die relevanten Bearbeitungs-, Rendering- oder Modellierungswerkzeuge die Assets erzeugen und prüfen.\n\nSchlussfolgern lässt sich in diesem Profil nicht deaktivieren. Laut Quelle stimmen die Texteinstellungen mit GLM-5.3 überein; empfohlen werden reasoning_effort=max, temperature 1 und top-p 0.95. Sie empfiehlt clear_thinking=false zur Beibehaltung des Gedankengangs sowie Streaming von Text und Werkzeugaufrufen. Der zugehörige Leitfaden verlangt, bewahrte Schlussfolgerungsblöcke vollständig und unverändert zurückzugeben. Definieren Sie das Endergebnis vor einer langen Analyse und halten Sie Beobachtungen mit den Schritten verbunden, die sie hervorgebracht haben.\n\nDer Hersteller nennt Funktionsaufrufe, Kontext-Caching, strukturierte Ausgaben und natives visuelles Verständnis. Geben Sie Werkzeugbeschreibungen und erforderliche Ausgabefelder ausdrücklich an. Verlangen Sie für eine Oberflächenaufgabe Angaben zu den abgedeckten Seitenzuständen, den verbleibenden Abweichungen und den Befunden des tatsächlichen Rendervergleichs. Trennen Sie bei Analysen Quellfakten, Annahmen und Schlussfolgerungen. FlashX unterstützt diese multimodalen Abläufe; Ausführung, Rendering und Dateiverarbeitung stellt die angebundene Anwendung bereit.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Implement a text-specified form state\n\nCreate editable HTML and JavaScript for this form behavior: an email field and a Subscribe button; blank submission shows 'Enter your email' and preserves the current input; nonblank submission shows a local confirmation without sending a request. Include a short state checklist. No screenshot is supplied, and do not claim the form was rendered or deployed.Editable form source and a checklist of empty, corrected and confirmation states.Blank submission must keep the field value and show the requested message; the proposal must not send a network request.z-ai/glm-5.3-flashxGLM-5.3-FlashX ist das multimodale Modell von Z.ai für visuelle Programmierung, Dokumentarbeit und werkzeuggestützte Agenten. Sein Herstellerprofil nimmt Bilder, Video, Text und Dateien entgegen, gibt Text zurück und nennt einen Kontext von 1M mit bis zu 128K Ausgabetoken.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GLM-5.3-FlashX ist die FlashX-Edition in der nativ multimodalen Familie GLM-5.3-Flash von Z.ai. Der Hersteller stellt das Paar für visuelle Programmierung und professionelle Arbeit vor; es verbindet Text mit Bildern, Video und Dateien und gibt Text zurück. FlashX ist für schnellere Inferenz im Dienst des Herstellers separat benannt. Ein sinnvolles Briefing kann eine auf Screenshots gestützte Umsetzung, eine dokumentbasierte Analyse oder einen Plan verlangen, den eine Anwendung mit Werkzeugen ausführt. Die Quelle nennt beide Modellcodes; ihre Dienstidentitäten bleiben getrennt.
Die Familie verwendet einen hybriden Entwurf mit dünn besetzter und linearer Aufmerksamkeit und wird mit insgesamt 320 Milliarden Parametern sowie 18 Milliarden aktivierten Parametern beschrieben. Dünn besetzte Aufmerksamkeit ruft globale Informationen ab, während lineare Aufmerksamkeit lokale Abhängigkeiten modelliert; der Hersteller beschreibt ausserdem Index-Pooling für lange Kontexte. Dies sind Architekturfakten zur Familie, nicht das numerische Format jeder gehosteten Instanz. Ihr gemeinsames Profil umfasst eine Million Kontext-Tokens und bis zu 128K Ausgabe-Tokens. Quellmaterial, dargestellte visuelle Inhalte, Verlauf, Gedankengang und Antwort benötigen alle Platz im konfigurierten Ablauf.
Visuelle Programmierung steht im Zentrum. Die Beispiele von Z.ai verbinden mehrere Seitenscreenshots oder eine Aufzeichnung mit Anweisungen zur Rekonstruktion von Seitenbeziehungen, gemeinsamen Komponenten, Navigation, Zuständen und Animationsverhalten. Bereiten Sie Referenzen in der richtigen Reihenfolge vor und geben Sie an, welche Funktionen arbeiten müssen. Verlangen Sie bearbeitbaren Quellcode und einen Vergleich mit dem Entwurf. Die Anwendung startet oder rendert den Vorschlag und gibt Screenshots oder Interaktionsergebnisse zurück; das Modell verfeinert das Ergebnis anhand dieser Rückmeldung. Text und Code werden ohne diese Vorgänge nicht zu einer fertigen laufenden Anwendung.
