GLM-5V-Turbo relie la compréhension visuelle au développement logiciel et au travail des agents. Z.ai indique les images, la vidéo, le texte et les fichiers comme entrées, et le texte comme sortie. Son profil dispose d’un contexte de 200K jetons et d’un maximum de 128K jetons de sortie. Une tâche peut combiner une capture d’écran ou une conception avec des exigences et demander du code, une explication visuelle ou un résultat fondé sur des documents. Cette édition est distincte de GLM-5.3-Flash.
La reconstruction d’interfaces frontales est un usage principal. Le fabricant décrit la reconnaissance de la disposition, des couleurs, de la hiérarchie des composants et de la logique d’interaction à partir de maquettes. Fournissez les états de référence, les fonctions requises et les contraintes, puis demandez du code modifiable et une explication. Une capture d’écran d’une page défectueuse peut aider à repérer un mauvais alignement, un chevauchement de composants ou des couleurs non conformes. L’application effectue le rendu de la proposition et fournit le résultat réel pour une interprétation ultérieure.
Un processus d’interface graphique peut aller au-delà d’une seule capture d’écran. Le producteur décrit l’exploration des transitions de page et des ressources visuelles, puis l’utilisation des constats pour préparer du code. Définissez l’objectif et les actions disponibles, retournez les écrans modifiés ou les observations, et précisez le livrable terminé. Le modèle planifie à partir de cette rétroaction; l’application effectue la navigation, les clics ou les autres opérations. Une réponse décrivant une action ne prouve pas son exécution.
Le fabricant décrit la fusion du visuel et du texte, un encodeur de vision CogViT et la prédiction de plusieurs jetons, ainsi qu’un apprentissage par renforcement conjoint sur plus de 30 types de tâches. Cette portée comprend les domaines STEM, l’ancrage visuel, la vidéo, l’interface graphique et les agents de programmation. Sa chaîne d’outils visuels comprend le tracé de cadres, les captures d’écran et la lecture de pages contenant des images. Ces éléments expliquent l’orientation de développement sans attribuer un nombre de paramètres ou l’architecture d’un autre modèle à cette édition.
Les documents officiels sur les tâches couvrent la création de légendes d’images, l’ancrage visuel, la rédaction fondée sur des documents, la comparaison de curriculum vitæ avec des exigences fournies et la préparation d’invites à partir de médias de référence. Un cahier des charges documentaire peut nommer les champs et demander des conclusions appuyées par des passages. Un cahier des charges d’ancrage peut préciser l’objet et le résultat attendu sous forme de boîte englobante. Une tâche fondée sur un média de référence peut demander une invite écrite de scène ou de style; cet usage ne fait pas du modèle un générateur natif d’images ou de vidéos.
Le profil indique des modes de réflexion, la diffusion en continu, l’appel de fonctions et la mise en cache du contexte. Définissez les outils et conservez leurs observations avec l’étape pertinente. Étiquetez les sources, les chemins de code et les séquences vidéo, en laissant de l’espace pour le raisonnement et la réponse. Les exemples associent des médias à une question concrète. Les restrictions exactes de transport et les commandes de l’interface restent liées au processus documenté plutôt qu’à une édition GLM au nom semblable.
Pour obtenir un résultat utilisable, demandez quelles pages ou sections de document ont été couvertes, ce que contient le livrable proposé et quelles différences subsistent dans les éléments de preuve. Le producteur présente la programmation de pages Web, la création de sites Web, la compréhension documentaire et le suivi d’objets vidéo. Les projets terminés, les fichiers modifiés et les interactions exécutées proviennent de l’environnement applicatif; le modèle prépare et affine le travail textuel correspondant.
