GLM-4V ist Zhipu AIs Vision-Language-Modell zur Verbindung eines Bildes mit einer schriftlichen Frage. Das native multimodale Beispiel des Herstellers stellt beide Teile in einer Nutzernachricht bereit und gibt eine Textantwort zurück. Sein Leitfaden zur Agentenentwicklung bezeichnet GLM-4V ebenfalls als Bild-zu-Text-Modell; damit sind das Quellbild und die Formulierung der Frage die zentralen Eingaben für die Aufgabe.
Wählen Sie das Bild aus, das die für die Antwort benötigten Belege enthält, und geben Sie anschließend an, was untersucht werden soll. Eine allgemeine Frage kann eine Szenenbeschreibung anfordern; eine gezielte Frage kann ein zu erklärendes Objekt, eine Beschriftung oder eine Beziehung benennen. Geben Sie ausreichend Kontext, um die Aufgabe eindeutig zu machen, etwa welcher Gegenstand auf einem Produktfoto wichtig ist oder welcher Bereich eines Screenshots beschrieben werden soll.
Das Beispiel des Herstellers verwendet neben der Textfrage ein JPEG-Bild, das als Bildreferenz kodiert ist. Bewahren Sie bei der Anfragevorbereitung das Originalbild auf, insbesondere wenn ein Zuschnitt Beschriftungen oder umgebenden Kontext entfernen würde. Stellen Sie für eine beispielhafte Supportaufgabe den Screenshot bereit und fragen Sie nach einer Beschreibung des sichtbaren Zustands. Halten Sie dabei die genaue Meldung auf dem Bildschirm von einer vorgeschlagenen Erklärung ihrer Ursache getrennt.
Geben Sie an, ob das Ergebnis eine Bildunterschrift, eine kurze Erklärung, eine geordnete Beschreibung oder eine Arbeitsnotiz mit getrennten Beobachtungen sein soll. Für ein Inventarfoto lautet eine beispielhafte Vorgabe: „Beschreibe die sichtbaren Objekte und ihre Anordnung; identifiziere den in meiner Frage bezeichneten Gegenstand.“ Fragen Sie bei einem Dokumentbild nach der sichtbaren Passage und bewahren Sie die Bild- oder Seitenkennung zusammen mit der Antwort auf.
Grenzen Sie die Frage so weit ein, dass sich die relevanten Belege weiterhin leicht prüfen lassen. Wenn der nächste Schritt einen Namen, eine Zahl oder eine zitierte Beschriftung erfordert, fragen Sie gesondert danach und vergleichen Sie die zurückgegebene Formulierung mit dem Originalbild.
Der Agentenablauf des Herstellers ordnet das hochgeladene Bild einer benannten Eingabe und dem begleitenden Prompt zu. Erhalten Sie diese Zuordnung bei der Fortsetzung des Gesprächs. Eine zweckmäßige Folgefrage benennt dasselbe Bild und grenzt die Frage auf einen bestimmten Bereich oder eine Beziehung ein, damit sich die nächste Antwort auf das beabsichtigte Material bezieht.
Speichern Sie den vollständigen Text zusammen mit der Bildkennung, der Frage und jedem in der Aufgabe verwendeten Bereichsverweis. Dies schafft eine praktische Übergabe für ein Gespräch mit visueller Unterstützung, eine Katalogbeschreibung oder eine quellenbezogene Dokumentnotiz. Die Rolle des Modells besteht darin, das bereitgestellte Bild sprachlich zu interpretieren; das Originalbild bleibt verfügbar, um konkrete Details zu prüfen und die nächste Frage zu korrigieren.
