GLM-5.3-FlashX ist die FlashX-Ausgabe in Z.ais nativ multimodaler GLM-5.3-Flash-Familie. Der Hersteller präsentiert das Modellpaar für visuelle Programmierung und professionelle Arbeit; es verbindet Text mit Bildern, Video und Dateien und gibt Text zurück. FlashX wird für schnellere Inferenz im Dienst des Herstellers eigenständig benannt. Eine zweckmäßige Vorgabe kann eine auf Screenshots gestützte Implementierung, eine dokumentbasierte Analyse oder einen Plan anfordern, den eine Anwendung mit Werkzeugen ausführt. Die Quelle führt beide Modellcodes auf; ihre Dienstidentitäten bleiben getrennt.
Die Familie verwendet eine hybride Architektur mit sparsamer und linearer Aufmerksamkeit und wird mit insgesamt 320 Milliarden Parametern sowie 18 Milliarden aktivierten Parametern beschrieben. Sparse Attention ruft globale Informationen ab, während lineare Aufmerksamkeit lokale Abhängigkeiten modelliert; der Hersteller beschreibt außerdem Index-Pooling für langen Kontext. Dies sind Angaben zur Architektur der Familie und nicht zum numerischen Format jeder gehosteten Instanz. Das gemeinsame Profil umfasst eine Million Kontext-Tokens und bis zu 128K Ausgabe-Tokens. Quellmaterial, visuelle Repräsentationen, Verlauf, Gedankengang und Antwort benötigen alle Platz im konfigurierten Ablauf.
Visuelle Programmierung steht im Mittelpunkt. Z.ais Beispiele verbinden mehrere Seiten-Screenshots oder eine Aufzeichnung mit Anweisungen, um Seitenbeziehungen, gemeinsame Komponenten, Navigation, Zustände und Animationsverhalten zu rekonstruieren. Ordnen Sie die Referenzen in der richtigen Reihenfolge an und geben Sie an, welche Funktionen arbeiten müssen. Fordern Sie bearbeitbaren Quellcode und einen Vergleich mit dem Entwurf an. Die Anwendung startet oder rendert den Vorschlag und gibt Screenshots oder Interaktionsergebnisse zurück; das Modell nutzt diese Rückmeldung zur Verbesserung. Text und Code werden ohne diese Vorgänge nicht zu einer fertigen laufenden Anwendung.
Für Office- und Dokumentarbeit beschreibt der Hersteller das Ordnen von Material, das Erstellen von Diagrammen und Layouts sowie die Prüfung des gerenderten Ergebnisses. Ein werkzeuggestützter Ablauf kann PPTX, PDF, DOCX oder XLSX erzeugen. Eine beispielhafte Berichtsvorgabe kann Quellen, Zielgruppe und erforderliche Abschnitte bereitstellen und anschließend eine Tabelle von Quellen zu Schlussfolgerungen sowie einen bearbeitbaren Bericht oder eine Präsentation anfordern. Halten Sie bereitgestellte Werte von analytischen Annahmen getrennt. Rendern, Dateispeicherung und die Prüfung von Formelverweisen sind Vorgänge der Anwendung. Für Finanzrecherchen beschreibt der Hersteller das Vergleichen von Abschlüssen und Mitteilungen, das Trennen veröffentlichter Werte von Annahmen und das Erstellen eines bearbeitbaren Prognose- oder Bewertungsmodells samt quellenbezogenem Bericht über angebundene Werkzeuge.
Zu den umfassenderen Beispielen des Herstellers gehören Videobearbeitung, 3D-Szenen, spielbare Spiele und CAD-Rekonstruktion über Werkzeuge. Eine Videoaufgabe kann mit einem Medieninventar und einer Zeitleiste beginnen; eine Szenenaufgabe kann Layout, Materialien und Kameraperspektiven definieren, bevor ein Modellierungsskript angefordert wird. Eine CAD-Vorgabe benötigt Maßreferenzen und ausdrückliche Annahmen für Abmessungen, die aus dem Bild nicht feststehen. Das Modell interpretiert das Material und steuert die Arbeit, während die jeweiligen Bearbeitungs-, Rendering- oder Modellierungswerkzeuge die Inhalte erzeugen und prüfen.
