AutoGLM Phone 9B Multilingual est le modèle de Z.ai pour un assistant qui travaille dans l’interface d’un téléphone intelligent. Il combine une tâche en langage naturel à une compréhension visuelle de l’écran actuel, planifie l’étape suivante et produit l’information qu’un environnement d’agent de téléphone utilise pour agir. Son architecture est identique à celle de GLM 4.1V 9B Thinking; l’édition nommée Phone Multilingual demeure un choix de modèle distinct.
Vue d’ensemble du projet. Le Phone Agent du fabricant associe la perception de l’écran à une boucle d’exécution. L’environnement capture l’interface, le modèle raisonne sur la tâche et un composant de contrôle de l’appareil effectue l’opération sélectionnée. Un nouvel écran fournit ensuite une rétroaction pour l’étape suivante. Le cadre publié utilise Android Debug Bridge pour les appareils Android et fournit un chemin de contrôle distinct pour HarmonyOS. Le modèle assure la perception et la planification; l’environnement connecté réalise l’interaction avec l’appareil.
Distinction multilingue. Le modèle AutoGLM Phone 9B original est optimisé pour les applications mobiles chinoises. L’édition Multilingual ajoute la prise en charge des scénarios en anglais et vise les applications contenant de l’anglais ou du contenu dans d’autres langues. Le projet fournit aussi des instructions en chinois et en anglais. Conservez les noms d’applications, les termes de recherche et le texte visible de l’interface lorsque vous décrivez la tâche; ces détails aident à relier l’action demandée à l’écran plutôt qu’à une traduction présumée de celui-ci.
Planification des actions. Le vocabulaire d’actions du cadre publié comprend le lancement d’une application, le toucher, la saisie, le balayage, le retour en arrière, le retour à l’accueil, l’appui prolongé, le double toucher et l’attente du chargement d’une page. Il comprend aussi une action de reprise manuelle. Utilisez ces actions comme vocabulaire d’un flux fondé sur l’écran : ouvrir l’application pertinente, repérer la commande nécessaire, saisir le texte demandé et examiner la nouvelle page. L’action suivante devrait reposer sur l’interface la plus récente, car un état de chargement ou une disposition modifiée peut rendre une observation antérieure invalide.
Préparer une tâche concrète. Précisez l’application, l’information ou le résultat recherché et les conditions importantes. Pour une recherche, fournissez la requête exacte, les critères de sélection et le résultat souhaité, par exemple une liste d’éléments correspondants avec leurs attributs visibles. Pour un flux bureautique, précisez quelles informations à l’écran doivent être recueillies et comment présenter le résumé final. Incluez la capture d’écran actuelle et suffisamment d’étapes antérieures pour expliquer où l’assistant en est dans le processus. La sortie peut alors proposer l’opération suivante ou expliquer quel détail visible empêche d’avancer.
Participation humaine. Le cadre officiel fournit des fonctions de rappel pour confirmer les opérations sensibles et reprendre le contrôle manuellement lors de la connexion ou des étapes de code de vérification. Une application peut rendre le téléphone à l’utilisateur, puis reprendre à partir d’une nouvelle capture d’écran après que la personne a terminé cette étape. Donnez une condition d’achèvement claire pour que l’assistant distingue le fait de trouver une information, de préparer une action et d’atteindre le résultat visé.
La configuration pratique influence le flux de travail. Les autorisations de l’appareil, un mécanisme de capture d’écran fonctionnel et la saisie de texte sont fournis par l’environnement. La configuration Android du producteur utilise un composant de clavier dédié à la saisie de texte, tandis que son chemin HarmonyOS utilise la saisie native. Certains écrans protégés peuvent produire une capture noire. Lorsqu’un écran est inaccessible ou qu’une commande est ambiguë, obtenez une vue utilisable ou des indications humaines avant de formuler l’action suivante. Une réponse du modèle ne suffit pas à établir qu’une opération a été effectuée sur le téléphone; inspectez l’écran obtenu pour confirmer la progression.
