GLM 5.3 Prime es la edición de texto acelerada de la familia GLM 5.3 de Z.ai. Acepta texto y devuelve texto, con un enfoque en programación, generación progresiva de código, conversación en tiempo real y tareas de agentes de varios turnos. Su perfil publicado describe una aceleración de inferencia que conserva las capacidades de la edición subyacente. Una solicitud útil vincula la tarea, su evidencia y el entregable necesario para el siguiente paso, como un parche, una explicación o una secuencia de acciones propuesta.
El razonamiento permanece activado en este perfil. Las opciones de esfuerzo documentadas son low, high y max, con max como predeterminado. Elige la profundidad deseada junto con la tarea: una revisión enfocada de código necesita la lógica relevante y el comportamiento observado, mientras que un cambio a nivel de proyecto necesita las interfaces circundantes, las restricciones y las condiciones de aceptación. Mantén el resultado real separado del análisis intermedio del modelo para que el lector pueda examinar directamente la respuesta o el cambio propuestos.
La ventana de contexto publicada es de 1,000,000 tokens, con hasta 131,072 tokens de respuesta. Organiza un encargo largo en secciones con nombre: material fuente, decisiones establecidas, preguntas abiertas y entregable solicitado. Conserva los identificadores exactos de archivos o fragmentos cuando la respuesta deba remitir a la evidencia. Un contexto de trabajo amplio ayuda a mantener unido el material relacionado; una pregunta enfocada hace útil ese material.
Para programación, proporciona el comportamiento existente, el ejemplo fallido y el comportamiento deseado después del cambio. Solicita una corrección concreta y sus pasos de validación. Para una tarea de agentes de varios turnos, lleva adelante el trabajo terminado y las observaciones más recientes, para que un paso posterior pueda continuar desde el resultado en lugar de reconstruir la tarea a partir de una conversación creciente.
El contrato publicado del servicio de alojamiento incluye herramientas de función y formato de respuesta JSON. Define las herramientas o los campos de resultado que necesita el flujo de trabajo. Una llamada a herramienta nombra una acción que debe ejecutar la aplicación que la integra; la observación devuelta se convierte en evidencia para el siguiente paso del modelo. El modo JSON documentado admite salida JSON sin imponer un esquema JSON, así que valida los campos obligatorios, los tipos y los valores en la aplicación.
Para una tarea de extracción, proporciona el texto fuente y los campos que se deben devolver, incluida la forma en que deben aparecer los valores faltantes. Para una tarea de planeación, solicita la siguiente acción, sus entradas y la observación que establecería su terminación. Conserva la respuesta junto con los identificadores de sus fuentes y los resultados reales de herramientas, para que el entregable siga vinculado con el trabajo que describe.
", "aboutText": "GLM 5.3 Prime es la edición de texto acelerada de la familia GLM 5.3 de Z.ai. Acepta texto y devuelve texto, con un enfoque en programación, generación progresiva de código, conversación en tiempo real y tareas de agentes de varios turnos. Su perfil publicado describe una aceleración de inferencia que conserva las capacidades de la edición subyacente. Una solicitud útil vincula la tarea, su evidencia y el entregable necesario para el siguiente paso, como un parche, una explicación o una secuencia de acciones propuesta.\n\n### Razonamiento para una tarea prolongada\n\nEl razonamiento permanece activado en este perfil. Las opciones de esfuerzo documentadas son low, high y max, con max como predeterminado. Elige la profundidad deseada junto con la tarea: una revisión enfocada de código necesita la lógica relevante y el comportamiento observado, mientras que un cambio a nivel de proyecto necesita las interfaces circundantes, las restricciones y las condiciones de aceptación. Mantén el resultado real separado del análisis intermedio del modelo para que el lector pueda examinar directamente la respuesta o el cambio propuestos.\n\n### Contexto largo y salida acotada\n\nLa ventana de contexto publicada es de 1,000,000 tokens, con hasta 131,072 tokens de respuesta. Organiza un encargo largo en secciones con nombre: material fuente, decisiones establecidas, preguntas abiertas y entregable solicitado. Conserva los identificadores exactos de archivos o fragmentos cuando la respuesta deba remitir a la evidencia. Un contexto de trabajo amplio ayuda a mantener unido el material relacionado; una pregunta enfocada hace útil ese material.\n\nPara programación, proporciona el comportamiento existente, el ejemplo fallido y el comportamiento deseado después del cambio. Solicita una corrección concreta y sus pasos de validación. Para una tarea de agentes de varios turnos, lleva adelante el trabajo terminado y las observaciones más recientes, para que un paso posterior pueda continuar desde el resultado en lugar de reconstruir la tarea a partir de una conversación creciente.