Der Denkmodus lässt sich in diesem Profil nicht deaktivieren. Laut Quelle entsprechen die Textsteuerungen denen von GLM-5.3; empfohlen werden reasoning_effort=max, temperature 1 und top-p 0.95. Für das Beibehalten von Gedankengängen empfiehlt sie clear_thinking=false sowie Streaming sowohl für Text als auch für Werkzeuge. Der zugehörige Leitfaden verlangt, erhaltene Denkblöcke vollständig und unverändert zurückzugeben. Definieren Sie das Endergebnis vor einer langen Analyse und halten Sie Beobachtungen an die Schritte gebunden, aus denen sie entstanden sind.
Der Hersteller nennt Funktionsaufrufe, Kontext-Caching, strukturierte Ausgaben und natives visuelles Verständnis. Geben Sie Werkzeugbeschreibungen und erforderliche Ausgabefelder ausdrücklich an. Fordern Sie bei einer Oberflächenaufgabe die abgedeckten Seitenzustände, verbleibende Abweichungen und die Erkenntnisse aus dem tatsächlichen Rendervergleich an. Trennen Sie bei Analysen Quellenfakten, Annahmen und Schlussfolgerungen. FlashX unterstützt diese multimodalen Abläufe; Ausführung, Rendering und Dateiverarbeitung übernimmt die angebundene Anwendung.
", "aboutText": "GLM-5.3-FlashX ist die FlashX-Ausgabe in Z.ais nativ multimodaler GLM-5.3-Flash-Familie. Der Hersteller präsentiert das Modellpaar für visuelle Programmierung und professionelle Arbeit; es verbindet Text mit Bildern, Video und Dateien und gibt Text zurück. FlashX wird für schnellere Inferenz im Dienst des Herstellers eigenständig benannt. Eine zweckmäßige Vorgabe kann eine auf Screenshots gestützte Implementierung, eine dokumentbasierte Analyse oder einen Plan anfordern, den eine Anwendung mit Werkzeugen ausführt. Die Quelle führt beide Modellcodes auf; ihre Dienstidentitäten bleiben getrennt.\n\nDie Familie verwendet eine hybride Architektur mit sparsamer und linearer Aufmerksamkeit und wird mit insgesamt 320 Milliarden Parametern sowie 18 Milliarden aktivierten Parametern beschrieben. Sparse Attention ruft globale Informationen ab, während lineare Aufmerksamkeit lokale Abhängigkeiten modelliert; der Hersteller beschreibt außerdem Index-Pooling für langen Kontext. Dies sind Angaben zur Architektur der Familie und nicht zum numerischen Format jeder gehosteten Instanz. Das gemeinsame Profil umfasst eine Million Kontext-Tokens und bis zu 128K Ausgabe-Tokens. Quellmaterial, visuelle Repräsentationen, Verlauf, Gedankengang und Antwort benötigen alle Platz im konfigurierten Ablauf.\n\nVisuelle Programmierung steht im Mittelpunkt. Z.ais Beispiele verbinden mehrere Seiten-Screenshots oder eine Aufzeichnung mit Anweisungen, um Seitenbeziehungen, gemeinsame Komponenten, Navigation, Zustände und Animationsverhalten zu rekonstruieren. Ordnen Sie die Referenzen in der richtigen Reihenfolge an und geben Sie an, welche Funktionen arbeiten müssen. Fordern Sie bearbeitbaren Quellcode und einen Vergleich mit dem Entwurf an. Die Anwendung startet oder rendert den Vorschlag und gibt Screenshots oder Interaktionsergebnisse zurück; das Modell nutzt diese Rückmeldung zur Verbesserung. 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, das Erstellen von Diagrammen und Layouts sowie die Prüfung des gerenderten Ergebnisses. Ein werkzeuggestützter Ablauf kann PPTX, PDF, DOCX oder XLSX erzeugen. Eine beispielhafte Berichtsvorgabe kann Quellen, Zielgruppe und erforderliche Abschnitte bereitstellen und anschließend eine Tabelle von Quellen zu Schlussfolgerungen sowie einen bearbeitbaren Bericht oder eine Präsentation anfordern. Halten Sie bereitgestellte Werte von analytischen Annahmen getrennt. Rendern, Dateispeicherung und die Prüfung von Formelverweisen sind Vorgänge der Anwendung. Für Finanzrecherchen beschreibt der Hersteller das Vergleichen von Abschlüssen und Mitteilungen, das Trennen veröffentlichter Werte von Annahmen und das Erstellen eines bearbeitbaren Prognose- oder Bewertungsmodells samt quellenbezogenem Bericht über angebundene Werkzeuge.