", "aboutText": "AutoGLM Phone 9B Multilingual est le modèle de Z.ai pour un assistant qui travaille dans l’interface d’un téléphone intelligent. Il combine une tâche en langage naturel à une compréhension visuelle de l’écran actuel, planifie l’étape suivante et produit l’information qu’un environnement d’agent de téléphone utilise pour agir. Son architecture est identique à celle de GLM 4.1V 9B Thinking; l’édition nommée Phone Multilingual demeure un choix de modèle distinct.\n\nVue d’ensemble du projet. Le Phone Agent du fabricant associe la perception de l’écran à une boucle d’exécution. L’environnement capture l’interface, le modèle raisonne sur la tâche et un composant de contrôle de l’appareil effectue l’opération sélectionnée. Un nouvel écran fournit ensuite une rétroaction pour l’étape suivante. Le cadre publié utilise Android Debug Bridge pour les appareils Android et fournit un chemin de contrôle distinct pour HarmonyOS. Le modèle assure la perception et la planification; l’environnement connecté réalise l’interaction avec l’appareil.\n\nDistinction multilingue. Le modèle AutoGLM Phone 9B original est optimisé pour les applications mobiles chinoises. L’édition Multilingual ajoute la prise en charge des scénarios en anglais et vise les applications contenant de l’anglais ou du contenu dans d’autres langues. Le projet fournit aussi des instructions en chinois et en anglais. Conservez les noms d’applications, les termes de recherche et le texte visible de l’interface lorsque vous décrivez la tâche; ces détails aident à relier l’action demandée à l’écran plutôt qu’à une traduction présumée de celui-ci.\n\nPlanification des actions. Le vocabulaire d’actions du cadre publié comprend le lancement d’une application, le toucher, la saisie, le balayage, le retour en arrière, le retour à l’accueil, l’appui prolongé, le double toucher et l’attente du chargement d’une page. Il comprend aussi une action de reprise manuelle. Utilisez ces actions comme vocabulaire d’un flux fondé sur l’écran : ouvrir l’application pertinente, repérer la commande nécessaire, saisir le texte demandé et examiner la nouvelle page. L’action suivante devrait reposer sur l’interface la plus récente, car un état de chargement ou une disposition modifiée peut rendre une observation antérieure invalide.\n\nPréparer une tâche concrète. Précisez l’application, l’information ou le résultat recherché et les conditions importantes. Pour une recherche, fournissez la requête exacte, les critères de sélection et le résultat souhaité, par exemple une liste d’éléments correspondants avec leurs attributs visibles. Pour un flux bureautique, précisez quelles informations à l’écran doivent être recueillies et comment présenter le résumé final. Incluez la capture d’écran actuelle et suffisamment d’étapes antérieures pour expliquer où l’assistant en est dans le processus. La sortie peut alors proposer l’opération suivante ou expliquer quel détail visible empêche d’avancer.\n\nParticipation humaine. Le cadre officiel fournit des fonctions de rappel pour confirmer les opérations sensibles et reprendre le contrôle manuellement lors de la connexion ou des étapes de code de vérification. Une application peut rendre le téléphone à l’utilisateur, puis reprendre à partir d’une nouvelle capture d’écran après que la personne a terminé cette étape. Donnez une condition d’achèvement claire pour que l’assistant distingue le fait de trouver une information, de préparer une action et d’atteindre le résultat visé.\n\nLa configuration pratique influence le flux de travail. Les autorisations de l’appareil, un mécanisme de capture d’écran fonctionnel et la saisie de texte sont fournis par l’environnement. La configuration Android du producteur utilise un composant de clavier dédié à la saisie de texte, tandis que son chemin HarmonyOS utilise la saisie native. Certains écrans protégés peuvent produire une capture noire. Lorsqu’un écran est inaccessible ou qu’une commande est ambiguë, obtenez une vue utilisable ou des indications humaines avant de formuler l’action suivante. Une réponse du modèle ne suffit pas à établir qu’une opération a été effectuée sur le téléphone; inspectez l’écran obtenu pour confirmer la progression.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Plan the next phone-search step\n\nUse this text transcription of the current phone screen: app 'City Library'; search field 'Search catalog'; button 'Search'; no results shown. Goal: find books matching the exact title 'The Glass Harbor'. Propose only the next input action and the screen evidence needed afterward. Preserve the title and do not claim that a search has already run.One next-action proposal and a short description of the resulting screen evidence to inspect.The response uses the exact title and distinguishes proposed text entry from an executed search or a found book.zai-org/autoglm-phone-9b-multilingualLe modèle vision-langage de Z.ai sert à comprendre les écrans de téléphones intelligents et à planifier des actions dans l’interface. L’édition Multilingual prend en charge les scénarios en anglais et les interfaces contenant du contenu dans d’autres langues; un environnement d’agent de téléphone connecté exécute les opérations proposées.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
AutoGLM Phone 9B Multilingual est le modèle de Z.ai pour un assistant qui travaille dans l’interface d’un téléphone intelligent. Il combine une tâche en langage naturel à une compréhension visuelle de l’écran actuel, planifie l’étape suivante et produit l’information qu’un environnement d’agent de téléphone utilise pour agir. Son architecture est identique à celle de GLM 4.1V 9B Thinking; l’édition nommée Phone Multilingual demeure un choix de modèle distinct.