Für Office- und Dokumentarbeit beschreibt der Hersteller das Ordnen von Material, die Erstellung von Diagrammen und Layouts und die Prüfung des gerenderten Ergebnisses. Ein werkzeuggestützter Ablauf kann PPTX, PDF, DOCX oder XLSX erzeugen. Ein beispielhaftes Berichtsbriefing kann Quellen, Zielgruppe und erforderliche Abschnitte bereitstellen und dann eine Tabelle von Quellen zu Schlussfolgerungen sowie einen bearbeitbaren Bericht oder eine Präsentation verlangen. Halten Sie bereitgestellte Werte von analytischen Annahmen getrennt. Rendern, Dateispeicherung und die Prüfung von Formelreferenzen sind Anwendungsvorgänge. Für Finanzrecherche beschreibt der Hersteller den Vergleich von Abschlüssen und Mitteilungen, die Trennung offengelegter Werte von Annahmen und die Erstellung eines bearbeitbaren Prognose- oder Bewertungsmodells zusammen mit einem Bericht mit Quellenbezug über angebundene Werkzeuge.
Die umfassenderen Beispiele des Herstellers enthalten Videobearbeitung, 3D-Szenen, spielbare Spiele und CAD-Rekonstruktion über Werkzeuge. Eine Videoaufgabe kann mit einem Medieninventar und einer Zeitleiste beginnen; eine Szenenaufgabe kann Anordnung, Materialien und Kameraansichten definieren, bevor sie ein Modellierungsskript verlangt. Ein CAD-Briefing benötigt Massreferenzen und ausdrückliche Annahmen für Messwerte, die durch das Bild nicht belegt sind. Das Modell interpretiert das Material und steuert die Arbeit, während die relevanten Bearbeitungs-, Rendering- oder Modellierungswerkzeuge die Assets erzeugen und prüfen.
Schlussfolgern lässt sich in diesem Profil nicht deaktivieren. Laut Quelle stimmen die Texteinstellungen mit GLM-5.3 überein; empfohlen werden reasoning_effort=max, temperature 1 und top-p 0.95. Sie empfiehlt clear_thinking=false zur Beibehaltung des Gedankengangs sowie Streaming von Text und Werkzeugaufrufen. Der zugehörige Leitfaden verlangt, bewahrte Schlussfolgerungsblöcke vollständig und unverändert zurückzugeben. Definieren Sie das Endergebnis vor einer langen Analyse und halten Sie Beobachtungen mit den Schritten verbunden, die sie hervorgebracht haben.
Der Hersteller nennt Funktionsaufrufe, Kontext-Caching, strukturierte Ausgaben und natives visuelles Verständnis. Geben Sie Werkzeugbeschreibungen und erforderliche Ausgabefelder ausdrücklich an. Verlangen Sie für eine Oberflächenaufgabe Angaben zu den abgedeckten Seitenzuständen, den verbleibenden Abweichungen und den Befunden des tatsächlichen Rendervergleichs. Trennen Sie bei Analysen Quellfakten, Annahmen und Schlussfolgerungen. FlashX unterstützt diese multimodalen Abläufe; Ausführung, Rendering und Dateiverarbeitung stellt die angebundene Anwendung bereit.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits z-ai/glm-5.3-flashx | 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 $0.00074 / 1K Tokens Ausgabe · Ausgabetoken $0.0025 / 1K Tokens Eingabe · Cache lesen $0.00018 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00074 / 1K Tokens Ausgabe · Ausgabetoken $0.0025 / 1K Tokens Eingabe · Cache lesen $0.00018 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-5.3-flashx", "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-5.3-flashx',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-5.3-flashx',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-5.3-flashx
Verwenden Sie die oben angezeigten Methodenpfade.
z-ai/glm-5.3-flashxGLM-5.3-FlashX ist das multimodale Modell von Z.ai für visuelle Programmierung, Dokumentarbeit und werkzeuggestützte Agenten. Sein Herstellerprofil nimmt Bilder, Video, Text und Dateien entgegen, gibt Text zurück und nennt einen Kontext von 1M mit bis zu 128K Ausgabetoken.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GLM-5.3-FlashX ist die FlashX-Edition in der nativ multimodalen Familie GLM-5.3-Flash von Z.ai. Der Hersteller stellt das Paar für visuelle Programmierung und professionelle Arbeit vor; es verbindet Text mit Bildern, Video und Dateien und gibt Text zurück. FlashX ist für schnellere Inferenz im Dienst des Herstellers separat benannt. Ein sinnvolles Briefing kann eine auf Screenshots gestützte Umsetzung, eine dokumentbasierte Analyse oder einen Plan verlangen, den eine Anwendung mit Werkzeugen ausführt. Die Quelle nennt beide Modellcodes; ihre Dienstidentitäten bleiben getrennt.
Die Familie verwendet einen hybriden Entwurf mit dünn besetzter und linearer Aufmerksamkeit und wird mit insgesamt 320 Milliarden Parametern sowie 18 Milliarden aktivierten Parametern beschrieben. Dünn besetzte Aufmerksamkeit ruft globale Informationen ab, während lineare Aufmerksamkeit lokale Abhängigkeiten modelliert; der Hersteller beschreibt ausserdem Index-Pooling für lange Kontexte. Dies sind Architekturfakten zur Familie, nicht das numerische Format jeder gehosteten Instanz. Ihr gemeinsames Profil umfasst eine Million Kontext-Tokens und bis zu 128K Ausgabe-Tokens. Quellmaterial, dargestellte visuelle Inhalte, Verlauf, Gedankengang und Antwort benötigen alle Platz im konfigurierten Ablauf.