\n\nZu den umfassenderen Beispielen des Herstellers gehören Videobearbeitung, 3D-Szenen, spielbare Spiele und CAD-Rekonstruktion über Werkzeuge. Eine Videoaufgabe kann mit einem Medieninventar und einer Zeitleiste beginnen; eine Szenenaufgabe kann Layout, Materialien und Kameraperspektiven definieren, bevor ein Modellierungsskript angefordert wird. Eine CAD-Vorgabe benötigt Maßreferenzen und ausdrückliche Annahmen für Abmessungen, die aus dem Bild nicht feststehen. Das Modell interpretiert das Material und steuert die Arbeit, während die jeweiligen Bearbeitungs-, Rendering- oder Modellierungswerkzeuge die Inhalte erzeugen und prüfen.\n\nDer Denkmodus lässt sich in diesem Profil nicht deaktivieren. Laut Quelle entsprechen die Textsteuerungen denen von GLM-5.3; empfohlen werden reasoning_effort=max, temperature 1 und top-p 0.95. Für das Beibehalten von Gedankengängen empfiehlt sie clear_thinking=false sowie Streaming sowohl für Text als auch für Werkzeuge. Der zugehörige Leitfaden verlangt, erhaltene Denkblöcke vollständig und unverändert zurückzugeben. Definieren Sie das Endergebnis vor einer langen Analyse und halten Sie Beobachtungen an die Schritte gebunden, aus denen sie entstanden sind.\n\nDer Hersteller nennt Funktionsaufrufe, Kontext-Caching, strukturierte Ausgaben und natives visuelles Verständnis. Geben Sie Werkzeugbeschreibungen und erforderliche Ausgabefelder ausdrücklich an. Fordern Sie bei einer Oberflächenaufgabe die abgedeckten Seitenzustände, verbleibende Abweichungen und die Erkenntnisse aus dem tatsächlichen Rendervergleich an. Trennen Sie bei Analysen Quellenfakten, Annahmen und Schlussfolgerungen. FlashX unterstützt diese multimodalen Abläufe; Ausführung, Rendering und Dateiverarbeitung übernimmt die angebundene Anwendung.", "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-Ausgabe in Z.ais nativ multimodaler GLM-5.3-Flash-Familie. Der Hersteller präsentiert das Modellpaar für visuelle Programmierung und professionelle Arbeit; es verbindet Text mit Bildern, Video und Dateien und gibt Text zurück. FlashX wird für schnellere Inferenz im Dienst des Herstellers eigenständig benannt. Eine zweckmäßige Vorgabe kann eine auf Screenshots gestützte Implementierung, eine dokumentbasierte Analyse oder einen Plan anfordern, den eine Anwendung mit Werkzeugen ausführt. Die Quelle führt beide Modellcodes auf; ihre Dienstidentitäten bleiben getrennt.
Die Familie verwendet eine hybride Architektur mit sparsamer und linearer Aufmerksamkeit und wird mit insgesamt 320 Milliarden Parametern sowie 18 Milliarden aktivierten Parametern beschrieben. Sparse Attention ruft globale Informationen ab, während lineare Aufmerksamkeit lokale Abhängigkeiten modelliert; der Hersteller beschreibt außerdem Index-Pooling für langen Kontext. Dies sind Angaben zur Architektur der Familie und nicht zum numerischen Format jeder gehosteten Instanz. Das gemeinsame Profil umfasst eine Million Kontext-Tokens und bis zu 128K Ausgabe-Tokens. Quellmaterial, visuelle Repräsentationen, Verlauf, Gedankengang und Antwort benötigen alle Platz im konfigurierten Ablauf.
Visuelle Programmierung steht im Mittelpunkt. Z.ais Beispiele verbinden mehrere Seiten-Screenshots oder eine Aufzeichnung mit Anweisungen, um Seitenbeziehungen, gemeinsame Komponenten, Navigation, Zustände und Animationsverhalten zu rekonstruieren. Ordnen Sie die Referenzen in der richtigen Reihenfolge an und geben Sie an, welche Funktionen arbeiten müssen. Fordern Sie bearbeitbaren Quellcode und einen Vergleich mit dem Entwurf an. Die Anwendung startet oder rendert den Vorschlag und gibt Screenshots oder Interaktionsergebnisse zurück; das Modell nutzt diese Rückmeldung zur Verbesserung. Text und Code werden ohne diese Vorgänge nicht zu einer fertigen laufenden Anwendung.