Vue d’ensemble du projet. Le Phone Agent du fabricant associe la perception de l’écran à une boucle d’exécution. L’environnement capture l’interface, le modèle raisonne sur la tâche et un composant de contrôle de l’appareil effectue l’opération sélectionnée. Un nouvel écran fournit ensuite une rétroaction pour l’étape suivante. Le cadre publié utilise Android Debug Bridge pour les appareils Android et fournit un chemin de contrôle distinct pour HarmonyOS. Le modèle assure la perception et la planification; l’environnement connecté réalise l’interaction avec l’appareil.
Distinction multilingue. Le modèle AutoGLM Phone 9B original est optimisé pour les applications mobiles chinoises. L’édition Multilingual ajoute la prise en charge des scénarios en anglais et vise les applications contenant de l’anglais ou du contenu dans d’autres langues. Le projet fournit aussi des instructions en chinois et en anglais. Conservez les noms d’applications, les termes de recherche et le texte visible de l’interface lorsque vous décrivez la tâche; ces détails aident à relier l’action demandée à l’écran plutôt qu’à une traduction présumée de celui-ci.
Planification des actions. Le vocabulaire d’actions du cadre publié comprend le lancement d’une application, le toucher, la saisie, le balayage, le retour en arrière, le retour à l’accueil, l’appui prolongé, le double toucher et l’attente du chargement d’une page. Il comprend aussi une action de reprise manuelle. Utilisez ces actions comme vocabulaire d’un flux fondé sur l’écran : ouvrir l’application pertinente, repérer la commande nécessaire, saisir le texte demandé et examiner la nouvelle page. L’action suivante devrait reposer sur l’interface la plus récente, car un état de chargement ou une disposition modifiée peut rendre une observation antérieure invalide.
Préparer une tâche concrète. Précisez l’application, l’information ou le résultat recherché et les conditions importantes. Pour une recherche, fournissez la requête exacte, les critères de sélection et le résultat souhaité, par exemple une liste d’éléments correspondants avec leurs attributs visibles. Pour un flux bureautique, précisez quelles informations à l’écran doivent être recueillies et comment présenter le résumé final. Incluez la capture d’écran actuelle et suffisamment d’étapes antérieures pour expliquer où l’assistant en est dans le processus. La sortie peut alors proposer l’opération suivante ou expliquer quel détail visible empêche d’avancer.
Participation humaine. Le cadre officiel fournit des fonctions de rappel pour confirmer les opérations sensibles et reprendre le contrôle manuellement lors de la connexion ou des étapes de code de vérification. Une application peut rendre le téléphone à l’utilisateur, puis reprendre à partir d’une nouvelle capture d’écran après que la personne a terminé cette étape. Donnez une condition d’achèvement claire pour que l’assistant distingue le fait de trouver une information, de préparer une action et d’atteindre le résultat visé.
La configuration pratique influence le flux de travail. Les autorisations de l’appareil, un mécanisme de capture d’écran fonctionnel et la saisie de texte sont fournis par l’environnement. La configuration Android du producteur utilise un composant de clavier dédié à la saisie de texte, tandis que son chemin HarmonyOS utilise la saisie native. Certains écrans protégés peuvent produire une capture noire. Lorsqu’un écran est inaccessible ou qu’une commande est ambiguë, obtenez une vue utilisable ou des indications humaines avant de formuler l’action suivante. Une réponse du modèle ne suffit pas à établir qu’une opération a été effectuée sur le téléphone; inspectez l’écran obtenu pour confirmer la progression.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites zai-org/autoglm-phone-9b-multilingual | 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.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.000072 / 1K jetons Sortie · Jetons en sortie $0.000286 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "zai-org/autoglm-phone-9b-multilingual", "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='zai-org/autoglm-phone-9b-multilingual',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='zai-org/autoglm-phone-9b-multilingual',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 zai-org/autoglm-phone-9b-multilingual
Utilisez les chemins de méthode indiqués ci-dessus.
zai-org/autoglm-phone-9b-multilingualLe modèle vision-langage de Z.ai sert à comprendre les écrans de téléphones intelligents et à planifier des actions dans l’interface. L’édition Multilingual prend en charge les scénarios en anglais et les interfaces contenant du contenu dans d’autres langues; un environnement d’agent de téléphone connecté exécute les opérations proposées.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
AutoGLM Phone 9B Multilingual est le modèle de Z.ai pour un assistant qui travaille dans l’interface d’un téléphone intelligent. Il combine une tâche en langage naturel à une compréhension visuelle de l’écran actuel, planifie l’étape suivante et produit l’information qu’un environnement d’agent de téléphone utilise pour agir. Son architecture est identique à celle de GLM 4.1V 9B Thinking; l’édition nommée Phone Multilingual demeure un choix de modèle distinct.
