GLM-4.5V est le modèle de raisonnement visuel de Z.ai construit sur GLM-4.5-Air, avec 106 milliards de paramètres au total, dont 12 milliards activés. Il traite le raisonnement sur les images, la compréhension vidéo, les tâches d’interface graphique, les graphiques complexes, les documents longs et l’ancrage visuel. Le profil hébergé par le fabricant répertorie les images, la vidéo, le texte et les fichiers comme entrées, avec une sortie textuelle. Une tâche utile peut demander une explication de page, un tableau extrait, une localisation visuelle ou du code préparé à partir d’une capture. Ce modèle est distinct de GLM-4.1V-9B et du modèle ultérieur GLM-4.6V.
Le raisonnement sur les images couvre la compréhension des scènes, l’analyse de plusieurs images et les relations spatiales. Attribuez une étiquette à chaque image et énoncez la question exacte. Pour un graphique, conservez les axes, unités et légendes et demandez quelles valeurs visibles étayent la conclusion. Pour une comparaison, identifiez les caractéristiques à inspecter et organisez la réponse selon les étiquettes des sources. Le modèle peut relier des observations visuelles à une question écrite ; la qualité des entrées et le résultat demandé comptent au même titre que la quantité d’éléments fournis.
L’ancrage visuel est un processus de sortie précis. La fiche décrit des cadres de délimitation marqués par les tokens begin_of_box et end_of_box, avec quatre coordonnées identifiant les coins supérieur gauche et inférieur droit. Les valeurs sont normalisées de 0 à 1 000 par rapport à la taille de l’image, plutôt qu’exprimées directement en positions de pixels. Précisez l’objet ou la zone à localiser et le format de cadre requis. Conservez les dimensions de l’image d’origine avec le résultat pour qu’une application puisse remapper les coordonnées sur cette image, y compris lorsqu’elle a été redimensionnée pour le traitement.
Les tâches vidéo comprennent la segmentation et la reconnaissance d’événements, tandis que le travail documentaire peut associer texte, graphiques, tableaux et mise en page sur plusieurs pages. Le fabricant démontre la conversion en Markdown d’un tableau photographié et l’analyse du contenu d’un rapport de recherche. Préparez une question concrète, conservez les identifiants de pages ou de séquences et demandez les éléments qui étayent chaque champ extrait ou événement décrit. Un résumé généré est un résultat textuel ; la collecte d’images, l’assemblage d’un fichier ou l’application d’une modification relèvent de l’environnement connecté.
Les tâches d’interface graphique et de page web utilisent la compréhension de l’écran pour proposer des interactions ou du code. Les exemples du fabricant demandent du HTML et du CSS à partir d’une capture de page et présentent un assistant de bureau connecté avec des captures ou des enregistrements. Donnez les états pertinents, les actions autorisées et la modification souhaitée. Le modèle prépare du code ou une description d’action, tandis que l’application l’exécute et fournit l’écran modifié ou la page rendue pour un nouvel examen.
Le modèle prend en charge les réponses avec et sans réflexion. Sa fiche exacte décrit un commutateur, et les exemples du modèle ouvert activent la réflexion par défaut avec un paramètre du gabarit de conversation permettant de la désactiver. Gardez ces paramètres liés au processus pris en charge. La configuration du point de contrôle fixe max_position_embeddings à 65 536 ; le profil hébergé indique séparément jusqu’à 16K tokens de sortie. Ces indications décrivent des configurations différentes du fabricant et n’établissent pas une fenêtre applicative universelle. Le fabricant documente aussi l’ajustement fin du point de contrôle ouvert GLM-4.5V pour des tâches multimodales personnalisées ; il s’agit d’un processus de personnalisation distinct de l’inférence ordinaire. Les éléments longs et la réponse demandée nécessitent de la place dans la configuration réellement utilisée.
