GLM-4-32B-0414 הוא מהדורת הטקסט הקבועה מסדר גודל של 32B בסדרת GLM-4-0414 של Z.ai. הבסיס שלו אומן מראש על 15 טריליון טוקנים, לרבות חומר הסקה סינתטי. האימון המשלים משלב התאמה להעדפות שיחה, דגימה בדחייה ולמידת חיזוק לפיתוח היכולת לבצע הוראות, לכתוב קוד הנדסי וליצור קריאות לפונקציות. העבודה המוצהרת שלו כוללת משימות תוכנה, תוצרי טקסט, שאלות ודוחות מבוססי חיפוש. הקלט והפלט הם טקסט; קוד שנוצר הופך לתוצר שניתן להריץ או לרנדר כאשר היישום שומר ומבצע אותו.
GLM-Z1-32B-0414 הממוקד בהסקה ומודל Rumination הממוקד במחקר הם מהדורות בעלות שמות נפרדים. רשומה זו עוקבת אחר הדגמות הקוד והכלים הרחבות של מודל GLM-4 עצמו, במקום להחליף אותן בכללי החשיבה של גרסה אחרת.
היצרן מדגים תכנות של כדור נע בתוך משושה מסתובב. דוגמת GLM-4-32B-0414 משתמשת ב־HTML ומתארת את התנועה, את ההתנגשויות ואת ההנחות הפיזיקליות. זהו קוד לסימולציה, ולא מצב ליצירת וידאו. להכנת משימה דומה, ספקו את הסצנה, את כללי התנועה, את התנהגות ההתנגשות ואת סביבת זמן הריצה המיועדת, ואז בקשו מימוש עצמאי והסבר של ההנחות. היישום מריץ את הקוד כדי לבחון את התוצאה.
הדוגמאות כוללות ממשק ציור לגרפים מותאמים אישית של פונקציות, עם הוספה והסרה של פונקציות ושיוך צבעים. דוגמה אחרת בונה ממשק למידת מכונה לנייד עם משימות אימון, ניהול אחסון וסטטיסטיקות אישיות, לרבות תרשימים, המאורגנים בעמוד HTML. אלה משימות ממשק קונקרטיות עם פקדים ומצבים מוגדרים.
לפלט מועיל, תארו את הפעולות שכל פקד חייב לתמוך בהן ואת הנתונים שהתצוגה צריכה להראות. בקשת ממשק יכולה לבקש את קוד העמוד יחד עם הקשר בין הקלט, המצב המוצג והתוצאה. תור מאוחר יותר יכול לספק את הרינדור שנצפה ולבקש שינוי ממוקד תוך שמירה על ההתנהגות הרשומה.
היצרן מדגים גם איורי SVG, לרבות נוף והסבר על תהליך אימון של מודל שפה. SVG הוא טקסט מובנה, ולכן היישום יכול לשמור אותו כתוצר וקטורי ניתן לעריכה. ספקו את הנושא, את התוויות, את הפריסה ואת היחסים החזותיים הנדרשים. בקשו את סימון ה־SVG כתוצר נפרד, במקום לערבב את קוד האיור עם הסבר ארוך שאינו קשור אליו.
לכתיבת מחקר, הכרטיס מספק תוצאות חיפוש כתצפיות ומבקש מהמודל לארגן ולפרש אותן במקום להעתיקן. ההוראות שלו מבחינות בין תוצאות רלוונטיות לכאלה שאינן רלוונטיות, מעדיפות פרטים בעלי משמעות כאשר הראיות מאפשרות זאת, משתמשות במבנה קריא ומשיבות בשפת המשתמש. הדוגמה מפיקה דוח אנליטי על ספרות ילדים, המכסה שיטות סיפור, נושאים והשפעותיהם.
משימה מעשית יכולה לספק קטעים בעלי שמות ולבקש דוח המאורגן סביב שאלות מפורשות, כאשר כל מסקנה קשורה לחומר התומך בה. החיפוש והאחזור מתבצעים ביישום המקיף; הקטעים שהוחזרו הופכים לראיות של המודל. הדבר מועיל גם להשוואת מסמכים או להכנת הסבר מתוך אוסף מחקר שסופק.
