GLM-4-9B-Chat הוא המהדורה המותאמת לדיאלוג של מודל השפה הפתוח GLM-4-9B של Z.ai. הכנתו משלבת בסיס רב־לשוני עם התאמה להעדפות אנושיות. המודל עובד עם טקסט: שאלות, מסמכים, קוד והיסטוריית שיחה הופכים לקלט, והתוצאה הגלויה היא טקסט או פעולת כלי מבוקשת. התחומים המוצהרים שלו כוללים הבנת שפה, מתמטיקה, הסקה, תכנות ושאלות מבוססות ידע.
דוח GLM-4 מתאר את מודל 9B כמי שאומן מראש על כעשרה טריליון טוקנים של חומר רב־לשוני, בתחילה עם הקשר של 8K, ולאחר מכן עבר אימון המשך באמצעות התהליך והנתונים ששימשו ל־GLM-4-0520. אורך האימון הראשוני אינו מגבלת ההקשר של גרסת Chat זו: החלון שלה שפורסם למשתמשים הוא 128K. ההבחנה הזו חשובה בעת בחירה בין מפרט אימון לבין הפרופיל בפועל של המודל הנקוב.
משימת תכנות מועילה היא לספק פונקציה, את התנהגותה המיועדת וקלט שנכשל, ואז לבקש הסבר ואחריו קטע מתוקן. לעוזר מסמכים, ספקו את הסעיפים הרלוונטיים ובקשו לחלץ דרישות, להשוות קטעים או להסביר מונח לא מוכר. אלה יישומים של יכולות השפה והתכנות של המודל, ולא מוצר נפרד או מצב ליצירת קבצים.
מהדורת Chat זו תומכת בהקשר של 128K טוקנים. הקיבולת מאפשרת לעוזר לשאת חומר מקור ודיאלוג קודם באותה משימה. תנו למסמכים ארוכים שמות סעיפים ברורים וציינו אם התשובה צריכה להיות סיכום, השוואה או הסבר על קטע מסוים. בהודעות המשך, ציינו איזה קטע משתנה במקום להחליף בשקט את המשימה.
GLM-4-9B-Chat-1M היא מהדורת הקשר ארוך הנקובה בנפרד. רשומת Chat הרגילה אינה מקבלת את חלון מיליון הטוקנים שלה. בדומה לכך, GLM-4V-9B החזותי הוא מודל נפרד: הקלט של מהדורה זו נשאר טקסט. דוגמאות היצירה שפורסמו משתמשות בהגדרות אורך לפי בקשה; הן אינן קובעות אורך תגובה מרבי אחיד יחיד.
המודל תומך ב־26 שפות, ויפנית, קוריאנית וגרמנית הן בין הדוגמאות הנקובות. דוח האימון של GLM-4 מתאר את סינית ואנגלית כשפות ההתאמה העיקריות, לצד קורפוס רב־לשוני רחב יותר. בתרגום או בדיאלוג תמיכה, ציינו את שפת היעד, המינוח והטון וספקו את החומר שצריך להישאר ללא שינוי. לדוגמה, עוזר יכול להסביר קטע בשפה המבוקשת תוך שימור שמות מוצרים ומזהי קוד.
GLM-4-9B-Chat מוכן לגלישה ברשת, להרצת קוד ולקריאות לפונקציות מותאמות. גישת all-tools של GLM-4 מקשרת תכנון משימה לפעולות חיצוניות ולתצפיות שהן מחזירות. עוזר מסמכים יכול לבקש חיפוש, להשתמש בקטע שהוחזר ולהמשיך בהסבר; משימה מספרית יכולה להשתמש בכלי Python שהיישום המארח מספק.
היישום מגדיר ומבצע את הכלים האלה. הטקסט של המודל אינו גולש בעצמו באתר, מריץ תוכנית או יוצר תמונה. אם היישום מספק פונקציה ליצירת תמונות, אותה פונקציה חיצונית מפיקה את התמונה; מודל הטקסט הזה מתכנן את הקריאה ודן בתוצאה שהוחזרה. תנו לכל פונקציה מטרה ברורה והגדרת ארגומנטים, והחזירו את התוצאה לדיאלוג לפני בקשת התשובה הסופית.