La fiche identifie des limites précises dans la reproduction de code visuel : le HTML brut peut ne pas être encadré par du balisage Markdown, et l’échappement des caractères peut causer des problèmes de rendu. Elle signale aussi des réponses moins bonnes aux questions purement textuelles, une réflexion parfois excessive ou répétitive, des reformulations de la réponse et des erreurs de perception telles que le comptage. Pour une tâche de code, demandez un format de livrable explicite et inspectez le rendu. Pour l’extraction ou l’analyse visuelle, conservez les petits libellés et demandez des valeurs liées à des éléments visibles. Cela maintient les capacités de raisonnement et d’ancrage visuel du modèle liées à un résultat comparable à la source d’origine.
", "aboutText": "GLM-4.5V est le modèle de raisonnement visuel de Z.ai construit sur GLM-4.5-Air, avec 106 milliards de paramètres au total, dont 12 milliards activés. Il traite le raisonnement sur les images, la compréhension vidéo, les tâches d’interface graphique, les graphiques complexes, les documents longs et l’ancrage visuel. Le profil hébergé par le fabricant répertorie les images, la vidéo, le texte et les fichiers comme entrées, avec une sortie textuelle. Une tâche utile peut demander une explication de page, un tableau extrait, une localisation visuelle ou du code préparé à partir d’une capture. Ce modèle est distinct de GLM-4.1V-9B et du modèle ultérieur GLM-4.6V.\n\nLe raisonnement sur les images couvre la compréhension des scènes, l’analyse de plusieurs images et les relations spatiales. Attribuez une étiquette à chaque image et énoncez la question exacte. Pour un graphique, conservez les axes, unités et légendes et demandez quelles valeurs visibles étayent la conclusion. Pour une comparaison, identifiez les caractéristiques à inspecter et organisez la réponse selon les étiquettes des sources. Le modèle peut relier des observations visuelles à une question écrite ; la qualité des entrées et le résultat demandé comptent au même titre que la quantité d’éléments fournis.\n\nL’ancrage visuel est un processus de sortie précis. La fiche décrit des cadres de délimitation marqués par les tokens begin_of_box et end_of_box, avec quatre coordonnées identifiant les coins supérieur gauche et inférieur droit. Les valeurs sont normalisées de 0 à 1 000 par rapport à la taille de l’image, plutôt qu’exprimées directement en positions de pixels. Précisez l’objet ou la zone à localiser et le format de cadre requis. Conservez les dimensions de l’image d’origine avec le résultat pour qu’une application puisse remapper les coordonnées sur cette image, y compris lorsqu’elle a été redimensionnée pour le traitement.\n\nLes tâches vidéo comprennent la segmentation et la reconnaissance d’événements, tandis que le travail documentaire peut associer texte, graphiques, tableaux et mise en page sur plusieurs pages. Le fabricant démontre la conversion en Markdown d’un tableau photographié et l’analyse du contenu d’un rapport de recherche. Préparez une question concrète, conservez les identifiants de pages ou de séquences et demandez les éléments qui étayent chaque champ extrait ou événement décrit. Un résumé généré est un résultat textuel ; la collecte d’images, l’assemblage d’un fichier ou l’application d’une modification relèvent de l’environnement connecté.\n\nLes tâches d’interface graphique et de page web utilisent la compréhension de l’écran pour proposer des interactions ou du code. Les exemples du fabricant demandent du HTML et du CSS à partir d’une capture de page et présentent un assistant de bureau connecté avec des captures ou des enregistrements. Donnez les états pertinents, les actions autorisées et la modification souhaitée. Le modèle prépare du code ou une description d’action, tandis que l’application l’exécute et fournit l’écran modifié ou la page rendue pour un nouvel examen.\n\nLe modèle prend en charge les réponses avec et sans réflexion. Sa fiche exacte décrit un commutateur, et les exemples du modèle ouvert activent la réflexion par défaut avec un paramètre du gabarit de conversation permettant de la désactiver. Gardez ces paramètres liés au processus pris en charge. La configuration du point de contrôle fixe max_position_embeddings à 65 536 ; le profil hébergé indique séparément jusqu’à 16K tokens de sortie. Ces indications décrivent des configurations différentes du fabricant et n’établissent pas une fenêtre applicative universelle. Le fabricant documente aussi l’ajustement fin du point de contrôle ouvert GLM-4.5V pour des tâches multimodales personnalisées ; il s’agit d’un processus de personnalisation distinct de l’inférence ordinaire. Les éléments longs et la réponse demandée nécessitent de la place dans la configuration réellement utilisée.