Für Office- und Dokumentarbeit beschreibt der Hersteller das Ordnen von Material, das Erstellen von Diagrammen und Layouts sowie die Prüfung des gerenderten Ergebnisses. Ein werkzeuggestützter Ablauf kann PPTX, PDF, DOCX oder XLSX erzeugen. Eine beispielhafte Berichtsvorgabe kann Quellen, Zielgruppe und erforderliche Abschnitte bereitstellen und anschließend eine Tabelle von Quellen zu Schlussfolgerungen sowie einen bearbeitbaren Bericht oder eine Präsentation anfordern. Halten Sie bereitgestellte Werte von analytischen Annahmen getrennt. Rendern, Dateispeicherung und die Prüfung von Formelverweisen sind Vorgänge der Anwendung. Für Finanzrecherchen beschreibt der Hersteller das Vergleichen von Abschlüssen und Mitteilungen, das Trennen veröffentlichter Werte von Annahmen und das Erstellen eines bearbeitbaren Prognose- oder Bewertungsmodells samt quellenbezogenem Bericht über angebundene Werkzeuge.
Zu den umfassenderen Beispielen des Herstellers gehören Videobearbeitung, 3D-Szenen, spielbare Spiele und CAD-Rekonstruktion über Werkzeuge. Eine Videoaufgabe kann mit einem Medieninventar und einer Zeitleiste beginnen; eine Szenenaufgabe kann Layout, Materialien und Kameraperspektiven definieren, bevor ein Modellierungsskript angefordert wird. Eine CAD-Vorgabe benötigt Maßreferenzen und ausdrückliche Annahmen für Abmessungen, die aus dem Bild nicht feststehen. Das Modell interpretiert das Material und steuert die Arbeit, während die jeweiligen Bearbeitungs-, Rendering- oder Modellierungswerkzeuge die Inhalte erzeugen und prüfen.
Der Denkmodus lässt sich in diesem Profil nicht deaktivieren. Laut Quelle entsprechen die Textsteuerungen denen von GLM-5.3; empfohlen werden reasoning_effort=max, temperature 1 und top-p 0.95. Für das Beibehalten von Gedankengängen empfiehlt sie clear_thinking=false sowie Streaming sowohl für Text als auch für Werkzeuge. Der zugehörige Leitfaden verlangt, erhaltene Denkblöcke vollständig und unverändert zurückzugeben. Definieren Sie das Endergebnis vor einer langen Analyse und halten Sie Beobachtungen an die Schritte gebunden, aus denen sie entstanden sind.
Der Hersteller nennt Funktionsaufrufe, Kontext-Caching, strukturierte Ausgaben und natives visuelles Verständnis. Geben Sie Werkzeugbeschreibungen und erforderliche Ausgabefelder ausdrücklich an. Fordern Sie bei einer Oberflächenaufgabe die abgedeckten Seitenzustände, verbleibende Abweichungen und die Erkenntnisse aus dem tatsächlichen Rendervergleich an. Trennen Sie bei Analysen Quellenfakten, Annahmen und Schlussfolgerungen. FlashX unterstützt diese multimodalen Abläufe; Ausführung, Rendering und Dateiverarbeitung übernimmt die angebundene Anwendung.
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 Token Ausgabe · Ausgabetoken $0.0025 / 1K Token Eingabe · Cache-Lesen $0.00018 / 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 $0.00074 / 1K Token Ausgabe · Ausgabetoken $0.0025 / 1K Token Eingabe · Cache-Lesen $0.00018 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-Ausgabe in Z.ais nativ multimodaler GLM-5.3-Flash-Familie. Der Hersteller präsentiert das Modellpaar für visuelle Programmierung und professionelle Arbeit; es verbindet Text mit Bildern, Video und Dateien und gibt Text zurück. FlashX wird für schnellere Inferenz im Dienst des Herstellers eigenständig benannt. Eine zweckmäßige Vorgabe kann eine auf Screenshots gestützte Implementierung, eine dokumentbasierte Analyse oder einen Plan anfordern, den eine Anwendung mit Werkzeugen ausführt. Die Quelle führt beide Modellcodes auf; ihre Dienstidentitäten bleiben getrennt.
Die Familie verwendet eine hybride Architektur mit sparsamer und linearer Aufmerksamkeit und wird mit insgesamt 320 Milliarden Parametern sowie 18 Milliarden aktivierten Parametern beschrieben. Sparse Attention ruft globale Informationen ab, während lineare Aufmerksamkeit lokale Abhängigkeiten modelliert; der Hersteller beschreibt außerdem Index-Pooling für langen Kontext. Dies sind Angaben zur Architektur der Familie und nicht zum numerischen Format jeder gehosteten Instanz. Das gemeinsame Profil umfasst eine Million Kontext-Tokens und bis zu 128K Ausgabe-Tokens. Quellmaterial, visuelle Repräsentationen, Verlauf, Gedankengang und Antwort benötigen alle Platz im konfigurierten Ablauf.