המהדורה משתמשת בתבנית צ'אט מבוססת תפקידים. שמרו על הוראות המשתמש, על תשובות העוזר הרלוונטיות ועל תוצאות הכלים כתורים נפרדים. בקשה מעשית היא: ״בעזרת סעיפי המסמך הנקובים האלה, פרט את הדרישות, הסבר סתירות וציין את סימוני הסעיפים התומכים בכל מסקנה.״ בקשה נוספת היא: ״הסבר כיצד פונקציה זו מעבדת את הקלט שסופק, ואז הצע שינוי השומר על הממשק הרשום.״ התוצר המבוקש צריך להיות מפורש, כדי שאפשר יהיה לבדוק את התגובה מול חומר המקור וההתנהגות המיועדת של התוכנית.
", "aboutText": "### מבוא למודל\n\nGLM-4-9B-Chat הוא המהדורה המותאמת לדיאלוג של מודל השפה הפתוח GLM-4-9B של Z.ai. הכנתו משלבת בסיס רב־לשוני עם התאמה להעדפות אנושיות. המודל עובד עם טקסט: שאלות, מסמכים, קוד והיסטוריית שיחה הופכים לקלט, והתוצאה הגלויה היא טקסט או פעולת כלי מבוקשת. התחומים המוצהרים שלו כוללים הבנת שפה, מתמטיקה, הסקה, תכנות ושאלות מבוססות ידע.\n\nדוח GLM-4 מתאר את מודל 9B כמי שאומן מראש על כעשרה טריליון טוקנים של חומר רב־לשוני, בתחילה עם הקשר של 8K, ולאחר מכן עבר אימון המשך באמצעות התהליך והנתונים ששימשו ל־GLM-4-0520. אורך האימון הראשוני אינו מגבלת ההקשר של גרסת Chat זו: החלון שלה שפורסם למשתמשים הוא 128K. ההבחנה הזו חשובה בעת בחירה בין מפרט אימון לבין הפרופיל בפועל של המודל הנקוב.\n\nמשימת תכנות מועילה היא לספק פונקציה, את התנהגותה המיועדת וקלט שנכשל, ואז לבקש הסבר ואחריו קטע מתוקן. לעוזר מסמכים, ספקו את הסעיפים הרלוונטיים ובקשו לחלץ דרישות, להשוות קטעים או להסביר מונח לא מוכר. אלה יישומים של יכולות השפה והתכנות של המודל, ולא מוצר נפרד או מצב ליצירת קבצים.\n\n### הקשר ארוך\n\nמהדורת Chat זו תומכת בהקשר של 128K טוקנים. הקיבולת מאפשרת לעוזר לשאת חומר מקור ודיאלוג קודם באותה משימה. תנו למסמכים ארוכים שמות סעיפים ברורים וציינו אם התשובה צריכה להיות סיכום, השוואה או הסבר על קטע מסוים. בהודעות המשך, ציינו איזה קטע משתנה במקום להחליף בשקט את המשימה.\n\nGLM-4-9B-Chat-1M היא מהדורת הקשר ארוך הנקובה בנפרד. רשומת Chat הרגילה אינה מקבלת את חלון מיליון הטוקנים שלה. בדומה לכך, GLM-4V-9B החזותי הוא מודל נפרד: הקלט של מהדורה זו נשאר טקסט. דוגמאות היצירה שפורסמו משתמשות בהגדרות אורך לפי בקשה; הן אינן קובעות אורך תגובה מרבי אחיד יחיד.\n\n### עבודה רב־לשונית\n\nהמודל תומך ב־26 שפות, ויפנית, קוריאנית וגרמנית הן בין הדוגמאות הנקובות. דוח האימון של GLM-4 מתאר את סינית ואנגלית כשפות ההתאמה העיקריות, לצד קורפוס רב־לשוני רחב יותר. בתרגום או בדיאלוג תמיכה, ציינו את שפת היעד, המינוח והטון וספקו את החומר שצריך להישאר ללא שינוי. לדוגמה, עוזר יכול להסביר קטע בשפה המבוקשת תוך שימור שמות מוצרים ומזהי קוד.\n\n### קריאות לפונקציות וכלי יישום\n\nGLM-4-9B-Chat מוכן לגלישה ברשת, להרצת קוד ולקריאות לפונקציות מותאמות. גישת all-tools של GLM-4 מקשרת תכנון משימה לפעולות חיצוניות ולתצפיות שהן מחזירות. עוזר מסמכים יכול לבקש חיפוש, להשתמש בקטע שהוחזר ולהמשיך בהסבר; משימה מספרית יכולה להשתמש בכלי Python שהיישום המארח מספק.\n\nהיישום מגדיר ומבצע את הכלים האלה. הטקסט של המודל אינו גולש בעצמו באתר, מריץ תוכנית או יוצר תמונה. אם היישום מספק פונקציה ליצירת תמונות, אותה פונקציה חיצונית מפיקה את התמונה; מודל הטקסט הזה מתכנן את הקריאה ודן בתוצאה שהוחזרה. תנו לכל פונקציה מטרה ברורה והגדרת ארגומנטים, והחזירו את התוצאה לדיאלוג לפני בקשת התשובה הסופית.