Source: https://ailoot.ai/models/de/glm-4-airx/
Canonical: https://ailoot.ai/models/de/glm-4-airx/
Language: de

# GLM-4-AirX

[Markdown](https://ailoot.ai/models/de/glm-4-airx/index.md) · [JSON](https://ailoot.ai/models/de/glm-4-airx/facts.json)

## [GLM-4-AirX](https://ailoot.ai/models/de/glm-4-airx/)

GLM-4-AirX ist Z.ais auf Geschwindigkeit ausgerichtetes Textmodell für Dialoge mit geringer Latenz, Programmierung und werkzeuggestützte Abläufe. Sein veröffentlichtes Profil nennt 8K Kontext und bis zu 4K Ausgabe und eignet sich damit für gezielte Aufgaben mit knappen, strukturierten Ergebnissen.

- [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `glm-4-airx`](https://ailoot.ai/models/de/glm-4-airx/#method-0)
- [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `glm-4-airx`](https://ailoot.ai/models/de/glm-4-airx/#method-1)

Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

#### Überblick und Modellprofil

GLM-4-AirX ist das Hochgeschwindigkeitsmitglied von Z.ais GLM-4-Air-Reihe. Der Hersteller positioniert es für geringe Latenz und parallele Anwendungsaufgaben mit besonderem Augenmerk auf Anweisungsbefolgung, technischen Code und Funktionsaufrufe. Das Modell nimmt Text entgegen und gibt Text zurück. Sein eigenes Profil nennt ein Kontextfenster von 8K Token und maximal 4K Ausgabetoken. Dies unterscheidet sich vom größeren Kontext, der für GLM-4-Air-250414 angegeben wird; AirX behält sein eigenes veröffentlichtes Profil.

Für einen interaktiven Assistenten legt dies gezielte Anfragen nahe: eine Funktion erklären, eine Nachricht klassifizieren, Felder aus einem bereitgestellten Absatz extrahieren oder eine technische Anweisung in eine knappe Antwort umwandeln. Geben Sie den relevanten Auszug, die aktuelle Frage und das gewünschte Ergebnis gemeinsam an. Halten Sie das vollständige Gespräch und etwaige Werkzeugbeobachtungen innerhalb des aktiven Kontexts, statt vorauszusetzen, dass ein umfangreiches Hintergrundkorpus hineinpasst.

#### Unterstützte Funktionen

Die GLM-4-Beschreibung nennt Text-Streaming, Funktionsaufrufe, Kontext-Caching, strukturierte Formate wie JSON und die Integration mit MCP-Werkzeugen und Datenquellen. Streaming zeigt die Antwort während der Generierung, sodass eine Anwendung nützlichen Text schon vor Eingang der vollständigen Antwort darstellen kann. Es ändert die Bereitstellung, nicht die Ein- oder Ausgabemodalität des Modells.

Funktionsaufrufe lassen das Modell eine Aktion aus den von der Anwendung beschriebenen Funktionen vorschlagen. Die Anwendung führt diese Aktion aus und gibt die Beobachtung zurück. Ein geeigneter Zyklus ist eine kleine Abfrage mit anschließender knapper Erläuterung der zurückgegebenen Daten. Auch MCP-Integration hängt von den Werkzeugen und Daten der Anwendung ab. Kontext-Caching betrifft die Wiederverwendung wiederholter Eingaben; es bedeutet nicht, dass jedes wiederholte Gespräch einen Cache-Treffer erzeugt hat.

Geben Sie für ein JSON-Ergebnis die Felder und ihre Bedeutung vor dem Material an. Stellen Sie beispielsweise eine technische Anfrage bereit und lassen Sie deren Kategorie, erforderliche Aktion und unbeantwortete Fragen ausgeben. Die resultierende Struktur ist für den nächsten Anwendungsschritt nützlich, während die Werte weiterhin am bereitgestellten Text geprüft werden müssen.

#### Empfohlene Szenarien

Der Hersteller nennt Übersetzung, semantische Klassifikation, Extraktion von Dokumentfeldern, Marketingtexte, analytische Berichte und Reiseplanung als GLM-4-Anwendungen. Das kürzere AirX-Profil begünstigt den unmittelbaren Schritt in einem solchen Ablauf. Eine Übersetzungsanfrage kann eine kurze Passage, Zielgruppe und Terminologie vorgeben; die Ausgabe ist eine übertragene Passage, die die erforderlichen Namen erhält. Eine Klassifikationsanfrage kann zulässige Bezeichnungen und Definitionen vorgeben, statt eine unspezifische Bewertung zu verlangen.