", "aboutText": "GLM-5V-Turbo relie la compréhension visuelle au développement logiciel et au travail des agents. Z.ai indique les images, la vidéo, le texte et les fichiers comme entrées, et le texte comme sortie. Son profil dispose d’un contexte de 200K jetons et d’un maximum de 128K jetons de sortie. Une tâche peut combiner une capture d’écran ou une conception avec des exigences et demander du code, une explication visuelle ou un résultat fondé sur des documents. Cette édition est distincte de GLM-5.3-Flash.\n\nLa reconstruction d’interfaces frontales est un usage principal. Le fabricant décrit la reconnaissance de la disposition, des couleurs, de la hiérarchie des composants et de la logique d’interaction à partir de maquettes. Fournissez les états de référence, les fonctions requises et les contraintes, puis demandez du code modifiable et une explication. Une capture d’écran d’une page défectueuse peut aider à repérer un mauvais alignement, un chevauchement de composants ou des couleurs non conformes. L’application effectue le rendu de la proposition et fournit le résultat réel pour une interprétation ultérieure.\n\nUn processus d’interface graphique peut aller au-delà d’une seule capture d’écran. Le producteur décrit l’exploration des transitions de page et des ressources visuelles, puis l’utilisation des constats pour préparer du code. Définissez l’objectif et les actions disponibles, retournez les écrans modifiés ou les observations, et précisez le livrable terminé. Le modèle planifie à partir de cette rétroaction; l’application effectue la navigation, les clics ou les autres opérations. Une réponse décrivant une action ne prouve pas son exécution.\n\nLe fabricant décrit la fusion du visuel et du texte, un encodeur de vision CogViT et la prédiction de plusieurs jetons, ainsi qu’un apprentissage par renforcement conjoint sur plus de 30 types de tâches. Cette portée comprend les domaines STEM, l’ancrage visuel, la vidéo, l’interface graphique et les agents de programmation. Sa chaîne d’outils visuels comprend le tracé de cadres, les captures d’écran et la lecture de pages contenant des images. Ces éléments expliquent l’orientation de développement sans attribuer un nombre de paramètres ou l’architecture d’un autre modèle à cette édition.\n\nLes documents officiels sur les tâches couvrent la création de légendes d’images, l’ancrage visuel, la rédaction fondée sur des documents, la comparaison de curriculum vitæ avec des exigences fournies et la préparation d’invites à partir de médias de référence. Un cahier des charges documentaire peut nommer les champs et demander des conclusions appuyées par des passages. Un cahier des charges d’ancrage peut préciser l’objet et le résultat attendu sous forme de boîte englobante. Une tâche fondée sur un média de référence peut demander une invite écrite de scène ou de style; cet usage ne fait pas du modèle un générateur natif d’images ou de vidéos.\n\nLe profil indique des modes de réflexion, la diffusion en continu, l’appel de fonctions et la mise en cache du contexte. Définissez les outils et conservez leurs observations avec l’étape pertinente. Étiquetez les sources, les chemins de code et les séquences vidéo, en laissant de l’espace pour le raisonnement et la réponse. Les exemples associent des médias à une question concrète. Les restrictions exactes de transport et les commandes de l’interface restent liées au processus documenté plutôt qu’à une édition GLM au nom semblable.\n\nPour obtenir un résultat utilisable, demandez quelles pages ou sections de document ont été couvertes, ce que contient le livrable proposé et quelles différences subsistent dans les éléments de preuve. Le producteur présente la programmation de pages Web, la création de sites Web, la compréhension documentaire et le suivi d’objets vidéo. Les projets terminés, les fichiers modifiés et les interactions exécutées proviennent de l’environnement applicatif; le modèle prépare et affine le travail textuel correspondant.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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 est le modèle de programmation multimodal de Z.ai pour les captures d’écran, les références visuelles, les documents et les agents d’interface graphique. Son profil publié par le producteur accepte les images, la vidéo, le texte et les fichiers, renvoie du texte et indique un contexte de 200K avec jusqu’à 128K jetons de sortie.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GLM-5V-Turbo relie la compréhension visuelle au développement logiciel et au travail des agents. Z.ai indique les images, la vidéo, le texte et les fichiers comme entrées, et le texte comme sortie. Son profil dispose d’un contexte de 200K jetons et d’un maximum de 128K jetons de sortie. Une tâche peut combiner une capture d’écran ou une conception avec des exigences et demander du code, une explication visuelle ou un résultat fondé sur des documents. Cette édition est distincte de GLM-5.3-Flash.
La reconstruction d’interfaces frontales est un usage principal. Le fabricant décrit la reconnaissance de la disposition, des couleurs, de la hiérarchie des composants et de la logique d’interaction à partir de maquettes. Fournissez les états de référence, les fonctions requises et les contraintes, puis demandez du code modifiable et une explication. Une capture d’écran d’une page défectueuse peut aider à repérer un mauvais alignement, un chevauchement de composants ou des couleurs non conformes. L’application effectue le rendu de la proposition et fournit le résultat réel pour une interprétation ultérieure.