\n\n### הכנת שיחה\n\nהמהדורה משתמשת בתבנית צ'אט מבוססת תפקידים. שמרו על הוראות המשתמש, על תשובות העוזר הרלוונטיות ועל תוצאות הכלים כתורים נפרדים. בקשה מעשית היא: ״בעזרת סעיפי המסמך הנקובים האלה, פרט את הדרישות, הסבר סתירות וציין את סימוני הסעיפים התומכים בכל מסקנה.״ בקשה נוספת היא: ״הסבר כיצד פונקציה זו מעבדת את הקלט שסופק, ואז הצע שינוי השומר על הממשק הרשום.״ התוצר המבוקש צריך להיות מפורש, כדי שאפשר יהיה לבדוק את התגובה מול חומר המקור וההתנהגות המיועדת של התוכנית.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Explain a conditional leave procedure\n\nExplain this procedure to a colleague. Section L1: 'Submit a leave request to the team lead.' L2: 'Trips over five working days also require department approval.' L3: 'A calendar invitation is sent only after approval.' The colleague requests eight working days. Return the required sequence and identify why an invitation alone does not demonstrate approval.A section-linked sequence and a short explanation of the invitation condition.The eight-day request must retain both the team-lead and department requirements.Pro/THUDM/glm-4-9b-chatGLM-4-9B-Chat הוא מודל טקסט רב־לשוני לדיאלוג מתמשך, לניתוח מסמכים ולתכנות, עם הקשר של 128K. הוא יכול לבחור פעולות דפדפן, הרצת קוד ופונקציות מותאמות שסופקו בידי יישום, ואז להשתמש בתוצאותיהן בתשובתו.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
GLM-4-9B-Chat הוא המהדורה המותאמת לדיאלוג של מודל השפה הפתוח GLM-4-9B של Z.ai. הכנתו משלבת בסיס רב־לשוני עם התאמה להעדפות אנושיות. המודל עובד עם טקסט: שאלות, מסמכים, קוד והיסטוריית שיחה הופכים לקלט, והתוצאה הגלויה היא טקסט או פעולת כלי מבוקשת. התחומים המוצהרים שלו כוללים הבנת שפה, מתמטיקה, הסקה, תכנות ושאלות מבוססות ידע.
דוח GLM-4 מתאר את מודל 9B כמי שאומן מראש על כעשרה טריליון טוקנים של חומר רב־לשוני, בתחילה עם הקשר של 8K, ולאחר מכן עבר אימון המשך באמצעות התהליך והנתונים ששימשו ל־GLM-4-0520. אורך האימון הראשוני אינו מגבלת ההקשר של גרסת Chat זו: החלון שלה שפורסם למשתמשים הוא 128K. ההבחנה הזו חשובה בעת בחירה בין מפרט אימון לבין הפרופיל בפועל של המודל הנקוב.
משימת תכנות מועילה היא לספק פונקציה, את התנהגותה המיועדת וקלט שנכשל, ואז לבקש הסבר ואחריו קטע מתוקן. לעוזר מסמכים, ספקו את הסעיפים הרלוונטיים ובקשו לחלץ דרישות, להשוות קטעים או להסביר מונח לא מוכר. אלה יישומים של יכולות השפה והתכנות של המודל, ולא מוצר נפרד או מצב ליצירת קבצים.
מהדורת Chat זו תומכת בהקשר של 128K טוקנים. הקיבולת מאפשרת לעוזר לשאת חומר מקור ודיאלוג קודם באותה משימה. תנו למסמכים ארוכים שמות סעיפים ברורים וציינו אם התשובה צריכה להיות סיכום, השוואה או הסבר על קטע מסוים. בהודעות המשך, ציינו איזה קטע משתנה במקום להחליף בשקט את המשימה.
GLM-4-9B-Chat-1M היא מהדורת הקשר ארוך הנקובה בנפרד. רשומת Chat הרגילה אינה מקבלת את חלון מיליון הטוקנים שלה. בדומה לכך, GLM-4V-9B החזותי הוא מודל נפרד: הקלט של מהדורה זו נשאר טקסט. דוגמאות היצירה שפורסמו משתמשות בהגדרות אורך לפי בקשה; הן אינן קובעות אורך תגובה מרבי אחיד יחיד.