\n\nLa fiche identifie des limites précises dans la reproduction de code visuel : le HTML brut peut ne pas être encadré par du balisage Markdown, et l’échappement des caractères peut causer des problèmes de rendu. Elle signale aussi des réponses moins bonnes aux questions purement textuelles, une réflexion parfois excessive ou répétitive, des reformulations de la réponse et des erreurs de perception telles que le comptage. Pour une tâche de code, demandez un format de livrable explicite et inspectez le rendu. Pour l’extraction ou l’analyse visuelle, conservez les petits libellés et demandez des valeurs liées à des éléments visibles. Cela maintient les capacités de raisonnement et d’ancrage visuel du modèle liées à un résultat comparable à la source d’origine.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Format a transcribed report table\n\nFrom this text transcription of page V5, produce a Markdown table: 'Experiment | control | treated; run 1 | 12 | 15; run 2 | 11 | unreadable.' Add a difference column only where both values are available. Keep V5 with the result and separate the extracted values from the calculated differences. No image is supplied.A source-labeled Markdown table with extracted numbers, calculated differences and explicit unknown values.The unreadable treated value and its difference must remain unknown rather than be estimated.z-ai/glm-4.5vGLM-4.5V est le modèle de raisonnement visuel 106B-A12B de Z.ai pour les images, la vidéo, les documents complexes et les tâches d’interface graphique. Il renvoie du texte, prend en charge la réflexion et les réponses directes, et peut localiser des éléments visuels avec des coordonnées normalisées de 0 à 1 000.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GLM-4.5V est le modèle de raisonnement visuel de Z.ai construit sur GLM-4.5-Air, avec 106 milliards de paramètres au total, dont 12 milliards activés. Il traite le raisonnement sur les images, la compréhension vidéo, les tâches d’interface graphique, les graphiques complexes, les documents longs et l’ancrage visuel. Le profil hébergé par le fabricant répertorie les images, la vidéo, le texte et les fichiers comme entrées, avec une sortie textuelle. Une tâche utile peut demander une explication de page, un tableau extrait, une localisation visuelle ou du code préparé à partir d’une capture. Ce modèle est distinct de GLM-4.1V-9B et du modèle ultérieur GLM-4.6V.
Le raisonnement sur les images couvre la compréhension des scènes, l’analyse de plusieurs images et les relations spatiales. Attribuez une étiquette à chaque image et énoncez la question exacte. Pour un graphique, conservez les axes, unités et légendes et demandez quelles valeurs visibles étayent la conclusion. Pour une comparaison, identifiez les caractéristiques à inspecter et organisez la réponse selon les étiquettes des sources. Le modèle peut relier des observations visuelles à une question écrite ; la qualité des entrées et le résultat demandé comptent au même titre que la quantité d’éléments fournis.
L’ancrage visuel est un processus de sortie précis. La fiche décrit des cadres de délimitation marqués par les tokens begin_of_box et end_of_box, avec quatre coordonnées identifiant les coins supérieur gauche et inférieur droit. Les valeurs sont normalisées de 0 à 1 000 par rapport à la taille de l’image, plutôt qu’exprimées directement en positions de pixels. Précisez l’objet ou la zone à localiser et le format de cadre requis. Conservez les dimensions de l’image d’origine avec le résultat pour qu’une application puisse remapper les coordonnées sur cette image, y compris lorsqu’elle a été redimensionnée pour le traitement.
Les tâches vidéo comprennent la segmentation et la reconnaissance d’événements, tandis que le travail documentaire peut associer texte, graphiques, tableaux et mise en page sur plusieurs pages. Le fabricant démontre la conversion en Markdown d’un tableau photographié et l’analyse du contenu d’un rapport de recherche. Préparez une question concrète, conservez les identifiants de pages ou de séquences et demandez les éléments qui étayent chaque champ extrait ou événement décrit. Un résumé généré est un résultat textuel ; la collecte d’images, l’assemblage d’un fichier ou l’application d’une modification relèvent de l’environnement connecté.
