GLM-5V-Turbo conecta la comprensión visual con el desarrollo de software y el trabajo con agentes. Z.ai indica imágenes, vídeo, texto y archivos como entradas y texto como salida. Su perfil tiene un contexto de 200K tokens y hasta 128K tokens de salida. Una tarea puede combinar una captura de pantalla o un diseño con requisitos y solicitar código, una explicación visual o un resultado basado en documentos. Es una edición distinta de GLM-5.3-Flash.
La reconstrucción de interfaces web es uno de sus usos principales. El fabricante describe el reconocimiento de la distribución, los colores, la jerarquía de componentes y la lógica de interacción a partir de maquetas. Proporciona los estados de referencia, las funciones necesarias y las restricciones; después, solicita código editable y una explicación. Una captura de una página defectuosa puede ayudar a identificar desalineaciones, solapamientos entre componentes o colores que no coinciden. La aplicación renderiza la propuesta y proporciona el resultado real para interpretarlo de nuevo.
Un flujo de trabajo de interfaz gráfica puede ir más allá de una sola captura. El productor describe la exploración de transiciones entre páginas y recursos visuales, así como el uso de los hallazgos para preparar código. Define el objetivo y las acciones disponibles, devuelve las pantallas modificadas o las observaciones y especifica el artefacto terminado. El modelo planifica a partir de esa información; la aplicación realiza la navegación, los clics u otras operaciones. Una respuesta que describe una acción no demuestra su ejecución.
El fabricante describe la fusión visual y textual, un codificador visual CogViT y la predicción de múltiples tokens, junto con aprendizaje por refuerzo conjunto en más de 30 tipos de tareas. Ese alcance incluye STEM, localización visual, vídeo, interfaz gráfica y agentes de programación. Su conjunto de herramientas visuales incluye el dibujo de recuadros, las capturas de pantalla y la lectura de páginas con imágenes. Estas características explican su enfoque de desarrollo sin atribuir a esta edición un número de parámetros ni la arquitectura de otro modelo.
Los materiales oficiales de tareas cubren la descripción de imágenes, la localización visual, la redacción basada en documentos, la comparación de currículos con requisitos facilitados y la preparación de instrucciones a partir de medios de referencia. Un encargo sobre documentos puede indicar campos y solicitar conclusiones respaldadas por pasajes. Un encargo de localización visual puede especificar el objeto y el resultado en forma de recuadro delimitador. Una tarea con medios de referencia puede solicitar una descripción escrita de escena o estilo; ese uso no convierte el modelo en un generador nativo de imágenes o vídeo.
El perfil indica modos de pensamiento, transmisión en continuo, llamadas a funciones y almacenamiento en caché del contexto. Define las herramientas y conserva sus observaciones junto al paso pertinente. Etiqueta las fuentes, las rutas de código y las secuencias de vídeo, dejando espacio para el razonamiento y la respuesta. Los ejemplos combinan medios con una pregunta concreta. Las restricciones exactas de transporte y los controles de interfaz permanecen vinculados al flujo documentado, no a una edición GLM con un nombre parecido.
Para obtener un resultado utilizable, solicita las páginas o secciones del documento cubiertas, el contenido del artefacto propuesto y las diferencias que sigan presentes en las evidencias. El productor demuestra programación de páginas web, creación de sitios, comprensión de documentos y seguimiento de objetos en vídeo. Los proyectos terminados, los archivos editados y las interacciones ejecutadas proceden del entorno de la aplicación; el modelo prepara y perfecciona el trabajo textual correspondiente.