המודל תומך ב־26 שפות, ויפנית, קוריאנית וגרמנית הן בין הדוגמאות הנקובות. דוח האימון של GLM-4 מתאר את סינית ואנגלית כשפות ההתאמה העיקריות, לצד קורפוס רב־לשוני רחב יותר. בתרגום או בדיאלוג תמיכה, ציינו את שפת היעד, המינוח והטון וספקו את החומר שצריך להישאר ללא שינוי. לדוגמה, עוזר יכול להסביר קטע בשפה המבוקשת תוך שימור שמות מוצרים ומזהי קוד.
GLM-4-9B-Chat מוכן לגלישה ברשת, להרצת קוד ולקריאות לפונקציות מותאמות. גישת all-tools של GLM-4 מקשרת תכנון משימה לפעולות חיצוניות ולתצפיות שהן מחזירות. עוזר מסמכים יכול לבקש חיפוש, להשתמש בקטע שהוחזר ולהמשיך בהסבר; משימה מספרית יכולה להשתמש בכלי Python שהיישום המארח מספק.
היישום מגדיר ומבצע את הכלים האלה. הטקסט של המודל אינו גולש בעצמו באתר, מריץ תוכנית או יוצר תמונה. אם היישום מספק פונקציה ליצירת תמונות, אותה פונקציה חיצונית מפיקה את התמונה; מודל הטקסט הזה מתכנן את הקריאה ודן בתוצאה שהוחזרה. תנו לכל פונקציה מטרה ברורה והגדרת ארגומנטים, והחזירו את התוצאה לדיאלוג לפני בקשת התשובה הסופית.
המהדורה משתמשת בתבנית צ'אט מבוססת תפקידים. שמרו על הוראות המשתמש, על תשובות העוזר הרלוונטיות ועל תוצאות הכלים כתורים נפרדים. בקשה מעשית היא: ״בעזרת סעיפי המסמך הנקובים האלה, פרט את הדרישות, הסבר סתירות וציין את סימוני הסעיפים התומכים בכל מסקנה.״ בקשה נוספת היא: ״הסבר כיצד פונקציה זו מעבדת את הקלט שסופק, ואז הצע שינוי השומר על הממשק הרשום.״ התוצר המבוקש צריך להיות מפורש, כדי שאפשר יהיה לבדוק את התגובה מול חומר המקור וההתנהגות המיועדת של התוכנית.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות Pro/THUDM/glm-4-9b-chat | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.000172 / 1K טוקנים פלט · טוקני פלט $0.000172 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Pro/THUDM/glm-4-9b-chat", "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='Pro/THUDM/glm-4-9b-chat',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='Pro/THUDM/glm-4-9b-chat',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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra Pro/THUDM/glm-4-9b-chat
השתמשו בנתיבי השיטות המוצגים למעלה.
Pro/THUDM/glm-4-9b-chatGLM-4-9B-Chat הוא מודל טקסט רב־לשוני לדיאלוג מתמשך, לניתוח מסמכים ולתכנות, עם הקשר של 128K. הוא יכול לבחור פעולות דפדפן, הרצת קוד ופונקציות מותאמות שסופקו בידי יישום, ואז להשתמש בתוצאותיהן בתשובתו.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
GLM-4-9B-Chat הוא המהדורה המותאמת לדיאלוג של מודל השפה הפתוח GLM-4-9B של Z.ai. הכנתו משלבת בסיס רב־לשוני עם התאמה להעדפות אנושיות. המודל עובד עם טקסט: שאלות, מסמכים, קוד והיסטוריית שיחה הופכים לקלט, והתוצאה הגלויה היא טקסט או פעולת כלי מבוקשת. התחומים המוצהרים שלו כוללים הבנת שפה, מתמטיקה, הסקה, תכנות ושאלות מבוססות ידע.
דוח GLM-4 מתאר את מודל 9B כמי שאומן מראש על כעשרה טריליון טוקנים של חומר רב־לשוני, בתחילה עם הקשר של 8K, ולאחר מכן עבר אימון המשך באמצעות התהליך והנתונים ששימשו ל־GLM-4-0520. אורך האימון הראשוני אינו מגבלת ההקשר של גרסת Chat זו: החלון שלה שפורסם למשתמשים הוא 128K. ההבחנה הזו חשובה בעת בחירה בין מפרט אימון לבין הפרופיל בפועל של המודל הנקוב.
