GLM-4V-Plus es el modelo multimodal de Zhipu AI para interpretar imágenes o video y producir texto. La guía de desarrollo de agentes del fabricante lo distingue explícitamente del flujo de imagen a texto de GLM-4V: el perfil Plus acepta material de imagen o video con una instrucción escrita. Usa esa combinación para convertir una pregunta visual en una descripción, explicación o nota de trabajo vinculadas con la fuente.
Proporciona la imagen o el video que contengan el evento, objeto o relación que se debe examinar, e indica el propósito de la tarea. Una pregunta sobre una imagen puede centrarse en una disposición visible o en un detalle de un documento. Una pregunta sobre video puede pedir una explicación de la acción mostrada o un resumen de la secuencia proporcionada.
Conserva la identidad de la referencia junto con la pregunta. Para revisar un video, nombra la secuencia y, cuando sea útil, el intervalo de tiempo que quieres considerar. Una instrucción ilustrativa es: “Describe la acción en el intervalo seleccionado y explica cómo respalda la secuencia visible tu descripción”. Una referencia temporal en el encargo identifica el material solicitado; no sustituye la entrada de video.
El fabricante documenta dos flujos de agentes: un agente conversacional que asocia una imagen o un video cargados con la instrucción, y un agente orientado a texto con entradas de carga nombradas explícitamente. En este último flujo, se pueden configurar varias entradas visuales mediante campos de entrada separados con nombre propio. Da a cada referencia una función clara, como estado inicial, estado posterior o documento que se debe revisar.
Para una comparación ilustrativa, etiqueta las referencias antes de preguntar qué cambia. Solicita una comparación escrita que nombre la fuente de cada observación. Esto hace que el resultado sea utilizable como nota de revisión y mantiene una pregunta de seguimiento sobre una imagen o secuencia específica vinculada con la referencia correcta.
Define el entregable que necesita el siguiente paso: un pie de imagen, una explicación, un resumen de secuencia o una lista de observaciones vinculadas con referencias de fuentes. Pide al modelo que distinga lo visible de lo que requiere contexto adicional. Para una pregunta documental, conserva la identidad de la página con la interpretación devuelta; para una secuencia de acciones, guarda el intervalo seleccionado y el clip original junto con el resumen.
La salida del flujo documentado de GLM-4V-Plus es texto. Conserva esa respuesta junto con la instrucción y las referencias de entrada al preparar un registro de conocimiento visual o entregar la revisión a otra persona. Comprueba nombres, etiquetas y descripciones de eventos con el material fuente, y después formula la siguiente solicitud sobre la observación específica que necesita aclaración.
GLM-4V y GLM-4V-Plus son perfiles del fabricante con nombres independientes. Elige Plus para una tarea cuya evidencia proporcionada incluya video y conserva esa selección con la nota terminada. Una continuación útil se refiere al mismo material, acota la observación solicitada y conserva la respuesta anterior como parte del registro de trabajo.
", "aboutText": "GLM-4V-Plus es el modelo multimodal de Zhipu AI para interpretar imágenes o video y producir texto. La guía de desarrollo de agentes del fabricante lo distingue explícitamente del flujo de imagen a texto de GLM-4V: el perfil Plus acepta material de imagen o video con una instrucción escrita. Usa esa combinación para convertir una pregunta visual en una descripción, explicación o nota de trabajo vinculadas con la fuente.\n\n### Selecciona la evidencia visual para la pregunta\n\nProporciona la imagen o el video que contengan el evento, objeto o relación que se debe examinar, e indica el propósito de la tarea. Una pregunta sobre una imagen puede centrarse en una disposición visible o en un detalle de un documento. Una pregunta sobre video puede pedir una explicación de la acción mostrada o un resumen de la secuencia proporcionada.\n\nConserva la identidad de la referencia junto con la pregunta. Para revisar un video, nombra la secuencia y, cuando sea útil, el intervalo de tiempo que quieres considerar. Una instrucción ilustrativa es: “Describe la acción en el intervalo seleccionado y explica cómo respalda la secuencia visible tu descripción”. Una referencia temporal en el encargo identifica el material solicitado; no sustituye la entrada de video.\n\n### Asocia cada entrada con su función\n\nEl fabricante documenta dos flujos de agentes: un agente conversacional que asocia una imagen o un video cargados con la instrucción, y un agente orientado a texto con entradas de carga nombradas explícitamente. En este último flujo, se pueden configurar varias entradas visuales mediante campos de entrada separados con nombre propio. Da a cada referencia una función clara, como estado inicial, estado posterior o documento que se debe revisar.