", "aboutText": "GLM-4V ist Zhipu AIs Vision-Language-Modell zur Verbindung eines Bildes mit einer schriftlichen Frage. Das native multimodale Beispiel des Herstellers stellt beide Teile in einer Nutzernachricht bereit und gibt eine Textantwort zurück. Sein Leitfaden zur Agentenentwicklung bezeichnet GLM-4V ebenfalls als Bild-zu-Text-Modell; damit sind das Quellbild und die Formulierung der Frage die zentralen Eingaben für die Aufgabe.\n\n### Die Frage neben das Bild stellen\n\nWählen Sie das Bild aus, das die für die Antwort benötigten Belege enthält, und geben Sie anschließend an, was untersucht werden soll. Eine allgemeine Frage kann eine Szenenbeschreibung anfordern; eine gezielte Frage kann ein zu erklärendes Objekt, eine Beschriftung oder eine Beziehung benennen. Geben Sie ausreichend Kontext, um die Aufgabe eindeutig zu machen, etwa welcher Gegenstand auf einem Produktfoto wichtig ist oder welcher Bereich eines Screenshots beschrieben werden soll.\n\nDas Beispiel des Herstellers verwendet neben der Textfrage ein JPEG-Bild, das als Bildreferenz kodiert ist. Bewahren Sie bei der Anfragevorbereitung das Originalbild auf, insbesondere wenn ein Zuschnitt Beschriftungen oder umgebenden Kontext entfernen würde. Stellen Sie für eine beispielhafte Supportaufgabe den Screenshot bereit und fragen Sie nach einer Beschreibung des sichtbaren Zustands. Halten Sie dabei die genaue Meldung auf dem Bildschirm von einer vorgeschlagenen Erklärung ihrer Ursache getrennt.\n\n### Das erwartete schriftliche Arbeitsergebnis ausdrücklich festlegen\n\nGeben Sie an, ob das Ergebnis eine Bildunterschrift, eine kurze Erklärung, eine geordnete Beschreibung oder eine Arbeitsnotiz mit getrennten Beobachtungen sein soll. Für ein Inventarfoto lautet eine beispielhafte Vorgabe: „Beschreibe die sichtbaren Objekte und ihre Anordnung; identifiziere den in meiner Frage bezeichneten Gegenstand.“ Fragen Sie bei einem Dokumentbild nach der sichtbaren Passage und bewahren Sie die Bild- oder Seitenkennung zusammen mit der Antwort auf.\n\nGrenzen Sie die Frage so weit ein, dass sich die relevanten Belege weiterhin leicht prüfen lassen. Wenn der nächste Schritt einen Namen, eine Zahl oder eine zitierte Beschriftung erfordert, fragen Sie gesondert danach und vergleichen Sie die zurückgegebene Formulierung mit dem Originalbild.\n\n### Das Bild in ein visuelles Gespräch mitnehmen\n\nDer Agentenablauf des Herstellers ordnet das hochgeladene Bild einer benannten Eingabe und dem begleitenden Prompt zu. Erhalten Sie diese Zuordnung bei der Fortsetzung des Gesprächs. Eine zweckmäßige Folgefrage benennt dasselbe Bild und grenzt die Frage auf einen bestimmten Bereich oder eine Beziehung ein, damit sich die nächste Antwort auf das beabsichtigte Material bezieht.\n\nSpeichern Sie den vollständigen Text zusammen mit der Bildkennung, der Frage und jedem in der Aufgabe verwendeten Bereichsverweis. Dies schafft eine praktische Übergabe für ein Gespräch mit visueller Unterstützung, eine Katalogbeschreibung oder eine quellenbezogene Dokumentnotiz. Die Rolle des Modells besteht darin, das bereitgestellte Bild sprachlich zu interpretieren; das Originalbild bleibt verfügbar, um konkrete Details zu prüfen und die nächste Frage zu korrigieren.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Explain a transcribed screen state\n\nUse this screenshot transcription only: heading 'Export orders'; format 'CSV'; button 'Download' disabled; note 'Select at least one order'; selected count '0'. Write a two-sentence help message explaining the visible state and the next user step. Keep the visible note separate from any cause you cannot verify.Two help sentences grounded in the selected count, disabled button and selection note.The message asks the user to select an order and introduces no unsupported account, network or permission diagnosis.glm-4vGLM-4V ist Zhipu AIs Vision-Language-Modell, um Fragen zu einem Bild zu stellen und eine schriftliche Antwort zu erhalten. Stellen Sie das Bild mit einem gezielten Text-Prompt bereit, um eine Beschreibung zu erstellen, ein sichtbares Detail zu interpretieren oder eine mit Belegen verknüpfte visuelle Notiz vorzubereiten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GLM-4V ist Zhipu AIs Vision-Language-Modell zur Verbindung eines Bildes mit einer schriftlichen Frage. Das native multimodale Beispiel des Herstellers stellt beide Teile in einer Nutzernachricht bereit und gibt eine Textantwort zurück. Sein Leitfaden zur Agentenentwicklung bezeichnet GLM-4V ebenfalls als Bild-zu-Text-Modell; damit sind das Quellbild und die Formulierung der Frage die zentralen Eingaben für die Aufgabe.
