GLM-Z1-Rumination-32B-0414 est l’édition de raisonnement orientée recherche de la série GLM-4-0414 de Z.ai. Elle est conçue pour consacrer davantage de temps aux questions ouvertes et utiliser les informations récupérées pendant le raisonnement. Le concepteur décrit la rédaction de recherches comparatives et la recherche documentaire complexe comme des tâches caractéristiques. Le livrable final est du texte, par exemple un rapport analytique qui relie une question aux éléments recueillis pour y répondre.
Indiquez le sujet, le périmètre et les critères de comparaison avant de recueillir les contenus. Pour un rapport comparant les plans de développement de deux villes, précisez les villes, la période et les aspects à comparer. Demandez les éléments pertinents, les points de comparaison et une conclusion distincte. Une tâche ouverte devient plus facile à vérifier lorsque les sections attendues et les exigences relatives aux sources sont explicites.
Fournissez les documents ou extraits existants avec des titres et identifiants clairs. Séparez le contenu source des consignes et précisez comment la réponse doit traiter les éléments incomplets ou contradictoires. Un rapport peut distinguer un fait documenté d’une interprétation et expliquer quelle source étaye chaque point important.
La boucle d’outils détaillée du concepteur comprend la recherche par mot-clé, l’ouverture d’un résultat de recherche, l’ouverture d’une URL précisée et la clôture de la collecte d’informations avant la rédaction. Le modèle sélectionne une action et ses arguments ; l’application environnante exécute la récupération et fournit l’observation. Il s’agit d’un processus de recherche construit autour du modèle, et non d’une supposition selon laquelle une réponse textuelle aurait déjà parcouru le Web.
Pour une application utilisant ce schéma, renvoyez le contenu pertinent de la page récupérée avec son titre et son URL. Gardez les identifiants des sources constants entre les tours afin qu’une comparaison ultérieure fasse référence aux mêmes documents. Demandez au modèle d’affiner une recherche lorsque l’observation ne répond pas à la question, puis de produire le rapport final une fois les éléments demandés recueillis.
L’exemple publié utilise des fonctions de récupération simulées pour illustrer le déroulement. Une application fonctionnelle fournit ses propres implémentations de récupération et décide quand la boucle a recueilli assez d’informations. La limite de tours et le budget de génération de l’exemple décrivent cet exemple ; ce ne sont pas des limites universelles de cette édition.
Demandez une réponse organisée autour du problème de recherche réel : constats, comparaison, incertitudes et conclusion. Pour une comparaison de documents, demandez au modèle d’identifier les conditions qui diffèrent avant de proposer une interprétation. Pour une note de recherche, définissez le public et les questions auxquelles elle doit répondre afin que le texte renvoyé reste lié à la tâche.
Vérifiez le rapport avec les observations issues des sources. Comparez les citations, les dates et les affirmations causales aux contenus fournis à la boucle. Conservez ensemble la question, les passages récupérés et le résultat final si le rapport doit être révisé plus tard. Cela préserve les éléments nécessaires pour comprendre comment la conclusion a été obtenue.
Cette entrée conserve l’identité Rumination 32B 0414. L’édition de raisonnement ordinaire GLM-Z1-32B-0414 et la plus petite édition Z1 sont des versions nommées séparément. La fiche Rumination du concepteur établit le schéma d’outils orienté recherche et l’exemple d’inférence ; ses rares informations sur les limites doivent être complétées par le contrat de l’interface réelle lors de la préparation d’une requête longue.