\n\nPara una comparación ilustrativa, etiqueta las referencias antes de preguntar qué cambia. Solicita una comparación escrita que nombre la fuente de cada observación. Esto hace que el resultado sea utilizable como nota de revisión y mantiene una pregunta de seguimiento sobre una imagen o secuencia específica vinculada con la referencia correcta.\n\n### Solicita un resultado escrito útil\n\nDefine el entregable que necesita el siguiente paso: un pie de imagen, una explicación, un resumen de secuencia o una lista de observaciones vinculadas con referencias de fuentes. Pide al modelo que distinga lo visible de lo que requiere contexto adicional. Para una pregunta documental, conserva la identidad de la página con la interpretación devuelta; para una secuencia de acciones, guarda el intervalo seleccionado y el clip original junto con el resumen.\n\nLa salida del flujo documentado de GLM-4V-Plus es texto. Conserva esa respuesta junto con la instrucción y las referencias de entrada al preparar un registro de conocimiento visual o entregar la revisión a otra persona. Comprueba nombres, etiquetas y descripciones de eventos con el material fuente, y después formula la siguiente solicitud sobre la observación específica que necesita aclaración.\n\n### Conserva el perfil visual seleccionado con el resultado\n\nGLM-4V y GLM-4V-Plus son perfiles del fabricante con nombres independientes. Elige Plus para una tarea cuya evidencia proporcionada incluya video y conserva esa selección con la nota terminada. Una continuación útil se refiere al mismo material, acota la observación solicitada y conserva la respuesta anterior como parte del registro de trabajo.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Compare labelled inspection notes\n\nUse only these text inspection notes. Before: crate latch closed, seal present, label K7. After: latch open, seal missing, label K7. Write a comparison for the receiving team. Distinguish documented changes from unknown causes and list the next evidence to request. No image or video is attached.A before/after comparison with source labels, an unknown-cause note and a short evidence request.The latch and seal changes are reported, while damage, theft and the person responsible remain unasserted.glm-4v-plusGLM-4V-Plus es el modelo de Zhipu AI para interpretar imágenes o video junto con una instrucción de texto y devolver una respuesta escrita. Elige el perfil Plus compatible con video para obtener un resumen de secuencia o una explicación escrita de la acción mostrada.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GLM-4V-Plus es el modelo multimodal de Zhipu AI para interpretar imágenes o video y producir texto. La guía de desarrollo de agentes del fabricante lo distingue explícitamente del flujo de imagen a texto de GLM-4V: el perfil Plus acepta material de imagen o video con una instrucción escrita. Usa esa combinación para convertir una pregunta visual en una descripción, explicación o nota de trabajo vinculadas con la fuente.
Proporciona la imagen o el video que contengan el evento, objeto o relación que se debe examinar, e indica el propósito de la tarea. Una pregunta sobre una imagen puede centrarse en una disposición visible o en un detalle de un documento. Una pregunta sobre video puede pedir una explicación de la acción mostrada o un resumen de la secuencia proporcionada.
Conserva la identidad de la referencia junto con la pregunta. Para revisar un video, nombra la secuencia y, cuando sea útil, el intervalo de tiempo que quieres considerar. Una instrucción ilustrativa es: “Describe la acción en el intervalo seleccionado y explica cómo respalda la secuencia visible tu descripción”. Una referencia temporal en el encargo identifica el material solicitado; no sustituye la entrada de video.
El fabricante documenta dos flujos de agentes: un agente conversacional que asocia una imagen o un video cargados con la instrucción, y un agente orientado a texto con entradas de carga nombradas explícitamente. En este último flujo, se pueden configurar varias entradas visuales mediante campos de entrada separados con nombre propio. Da a cada referencia una función clara, como estado inicial, estado posterior o documento que se debe revisar.
Para una comparación ilustrativa, etiqueta las referencias antes de preguntar qué cambia. Solicita una comparación escrita que nombre la fuente de cada observación. Esto hace que el resultado sea utilizable como nota de revisión y mantiene una pregunta de seguimiento sobre una imagen o secuencia específica vinculada con la referencia correcta.
Define el entregable que necesita el siguiente paso: un pie de imagen, una explicación, un resumen de secuencia o una lista de observaciones vinculadas con referencias de fuentes. Pide al modelo que distinga lo visible de lo que requiere contexto adicional. Para una pregunta documental, conserva la identidad de la página con la interpretación devuelta; para una secuencia de acciones, guarda el intervalo seleccionado y el clip original junto con el resumen.