", "aboutText": "GLM-5V-Turbo conecta la comprensión visual con el desarrollo de software y el trabajo con agentes. Z.ai indica imágenes, vídeo, texto y archivos como entradas y texto como salida. Su perfil tiene un contexto de 200K tokens y hasta 128K tokens de salida. Una tarea puede combinar una captura de pantalla o un diseño con requisitos y solicitar código, una explicación visual o un resultado basado en documentos. Es una edición distinta de GLM-5.3-Flash.\n\nLa reconstrucción de interfaces web es uno de sus usos principales. El fabricante describe el reconocimiento de la distribución, los colores, la jerarquía de componentes y la lógica de interacción a partir de maquetas. Proporciona los estados de referencia, las funciones necesarias y las restricciones; después, solicita código editable y una explicación. Una captura de una página defectuosa puede ayudar a identificar desalineaciones, solapamientos entre componentes o colores que no coinciden. La aplicación renderiza la propuesta y proporciona el resultado real para interpretarlo de nuevo.\n\nUn flujo de trabajo de interfaz gráfica puede ir más allá de una sola captura. El productor describe la exploración de transiciones entre páginas y recursos visuales, así como el uso de los hallazgos para preparar código. Define el objetivo y las acciones disponibles, devuelve las pantallas modificadas o las observaciones y especifica el artefacto terminado. El modelo planifica a partir de esa información; la aplicación realiza la navegación, los clics u otras operaciones. Una respuesta que describe una acción no demuestra su ejecución.\n\nEl fabricante describe la fusión visual y textual, un codificador visual CogViT y la predicción de múltiples tokens, junto con aprendizaje por refuerzo conjunto en más de 30 tipos de tareas. Ese alcance incluye STEM, localización visual, vídeo, interfaz gráfica y agentes de programación. Su conjunto de herramientas visuales incluye el dibujo de recuadros, las capturas de pantalla y la lectura de páginas con imágenes. Estas características explican su enfoque de desarrollo sin atribuir a esta edición un número de parámetros ni la arquitectura de otro modelo.\n\nLos materiales oficiales de tareas cubren la descripción de imágenes, la localización visual, la redacción basada en documentos, la comparación de currículos con requisitos facilitados y la preparación de instrucciones a partir de medios de referencia. Un encargo sobre documentos puede indicar campos y solicitar conclusiones respaldadas por pasajes. Un encargo de localización visual puede especificar el objeto y el resultado en forma de recuadro delimitador. Una tarea con medios de referencia puede solicitar una descripción escrita de escena o estilo; ese uso no convierte el modelo en un generador nativo de imágenes o vídeo.\n\nEl perfil indica modos de pensamiento, transmisión en continuo, llamadas a funciones y almacenamiento en caché del contexto. Define las herramientas y conserva sus observaciones junto al paso pertinente. Etiqueta las fuentes, las rutas de código y las secuencias de vídeo, dejando espacio para el razonamiento y la respuesta. Los ejemplos combinan medios con una pregunta concreta. Las restricciones exactas de transporte y los controles de interfaz permanecen vinculados al flujo documentado, no a una edición GLM con un nombre parecido.\n\nPara obtener un resultado utilizable, solicita las páginas o secciones del documento cubiertas, el contenido del artefacto propuesto y las diferencias que sigan presentes en las evidencias. El productor demuestra programación de páginas web, creación de sitios, comprensión de documentos y seguimiento de objetos en vídeo. Los proyectos terminados, los archivos editados y las interacciones ejecutadas proceden del entorno de la aplicación; el modelo prepara y perfecciona el trabajo textual correspondiente.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Correct a described responsive layout\n\nPropose HTML and CSS for this written mockup: a header with brand text "North Workshop" and a Book visit link; below it, a title "Repair desk" and two service sections. On narrow screens the services stack in reading order. Use semantic elements, preserve exact labels and keep the link keyboard-focusable. Return editable code and inspection criteria.An editable HTML/CSS example with a responsive service layout and explicit visual and keyboard inspection criteria.Render both wide and narrow layouts and inspect reading order, exact labels and visible keyboard focus before using the code.glm-5v-turboGLM-5V-Turbo es el modelo de programación multimodal de Z.ai para capturas de pantalla, referencias visuales, documentos y agentes de interfaz gráfica. El perfil del productor acepta imágenes, vídeo, texto y archivos, devuelve texto e indica un contexto de 200K con hasta 128K tokens de salida.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GLM-5V-Turbo conecta la comprensión visual con el desarrollo de software y el trabajo con agentes. Z.ai indica imágenes, vídeo, texto y archivos como entradas y texto como salida. Su perfil tiene un contexto de 200K tokens y hasta 128K tokens de salida. Una tarea puede combinar una captura de pantalla o un diseño con requisitos y solicitar código, una explicación visual o un resultado basado en documentos. Es una edición distinta de GLM-5.3-Flash.