", "aboutText": "GLM-Z1-Rumination-32B-0414 est l’édition de raisonnement orientée recherche de la série GLM-4-0414 de Z.ai. Elle est conçue pour consacrer davantage de temps aux questions ouvertes et utiliser les informations récupérées pendant le raisonnement. Le concepteur décrit la rédaction de recherches comparatives et la recherche documentaire complexe comme des tâches caractéristiques. Le livrable final est du texte, par exemple un rapport analytique qui relie une question aux éléments recueillis pour y répondre.\n\n### Définissez la question de recherche\n\nIndiquez le sujet, le périmètre et les critères de comparaison avant de recueillir les contenus. Pour un rapport comparant les plans de développement de deux villes, précisez les villes, la période et les aspects à comparer. Demandez les éléments pertinents, les points de comparaison et une conclusion distincte. Une tâche ouverte devient plus facile à vérifier lorsque les sections attendues et les exigences relatives aux sources sont explicites.\n\nFournissez les documents ou extraits existants avec des titres et identifiants clairs. Séparez le contenu source des consignes et précisez comment la réponse doit traiter les éléments incomplets ou contradictoires. Un rapport peut distinguer un fait documenté d’une interprétation et expliquer quelle source étaye chaque point important.\n\n### Recherchez, lisez et renvoyez les observations\n\nLa boucle d’outils détaillée du concepteur comprend la recherche par mot-clé, l’ouverture d’un résultat de recherche, l’ouverture d’une URL précisée et la clôture de la collecte d’informations avant la rédaction. Le modèle sélectionne une action et ses arguments ; l’application environnante exécute la récupération et fournit l’observation. Il s’agit d’un processus de recherche construit autour du modèle, et non d’une supposition selon laquelle une réponse textuelle aurait déjà parcouru le Web.\n\nPour une application utilisant ce schéma, renvoyez le contenu pertinent de la page récupérée avec son titre et son URL. Gardez les identifiants des sources constants entre les tours afin qu’une comparaison ultérieure fasse référence aux mêmes documents. Demandez au modèle d’affiner une recherche lorsque l’observation ne répond pas à la question, puis de produire le rapport final une fois les éléments demandés recueillis.\n\nL’exemple publié utilise des fonctions de récupération simulées pour illustrer le déroulement. Une application fonctionnelle fournit ses propres implémentations de récupération et décide quand la boucle a recueilli assez d’informations. La limite de tours et le budget de génération de l’exemple décrivent cet exemple ; ce ne sont pas des limites universelles de cette édition.\n\n### Préparez et vérifiez le rapport\n\nDemandez une réponse organisée autour du problème de recherche réel : constats, comparaison, incertitudes et conclusion. Pour une comparaison de documents, demandez au modèle d’identifier les conditions qui diffèrent avant de proposer une interprétation. Pour une note de recherche, définissez le public et les questions auxquelles elle doit répondre afin que le texte renvoyé reste lié à la tâche.\n\nVérifiez le rapport avec les observations issues des sources. Comparez les citations, les dates et les affirmations causales aux contenus fournis à la boucle. Conservez ensemble la question, les passages récupérés et le résultat final si le rapport doit être révisé plus tard. Cela préserve les éléments nécessaires pour comprendre comment la conclusion a été obtenue.\n\n### Conservez l’édition fixe\n\nCette entrée conserve l’identité Rumination 32B 0414. L’édition de raisonnement ordinaire GLM-Z1-32B-0414 et la plus petite édition Z1 sont des versions nommées séparément. La fiche Rumination du concepteur établit le schéma d’outils orienté recherche et l’exemple d’inférence ; ses rares informations sur les limites doivent être complétées par le contrat de l’interface réelle lors de la préparation d’une requête longue.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Synthesize a source-bounded pilot comparison\n\nWrite a short research comparison from these supplied excerpts. Pilot A: staff reported faster intake, but no timing measurement was collected. Pilot B: median intake fell from 12 to 9 minutes; error counts were not recorded. Compare evidence for speed and quality, cite A or B, and state what follow-up measurement is needed before a broad conclusion.A concise comparison with findings, evidence gaps and a limited conclusion grounded in the excerpts.The report distinguishes reported impressions from measured timing and does not claim improved quality without error data.THUDM/GLM-Z1-Rumination-32B-0414GLM-Z1-Rumination-32B-0414 est une édition fixe de raisonnement textuel pour la recherche ouverte et les rapports comparatifs. Son concepteur documente une boucle de recherche et de lecture dans laquelle l’application récupère les sources et renvoie les observations avant que le modèle ne rédige son résultat.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GLM-Z1-Rumination-32B-0414 est l’édition de raisonnement orientée recherche de la série GLM-4-0414 de Z.ai. Elle est conçue pour consacrer davantage de temps aux questions ouvertes et utiliser les informations récupérées pendant le raisonnement. Le concepteur décrit la rédaction de recherches comparatives et la recherche documentaire complexe comme des tâches caractéristiques. Le livrable final est du texte, par exemple un rapport analytique qui relie une question aux éléments recueillis pour y répondre.