Wählen Sie das Bild aus, das die für die Antwort benötigten Belege enthält, und geben Sie anschließend an, was untersucht werden soll. Eine allgemeine Frage kann eine Szenenbeschreibung anfordern; eine gezielte Frage kann ein zu erklärendes Objekt, eine Beschriftung oder eine Beziehung benennen. Geben Sie ausreichend Kontext, um die Aufgabe eindeutig zu machen, etwa welcher Gegenstand auf einem Produktfoto wichtig ist oder welcher Bereich eines Screenshots beschrieben werden soll.
Das Beispiel des Herstellers verwendet neben der Textfrage ein JPEG-Bild, das als Bildreferenz kodiert ist. Bewahren Sie bei der Anfragevorbereitung das Originalbild auf, insbesondere wenn ein Zuschnitt Beschriftungen oder umgebenden Kontext entfernen würde. Stellen Sie für eine beispielhafte Supportaufgabe den Screenshot bereit und fragen Sie nach einer Beschreibung des sichtbaren Zustands. Halten Sie dabei die genaue Meldung auf dem Bildschirm von einer vorgeschlagenen Erklärung ihrer Ursache getrennt.
Geben Sie an, ob das Ergebnis eine Bildunterschrift, eine kurze Erklärung, eine geordnete Beschreibung oder eine Arbeitsnotiz mit getrennten Beobachtungen sein soll. Für ein Inventarfoto lautet eine beispielhafte Vorgabe: „Beschreibe die sichtbaren Objekte und ihre Anordnung; identifiziere den in meiner Frage bezeichneten Gegenstand.“ Fragen Sie bei einem Dokumentbild nach der sichtbaren Passage und bewahren Sie die Bild- oder Seitenkennung zusammen mit der Antwort auf.
Grenzen Sie die Frage so weit ein, dass sich die relevanten Belege weiterhin leicht prüfen lassen. Wenn der nächste Schritt einen Namen, eine Zahl oder eine zitierte Beschriftung erfordert, fragen Sie gesondert danach und vergleichen Sie die zurückgegebene Formulierung mit dem Originalbild.
Der Agentenablauf des Herstellers ordnet das hochgeladene Bild einer benannten Eingabe und dem begleitenden Prompt zu. Erhalten Sie diese Zuordnung bei der Fortsetzung des Gesprächs. Eine zweckmäßige Folgefrage benennt dasselbe Bild und grenzt die Frage auf einen bestimmten Bereich oder eine Beziehung ein, damit sich die nächste Antwort auf das beabsichtigte Material bezieht.
Speichern Sie den vollständigen Text zusammen mit der Bildkennung, der Frage und jedem in der Aufgabe verwendeten Bereichsverweis. Dies schafft eine praktische Übergabe für ein Gespräch mit visueller Unterstützung, eine Katalogbeschreibung oder eine quellenbezogene Dokumentnotiz. Die Rolle des Modells besteht darin, das bereitgestellte Bild sprachlich zu interpretieren; das Originalbild bleibt verfügbar, um konkrete Details zu prüfen und die nächste Frage zu korrigieren.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits glm-4v | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.014 / 1K Token Ausgabe · Ausgabetoken $0.014 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-4v", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='glm-4v',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='glm-4v',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra glm-4v
Verwenden Sie die oben angezeigten Methodenpfade.
glm-4vGLM-4V ist Zhipu AIs Vision-Language-Modell, um Fragen zu einem Bild zu stellen und eine schriftliche Antwort zu erhalten. Stellen Sie das Bild mit einem gezielten Text-Prompt bereit, um eine Beschreibung zu erstellen, ein sichtbares Detail zu interpretieren oder eine mit Belegen verknüpfte visuelle Notiz vorzubereiten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GLM-4V ist Zhipu AIs Vision-Language-Modell zur Verbindung eines Bildes mit einer schriftlichen Frage. Das native multimodale Beispiel des Herstellers stellt beide Teile in einer Nutzernachricht bereit und gibt eine Textantwort zurück. Sein Leitfaden zur Agentenentwicklung bezeichnet GLM-4V ebenfalls als Bild-zu-Text-Modell; damit sind das Quellbild und die Formulierung der Frage die zentralen Eingaben für die Aufgabe.