\n\n### Herramientas y resultados estructurados\n\nEl contrato publicado del servicio de alojamiento incluye herramientas de función y formato de respuesta JSON. Define las herramientas o los campos de resultado que necesita el flujo de trabajo. Una llamada a herramienta nombra una acción que debe ejecutar la aplicación que la integra; la observación devuelta se convierte en evidencia para el siguiente paso del modelo. El modo JSON documentado admite salida JSON sin imponer un esquema JSON, así que valida los campos obligatorios, los tipos y los valores en la aplicación.\n\nPara una tarea de extracción, proporciona el texto fuente y los campos que se deben devolver, incluida la forma en que deben aparecer los valores faltantes. Para una tarea de planeación, solicita la siguiente acción, sus entradas y la observación que establecería su terminación. Conserva la respuesta junto con los identificadores de sus fuentes y los resultados reales de herramientas, para que el entregable siga vinculado con el trabajo que describe.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Choose the next debugging action\n\nContinue this debugging task from supplied observations. Goal: imports preserve accented names. [SOURCE] CSV is read with encoding='ascii', errors='replace'. [TEST] 'José' becomes 'Jos?'. [DECISION] Input files are UTF-8. Propose the next code change, identify its exact inputs and define the observation that would establish completion. Include one negative case for malformed UTF-8; do not report an unexecuted pass.A focused code proposal plus a next-action record containing inputs, expected verification evidence and a malformed-input case.Check the proposal preserves accented text and makes malformed-input handling explicit rather than silently replacing bytes.z-ai/glm-5.3-primeGLM 5.3 Prime es el modelo de texto acelerado de Z.ai para programación, conversación y flujos de agentes prolongados. Combina un contexto de un millón de tokens con razonamiento siempre activado y admite esfuerzo low, high y max, con max como valor predeterminado documentado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GLM 5.3 Prime es la edición de texto acelerada de la familia GLM 5.3 de Z.ai. Acepta texto y devuelve texto, con un enfoque en programación, generación progresiva de código, conversación en tiempo real y tareas de agentes de varios turnos. Su perfil publicado describe una aceleración de inferencia que conserva las capacidades de la edición subyacente. Una solicitud útil vincula la tarea, su evidencia y el entregable necesario para el siguiente paso, como un parche, una explicación o una secuencia de acciones propuesta.
El razonamiento permanece activado en este perfil. Las opciones de esfuerzo documentadas son low, high y max, con max como predeterminado. Elige la profundidad deseada junto con la tarea: una revisión enfocada de código necesita la lógica relevante y el comportamiento observado, mientras que un cambio a nivel de proyecto necesita las interfaces circundantes, las restricciones y las condiciones de aceptación. Mantén el resultado real separado del análisis intermedio del modelo para que el lector pueda examinar directamente la respuesta o el cambio propuestos.
La ventana de contexto publicada es de 1,000,000 tokens, con hasta 131,072 tokens de respuesta. Organiza un encargo largo en secciones con nombre: material fuente, decisiones establecidas, preguntas abiertas y entregable solicitado. Conserva los identificadores exactos de archivos o fragmentos cuando la respuesta deba remitir a la evidencia. Un contexto de trabajo amplio ayuda a mantener unido el material relacionado; una pregunta enfocada hace útil ese material.
Para programación, proporciona el comportamiento existente, el ejemplo fallido y el comportamiento deseado después del cambio. Solicita una corrección concreta y sus pasos de validación. Para una tarea de agentes de varios turnos, lleva adelante el trabajo terminado y las observaciones más recientes, para que un paso posterior pueda continuar desde el resultado en lugar de reconstruir la tarea a partir de una conversación creciente.
El contrato publicado del servicio de alojamiento incluye herramientas de función y formato de respuesta JSON. Define las herramientas o los campos de resultado que necesita el flujo de trabajo. Una llamada a herramienta nombra una acción que debe ejecutar la aplicación que la integra; la observación devuelta se convierte en evidencia para el siguiente paso del modelo. El modo JSON documentado admite salida JSON sin imponer un esquema JSON, así que valida los campos obligatorios, los tipos y los valores en la aplicación.