Indiquez le sujet, le périmètre et les critères de comparaison avant de recueillir les contenus. Pour un rapport comparant les plans de développement de deux villes, précisez les villes, la période et les aspects à comparer. Demandez les éléments pertinents, les points de comparaison et une conclusion distincte. Une tâche ouverte devient plus facile à vérifier lorsque les sections attendues et les exigences relatives aux sources sont explicites.
Fournissez les documents ou extraits existants avec des titres et identifiants clairs. Séparez le contenu source des consignes et précisez comment la réponse doit traiter les éléments incomplets ou contradictoires. Un rapport peut distinguer un fait documenté d’une interprétation et expliquer quelle source étaye chaque point important.
La boucle d’outils détaillée du concepteur comprend la recherche par mot-clé, l’ouverture d’un résultat de recherche, l’ouverture d’une URL précisée et la clôture de la collecte d’informations avant la rédaction. Le modèle sélectionne une action et ses arguments ; l’application environnante exécute la récupération et fournit l’observation. Il s’agit d’un processus de recherche construit autour du modèle, et non d’une supposition selon laquelle une réponse textuelle aurait déjà parcouru le Web.
Pour une application utilisant ce schéma, renvoyez le contenu pertinent de la page récupérée avec son titre et son URL. Gardez les identifiants des sources constants entre les tours afin qu’une comparaison ultérieure fasse référence aux mêmes documents. Demandez au modèle d’affiner une recherche lorsque l’observation ne répond pas à la question, puis de produire le rapport final une fois les éléments demandés recueillis.
L’exemple publié utilise des fonctions de récupération simulées pour illustrer le déroulement. Une application fonctionnelle fournit ses propres implémentations de récupération et décide quand la boucle a recueilli assez d’informations. La limite de tours et le budget de génération de l’exemple décrivent cet exemple ; ce ne sont pas des limites universelles de cette édition.
Demandez une réponse organisée autour du problème de recherche réel : constats, comparaison, incertitudes et conclusion. Pour une comparaison de documents, demandez au modèle d’identifier les conditions qui diffèrent avant de proposer une interprétation. Pour une note de recherche, définissez le public et les questions auxquelles elle doit répondre afin que le texte renvoyé reste lié à la tâche.
Vérifiez le rapport avec les observations issues des sources. Comparez les citations, les dates et les affirmations causales aux contenus fournis à la boucle. Conservez ensemble la question, les passages récupérés et le résultat final si le rapport doit être révisé plus tard. Cela préserve les éléments nécessaires pour comprendre comment la conclusion a été obtenue.
Cette entrée conserve l’identité Rumination 32B 0414. L’édition de raisonnement ordinaire GLM-Z1-32B-0414 et la plus petite édition Z1 sont des versions nommées séparément. La fiche Rumination du concepteur établit le schéma d’outils orienté recherche et l’exemple d’inférence ; ses rares informations sur les limites doivent être complétées par le contrat de l’interface réelle lors de la préparation d’une requête longue.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites THUDM/GLM-Z1-Rumination-32B-0414 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00014 / 1K tokens Sortie · Tokens en sortie $0.00014 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "THUDM/GLM-Z1-Rumination-32B-0414", "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='THUDM/GLM-Z1-Rumination-32B-0414',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='THUDM/GLM-Z1-Rumination-32B-0414',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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra THUDM/GLM-Z1-Rumination-32B-0414
Utilisez les chemins de méthode indiqués ci-dessus.
THUDM/GLM-Z1-Rumination-32B-0414GLM-Z1-Rumination-32B-0414 est une édition fixe de raisonnement textuel pour la recherche ouverte et les rapports comparatifs. Son concepteur documente une boucle de recherche et de lecture dans laquelle l’application récupère les sources et renvoie les observations avant que le modèle ne rédige son résultat.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GLM-Z1-Rumination-32B-0414 est l’édition de raisonnement orientée recherche de la série GLM-4-0414 de Z.ai. Elle est conçue pour consacrer davantage de temps aux questions ouvertes et utiliser les informations récupérées pendant le raisonnement. Le concepteur décrit la rédaction de recherches comparatives et la recherche documentaire complexe comme des tâches caractéristiques. Le livrable final est du texte, par exemple un rapport analytique qui relie une question aux éléments recueillis pour y répondre.