La reconstrucción de interfaces web es uno de sus usos principales. El fabricante describe el reconocimiento de la distribución, los colores, la jerarquía de componentes y la lógica de interacción a partir de maquetas. Proporciona los estados de referencia, las funciones necesarias y las restricciones; después, solicita código editable y una explicación. Una captura de una página defectuosa puede ayudar a identificar desalineaciones, solapamientos entre componentes o colores que no coinciden. La aplicación renderiza la propuesta y proporciona el resultado real para interpretarlo de nuevo.
Un flujo de trabajo de interfaz gráfica puede ir más allá de una sola captura. El productor describe la exploración de transiciones entre páginas y recursos visuales, así como el uso de los hallazgos para preparar código. Define el objetivo y las acciones disponibles, devuelve las pantallas modificadas o las observaciones y especifica el artefacto terminado. El modelo planifica a partir de esa información; la aplicación realiza la navegación, los clics u otras operaciones. Una respuesta que describe una acción no demuestra su ejecución.
El fabricante describe la fusión visual y textual, un codificador visual CogViT y la predicción de múltiples tokens, junto con aprendizaje por refuerzo conjunto en más de 30 tipos de tareas. Ese alcance incluye STEM, localización visual, vídeo, interfaz gráfica y agentes de programación. Su conjunto de herramientas visuales incluye el dibujo de recuadros, las capturas de pantalla y la lectura de páginas con imágenes. Estas características explican su enfoque de desarrollo sin atribuir a esta edición un número de parámetros ni la arquitectura de otro modelo.
Los materiales oficiales de tareas cubren la descripción de imágenes, la localización visual, la redacción basada en documentos, la comparación de currículos con requisitos facilitados y la preparación de instrucciones a partir de medios de referencia. Un encargo sobre documentos puede indicar campos y solicitar conclusiones respaldadas por pasajes. Un encargo de localización visual puede especificar el objeto y el resultado en forma de recuadro delimitador. Una tarea con medios de referencia puede solicitar una descripción escrita de escena o estilo; ese uso no convierte el modelo en un generador nativo de imágenes o vídeo.
El perfil indica modos de pensamiento, transmisión en continuo, llamadas a funciones y almacenamiento en caché del contexto. Define las herramientas y conserva sus observaciones junto al paso pertinente. Etiqueta las fuentes, las rutas de código y las secuencias de vídeo, dejando espacio para el razonamiento y la respuesta. Los ejemplos combinan medios con una pregunta concreta. Las restricciones exactas de transporte y los controles de interfaz permanecen vinculados al flujo documentado, no a una edición GLM con un nombre parecido.
Para obtener un resultado utilizable, solicita las páginas o secciones del documento cubiertas, el contenido del artefacto propuesto y las diferencias que sigan presentes en las evidencias. El productor demuestra programación de páginas web, creación de sitios, comprensión de documentos y seguimiento de objetos en vídeo. Los proyectos terminados, los archivos editados y las interacciones ejecutadas proceden del entorno de la aplicación; el modelo prepara y perfecciona el trabajo textual correspondiente.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites glm-5v-turbo | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Conversación textual | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
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 |
Parámetrocontrol_scope | ContratoConversación textual; stream es un booleano y su valor predeterminado es false. |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Alias de método: /chat/completions
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 $0.0024 / 1K tokens Salida · Tokens de salida $0.008 / 1K tokens Entrada · Lectura de caché $0.00048 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.0024 / 1K tokens Salida · Tokens de salida $0.008 / 1K tokens Entrada · Lectura de caché $0.00048 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"glm-5v-turbo","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-5v-turbo", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 las cabeceras. 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-5v-turbo, z-ai/glm-5v-turbo
/chat/completions
glm-5v-turboGLM-5V-Turbo es el modelo de programación multimodal de Z.ai para capturas de pantalla, referencias visuales, documentos y agentes de interfaz gráfica. El perfil del productor acepta imágenes, vídeo, texto y archivos, devuelve texto e indica un contexto de 200K con hasta 128K tokens de salida.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GLM-5V-Turbo conecta la comprensión visual con el desarrollo de software y el trabajo con agentes. Z.ai indica imágenes, vídeo, texto y archivos como entradas y texto como salida. Su perfil tiene un contexto de 200K tokens y hasta 128K tokens de salida. Una tarea puede combinar una captura de pantalla o un diseño con requisitos y solicitar código, una explicación visual o un resultado basado en documentos. Es una edición distinta de GLM-5.3-Flash.