Definieren Sie für Extraktionen die gewünschten Kennungen und weiteren Felder und fügen Sie nur die relevante Quellpassage bei. Liefern Sie für Schreibaufgaben Produktfakten und eine Lieferung, etwa einen Produktabsatz oder eine Kampagnenzeile. Geben Sie für einen Bericht oder Reiseplan die relevanten Fakten und Einschränkungen des aktuellen Schritts weiter. Falls aktuelle Informationen nötig sind, liefert sie das Such- oder Datenwerkzeug der Anwendung; das Modell arbeitet anschließend mit diesem zurückgegebenen Material.

#### Detaillierte Vorbereitung und Geschwindigkeitsfokus

AirX wird als auf 15 Billionen Token vortrainiert beschrieben, darunter umfangreiches synthetisches Schlussfolgerungsmaterial. Sein Nachtraining nutzt die Abstimmung auf Dialogpräferenzen, Rejection Sampling und bestärkendes Lernen, um Anweisungen, technischen Code und Funktionsnutzung zu stärken. Der Hersteller stellt es als schnellere Variante von GLM-4-Air-250414 vor, mit Änderungen an zugrunde liegenden Komponenten für Prompt-Prefilling und autoregressive Dekodierung. Dies beschreibt die Konstruktion des Herstellers, keine gemessene Latenz oder Parallelitätsgarantie für einen bestimmten Einsatz.

#### Eine nützliche Anfrage vorbereiten

Geben Sie AirX eine begrenzte Aufgabe und eine kompakte erwartete Lieferung. Fügen Sie bei Code die Funktion, relevante Eingabewerte und das erforderliche Verhalten hinzu und fordern Sie dann ein korrigiertes Fragment samt Erklärung an. Stellen Sie bei strukturierter Extraktion die Felddefinitionen vor die Passage und verlangen Sie eine ausdrückliche Kennzeichnung fehlender Informationen. Planen Sie das Ergebnis innerhalb des veröffentlichten Ausgabeprofils von 4K; teilen Sie einen großen Bericht in gezielte Aufgaben, statt von einer Antwort ein unbegrenztes Dokument zu erwarten.

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `glm-4-airx`

[`glm-4-airx`](https://ailoot.ai/models/de/#m=glm-4-airx&route=Ultra&caller=glm-4-airx&fmt=chat)

Z.ai /`glm-4-airx`

### Start

GLM-4-AirX ist Z.ais auf Geschwindigkeit ausgerichtetes Textmodell für Dialoge mit geringer Latenz, Programmierung und werkzeuggestützte Abläufe. Sein veröffentlichtes Profil nennt 8K Kontext und bis zu 4K Ausgabe und eignet sich damit für gezielte Aufgaben mit knappen, strukturierten Ergebnissen.

Zulässige Eingaben

Text

Ergebnisse

Text

### In Ailoot verfügbar · Eingaben und Methoden

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions`

Eingabetypen

`text`

Ausgabetypen

`text`

Ausgabeformat

json oder SSE

| Feld | Typ | Anforderung | Werte und Limits | Standard |
| --- | --- | --- | --- | --- |
| Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits glm-4-airx | Standard— |
| Feld`messages` | Typ`message[]` | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
| Feld`messages[].role` | Typ`string` | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
| Feld`messages[].content` | Typ`string` | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
| Feld`stream` | Typ`boolean` | AnforderungOptional | Werte und Limits | Standardfalse |

Kombinationen von Eingabematerialien

**Text** · UTF8-Text

`messages[].content`

Methodenparameter und Lebenszyklus

| Parameter | Vertrag |
| --- | --- |
| Parameter`content_type` | Vertragapplication/json |
| Parameter`required` | Vertragmodel, messages |
| Parameter`material_types` | Vertragtext |
| Parameter`messages` | VertragNachrichtenarray mit role/content-Struktur |
| Parameter`file_material` | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
| Parameter`optional_controls` | Vertragstream |
| Parameter`control_scope` | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
| Parameter`output_modalities` | Vertragtext |
| Parameter`hosted_operations` | Vertragfalse |
| Parameter`multimodal_input_binding` | Vertragnull |

Methodenaliasnamen: `/chat/completions`

Lebenszyklus: `synchronous_or_streamed`

Die genaue Modell-ID zusammen mit messages senden.

Die Kontextlänge ist keine Ausgabeobergrenze.

Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.

### Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus

Standardtarif Wenn der Schnellmodus ausgewählt ist

Flex-Modus

Standardtarif Wenn der Modus flex ausgewählt ist

Maximaler Denkaufwand

Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird

#### Ailoot-Tarife

#### Preise nach Konfiguration

Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.

| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
| --- | --- | --- | --- | --- |
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken **$0.0028** / 1K Token Ausgabe · Ausgabetoken **$0.0028** / 1K Token Eingabe · Cache-Lesen **—** / 1K Token Eingabe · Cache-Schreiben **—** / 1K Token Eingabe · Cache-Schreiben, 1 Stunde **—** / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken **$0.0028** / 1K Token Ausgabe · Ausgabetoken **$0.0028** / 1K Token Eingabe · Cache-Lesen **—** / 1K Token Eingabe · Cache-Schreiben **—** / 1K Token Eingabe · Cache-Schreiben, 1 Stunde **—** / 1K Token |

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 →](https://ailoot.ai/docs/de/billing/reserve/)

### Beispielanfragen

#### Ailoot Ultra · OpenAI Chat

curlPython SDK

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"glm-4-airx","messages":[{"role":"user","content":"hello"}],"stream":false}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
```

```python
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="glm-4-airx", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
```

### Ergebnisse abrufen und speichern

#### Ailoot Ultra · OpenAI Chat

json oder SSE

##### Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.

##### Wenn die ursprüngliche Antwort geprüft werden muss

Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.

Antwortfelder

| Feld | Typ |
| --- | --- |
| Feld`choices[].index` | Typinteger |
| Feld`choices[].message.content` | Typstring\|null |
| Feld`choices[].message.tool_calls` | Typtool\_call\[\] |
| Feld`choices[].message.reasoning_content` | Typstring |
| Feld`choices[].message.reasoning_details` | Typobject\|array |
| Feld`choices[].finish_reason` | Typstring\|null |
| Feld`usage` | Typobject |

Fehler und nächste Schritte

| Antwort | Bedingung | Nächster Schritt |
| --- | --- | --- |
| Antwort400 · `invalid_request_error` | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |

### Aliasnamen

#### Modellaliasnamen

**Ailoot Ultra** [`glm-4-airx`](https://ailoot.ai/models/de/#m=glm-4-airx&route=Ultra&caller=glm-4-airx&fmt=chat)

#### Aliasnamen für Methodenpfade

`/chat/completions`

#### Zugehörige Aufrufer-IDs

[`glm-4-airx`](https://ailoot.ai/models/de/#m=glm-4-airx&route=Ultra&caller=glm-4-airx&fmt=chat)

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `glm-4-airx`

[`glm-4-airx`](https://ailoot.ai/models/de/#m=glm-4-airx&route=Ultra&caller=glm-4-airx&fmt=messages)

Z.ai /`glm-4-airx`

### Start

GLM-4-AirX ist Z.ais auf Geschwindigkeit ausgerichtetes Textmodell für Dialoge mit geringer Latenz, Programmierung und werkzeuggestützte Abläufe. Sein veröffentlichtes Profil nennt 8K Kontext und bis zu 4K Ausgabe und eignet sich damit für gezielte Aufgaben mit knappen, strukturierten Ergebnissen.

Zulässige Eingaben

Text

Ergebnisse

json · sse

### In Ailoot verfügbar · Eingaben und Methoden

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages`

Eingabetypen

`text`

Ausgabetypen

`json`, `sse`

Ausgabeformat

JSON oder SSE

| Feld | Typ | Anforderung | Werte und Limits | Standard |
| --- | --- | --- | --- | --- |
| Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits glm-4-airx | Standard— |
| Feld`messages` | Typ`message[]` | AnforderungErforderlich | Werte und Limits | Standard— |
| Feld`messages[].role` | Typ`string` | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
| Feld`messages[].content` | Typ`string` | AnforderungErforderlich | Werte und Limits | Standard— |
| Feld`max_tokens` | Typ`integer` | AnforderungErforderlich | Werte und Limits | Standard— |
| Feld`stream` | Typ`boolean` | AnforderungOptional | Werte und Limits | Standardfalse |

Kombinationen von Eingabematerialien

**Text** · UTF-8-Text

`Zeichenfolge messages[].content`

Methodenparameter und Lebenszyklus

| Parameter | Vertrag |
| --- | --- |
| Parameter`content_type` | Vertragapplication/json |
| Parameter`required` | Vertragmodel, messages, max\_tokens |
| Parameter`optional_controls` | Vertragstream |
| Parameter`material_types` | Vertragtext |
| Parameter`text_file_material` | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |

Lebenszyklus: `synchronous_or_streamed`

### Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus

Standardtarif Wenn der Schnellmodus ausgewählt ist

Flex-Modus

Standardtarif Wenn der Modus flex ausgewählt ist

Maximaler Denkaufwand

Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird

#### Ailoot-Tarife

#### Preise nach Konfiguration

Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.

| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
| --- | --- | --- | --- | --- |
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken **$0.0028** / 1K Token Ausgabe · Ausgabetoken **$0.0028** / 1K Token Eingabe · Cache-Lesen **—** / 1K Token Eingabe · Cache-Schreiben **—** / 1K Token Eingabe · Cache-Schreiben, 1 Stunde **—** / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken **$0.0028** / 1K Token Ausgabe · Ausgabetoken **$0.0028** / 1K Token Eingabe · Cache-Lesen **—** / 1K Token Eingabe · Cache-Schreiben **—** / 1K Token Eingabe · Cache-Schreiben, 1 Stunde **—** / 1K Token |

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 →](https://ailoot.ai/docs/de/billing/reserve/)

### Beispielanfragen

#### Ailoot Ultra · Anthropic Messages

Vollständiger minimaler JSON-Bodycurl · eigenes UTF-8-Dokument verwendenPython · das vollständige Ergebnis speichern