Un processus d’interface graphique peut aller au-delà d’une seule capture d’écran. Le producteur décrit l’exploration des transitions de page et des ressources visuelles, puis l’utilisation des constats pour préparer du code. Définissez l’objectif et les actions disponibles, retournez les écrans modifiés ou les observations, et précisez le livrable terminé. Le modèle planifie à partir de cette rétroaction; l’application effectue la navigation, les clics ou les autres opérations. Une réponse décrivant une action ne prouve pas son exécution.
Le fabricant décrit la fusion du visuel et du texte, un encodeur de vision CogViT et la prédiction de plusieurs jetons, ainsi qu’un apprentissage par renforcement conjoint sur plus de 30 types de tâches. Cette portée comprend les domaines STEM, l’ancrage visuel, la vidéo, l’interface graphique et les agents de programmation. Sa chaîne d’outils visuels comprend le tracé de cadres, les captures d’écran et la lecture de pages contenant des images. Ces éléments expliquent l’orientation de développement sans attribuer un nombre de paramètres ou l’architecture d’un autre modèle à cette édition.
Les documents officiels sur les tâches couvrent la création de légendes d’images, l’ancrage visuel, la rédaction fondée sur des documents, la comparaison de curriculum vitæ avec des exigences fournies et la préparation d’invites à partir de médias de référence. Un cahier des charges documentaire peut nommer les champs et demander des conclusions appuyées par des passages. Un cahier des charges d’ancrage peut préciser l’objet et le résultat attendu sous forme de boîte englobante. Une tâche fondée sur un média de référence peut demander une invite écrite de scène ou de style; cet usage ne fait pas du modèle un générateur natif d’images ou de vidéos.
Le profil indique des modes de réflexion, la diffusion en continu, l’appel de fonctions et la mise en cache du contexte. Définissez les outils et conservez leurs observations avec l’étape pertinente. Étiquetez les sources, les chemins de code et les séquences vidéo, en laissant de l’espace pour le raisonnement et la réponse. Les exemples associent des médias à une question concrète. Les restrictions exactes de transport et les commandes de l’interface restent liées au processus documenté plutôt qu’à une édition GLM au nom semblable.
Pour obtenir un résultat utilisable, demandez quelles pages ou sections de document ont été couvertes, ce que contient le livrable proposé et quelles différences subsistent dans les éléments de preuve. Le producteur présente la programmation de pages Web, la création de sites Web, la compréhension documentaire et le suivi d’objets vidéo. Les projets terminés, les fichiers modifiés et les interactions exécutées proviennent de l’environnement applicatif; le modèle prépare et affine le travail textuel correspondant.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites glm-5v-turbo | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
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 comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Envoyez l’ID 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/objet 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 | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0024 / 1K jetons Sortie · Jetons en sortie $0.008 / 1K jetons Entrée · Lecture du cache $0.00048 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0024 / 1K jetons Sortie · Jetons en sortie $0.008 / 1K jetons Entrée · Lecture du cache $0.00048 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"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 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, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra glm-5v-turbo, z-ai/glm-5v-turbo
/chat/completions
glm-5v-turboGLM-5V-Turbo est le modèle de programmation multimodal de Z.ai pour les captures d’écran, les références visuelles, les documents et les agents d’interface graphique. Son profil publié par le producteur accepte les images, la vidéo, le texte et les fichiers, renvoie du texte et indique un contexte de 200K avec jusqu’à 128K jetons de sortie.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GLM-5V-Turbo relie la compréhension visuelle au développement logiciel et au travail des agents. Z.ai indique les images, la vidéo, le texte et les fichiers comme entrées, et le texte comme sortie. Son profil dispose d’un contexte de 200K jetons et d’un maximum de 128K jetons de sortie. Une tâche peut combiner une capture d’écran ou une conception avec des exigences et demander du code, une explication visuelle ou un résultat fondé sur des documents. Cette édition est distincte de GLM-5.3-Flash.