GLM-4-32B-0414 תומך בקריאות לכלים חיצוניים עם ארגומנטים ב־JSON. המודל מזהה פונקציה ואת הארגומנטים שלה, היישום מבצע אותה והתוצאה מוחזרת כתצפית. הדגמת היצרן חוזרת על הלולאה עד להפקת תשובה סופית. תארו את מטרתו של כל כלי ואת השדות הנדרשים שלו, והבחינו בין התצפית שלו לבין הוראת המשתמש. כך חיפוש מידע יכול לספק נתונים להשוואה מאוחרת יותר, בלי להעמיד פנים שהמודל השיג מידע חי באופן עצמאי.
התצורה שפורסמה מגדירה max_position_embeddings כ־32,768 ואינה כוללת רשומת rope_scaling. הדוגמאות המודגמות של היצרן משתמשות באורכי יצירה המותאמים לבקשה; הכרטיס אינו מציין תקרת פלט קשיחה אוניברסלית. שמרו את הקוד הרלוונטי, את הקטעים שאוחזרו ואת השיחה בתוך ההקשר הפעיל, וציינו אם התוצאה הסופית צריכה להיות HTML, SVG, קטע קוד, ארגומנטים ב־JSON או דוח. אלה ייצוגי טקסט הנוצרים למשימה המתוארת; ביצוע, יצירת קבצים וגישה לנתונים חיצוניים נשארים פעולות של היישום.
", "aboutText": "### מבוא\n\nGLM-4-32B-0414 הוא מהדורת הטקסט הקבועה מסדר גודל של 32B בסדרת GLM-4-0414 של Z.ai. הבסיס שלו אומן מראש על 15 טריליון טוקנים, לרבות חומר הסקה סינתטי. האימון המשלים משלב התאמה להעדפות שיחה, דגימה בדחייה ולמידת חיזוק לפיתוח היכולת לבצע הוראות, לכתוב קוד הנדסי וליצור קריאות לפונקציות. העבודה המוצהרת שלו כוללת משימות תוכנה, תוצרי טקסט, שאלות ודוחות מבוססי חיפוש. הקלט והפלט הם טקסט; קוד שנוצר הופך לתוצר שניתן להריץ או לרנדר כאשר היישום שומר ומבצע אותו.\n\nGLM-Z1-32B-0414 הממוקד בהסקה ומודל Rumination הממוקד במחקר הם מהדורות בעלות שמות נפרדים. רשומה זו עוקבת אחר הדגמות הקוד והכלים הרחבות של מודל GLM-4 עצמו, במקום להחליף אותן בכללי החשיבה של גרסה אחרת.\n\n### הדגמה: יצירת אנימציה\n\nהיצרן מדגים תכנות של כדור נע בתוך משושה מסתובב. דוגמת GLM-4-32B-0414 משתמשת ב־HTML ומתארת את התנועה, את ההתנגשויות ואת ההנחות הפיזיקליות. זהו קוד לסימולציה, ולא מצב ליצירת וידאו. להכנת משימה דומה, ספקו את הסצנה, את כללי התנועה, את התנהגות ההתנגשות ואת סביבת זמן הריצה המיועדת, ואז בקשו מימוש עצמאי והסבר של ההנחות. היישום מריץ את הקוד כדי לבחון את התוצאה.\n\n### הדגמה: עיצוב אתרים\n\nהדוגמאות כוללות ממשק ציור לגרפים מותאמים אישית של פונקציות, עם הוספה והסרה של פונקציות ושיוך צבעים. דוגמה אחרת בונה ממשק למידת מכונה לנייד עם משימות אימון, ניהול אחסון וסטטיסטיקות אישיות, לרבות תרשימים, המאורגנים בעמוד HTML. אלה משימות ממשק קונקרטיות עם פקדים ומצבים מוגדרים.\n\nלפלט מועיל, תארו את הפעולות שכל פקד חייב לתמוך בהן ואת הנתונים שהתצוגה צריכה להראות. בקשת ממשק יכולה לבקש את קוד העמוד יחד עם הקשר בין הקלט, המצב המוצג והתוצאה. תור מאוחר יותר יכול לספק את הרינדור שנצפה ולבקש שינוי ממוקד תוך שמירה על ההתנהגות הרשומה.\n\n### הדגמה: יצירת SVG\n\nהיצרן מדגים גם איורי SVG, לרבות נוף והסבר על תהליך אימון של מודל שפה. SVG הוא טקסט מובנה, ולכן היישום יכול לשמור אותו כתוצר וקטורי ניתן לעריכה. ספקו את הנושא, את התוויות, את הפריסה ואת היחסים החזותיים הנדרשים. בקשו את סימון ה־SVG כתוצר נפרד, במקום לערבב את קוד האיור עם הסבר ארוך שאינו קשור אליו.