La reconstrucción de interfaces web es uno de sus usos principales. El fabricante describe el reconocimiento de la distribución, los colores, la jerarquía de componentes y la lógica de interacción a partir de maquetas. Proporciona los estados de referencia, las funciones necesarias y las restricciones; después, solicita código editable y una explicación. Una captura de una página defectuosa puede ayudar a identificar desalineaciones, solapamientos entre componentes o colores que no coinciden. La aplicación renderiza la propuesta y proporciona el resultado real para interpretarlo de nuevo.
Un flujo de trabajo de interfaz gráfica puede ir más allá de una sola captura. El productor describe la exploración de transiciones entre páginas y recursos visuales, así como el uso de los hallazgos para preparar código. Define el objetivo y las acciones disponibles, devuelve las pantallas modificadas o las observaciones y especifica el artefacto terminado. El modelo planifica a partir de esa información; la aplicación realiza la navegación, los clics u otras operaciones. Una respuesta que describe una acción no demuestra su ejecución.
El fabricante describe la fusión visual y textual, un codificador visual CogViT y la predicción de múltiples tokens, junto con aprendizaje por refuerzo conjunto en más de 30 tipos de tareas. Ese alcance incluye STEM, localización visual, vídeo, interfaz gráfica y agentes de programación. Su conjunto de herramientas visuales incluye el dibujo de recuadros, las capturas de pantalla y la lectura de páginas con imágenes. Estas características explican su enfoque de desarrollo sin atribuir a esta edición un número de parámetros ni la arquitectura de otro modelo.
Los materiales oficiales de tareas cubren la descripción de imágenes, la localización visual, la redacción basada en documentos, la comparación de currículos con requisitos facilitados y la preparación de instrucciones a partir de medios de referencia. Un encargo sobre documentos puede indicar campos y solicitar conclusiones respaldadas por pasajes. Un encargo de localización visual puede especificar el objeto y el resultado en forma de recuadro delimitador. Una tarea con medios de referencia puede solicitar una descripción escrita de escena o estilo; ese uso no convierte el modelo en un generador nativo de imágenes o vídeo.
El perfil indica modos de pensamiento, transmisión en continuo, llamadas a funciones y almacenamiento en caché del contexto. Define las herramientas y conserva sus observaciones junto al paso pertinente. Etiqueta las fuentes, las rutas de código y las secuencias de vídeo, dejando espacio para el razonamiento y la respuesta. Los ejemplos combinan medios con una pregunta concreta. Las restricciones exactas de transporte y los controles de interfaz permanecen vinculados al flujo documentado, no a una edición GLM con un nombre parecido.
Para obtener un resultado utilizable, solicita las páginas o secciones del documento cubiertas, el contenido del artefacto propuesto y las diferencias que sigan presentes en las evidencias. El productor demuestra programación de páginas web, creación de sitios, comprensión de documentos y seguimiento de objetos en vídeo. Los proyectos terminados, los archivos editados y las interacciones ejecutadas proceden del entorno de la aplicación; el modelo prepara y perfecciona el trabajo textual correspondiente.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites glm-5v-turbo | 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 $0.0024 / 1K tokens Salida · Tokens de salida $0.008 / 1K tokens Entrada · Lectura de caché $0.00048 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.0024 / 1K tokens Salida · Tokens de salida $0.008 / 1K tokens Entrada · Lectura de caché $0.00048 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "glm-5v-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5v-turbo', '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-5v-turbo', '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 las cabeceras. 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-5v-turbo, z-ai/glm-5v-turbo
/chat/completions
z-ai/glm-5v-turboGLM-5V-Turbo es el modelo de programación multimodal de Z.ai para capturas de pantalla, referencias visuales, documentos y agentes de interfaz gráfica. El perfil del productor acepta imágenes, vídeo, texto y archivos, devuelve texto e indica un contexto de 200K con hasta 128K tokens de salida.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GLM-5V-Turbo conecta la comprensión visual con el desarrollo de software y el trabajo con agentes. Z.ai indica imágenes, vídeo, texto y archivos como entradas y texto como salida. Su perfil tiene un contexto de 200K tokens y hasta 128K tokens de salida. Una tarea puede combinar una captura de pantalla o un diseño con requisitos y solicitar código, una explicación visual o un resultado basado en documentos. Es una edición distinta de GLM-5.3-Flash.