Indiquez le sujet, le périmètre et les critères de comparaison avant de recueillir les contenus. Pour un rapport comparant les plans de développement de deux villes, précisez les villes, la période et les aspects à comparer. Demandez les éléments pertinents, les points de comparaison et une conclusion distincte. Une tâche ouverte devient plus facile à vérifier lorsque les sections attendues et les exigences relatives aux sources sont explicites.
Fournissez les documents ou extraits existants avec des titres et identifiants clairs. Séparez le contenu source des consignes et précisez comment la réponse doit traiter les éléments incomplets ou contradictoires. Un rapport peut distinguer un fait documenté d’une interprétation et expliquer quelle source étaye chaque point important.
La boucle d’outils détaillée du concepteur comprend la recherche par mot-clé, l’ouverture d’un résultat de recherche, l’ouverture d’une URL précisée et la clôture de la collecte d’informations avant la rédaction. Le modèle sélectionne une action et ses arguments ; l’application environnante exécute la récupération et fournit l’observation. Il s’agit d’un processus de recherche construit autour du modèle, et non d’une supposition selon laquelle une réponse textuelle aurait déjà parcouru le Web.
Pour une application utilisant ce schéma, renvoyez le contenu pertinent de la page récupérée avec son titre et son URL. Gardez les identifiants des sources constants entre les tours afin qu’une comparaison ultérieure fasse référence aux mêmes documents. Demandez au modèle d’affiner une recherche lorsque l’observation ne répond pas à la question, puis de produire le rapport final une fois les éléments demandés recueillis.
L’exemple publié utilise des fonctions de récupération simulées pour illustrer le déroulement. Une application fonctionnelle fournit ses propres implémentations de récupération et décide quand la boucle a recueilli assez d’informations. La limite de tours et le budget de génération de l’exemple décrivent cet exemple ; ce ne sont pas des limites universelles de cette édition.
Demandez une réponse organisée autour du problème de recherche réel : constats, comparaison, incertitudes et conclusion. Pour une comparaison de documents, demandez au modèle d’identifier les conditions qui diffèrent avant de proposer une interprétation. Pour une note de recherche, définissez le public et les questions auxquelles elle doit répondre afin que le texte renvoyé reste lié à la tâche.
Vérifiez le rapport avec les observations issues des sources. Comparez les citations, les dates et les affirmations causales aux contenus fournis à la boucle. Conservez ensemble la question, les passages récupérés et le résultat final si le rapport doit être révisé plus tard. Cela préserve les éléments nécessaires pour comprendre comment la conclusion a été obtenue.
Cette entrée conserve l’identité Rumination 32B 0414. L’édition de raisonnement ordinaire GLM-Z1-32B-0414 et la plus petite édition Z1 sont des versions nommées séparément. La fiche Rumination du concepteur établit le schéma d’outils orienté recherche et l’exemple d’inférence ; ses rares informations sur les limites doivent être complétées par le contrat de l’interface réelle lors de la préparation d’une requête longue.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites THUDM/GLM-Z1-Rumination-32B-0414 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00014 / 1K tokens Sortie · Tokens en sortie $0.00014 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "THUDM/GLM-Z1-Rumination-32B-0414",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'THUDM/GLM-Z1-Rumination-32B-0414', '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': 'THUDM/GLM-Z1-Rumination-32B-0414', '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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra THUDM/GLM-Z1-Rumination-32B-0414
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Synthesize a source-bounded pilot comparison\n\nWrite a short research comparison from these supplied excerpts. Pilot A: staff reported faster intake, but no timing measurement was collected. Pilot B: median intake fell from 12 to 9 minutes; error counts were not recorded. Compare evidence for speed and quality, cite A or B, and state what follow-up measurement is needed before a broad conclusion.A concise comparison with findings, evidence gaps and a limited conclusion grounded in the excerpts.The report distinguishes reported impressions from measured timing and does not claim improved quality without error data.