\n\n### כתיבה מבוססת חיפוש\n\nלכתיבת מחקר, הכרטיס מספק תוצאות חיפוש כתצפיות ומבקש מהמודל לארגן ולפרש אותן במקום להעתיקן. ההוראות שלו מבחינות בין תוצאות רלוונטיות לכאלה שאינן רלוונטיות, מעדיפות פרטים בעלי משמעות כאשר הראיות מאפשרות זאת, משתמשות במבנה קריא ומשיבות בשפת המשתמש. הדוגמה מפיקה דוח אנליטי על ספרות ילדים, המכסה שיטות סיפור, נושאים והשפעותיהם.\n\nמשימה מעשית יכולה לספק קטעים בעלי שמות ולבקש דוח המאורגן סביב שאלות מפורשות, כאשר כל מסקנה קשורה לחומר התומך בה. החיפוש והאחזור מתבצעים ביישום המקיף; הקטעים שהוחזרו הופכים לראיות של המודל. הדבר מועיל גם להשוואת מסמכים או להכנת הסבר מתוך אוסף מחקר שסופק.\n\n### קריאות פונקציה\n\nGLM-4-32B-0414 תומך בקריאות לכלים חיצוניים עם ארגומנטים ב־JSON. המודל מזהה פונקציה ואת הארגומנטים שלה, היישום מבצע אותה והתוצאה מוחזרת כתצפית. הדגמת היצרן חוזרת על הלולאה עד להפקת תשובה סופית. תארו את מטרתו של כל כלי ואת השדות הנדרשים שלו, והבחינו בין התצפית שלו לבין הוראת המשתמש. כך חיפוש מידע יכול לספק נתונים להשוואה מאוחרת יותר, בלי להעמיד פנים שהמודל השיג מידע חי באופן עצמאי.\n\n### תכנון ההקשר והתוצאה\n\nהתצורה שפורסמה מגדירה max_position_embeddings כ־32,768 ואינה כוללת רשומת rope_scaling. הדוגמאות המודגמות של היצרן משתמשות באורכי יצירה המותאמים לבקשה; הכרטיס אינו מציין תקרת פלט קשיחה אוניברסלית. שמרו את הקוד הרלוונטי, את הקטעים שאוחזרו ואת השיחה בתוך ההקשר הפעיל, וציינו אם התוצאה הסופית צריכה להיות HTML, SVG, קטע קוד, ארגומנטים ב־JSON או דוח. אלה ייצוגי טקסט הנוצרים למשימה המתוארת; ביצוע, יצירת קבצים וגישה לנתונים חיצוניים נשארים פעולות של היישום.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Generate an editable process diagram\n\nCreate self-contained SVG markup for a left-to-right process: Receive -> Validate -> Store. Use three labelled rectangles and two arrows; all labels must remain readable in a 720 by 180 viewBox. Use no scripts, external fonts or external images. Return SVG code and a brief explanation of how the arrows encode the required order.A standalone editable SVG code block with three named nodes and two directional arrows, followed by a short order explanation.Render the SVG locally and check the exact labels, arrow direction and absence of clipped text or external dependencies.THUDM/GLM-4-32B-0414GLM-4-32B-0414 הוא מהדורת הטקסט הקבועה של Z.ai לקוד הנדסי, לתוצרי HTML/SVG אינטראקטיביים, לדוחות מבוססי חיפוש ולקריאות פונקציה ב־JSON. כרטיס המודל שלו מציג תהליכי פיתוח קונקרטיים ולולאת כלים שבשליטת היישום.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
GLM-4-32B-0414 הוא מהדורת הטקסט הקבועה מסדר גודל של 32B בסדרת GLM-4-0414 של Z.ai. הבסיס שלו אומן מראש על 15 טריליון טוקנים, לרבות חומר הסקה סינתטי. האימון המשלים משלב התאמה להעדפות שיחה, דגימה בדחייה ולמידת חיזוק לפיתוח היכולת לבצע הוראות, לכתוב קוד הנדסי וליצור קריאות לפונקציות. העבודה המוצהרת שלו כוללת משימות תוכנה, תוצרי טקסט, שאלות ודוחות מבוססי חיפוש. הקלט והפלט הם טקסט; קוד שנוצר הופך לתוצר שניתן להריץ או לרנדר כאשר היישום שומר ומבצע אותו.