La reconstruction d’interfaces frontales est un usage principal. Le fabricant décrit la reconnaissance de la disposition, des couleurs, de la hiérarchie des composants et de la logique d’interaction à partir de maquettes. Fournissez les états de référence, les fonctions requises et les contraintes, puis demandez du code modifiable et une explication. Une capture d’écran d’une page défectueuse peut aider à repérer un mauvais alignement, un chevauchement de composants ou des couleurs non conformes. L’application effectue le rendu de la proposition et fournit le résultat réel pour une interprétation ultérieure.
Un processus d’interface graphique peut aller au-delà d’une seule capture d’écran. Le producteur décrit l’exploration des transitions de page et des ressources visuelles, puis l’utilisation des constats pour préparer du code. Définissez l’objectif et les actions disponibles, retournez les écrans modifiés ou les observations, et précisez le livrable terminé. Le modèle planifie à partir de cette rétroaction; l’application effectue la navigation, les clics ou les autres opérations. Une réponse décrivant une action ne prouve pas son exécution.
Le fabricant décrit la fusion du visuel et du texte, un encodeur de vision CogViT et la prédiction de plusieurs jetons, ainsi qu’un apprentissage par renforcement conjoint sur plus de 30 types de tâches. Cette portée comprend les domaines STEM, l’ancrage visuel, la vidéo, l’interface graphique et les agents de programmation. Sa chaîne d’outils visuels comprend le tracé de cadres, les captures d’écran et la lecture de pages contenant des images. Ces éléments expliquent l’orientation de développement sans attribuer un nombre de paramètres ou l’architecture d’un autre modèle à cette édition.
Les documents officiels sur les tâches couvrent la création de légendes d’images, l’ancrage visuel, la rédaction fondée sur des documents, la comparaison de curriculum vitæ avec des exigences fournies et la préparation d’invites à partir de médias de référence. Un cahier des charges documentaire peut nommer les champs et demander des conclusions appuyées par des passages. Un cahier des charges d’ancrage peut préciser l’objet et le résultat attendu sous forme de boîte englobante. Une tâche fondée sur un média de référence peut demander une invite écrite de scène ou de style; cet usage ne fait pas du modèle un générateur natif d’images ou de vidéos.
Le profil indique des modes de réflexion, la diffusion en continu, l’appel de fonctions et la mise en cache du contexte. Définissez les outils et conservez leurs observations avec l’étape pertinente. Étiquetez les sources, les chemins de code et les séquences vidéo, en laissant de l’espace pour le raisonnement et la réponse. Les exemples associent des médias à une question concrète. Les restrictions exactes de transport et les commandes de l’interface restent liées au processus documenté plutôt qu’à une édition GLM au nom semblable.
Pour obtenir un résultat utilisable, demandez quelles pages ou sections de document ont été couvertes, ce que contient le livrable proposé et quelles différences subsistent dans les éléments de preuve. Le producteur présente la programmation de pages Web, la création de sites Web, la compréhension documentaire et le suivi d’objets vidéo. Les projets terminés, les fichiers modifiés et les interactions exécutées proviennent de l’environnement applicatif; le modèle prépare et affine le travail textuel correspondant.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites glm-5v-turbo | 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 | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0024 / 1K jetons Sortie · Jetons en sortie $0.008 / 1K jetons Entrée · Lecture du cache $0.00048 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0024 / 1K jetons Sortie · Jetons en sortie $0.008 / 1K jetons Entrée · Lecture du cache $0.00048 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "glm-5v-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 ID 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 ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra glm-5v-turbo, z-ai/glm-5v-turbo
/chat/completions
z-ai/glm-5v-turboGLM-5V-Turbo est le modèle de programmation multimodal de Z.ai pour les captures d’écran, les références visuelles, les documents et les agents d’interface graphique. Son profil publié par le producteur accepte les images, la vidéo, le texte et les fichiers, renvoie du texte et indique un contexte de 200K avec jusqu’à 128K jetons de sortie.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GLM-5V-Turbo relie la compréhension visuelle au développement logiciel et au travail des agents. Z.ai indique les images, la vidéo, le texte et les fichiers comme entrées, et le texte comme sortie. Son profil dispose d’un contexte de 200K jetons et d’un maximum de 128K jetons de sortie. Une tâche peut combiner une capture d’écran ou une conception avec des exigences et demander du code, une explication visuelle ou un résultat fondé sur des documents. Cette édition est distincte de GLM-5.3-Flash.