משימת תכנות מועילה היא לספק פונקציה, את התנהגותה המיועדת וקלט שנכשל, ואז לבקש הסבר ואחריו קטע מתוקן. לעוזר מסמכים, ספקו את הסעיפים הרלוונטיים ובקשו לחלץ דרישות, להשוות קטעים או להסביר מונח לא מוכר. אלה יישומים של יכולות השפה והתכנות של המודל, ולא מוצר נפרד או מצב ליצירת קבצים.
מהדורת Chat זו תומכת בהקשר של 128K טוקנים. הקיבולת מאפשרת לעוזר לשאת חומר מקור ודיאלוג קודם באותה משימה. תנו למסמכים ארוכים שמות סעיפים ברורים וציינו אם התשובה צריכה להיות סיכום, השוואה או הסבר על קטע מסוים. בהודעות המשך, ציינו איזה קטע משתנה במקום להחליף בשקט את המשימה.
GLM-4-9B-Chat-1M היא מהדורת הקשר ארוך הנקובה בנפרד. רשומת Chat הרגילה אינה מקבלת את חלון מיליון הטוקנים שלה. בדומה לכך, GLM-4V-9B החזותי הוא מודל נפרד: הקלט של מהדורה זו נשאר טקסט. דוגמאות היצירה שפורסמו משתמשות בהגדרות אורך לפי בקשה; הן אינן קובעות אורך תגובה מרבי אחיד יחיד.
המודל תומך ב־26 שפות, ויפנית, קוריאנית וגרמנית הן בין הדוגמאות הנקובות. דוח האימון של GLM-4 מתאר את סינית ואנגלית כשפות ההתאמה העיקריות, לצד קורפוס רב־לשוני רחב יותר. בתרגום או בדיאלוג תמיכה, ציינו את שפת היעד, המינוח והטון וספקו את החומר שצריך להישאר ללא שינוי. לדוגמה, עוזר יכול להסביר קטע בשפה המבוקשת תוך שימור שמות מוצרים ומזהי קוד.
GLM-4-9B-Chat מוכן לגלישה ברשת, להרצת קוד ולקריאות לפונקציות מותאמות. גישת all-tools של GLM-4 מקשרת תכנון משימה לפעולות חיצוניות ולתצפיות שהן מחזירות. עוזר מסמכים יכול לבקש חיפוש, להשתמש בקטע שהוחזר ולהמשיך בהסבר; משימה מספרית יכולה להשתמש בכלי Python שהיישום המארח מספק.
היישום מגדיר ומבצע את הכלים האלה. הטקסט של המודל אינו גולש בעצמו באתר, מריץ תוכנית או יוצר תמונה. אם היישום מספק פונקציה ליצירת תמונות, אותה פונקציה חיצונית מפיקה את התמונה; מודל הטקסט הזה מתכנן את הקריאה ודן בתוצאה שהוחזרה. תנו לכל פונקציה מטרה ברורה והגדרת ארגומנטים, והחזירו את התוצאה לדיאלוג לפני בקשת התשובה הסופית.
המהדורה משתמשת בתבנית צ'אט מבוססת תפקידים. שמרו על הוראות המשתמש, על תשובות העוזר הרלוונטיות ועל תוצאות הכלים כתורים נפרדים. בקשה מעשית היא: ״בעזרת סעיפי המסמך הנקובים האלה, פרט את הדרישות, הסבר סתירות וציין את סימוני הסעיפים התומכים בכל מסקנה.״ בקשה נוספת היא: ״הסבר כיצד פונקציה זו מעבדת את הקלט שסופק, ואז הצע שינוי השומר על הממשק הרשום.״ התוצר המבוקש צריך להיות מפורש, כדי שאפשר יהיה לבדוק את התגובה מול חומר המקור וההתנהגות המיועדת של התוכנית.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות Pro/THUDM/glm-4-9b-chat | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.000172 / 1K טוקנים פלט · טוקני פלט $0.000172 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "Pro/THUDM/glm-4-9b-chat",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Pro/THUDM/glm-4-9b-chat', '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': 'Pro/THUDM/glm-4-9b-chat', '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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra Pro/THUDM/glm-4-9b-chat
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Explain a conditional leave procedure\n\nExplain this procedure to a colleague. Section L1: 'Submit a leave request to the team lead.' L2: 'Trips over five working days also require department approval.' L3: 'A calendar invitation is sent only after approval.' The colleague requests eight working days. Return the required sequence and identify why an invitation alone does not demonstrate approval.A section-linked sequence and a short explanation of the invitation condition.The eight-day request must retain both the team-lead and department requirements.