La salida del flujo documentado de GLM-4V-Plus es texto. Conserva esa respuesta junto con la instrucción y las referencias de entrada al preparar un registro de conocimiento visual o entregar la revisión a otra persona. Comprueba nombres, etiquetas y descripciones de eventos con el material fuente, y después formula la siguiente solicitud sobre la observación específica que necesita aclaración.
GLM-4V y GLM-4V-Plus son perfiles del fabricante con nombres independientes. Elige Plus para una tarea cuya evidencia proporcionada incluya video y conserva esa selección con la nota terminada. Una continuación útil se refiere al mismo material, acota la observación solicitada y conserva la respuesta anterior como parte del registro de trabajo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites glm-4v-plus | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.0028 / 1K tokens Salida · Tokens de salida $0.0028 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-4v-plus", "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-plus',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-plus',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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra glm-4v-plus
Usa las rutas de método indicadas arriba.
glm-4v-plusGLM-4V-Plus es el modelo de Zhipu AI para interpretar imágenes o video junto con una instrucción de texto y devolver una respuesta escrita. Elige el perfil Plus compatible con video para obtener un resumen de secuencia o una explicación escrita de la acción mostrada.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GLM-4V-Plus es el modelo multimodal de Zhipu AI para interpretar imágenes o video y producir texto. La guía de desarrollo de agentes del fabricante lo distingue explícitamente del flujo de imagen a texto de GLM-4V: el perfil Plus acepta material de imagen o video con una instrucción escrita. Usa esa combinación para convertir una pregunta visual en una descripción, explicación o nota de trabajo vinculadas con la fuente.
Proporciona la imagen o el video que contengan el evento, objeto o relación que se debe examinar, e indica el propósito de la tarea. Una pregunta sobre una imagen puede centrarse en una disposición visible o en un detalle de un documento. Una pregunta sobre video puede pedir una explicación de la acción mostrada o un resumen de la secuencia proporcionada.
Conserva la identidad de la referencia junto con la pregunta. Para revisar un video, nombra la secuencia y, cuando sea útil, el intervalo de tiempo que quieres considerar. Una instrucción ilustrativa es: “Describe la acción en el intervalo seleccionado y explica cómo respalda la secuencia visible tu descripción”. Una referencia temporal en el encargo identifica el material solicitado; no sustituye la entrada de video.
El fabricante documenta dos flujos de agentes: un agente conversacional que asocia una imagen o un video cargados con la instrucción, y un agente orientado a texto con entradas de carga nombradas explícitamente. En este último flujo, se pueden configurar varias entradas visuales mediante campos de entrada separados con nombre propio. Da a cada referencia una función clara, como estado inicial, estado posterior o documento que se debe revisar.
Para una comparación ilustrativa, etiqueta las referencias antes de preguntar qué cambia. Solicita una comparación escrita que nombre la fuente de cada observación. Esto hace que el resultado sea utilizable como nota de revisión y mantiene una pregunta de seguimiento sobre una imagen o secuencia específica vinculada con la referencia correcta.
Define el entregable que necesita el siguiente paso: un pie de imagen, una explicación, un resumen de secuencia o una lista de observaciones vinculadas con referencias de fuentes. Pide al modelo que distinga lo visible de lo que requiere contexto adicional. Para una pregunta documental, conserva la identidad de la página con la interpretación devuelta; para una secuencia de acciones, guarda el intervalo seleccionado y el clip original junto con el resumen.
La salida del flujo documentado de GLM-4V-Plus es texto. Conserva esa respuesta junto con la instrucción y las referencias de entrada al preparar un registro de conocimiento visual o entregar la revisión a otra persona. Comprueba nombres, etiquetas y descripciones de eventos con el material fuente, y después formula la siguiente solicitud sobre la observación específica que necesita aclaración.
GLM-4V y GLM-4V-Plus son perfiles del fabricante con nombres independientes. Elige Plus para una tarea cuya evidencia proporcionada incluya video y conserva esa selección con la nota terminada. Una continuación útil se refiere al mismo material, acota la observación solicitada y conserva la respuesta anterior como parte del registro de trabajo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites glm-4v-plus | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.0028 / 1K tokens Salida · Tokens de salida $0.0028 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "glm-4v-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-plus', '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-plus', '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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra glm-4v-plus
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Compare labelled inspection notes\n\nUse only these text inspection notes. Before: crate latch closed, seal present, label K7. After: latch open, seal missing, label K7. Write a comparison for the receiving team. Distinguish documented changes from unknown causes and list the next evidence to request. No image or video is attached.A before/after comparison with source labels, an unknown-cause note and a short evidence request.The latch and seal changes are reported, while damage, theft and the person responsible remain unasserted.