Para una tarea de extracción, proporciona el texto fuente y los campos que se deben devolver, incluida la forma en que deben aparecer los valores faltantes. Para una tarea de planeación, solicita la siguiente acción, sus entradas y la observación que establecería su terminación. Conserva la respuesta junto con los identificadores de sus fuentes y los resultados reales de herramientas, para que el entregable siga vinculado con el trabajo que describe.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites z-ai/glm-5.3-prime | 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.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0056 / 1K tokens Salida · Tokens de salida $0.0176 / 1K tokens Entrada · Lectura de caché $0.00112 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0056 / 1K tokens Salida · Tokens de salida $0.0176 / 1K tokens Entrada · Lectura de caché $0.00112 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "z-ai/glm-5.3-prime", "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-prime',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-prime',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 z-ai/glm-5.3-prime
Usa las rutas de método indicadas arriba.
z-ai/glm-5.3-primeGLM 5.3 Prime es el modelo de texto acelerado de Z.ai para programación, conversación y flujos de agentes prolongados. Combina un contexto de un millón de tokens con razonamiento siempre activado y admite esfuerzo low, high y max, con max como valor predeterminado documentado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GLM 5.3 Prime es la edición de texto acelerada de la familia GLM 5.3 de Z.ai. Acepta texto y devuelve texto, con un enfoque en programación, generación progresiva de código, conversación en tiempo real y tareas de agentes de varios turnos. Su perfil publicado describe una aceleración de inferencia que conserva las capacidades de la edición subyacente. Una solicitud útil vincula la tarea, su evidencia y el entregable necesario para el siguiente paso, como un parche, una explicación o una secuencia de acciones propuesta.
El razonamiento permanece activado en este perfil. Las opciones de esfuerzo documentadas son low, high y max, con max como predeterminado. Elige la profundidad deseada junto con la tarea: una revisión enfocada de código necesita la lógica relevante y el comportamiento observado, mientras que un cambio a nivel de proyecto necesita las interfaces circundantes, las restricciones y las condiciones de aceptación. Mantén el resultado real separado del análisis intermedio del modelo para que el lector pueda examinar directamente la respuesta o el cambio propuestos.
La ventana de contexto publicada es de 1,000,000 tokens, con hasta 131,072 tokens de respuesta. Organiza un encargo largo en secciones con nombre: material fuente, decisiones establecidas, preguntas abiertas y entregable solicitado. Conserva los identificadores exactos de archivos o fragmentos cuando la respuesta deba remitir a la evidencia. Un contexto de trabajo amplio ayuda a mantener unido el material relacionado; una pregunta enfocada hace útil ese material.
Para programación, proporciona el comportamiento existente, el ejemplo fallido y el comportamiento deseado después del cambio. Solicita una corrección concreta y sus pasos de validación. Para una tarea de agentes de varios turnos, lleva adelante el trabajo terminado y las observaciones más recientes, para que un paso posterior pueda continuar desde el resultado en lugar de reconstruir la tarea a partir de una conversación creciente.
El contrato publicado del servicio de alojamiento incluye herramientas de función y formato de respuesta JSON. Define las herramientas o los campos de resultado que necesita el flujo de trabajo. Una llamada a herramienta nombra una acción que debe ejecutar la aplicación que la integra; la observación devuelta se convierte en evidencia para el siguiente paso del modelo. El modo JSON documentado admite salida JSON sin imponer un esquema JSON, así que valida los campos obligatorios, los tipos y los valores en la aplicación.
Para una tarea de extracción, proporciona el texto fuente y los campos que se deben devolver, incluida la forma en que deben aparecer los valores faltantes. Para una tarea de planeación, solicita la siguiente acción, sus entradas y la observación que establecería su terminación. Conserva la respuesta junto con los identificadores de sus fuentes y los resultados reales de herramientas, para que el entregable siga vinculado con el trabajo que describe.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites z-ai/glm-5.3-prime | 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.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0056 / 1K tokens Salida · Tokens de salida $0.0176 / 1K tokens Entrada · Lectura de caché $0.00112 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0056 / 1K tokens Salida · Tokens de salida $0.0176 / 1K tokens Entrada · Lectura de caché $0.00112 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "z-ai/glm-5.3-prime",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-prime', '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-prime', '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 z-ai/glm-5.3-prime
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Choose the next debugging action\n\nContinue this debugging task from supplied observations. Goal: imports preserve accented names. [SOURCE] CSV is read with encoding='ascii', errors='replace'. [TEST] 'José' becomes 'Jos?'. [DECISION] Input files are UTF-8. Propose the next code change, identify its exact inputs and define the observation that would establish completion. Include one negative case for malformed UTF-8; do not report an unexecuted pass.A focused code proposal plus a next-action record containing inputs, expected verification evidence and a malformed-input case.Check the proposal preserves accented text and makes malformed-input handling explicit rather than silently replacing bytes.