La reconstruction d’interfaces frontales est un usage principal. Le fabricant décrit la reconnaissance de la disposition, des couleurs, de la hiérarchie des composants et de la logique d’interaction à partir de maquettes. Fournissez les états de référence, les fonctions requises et les contraintes, puis demandez du code modifiable et une explication. Une capture d’écran d’une page défectueuse peut aider à repérer un mauvais alignement, un chevauchement de composants ou des couleurs non conformes. L’application effectue le rendu de la proposition et fournit le résultat réel pour une interprétation ultérieure.
Un processus d’interface graphique peut aller au-delà d’une seule capture d’écran. Le producteur décrit l’exploration des transitions de page et des ressources visuelles, puis l’utilisation des constats pour préparer du code. Définissez l’objectif et les actions disponibles, retournez les écrans modifiés ou les observations, et précisez le livrable terminé. Le modèle planifie à partir de cette rétroaction; l’application effectue la navigation, les clics ou les autres opérations. Une réponse décrivant une action ne prouve pas son exécution.
Le fabricant décrit la fusion du visuel et du texte, un encodeur de vision CogViT et la prédiction de plusieurs jetons, ainsi qu’un apprentissage par renforcement conjoint sur plus de 30 types de tâches. Cette portée comprend les domaines STEM, l’ancrage visuel, la vidéo, l’interface graphique et les agents de programmation. Sa chaîne d’outils visuels comprend le tracé de cadres, les captures d’écran et la lecture de pages contenant des images. Ces éléments expliquent l’orientation de développement sans attribuer un nombre de paramètres ou l’architecture d’un autre modèle à cette édition.
Les documents officiels sur les tâches couvrent la création de légendes d’images, l’ancrage visuel, la rédaction fondée sur des documents, la comparaison de curriculum vitæ avec des exigences fournies et la préparation d’invites à partir de médias de référence. Un cahier des charges documentaire peut nommer les champs et demander des conclusions appuyées par des passages. Un cahier des charges d’ancrage peut préciser l’objet et le résultat attendu sous forme de boîte englobante. Une tâche fondée sur un média de référence peut demander une invite écrite de scène ou de style; cet usage ne fait pas du modèle un générateur natif d’images ou de vidéos.
Le profil indique des modes de réflexion, la diffusion en continu, l’appel de fonctions et la mise en cache du contexte. Définissez les outils et conservez leurs observations avec l’étape pertinente. Étiquetez les sources, les chemins de code et les séquences vidéo, en laissant de l’espace pour le raisonnement et la réponse. Les exemples associent des médias à une question concrète. Les restrictions exactes de transport et les commandes de l’interface restent liées au processus documenté plutôt qu’à une édition GLM au nom semblable.
Pour obtenir un résultat utilisable, demandez quelles pages ou sections de document ont été couvertes, ce que contient le livrable proposé et quelles différences subsistent dans les éléments de preuve. Le producteur présente la programmation de pages Web, la création de sites Web, la compréhension documentaire et le suivi d’objets vidéo. Les projets terminés, les fichiers modifiés et les interactions exécutées proviennent de l’environnement applicatif; le modèle prépare et affine le travail textuel correspondant.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites z-ai/glm-5v-turbo | 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’ID 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: Fonction fournie comme outil | 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 refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | 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 comme texte littéral ; aucun ID 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’ID 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/objet 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 | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0024 / 1K jetons Sortie · Jetons en sortie $0.008 / 1K jetons Entrée · Lecture du cache $0.00048 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0024 / 1K jetons Sortie · Jetons en sortie $0.008 / 1K jetons Entrée · Lecture du cache $0.00048 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-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 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, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra glm-5v-turbo, z-ai/glm-5v-turbo
/chat/completions
z-ai/glm-5v-turboGLM-5V-Turbo est le modèle de programmation multimodal de Z.ai pour les captures d’écran, les références visuelles, les documents et les agents d’interface graphique. Son profil publié par le producteur accepte les images, la vidéo, le texte et les fichiers, renvoie du texte et indique un contexte de 200K avec jusqu’à 128K jetons de sortie.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GLM-5V-Turbo relie la compréhension visuelle au développement logiciel et au travail des agents. Z.ai indique les images, la vidéo, le texte et les fichiers comme entrées, et le texte comme sortie. Son profil dispose d’un contexte de 200K jetons et d’un maximum de 128K jetons de sortie. Une tâche peut combiner une capture d’écran ou une conception avec des exigences et demander du code, une explication visuelle ou un résultat fondé sur des documents. Cette édition est distincte de GLM-5.3-Flash.