GLM-Z1-32B-0414 הממוקד בהסקה ומודל Rumination הממוקד במחקר הם מהדורות בעלות שמות נפרדים. רשומה זו עוקבת אחר הדגמות הקוד והכלים הרחבות של מודל GLM-4 עצמו, במקום להחליף אותן בכללי החשיבה של גרסה אחרת.
היצרן מדגים תכנות של כדור נע בתוך משושה מסתובב. דוגמת GLM-4-32B-0414 משתמשת ב־HTML ומתארת את התנועה, את ההתנגשויות ואת ההנחות הפיזיקליות. זהו קוד לסימולציה, ולא מצב ליצירת וידאו. להכנת משימה דומה, ספקו את הסצנה, את כללי התנועה, את התנהגות ההתנגשות ואת סביבת זמן הריצה המיועדת, ואז בקשו מימוש עצמאי והסבר של ההנחות. היישום מריץ את הקוד כדי לבחון את התוצאה.
הדוגמאות כוללות ממשק ציור לגרפים מותאמים אישית של פונקציות, עם הוספה והסרה של פונקציות ושיוך צבעים. דוגמה אחרת בונה ממשק למידת מכונה לנייד עם משימות אימון, ניהול אחסון וסטטיסטיקות אישיות, לרבות תרשימים, המאורגנים בעמוד HTML. אלה משימות ממשק קונקרטיות עם פקדים ומצבים מוגדרים.
לפלט מועיל, תארו את הפעולות שכל פקד חייב לתמוך בהן ואת הנתונים שהתצוגה צריכה להראות. בקשת ממשק יכולה לבקש את קוד העמוד יחד עם הקשר בין הקלט, המצב המוצג והתוצאה. תור מאוחר יותר יכול לספק את הרינדור שנצפה ולבקש שינוי ממוקד תוך שמירה על ההתנהגות הרשומה.
היצרן מדגים גם איורי SVG, לרבות נוף והסבר על תהליך אימון של מודל שפה. SVG הוא טקסט מובנה, ולכן היישום יכול לשמור אותו כתוצר וקטורי ניתן לעריכה. ספקו את הנושא, את התוויות, את הפריסה ואת היחסים החזותיים הנדרשים. בקשו את סימון ה־SVG כתוצר נפרד, במקום לערבב את קוד האיור עם הסבר ארוך שאינו קשור אליו.
לכתיבת מחקר, הכרטיס מספק תוצאות חיפוש כתצפיות ומבקש מהמודל לארגן ולפרש אותן במקום להעתיקן. ההוראות שלו מבחינות בין תוצאות רלוונטיות לכאלה שאינן רלוונטיות, מעדיפות פרטים בעלי משמעות כאשר הראיות מאפשרות זאת, משתמשות במבנה קריא ומשיבות בשפת המשתמש. הדוגמה מפיקה דוח אנליטי על ספרות ילדים, המכסה שיטות סיפור, נושאים והשפעותיהם.