La reconstrucción de interfaces web es uno de sus usos principales. El fabricante describe el reconocimiento de la distribución, los colores, la jerarquía de componentes y la lógica de interacción a partir de maquetas. Proporciona los estados de referencia, las funciones necesarias y las restricciones; después, solicita código editable y una explicación. Una captura de una página defectuosa puede ayudar a identificar desalineaciones, solapamientos entre componentes o colores que no coinciden. La aplicación renderiza la propuesta y proporciona el resultado real para interpretarlo de nuevo.
Un flujo de trabajo de interfaz gráfica puede ir más allá de una sola captura. El productor describe la exploración de transiciones entre páginas y recursos visuales, así como el uso de los hallazgos para preparar código. Define el objetivo y las acciones disponibles, devuelve las pantallas modificadas o las observaciones y especifica el artefacto terminado. El modelo planifica a partir de esa información; la aplicación realiza la navegación, los clics u otras operaciones. Una respuesta que describe una acción no demuestra su ejecución.
El fabricante describe la fusión visual y textual, un codificador visual CogViT y la predicción de múltiples tokens, junto con aprendizaje por refuerzo conjunto en más de 30 tipos de tareas. Ese alcance incluye STEM, localización visual, vídeo, interfaz gráfica y agentes de programación. Su conjunto de herramientas visuales incluye el dibujo de recuadros, las capturas de pantalla y la lectura de páginas con imágenes. Estas características explican su enfoque de desarrollo sin atribuir a esta edición un número de parámetros ni la arquitectura de otro modelo.
Los materiales oficiales de tareas cubren la descripción de imágenes, la localización visual, la redacción basada en documentos, la comparación de currículos con requisitos facilitados y la preparación de instrucciones a partir de medios de referencia. Un encargo sobre documentos puede indicar campos y solicitar conclusiones respaldadas por pasajes. Un encargo de localización visual puede especificar el objeto y el resultado en forma de recuadro delimitador. Una tarea con medios de referencia puede solicitar una descripción escrita de escena o estilo; ese uso no convierte el modelo en un generador nativo de imágenes o vídeo.
El perfil indica modos de pensamiento, transmisión en continuo, llamadas a funciones y almacenamiento en caché del contexto. Define las herramientas y conserva sus observaciones junto al paso pertinente. Etiqueta las fuentes, las rutas de código y las secuencias de vídeo, dejando espacio para el razonamiento y la respuesta. Los ejemplos combinan medios con una pregunta concreta. Las restricciones exactas de transporte y los controles de interfaz permanecen vinculados al flujo documentado, no a una edición GLM con un nombre parecido.
Para obtener un resultado utilizable, solicita las páginas o secciones del documento cubiertas, el contenido del artefacto propuesto y las diferencias que sigan presentes en las evidencias. El productor demuestra programación de páginas web, creación de sitios, comprensión de documentos y seguimiento de objetos en vídeo. Los proyectos terminados, los archivos editados y las interacciones ejecutadas proceden del entorno de la aplicación; el modelo prepara y perfecciona el trabajo textual correspondiente.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites z-ai/glm-5v-turbo | 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 $0.0024 / 1K tokens Salida · Tokens de salida $0.008 / 1K tokens Entrada · Lectura de caché $0.00048 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.0024 / 1K tokens Salida · Tokens de salida $0.008 / 1K tokens Entrada · Lectura de caché $0.00048 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-5v-turbo", "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-5v-turbo',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-5v-turbo',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 las cabeceras. 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-5v-turbo, z-ai/glm-5v-turbo
/chat/completions
z-ai/glm-5v-turboGLM-5V-Turbo es el modelo de programación multimodal de Z.ai para capturas de pantalla, referencias visuales, documentos y agentes de interfaz gráfica. El perfil del productor acepta imágenes, vídeo, texto y archivos, devuelve texto e indica un contexto de 200K con hasta 128K tokens de salida.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GLM-5V-Turbo conecta la comprensión visual con el desarrollo de software y el trabajo con agentes. Z.ai indica imágenes, vídeo, texto y archivos como entradas y texto como salida. Su perfil tiene un contexto de 200K tokens y hasta 128K tokens de salida. Una tarea puede combinar una captura de pantalla o un diseño con requisitos y solicitar código, una explicación visual o un resultado basado en documentos. Es una edición distinta de GLM-5.3-Flash.