Les tâches d’interface graphique et de page web utilisent la compréhension de l’écran pour proposer des interactions ou du code. Les exemples du fabricant demandent du HTML et du CSS à partir d’une capture de page et présentent un assistant de bureau connecté avec des captures ou des enregistrements. Donnez les états pertinents, les actions autorisées et la modification souhaitée. Le modèle prépare du code ou une description d’action, tandis que l’application l’exécute et fournit l’écran modifié ou la page rendue pour un nouvel examen.
Le modèle prend en charge les réponses avec et sans réflexion. Sa fiche exacte décrit un commutateur, et les exemples du modèle ouvert activent la réflexion par défaut avec un paramètre du gabarit de conversation permettant de la désactiver. Gardez ces paramètres liés au processus pris en charge. La configuration du point de contrôle fixe max_position_embeddings à 65 536 ; le profil hébergé indique séparément jusqu’à 16K tokens de sortie. Ces indications décrivent des configurations différentes du fabricant et n’établissent pas une fenêtre applicative universelle. Le fabricant documente aussi l’ajustement fin du point de contrôle ouvert GLM-4.5V pour des tâches multimodales personnalisées ; il s’agit d’un processus de personnalisation distinct de l’inférence ordinaire. Les éléments longs et la réponse demandée nécessitent de la place dans la configuration réellement utilisée.
La fiche identifie des limites précises dans la reproduction de code visuel : le HTML brut peut ne pas être encadré par du balisage Markdown, et l’échappement des caractères peut causer des problèmes de rendu. Elle signale aussi des réponses moins bonnes aux questions purement textuelles, une réflexion parfois excessive ou répétitive, des reformulations de la réponse et des erreurs de perception telles que le comptage. Pour une tâche de code, demandez un format de livrable explicite et inspectez le rendu. Pour l’extraction ou l’analyse visuelle, conservez les petits libellés et demandez des valeurs liées à des éléments visibles. Cela maintient les capacités de raisonnement et d’ancrage visuel du modèle liées à un résultat comparable à la source d’origine.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites z-ai/glm-4.5v | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0012 / 1K tokens Sortie · Tokens en sortie $0.0036 / 1K tokens Entrée · Lecture du cache $0.00022 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0012 / 1K tokens Sortie · Tokens en sortie $0.0036 / 1K tokens Entrée · Lecture du cache $0.00022 / 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": "z-ai/glm-4.5v", "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-4.5v',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-4.5v',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 z-ai/glm-4.5v
Utilisez les chemins de méthode indiqués ci-dessus.
z-ai/glm-4.5vGLM-4.5V est le modèle de raisonnement visuel 106B-A12B de Z.ai pour les images, la vidéo, les documents complexes et les tâches d’interface graphique. Il renvoie du texte, prend en charge la réflexion et les réponses directes, et peut localiser des éléments visuels avec des coordonnées normalisées de 0 à 1 000.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GLM-4.5V est le modèle de raisonnement visuel de Z.ai construit sur GLM-4.5-Air, avec 106 milliards de paramètres au total, dont 12 milliards activés. Il traite le raisonnement sur les images, la compréhension vidéo, les tâches d’interface graphique, les graphiques complexes, les documents longs et l’ancrage visuel. Le profil hébergé par le fabricant répertorie les images, la vidéo, le texte et les fichiers comme entrées, avec une sortie textuelle. Une tâche utile peut demander une explication de page, un tableau extrait, une localisation visuelle ou du code préparé à partir d’une capture. Ce modèle est distinct de GLM-4.1V-9B et du modèle ultérieur GLM-4.6V.
Le raisonnement sur les images couvre la compréhension des scènes, l’analyse de plusieurs images et les relations spatiales. Attribuez une étiquette à chaque image et énoncez la question exacte. Pour un graphique, conservez les axes, unités et légendes et demandez quelles valeurs visibles étayent la conclusion. Pour une comparaison, identifiez les caractéristiques à inspecter et organisez la réponse selon les étiquettes des sources. Le modèle peut relier des observations visuelles à une question écrite ; la qualité des entrées et le résultat demandé comptent au même titre que la quantité d’éléments fournis.