Wählen Sie das Bild aus, das die für die Antwort benötigten Belege enthält, und geben Sie anschließend an, was untersucht werden soll. Eine allgemeine Frage kann eine Szenenbeschreibung anfordern; eine gezielte Frage kann ein zu erklärendes Objekt, eine Beschriftung oder eine Beziehung benennen. Geben Sie ausreichend Kontext, um die Aufgabe eindeutig zu machen, etwa welcher Gegenstand auf einem Produktfoto wichtig ist oder welcher Bereich eines Screenshots beschrieben werden soll.
Das Beispiel des Herstellers verwendet neben der Textfrage ein JPEG-Bild, das als Bildreferenz kodiert ist. Bewahren Sie bei der Anfragevorbereitung das Originalbild auf, insbesondere wenn ein Zuschnitt Beschriftungen oder umgebenden Kontext entfernen würde. Stellen Sie für eine beispielhafte Supportaufgabe den Screenshot bereit und fragen Sie nach einer Beschreibung des sichtbaren Zustands. Halten Sie dabei die genaue Meldung auf dem Bildschirm von einer vorgeschlagenen Erklärung ihrer Ursache getrennt.
Geben Sie an, ob das Ergebnis eine Bildunterschrift, eine kurze Erklärung, eine geordnete Beschreibung oder eine Arbeitsnotiz mit getrennten Beobachtungen sein soll. Für ein Inventarfoto lautet eine beispielhafte Vorgabe: „Beschreibe die sichtbaren Objekte und ihre Anordnung; identifiziere den in meiner Frage bezeichneten Gegenstand.“ Fragen Sie bei einem Dokumentbild nach der sichtbaren Passage und bewahren Sie die Bild- oder Seitenkennung zusammen mit der Antwort auf.
Grenzen Sie die Frage so weit ein, dass sich die relevanten Belege weiterhin leicht prüfen lassen. Wenn der nächste Schritt einen Namen, eine Zahl oder eine zitierte Beschriftung erfordert, fragen Sie gesondert danach und vergleichen Sie die zurückgegebene Formulierung mit dem Originalbild.
Der Agentenablauf des Herstellers ordnet das hochgeladene Bild einer benannten Eingabe und dem begleitenden Prompt zu. Erhalten Sie diese Zuordnung bei der Fortsetzung des Gesprächs. Eine zweckmäßige Folgefrage benennt dasselbe Bild und grenzt die Frage auf einen bestimmten Bereich oder eine Beziehung ein, damit sich die nächste Antwort auf das beabsichtigte Material bezieht.
Speichern Sie den vollständigen Text zusammen mit der Bildkennung, der Frage und jedem in der Aufgabe verwendeten Bereichsverweis. Dies schafft eine praktische Übergabe für ein Gespräch mit visueller Unterstützung, eine Katalogbeschreibung oder eine quellenbezogene Dokumentnotiz. Die Rolle des Modells besteht darin, das bereitgestellte Bild sprachlich zu interpretieren; das Originalbild bleibt verfügbar, um konkrete Details zu prüfen und die nächste Frage zu korrigieren.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits glm-4v | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.014 / 1K Token Ausgabe · Ausgabetoken $0.014 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "glm-4v",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4v', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4v', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra glm-4v
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Explain a transcribed screen state\n\nUse this screenshot transcription only: heading 'Export orders'; format 'CSV'; button 'Download' disabled; note 'Select at least one order'; selected count '0'. Write a two-sentence help message explaining the visible state and the next user step. Keep the visible note separate from any cause you cannot verify.Two help sentences grounded in the selected count, disabled button and selection note.The message asks the user to select an order and introduces no unsupported account, network or permission diagnosis.