```json
{
  "model": "glm-4-airx",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
```

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'glm-4-airx', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
```

```python
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'glm-4-airx', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
```

### Ergebnisse abrufen und speichern

#### Ailoot Ultra · Anthropic Messages

JSON oder SSE

##### Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.

##### Wenn die ursprüngliche Antwort geprüft werden muss

Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.

Antwortfelder

| Feld | Typ |
| --- | --- |
| Feld`id` | Typstring |
| Feld`model` | Typstring |
| Feld`content[]` | Typtext\|thinking\|tool\_use\|other content block |
| Feld`stop_reason` | Typstring\|null |
| Feld`usage` | Typobject |

Fehler und nächste Schritte

| Antwort | Bedingung | Nächster Schritt |
| --- | --- | --- |
| Antwort400 · `invalid_request_error` | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |

### Aliasnamen

#### Modellaliasnamen

**Ailoot Ultra** [`glm-4-airx`](https://ailoot.ai/models/de/#m=glm-4-airx&route=Ultra&caller=glm-4-airx&fmt=messages)

#### Aliasnamen für Methodenpfade

`/chat/completions`

#### Zugehörige Aufrufer-IDs

[`glm-4-airx`](https://ailoot.ai/models/de/#m=glm-4-airx&route=Ultra&caller=glm-4-airx&fmt=messages)

FAQ · GLM-4-AirX

Welche Eingaben und Ergebnisse sind verfügbar?

`POST /v1/chat/completions` · `glm-4-airx`: `text` → `text` `POST /v1/messages` · `glm-4-airx`: `text` → `json`, `sse`

Welche Felder verwendet die Anfrage?

`POST /v1/chat/completions` · `glm-4-airx`: `model`, `messages`, `stream` `POST /v1/messages` · `glm-4-airx`: `model`, `messages`, `max_tokens`, `stream`

Welche Grenzen gelten?

`POST /v1/chat/completions` · `glm-4-airx`: `messages.min_items`: `1`

Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung.

## Das Unternehmen und sein Projektportfolio

Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe.

## Tokens mit Rabatt kaufen.

Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf.

Abo

Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen.

Aktionscode bis 50%

Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet.

Ausgaben in der Historie

Modell, Tokens und Betrag werden für jede Anfrage gespeichert.

[Abo wählen](https://ailoot.ai/docs/de/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de/)

## Verbinden Sie die API mit dem Produkt, das Sie verkaufen.

SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an.

Kommerzielle Anwendung

Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes.

Reseller-Lizenz

Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an.

Dokumente auf der Website

Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich.

[Reseller-Lizenz anfordern](mailto:support@ailoot.ai) · [Offizielles Angebot und Lizenzvertrag](https://ailoot.ai/legal/offer?lang=de)

## Ailoot · Das Unternehmen und sein Projektportfolio





Ailoot baut auf bewährte Betriebserfahrung, einen großen Kundenstamm, stabilen Service und kontinuierliche KPI-Kontrolle.





Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe.





Ailoot nutzt diese Betriebserfahrung für den API-Zugang zu KI-Funktionen in Kundenprodukten, Agenten, Anwendungen und Automatisierungen.