L’ancrage visuel est un processus de sortie précis. La fiche décrit des cadres de délimitation marqués par les tokens begin_of_box et end_of_box, avec quatre coordonnées identifiant les coins supérieur gauche et inférieur droit. Les valeurs sont normalisées de 0 à 1 000 par rapport à la taille de l’image, plutôt qu’exprimées directement en positions de pixels. Précisez l’objet ou la zone à localiser et le format de cadre requis. Conservez les dimensions de l’image d’origine avec le résultat pour qu’une application puisse remapper les coordonnées sur cette image, y compris lorsqu’elle a été redimensionnée pour le traitement.
Les tâches vidéo comprennent la segmentation et la reconnaissance d’événements, tandis que le travail documentaire peut associer texte, graphiques, tableaux et mise en page sur plusieurs pages. Le fabricant démontre la conversion en Markdown d’un tableau photographié et l’analyse du contenu d’un rapport de recherche. Préparez une question concrète, conservez les identifiants de pages ou de séquences et demandez les éléments qui étayent chaque champ extrait ou événement décrit. Un résumé généré est un résultat textuel ; la collecte d’images, l’assemblage d’un fichier ou l’application d’une modification relèvent de l’environnement connecté.
Les tâches d’interface graphique et de page web utilisent la compréhension de l’écran pour proposer des interactions ou du code. Les exemples du fabricant demandent du HTML et du CSS à partir d’une capture de page et présentent un assistant de bureau connecté avec des captures ou des enregistrements. Donnez les états pertinents, les actions autorisées et la modification souhaitée. Le modèle prépare du code ou une description d’action, tandis que l’application l’exécute et fournit l’écran modifié ou la page rendue pour un nouvel examen.
Le modèle prend en charge les réponses avec et sans réflexion. Sa fiche exacte décrit un commutateur, et les exemples du modèle ouvert activent la réflexion par défaut avec un paramètre du gabarit de conversation permettant de la désactiver. Gardez ces paramètres liés au processus pris en charge. La configuration du point de contrôle fixe max_position_embeddings à 65 536 ; le profil hébergé indique séparément jusqu’à 16K tokens de sortie. Ces indications décrivent des configurations différentes du fabricant et n’établissent pas une fenêtre applicative universelle. Le fabricant documente aussi l’ajustement fin du point de contrôle ouvert GLM-4.5V pour des tâches multimodales personnalisées ; il s’agit d’un processus de personnalisation distinct de l’inférence ordinaire. Les éléments longs et la réponse demandée nécessitent de la place dans la configuration réellement utilisée.
La fiche identifie des limites précises dans la reproduction de code visuel : le HTML brut peut ne pas être encadré par du balisage Markdown, et l’échappement des caractères peut causer des problèmes de rendu. Elle signale aussi des réponses moins bonnes aux questions purement textuelles, une réflexion parfois excessive ou répétitive, des reformulations de la réponse et des erreurs de perception telles que le comptage. Pour une tâche de code, demandez un format de livrable explicite et inspectez le rendu. Pour l’extraction ou l’analyse visuelle, conservez les petits libellés et demandez des valeurs liées à des éléments visibles. Cela maintient les capacités de raisonnement et d’ancrage visuel du modèle liées à un résultat comparable à la source d’origine.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites z-ai/glm-4.5v | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0012 / 1K tokens Sortie · Tokens en sortie $0.0036 / 1K tokens Entrée · Lecture du cache $0.00022 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0012 / 1K tokens Sortie · Tokens en sortie $0.0036 / 1K tokens Entrée · Lecture du cache $0.00022 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "z-ai/glm-4.5v",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.5v', '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-4.5v', '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 z-ai/glm-4.5v
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Format a transcribed report table\n\nFrom this text transcription of page V5, produce a Markdown table: 'Experiment | control | treated; run 1 | 12 | 15; run 2 | 11 | unreadable.' Add a difference column only where both values are available. Keep V5 with the result and separate the extracted values from the calculated differences. No image is supplied.A source-labeled Markdown table with extracted numbers, calculated differences and explicit unknown values.The unreadable treated value and its difference must remain unknown rather than be estimated.