Vue d’ensemble du projet. Le Phone Agent du fabricant associe la perception de l’écran à une boucle d’exécution. L’environnement capture l’interface, le modèle raisonne sur la tâche et un composant de contrôle de l’appareil effectue l’opération sélectionnée. Un nouvel écran fournit ensuite une rétroaction pour l’étape suivante. Le cadre publié utilise Android Debug Bridge pour les appareils Android et fournit un chemin de contrôle distinct pour HarmonyOS. Le modèle assure la perception et la planification; l’environnement connecté réalise l’interaction avec l’appareil.
Distinction multilingue. Le modèle AutoGLM Phone 9B original est optimisé pour les applications mobiles chinoises. L’édition Multilingual ajoute la prise en charge des scénarios en anglais et vise les applications contenant de l’anglais ou du contenu dans d’autres langues. Le projet fournit aussi des instructions en chinois et en anglais. Conservez les noms d’applications, les termes de recherche et le texte visible de l’interface lorsque vous décrivez la tâche; ces détails aident à relier l’action demandée à l’écran plutôt qu’à une traduction présumée de celui-ci.
Planification des actions. Le vocabulaire d’actions du cadre publié comprend le lancement d’une application, le toucher, la saisie, le balayage, le retour en arrière, le retour à l’accueil, l’appui prolongé, le double toucher et l’attente du chargement d’une page. Il comprend aussi une action de reprise manuelle. Utilisez ces actions comme vocabulaire d’un flux fondé sur l’écran : ouvrir l’application pertinente, repérer la commande nécessaire, saisir le texte demandé et examiner la nouvelle page. L’action suivante devrait reposer sur l’interface la plus récente, car un état de chargement ou une disposition modifiée peut rendre une observation antérieure invalide.
Préparer une tâche concrète. Précisez l’application, l’information ou le résultat recherché et les conditions importantes. Pour une recherche, fournissez la requête exacte, les critères de sélection et le résultat souhaité, par exemple une liste d’éléments correspondants avec leurs attributs visibles. Pour un flux bureautique, précisez quelles informations à l’écran doivent être recueillies et comment présenter le résumé final. Incluez la capture d’écran actuelle et suffisamment d’étapes antérieures pour expliquer où l’assistant en est dans le processus. La sortie peut alors proposer l’opération suivante ou expliquer quel détail visible empêche d’avancer.
Participation humaine. Le cadre officiel fournit des fonctions de rappel pour confirmer les opérations sensibles et reprendre le contrôle manuellement lors de la connexion ou des étapes de code de vérification. Une application peut rendre le téléphone à l’utilisateur, puis reprendre à partir d’une nouvelle capture d’écran après que la personne a terminé cette étape. Donnez une condition d’achèvement claire pour que l’assistant distingue le fait de trouver une information, de préparer une action et d’atteindre le résultat visé.
La configuration pratique influence le flux de travail. Les autorisations de l’appareil, un mécanisme de capture d’écran fonctionnel et la saisie de texte sont fournis par l’environnement. La configuration Android du producteur utilise un composant de clavier dédié à la saisie de texte, tandis que son chemin HarmonyOS utilise la saisie native. Certains écrans protégés peuvent produire une capture noire. Lorsqu’un écran est inaccessible ou qu’une commande est ambiguë, obtenez une vue utilisable ou des indications humaines avant de formuler l’action suivante. Une réponse du modèle ne suffit pas à établir qu’une opération a été effectuée sur le téléphone; inspectez l’écran obtenu pour confirmer la progression.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites zai-org/autoglm-phone-9b-multilingual | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.000072 / 1K jetons Sortie · Jetons en sortie $0.000286 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "zai-org/autoglm-phone-9b-multilingual",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'zai-org/autoglm-phone-9b-multilingual', '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': 'zai-org/autoglm-phone-9b-multilingual', '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 zai-org/autoglm-phone-9b-multilingual
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Plan the next phone-search step\n\nUse this text transcription of the current phone screen: app 'City Library'; search field 'Search catalog'; button 'Search'; no results shown. Goal: find books matching the exact title 'The Glass Harbor'. Propose only the next input action and the screen evidence needed afterward. Preserve the title and do not claim that a search has already run.One next-action proposal and a short description of the resulting screen evidence to inspect.The response uses the exact title and distinguishes proposed text entry from an executed search or a found book.