משימה מעשית יכולה לספק קטעים בעלי שמות ולבקש דוח המאורגן סביב שאלות מפורשות, כאשר כל מסקנה קשורה לחומר התומך בה. החיפוש והאחזור מתבצעים ביישום המקיף; הקטעים שהוחזרו הופכים לראיות של המודל. הדבר מועיל גם להשוואת מסמכים או להכנת הסבר מתוך אוסף מחקר שסופק.
GLM-4-32B-0414 תומך בקריאות לכלים חיצוניים עם ארגומנטים ב־JSON. המודל מזהה פונקציה ואת הארגומנטים שלה, היישום מבצע אותה והתוצאה מוחזרת כתצפית. הדגמת היצרן חוזרת על הלולאה עד להפקת תשובה סופית. תארו את מטרתו של כל כלי ואת השדות הנדרשים שלו, והבחינו בין התצפית שלו לבין הוראת המשתמש. כך חיפוש מידע יכול לספק נתונים להשוואה מאוחרת יותר, בלי להעמיד פנים שהמודל השיג מידע חי באופן עצמאי.
התצורה שפורסמה מגדירה max_position_embeddings כ־32,768 ואינה כוללת רשומת rope_scaling. הדוגמאות המודגמות של היצרן משתמשות באורכי יצירה המותאמים לבקשה; הכרטיס אינו מציין תקרת פלט קשיחה אוניברסלית. שמרו את הקוד הרלוונטי, את הקטעים שאוחזרו ואת השיחה בתוך ההקשר הפעיל, וציינו אם התוצאה הסופית צריכה להיות HTML, SVG, קטע קוד, ארגומנטים ב־JSON או דוח. אלה ייצוגי טקסט הנוצרים למשימה המתוארת; ביצוע, יצירת קבצים וגישה לנתונים חיצוניים נשארים פעולות של היישום.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות THUDM/GLM-4-32B-0414 | 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 $0.00014 / 1K טוקנים פלט · טוקני פלט $0.00014 / 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": "THUDM/GLM-4-32B-0414", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='THUDM/GLM-4-32B-0414',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='THUDM/GLM-4-32B-0414',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 THUDM/GLM-4-32B-0414
השתמשו בנתיבי השיטות המוצגים למעלה.
THUDM/GLM-4-32B-0414GLM-4-32B-0414 הוא מהדורת הטקסט הקבועה של Z.ai לקוד הנדסי, לתוצרי HTML/SVG אינטראקטיביים, לדוחות מבוססי חיפוש ולקריאות פונקציה ב־JSON. כרטיס המודל שלו מציג תהליכי פיתוח קונקרטיים ולולאת כלים שבשליטת היישום.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
GLM-4-32B-0414 הוא מהדורת הטקסט הקבועה מסדר גודל של 32B בסדרת GLM-4-0414 של Z.ai. הבסיס שלו אומן מראש על 15 טריליון טוקנים, לרבות חומר הסקה סינתטי. האימון המשלים משלב התאמה להעדפות שיחה, דגימה בדחייה ולמידת חיזוק לפיתוח היכולת לבצע הוראות, לכתוב קוד הנדסי וליצור קריאות לפונקציות. העבודה המוצהרת שלו כוללת משימות תוכנה, תוצרי טקסט, שאלות ודוחות מבוססי חיפוש. הקלט והפלט הם טקסט; קוד שנוצר הופך לתוצר שניתן להריץ או לרנדר כאשר היישום שומר ומבצע אותו.
GLM-Z1-32B-0414 הממוקד בהסקה ומודל Rumination הממוקד במחקר הם מהדורות בעלות שמות נפרדים. רשומה זו עוקבת אחר הדגמות הקוד והכלים הרחבות של מודל GLM-4 עצמו, במקום להחליף אותן בכללי החשיבה של גרסה אחרת.
היצרן מדגים תכנות של כדור נע בתוך משושה מסתובב. דוגמת GLM-4-32B-0414 משתמשת ב־HTML ומתארת את התנועה, את ההתנגשויות ואת ההנחות הפיזיקליות. זהו קוד לסימולציה, ולא מצב ליצירת וידאו. להכנת משימה דומה, ספקו את הסצנה, את כללי התנועה, את התנהגות ההתנגשות ואת סביבת זמן הריצה המיועדת, ואז בקשו מימוש עצמאי והסבר של ההנחות. היישום מריץ את הקוד כדי לבחון את התוצאה.