La reconstruction d’interfaces frontales est un usage principal. Le fabricant décrit la reconnaissance de la disposition, des couleurs, de la hiérarchie des composants et de la logique d’interaction à partir de maquettes. Fournissez les états de référence, les fonctions requises et les contraintes, puis demandez du code modifiable et une explication. Une capture d’écran d’une page défectueuse peut aider à repérer un mauvais alignement, un chevauchement de composants ou des couleurs non conformes. L’application effectue le rendu de la proposition et fournit le résultat réel pour une interprétation ultérieure.
Un processus d’interface graphique peut aller au-delà d’une seule capture d’écran. Le producteur décrit l’exploration des transitions de page et des ressources visuelles, puis l’utilisation des constats pour préparer du code. Définissez l’objectif et les actions disponibles, retournez les écrans modifiés ou les observations, et précisez le livrable terminé. Le modèle planifie à partir de cette rétroaction; l’application effectue la navigation, les clics ou les autres opérations. Une réponse décrivant une action ne prouve pas son exécution.
Le fabricant décrit la fusion du visuel et du texte, un encodeur de vision CogViT et la prédiction de plusieurs jetons, ainsi qu’un apprentissage par renforcement conjoint sur plus de 30 types de tâches. Cette portée comprend les domaines STEM, l’ancrage visuel, la vidéo, l’interface graphique et les agents de programmation. Sa chaîne d’outils visuels comprend le tracé de cadres, les captures d’écran et la lecture de pages contenant des images. Ces éléments expliquent l’orientation de développement sans attribuer un nombre de paramètres ou l’architecture d’un autre modèle à cette édition.
Les documents officiels sur les tâches couvrent la création de légendes d’images, l’ancrage visuel, la rédaction fondée sur des documents, la comparaison de curriculum vitæ avec des exigences fournies et la préparation d’invites à partir de médias de référence. Un cahier des charges documentaire peut nommer les champs et demander des conclusions appuyées par des passages. Un cahier des charges d’ancrage peut préciser l’objet et le résultat attendu sous forme de boîte englobante. Une tâche fondée sur un média de référence peut demander une invite écrite de scène ou de style; cet usage ne fait pas du modèle un générateur natif d’images ou de vidéos.
Le profil indique des modes de réflexion, la diffusion en continu, l’appel de fonctions et la mise en cache du contexte. Définissez les outils et conservez leurs observations avec l’étape pertinente. Étiquetez les sources, les chemins de code et les séquences vidéo, en laissant de l’espace pour le raisonnement et la réponse. Les exemples associent des médias à une question concrète. Les restrictions exactes de transport et les commandes de l’interface restent liées au processus documenté plutôt qu’à une édition GLM au nom semblable.
Pour obtenir un résultat utilisable, demandez quelles pages ou sections de document ont été couvertes, ce que contient le livrable proposé et quelles différences subsistent dans les éléments de preuve. Le producteur présente la programmation de pages Web, la création de sites Web, la compréhension documentaire et le suivi d’objets vidéo. Les projets terminés, les fichiers modifiés et les interactions exécutées proviennent de l’environnement applicatif; le modèle prépare et affine le travail textuel correspondant.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites z-ai/glm-5v-turbo | 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 | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0024 / 1K jetons Sortie · Jetons en sortie $0.008 / 1K jetons Entrée · Lecture du cache $0.00048 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0024 / 1K jetons Sortie · Jetons en sortie $0.008 / 1K jetons Entrée · Lecture du cache $0.00048 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "z-ai/glm-5v-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 ID 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 ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra glm-5v-turbo, z-ai/glm-5v-turbo
/chat/completions
Exemple technique en anglais
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.