Visuelle Programmierung steht im Mittelpunkt. Z.ais Beispiele verbinden mehrere Seiten-Screenshots oder eine Aufzeichnung mit Anweisungen, um Seitenbeziehungen, gemeinsame Komponenten, Navigation, Zustände und Animationsverhalten zu rekonstruieren. Ordnen Sie die Referenzen in der richtigen Reihenfolge an und geben Sie an, welche Funktionen arbeiten müssen. Fordern Sie bearbeitbaren Quellcode und einen Vergleich mit dem Entwurf an. Die Anwendung startet oder rendert den Vorschlag und gibt Screenshots oder Interaktionsergebnisse zurück; das Modell nutzt diese Rückmeldung zur Verbesserung. Text und Code werden ohne diese Vorgänge nicht zu einer fertigen laufenden Anwendung.
Für Office- und Dokumentarbeit beschreibt der Hersteller das Ordnen von Material, das Erstellen von Diagrammen und Layouts sowie die Prüfung des gerenderten Ergebnisses. Ein werkzeuggestützter Ablauf kann PPTX, PDF, DOCX oder XLSX erzeugen. Eine beispielhafte Berichtsvorgabe kann Quellen, Zielgruppe und erforderliche Abschnitte bereitstellen und anschließend eine Tabelle von Quellen zu Schlussfolgerungen sowie einen bearbeitbaren Bericht oder eine Präsentation anfordern. Halten Sie bereitgestellte Werte von analytischen Annahmen getrennt. Rendern, Dateispeicherung und die Prüfung von Formelverweisen sind Vorgänge der Anwendung. Für Finanzrecherchen beschreibt der Hersteller das Vergleichen von Abschlüssen und Mitteilungen, das Trennen veröffentlichter Werte von Annahmen und das Erstellen eines bearbeitbaren Prognose- oder Bewertungsmodells samt quellenbezogenem Bericht über angebundene Werkzeuge.
Zu den umfassenderen Beispielen des Herstellers gehören Videobearbeitung, 3D-Szenen, spielbare Spiele und CAD-Rekonstruktion über Werkzeuge. Eine Videoaufgabe kann mit einem Medieninventar und einer Zeitleiste beginnen; eine Szenenaufgabe kann Layout, Materialien und Kameraperspektiven definieren, bevor ein Modellierungsskript angefordert wird. Eine CAD-Vorgabe benötigt Maßreferenzen und ausdrückliche Annahmen für Abmessungen, die aus dem Bild nicht feststehen. Das Modell interpretiert das Material und steuert die Arbeit, während die jeweiligen Bearbeitungs-, Rendering- oder Modellierungswerkzeuge die Inhalte erzeugen und prüfen.
Der Denkmodus lässt sich in diesem Profil nicht deaktivieren. Laut Quelle entsprechen die Textsteuerungen denen von GLM-5.3; empfohlen werden reasoning_effort=max, temperature 1 und top-p 0.95. Für das Beibehalten von Gedankengängen empfiehlt sie clear_thinking=false sowie Streaming sowohl für Text als auch für Werkzeuge. Der zugehörige Leitfaden verlangt, erhaltene Denkblöcke vollständig und unverändert zurückzugeben. Definieren Sie das Endergebnis vor einer langen Analyse und halten Sie Beobachtungen an die Schritte gebunden, aus denen sie entstanden sind.
Der Hersteller nennt Funktionsaufrufe, Kontext-Caching, strukturierte Ausgaben und natives visuelles Verständnis. Geben Sie Werkzeugbeschreibungen und erforderliche Ausgabefelder ausdrücklich an. Fordern Sie bei einer Oberflächenaufgabe die abgedeckten Seitenzustände, verbleibende Abweichungen und die Erkenntnisse aus dem tatsächlichen Rendervergleich an. Trennen Sie bei Analysen Quellenfakten, Annahmen und Schlussfolgerungen. FlashX unterstützt diese multimodalen Abläufe; Ausführung, Rendering und Dateiverarbeitung übernimmt die angebundene Anwendung.
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 Token Ausgabe · Ausgabetoken $0.0025 / 1K Token Eingabe · Cache-Lesen $0.00018 / 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 $0.00074 / 1K Token Ausgabe · Ausgabetoken $0.0025 / 1K Token Eingabe · Cache-Lesen $0.00018 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "z-ai/glm-5.3-flashx",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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.