Visuelle Programmierung steht im Zentrum. Die Beispiele von Z.ai verbinden mehrere Seitenscreenshots oder eine Aufzeichnung mit Anweisungen zur Rekonstruktion von Seitenbeziehungen, gemeinsamen Komponenten, Navigation, Zuständen und Animationsverhalten. Bereiten Sie Referenzen in der richtigen Reihenfolge vor und geben Sie an, welche Funktionen arbeiten müssen. Verlangen Sie bearbeitbaren Quellcode und einen Vergleich mit dem Entwurf. Die Anwendung startet oder rendert den Vorschlag und gibt Screenshots oder Interaktionsergebnisse zurück; das Modell verfeinert das Ergebnis anhand dieser Rückmeldung. Text und Code werden ohne diese Vorgänge nicht zu einer fertigen laufenden Anwendung.
Für Office- und Dokumentarbeit beschreibt der Hersteller das Ordnen von Material, die Erstellung von Diagrammen und Layouts und die Prüfung des gerenderten Ergebnisses. Ein werkzeuggestützter Ablauf kann PPTX, PDF, DOCX oder XLSX erzeugen. Ein beispielhaftes Berichtsbriefing kann Quellen, Zielgruppe und erforderliche Abschnitte bereitstellen und dann eine Tabelle von Quellen zu Schlussfolgerungen sowie einen bearbeitbaren Bericht oder eine Präsentation verlangen. Halten Sie bereitgestellte Werte von analytischen Annahmen getrennt. Rendern, Dateispeicherung und die Prüfung von Formelreferenzen sind Anwendungsvorgänge. Für Finanzrecherche beschreibt der Hersteller den Vergleich von Abschlüssen und Mitteilungen, die Trennung offengelegter Werte von Annahmen und die Erstellung eines bearbeitbaren Prognose- oder Bewertungsmodells zusammen mit einem Bericht mit Quellenbezug über angebundene Werkzeuge.
Die umfassenderen Beispiele des Herstellers enthalten Videobearbeitung, 3D-Szenen, spielbare Spiele und CAD-Rekonstruktion über Werkzeuge. Eine Videoaufgabe kann mit einem Medieninventar und einer Zeitleiste beginnen; eine Szenenaufgabe kann Anordnung, Materialien und Kameraansichten definieren, bevor sie ein Modellierungsskript verlangt. Ein CAD-Briefing benötigt Massreferenzen und ausdrückliche Annahmen für Messwerte, die durch das Bild nicht belegt sind. Das Modell interpretiert das Material und steuert die Arbeit, während die relevanten Bearbeitungs-, Rendering- oder Modellierungswerkzeuge die Assets erzeugen und prüfen.
Schlussfolgern lässt sich in diesem Profil nicht deaktivieren. Laut Quelle stimmen die Texteinstellungen mit GLM-5.3 überein; empfohlen werden reasoning_effort=max, temperature 1 und top-p 0.95. Sie empfiehlt clear_thinking=false zur Beibehaltung des Gedankengangs sowie Streaming von Text und Werkzeugaufrufen. Der zugehörige Leitfaden verlangt, bewahrte Schlussfolgerungsblöcke vollständig und unverändert zurückzugeben. Definieren Sie das Endergebnis vor einer langen Analyse und halten Sie Beobachtungen mit den Schritten verbunden, die sie hervorgebracht haben.
Der Hersteller nennt Funktionsaufrufe, Kontext-Caching, strukturierte Ausgaben und natives visuelles Verständnis. Geben Sie Werkzeugbeschreibungen und erforderliche Ausgabefelder ausdrücklich an. Verlangen Sie für eine Oberflächenaufgabe Angaben zu den abgedeckten Seitenzuständen, den verbleibenden Abweichungen und den Befunden des tatsächlichen Rendervergleichs. Trennen Sie bei Analysen Quellfakten, Annahmen und Schlussfolgerungen. FlashX unterstützt diese multimodalen Abläufe; Ausführung, Rendering und Dateiverarbeitung stellt die angebundene Anwendung bereit.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits z-ai/glm-5.3-flashx | 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 $0.00074 / 1K Tokens Ausgabe · Ausgabetoken $0.0025 / 1K Tokens Eingabe · Cache lesen $0.00018 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00074 / 1K Tokens Ausgabe · Ausgabetoken $0.0025 / 1K Tokens Eingabe · Cache lesen $0.00018 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "z-ai/glm-5.3-flashx",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.3-flashx', '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-5.3-flashx', '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-5.3-flashx
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Implement a text-specified form state\n\nCreate editable HTML and JavaScript for this form behavior: an email field and a Subscribe button; blank submission shows 'Enter your email' and preserves the current input; nonblank submission shows a local confirmation without sending a request. Include a short state checklist. No screenshot is supplied, and do not claim the form was rendered or deployed.Editable form source and a checklist of empty, corrected and confirmation states.Blank submission must keep the field value and show the requested message; the proposal must not send a network request.