La reconstrucción de interfaces web es uno de sus usos principales. El fabricante describe el reconocimiento de la distribución, los colores, la jerarquía de componentes y la lógica de interacción a partir de maquetas. Proporciona los estados de referencia, las funciones necesarias y las restricciones; después, solicita código editable y una explicación. Una captura de una página defectuosa puede ayudar a identificar desalineaciones, solapamientos entre componentes o colores que no coinciden. La aplicación renderiza la propuesta y proporciona el resultado real para interpretarlo de nuevo.
Un flujo de trabajo de interfaz gráfica puede ir más allá de una sola captura. El productor describe la exploración de transiciones entre páginas y recursos visuales, así como el uso de los hallazgos para preparar código. Define el objetivo y las acciones disponibles, devuelve las pantallas modificadas o las observaciones y especifica el artefacto terminado. El modelo planifica a partir de esa información; la aplicación realiza la navegación, los clics u otras operaciones. Una respuesta que describe una acción no demuestra su ejecución.
El fabricante describe la fusión visual y textual, un codificador visual CogViT y la predicción de múltiples tokens, junto con aprendizaje por refuerzo conjunto en más de 30 tipos de tareas. Ese alcance incluye STEM, localización visual, vídeo, interfaz gráfica y agentes de programación. Su conjunto de herramientas visuales incluye el dibujo de recuadros, las capturas de pantalla y la lectura de páginas con imágenes. Estas características explican su enfoque de desarrollo sin atribuir a esta edición un número de parámetros ni la arquitectura de otro modelo.
Los materiales oficiales de tareas cubren la descripción de imágenes, la localización visual, la redacción basada en documentos, la comparación de currículos con requisitos facilitados y la preparación de instrucciones a partir de medios de referencia. Un encargo sobre documentos puede indicar campos y solicitar conclusiones respaldadas por pasajes. Un encargo de localización visual puede especificar el objeto y el resultado en forma de recuadro delimitador. Una tarea con medios de referencia puede solicitar una descripción escrita de escena o estilo; ese uso no convierte el modelo en un generador nativo de imágenes o vídeo.
El perfil indica modos de pensamiento, transmisión en continuo, llamadas a funciones y almacenamiento en caché del contexto. Define las herramientas y conserva sus observaciones junto al paso pertinente. Etiqueta las fuentes, las rutas de código y las secuencias de vídeo, dejando espacio para el razonamiento y la respuesta. Los ejemplos combinan medios con una pregunta concreta. Las restricciones exactas de transporte y los controles de interfaz permanecen vinculados al flujo documentado, no a una edición GLM con un nombre parecido.
Para obtener un resultado utilizable, solicita las páginas o secciones del documento cubiertas, el contenido del artefacto propuesto y las diferencias que sigan presentes en las evidencias. El productor demuestra programación de páginas web, creación de sitios, comprensión de documentos y seguimiento de objetos en vídeo. Los proyectos terminados, los archivos editados y las interacciones ejecutadas proceden del entorno de la aplicación; el modelo prepara y perfecciona el trabajo textual correspondiente.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites z-ai/glm-5v-turbo | 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 $0.0024 / 1K tokens Salida · Tokens de salida $0.008 / 1K tokens Entrada · Lectura de caché $0.00048 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.0024 / 1K tokens Salida · Tokens de salida $0.008 / 1K tokens Entrada · Lectura de caché $0.00048 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "z-ai/glm-5v-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5v-turbo', '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-5v-turbo', '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 las cabeceras. 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-5v-turbo, z-ai/glm-5v-turbo
/chat/completions
Ejemplo técnico en inglés
Correct a described responsive layout\n\nPropose HTML and CSS for this written mockup: a header with brand text "North Workshop" and a Book visit link; below it, a title "Repair desk" and two service sections. On narrow screens the services stack in reading order. Use semantic elements, preserve exact labels and keep the link keyboard-focusable. Return editable code and inspection criteria.An editable HTML/CSS example with a responsive service layout and explicit visual and keyboard inspection criteria.Render both wide and narrow layouts and inspect reading order, exact labels and visible keyboard focus before using the code.