הדוגמאות כוללות ממשק ציור לגרפים מותאמים אישית של פונקציות, עם הוספה והסרה של פונקציות ושיוך צבעים. דוגמה אחרת בונה ממשק למידת מכונה לנייד עם משימות אימון, ניהול אחסון וסטטיסטיקות אישיות, לרבות תרשימים, המאורגנים בעמוד HTML. אלה משימות ממשק קונקרטיות עם פקדים ומצבים מוגדרים.
לפלט מועיל, תארו את הפעולות שכל פקד חייב לתמוך בהן ואת הנתונים שהתצוגה צריכה להראות. בקשת ממשק יכולה לבקש את קוד העמוד יחד עם הקשר בין הקלט, המצב המוצג והתוצאה. תור מאוחר יותר יכול לספק את הרינדור שנצפה ולבקש שינוי ממוקד תוך שמירה על ההתנהגות הרשומה.
היצרן מדגים גם איורי SVG, לרבות נוף והסבר על תהליך אימון של מודל שפה. SVG הוא טקסט מובנה, ולכן היישום יכול לשמור אותו כתוצר וקטורי ניתן לעריכה. ספקו את הנושא, את התוויות, את הפריסה ואת היחסים החזותיים הנדרשים. בקשו את סימון ה־SVG כתוצר נפרד, במקום לערבב את קוד האיור עם הסבר ארוך שאינו קשור אליו.
לכתיבת מחקר, הכרטיס מספק תוצאות חיפוש כתצפיות ומבקש מהמודל לארגן ולפרש אותן במקום להעתיקן. ההוראות שלו מבחינות בין תוצאות רלוונטיות לכאלה שאינן רלוונטיות, מעדיפות פרטים בעלי משמעות כאשר הראיות מאפשרות זאת, משתמשות במבנה קריא ומשיבות בשפת המשתמש. הדוגמה מפיקה דוח אנליטי על ספרות ילדים, המכסה שיטות סיפור, נושאים והשפעותיהם.
משימה מעשית יכולה לספק קטעים בעלי שמות ולבקש דוח המאורגן סביב שאלות מפורשות, כאשר כל מסקנה קשורה לחומר התומך בה. החיפוש והאחזור מתבצעים ביישום המקיף; הקטעים שהוחזרו הופכים לראיות של המודל. הדבר מועיל גם להשוואת מסמכים או להכנת הסבר מתוך אוסף מחקר שסופק.
GLM-4-32B-0414 תומך בקריאות לכלים חיצוניים עם ארגומנטים ב־JSON. המודל מזהה פונקציה ואת הארגומנטים שלה, היישום מבצע אותה והתוצאה מוחזרת כתצפית. הדגמת היצרן חוזרת על הלולאה עד להפקת תשובה סופית. תארו את מטרתו של כל כלי ואת השדות הנדרשים שלו, והבחינו בין התצפית שלו לבין הוראת המשתמש. כך חיפוש מידע יכול לספק נתונים להשוואה מאוחרת יותר, בלי להעמיד פנים שהמודל השיג מידע חי באופן עצמאי.
התצורה שפורסמה מגדירה max_position_embeddings כ־32,768 ואינה כוללת רשומת rope_scaling. הדוגמאות המודגמות של היצרן משתמשות באורכי יצירה המותאמים לבקשה; הכרטיס אינו מציין תקרת פלט קשיחה אוניברסלית. שמרו את הקוד הרלוונטי, את הקטעים שאוחזרו ואת השיחה בתוך ההקשר הפעיל, וציינו אם התוצאה הסופית צריכה להיות HTML, SVG, קטע קוד, ארגומנטים ב־JSON או דוח. אלה ייצוגי טקסט הנוצרים למשימה המתוארת; ביצוע, יצירת קבצים וגישה לנתונים חיצוניים נשארים פעולות של היישום.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות THUDM/GLM-4-32B-0414 | 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 $0.00014 / 1K טוקנים פלט · טוקני פלט $0.00014 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "THUDM/GLM-4-32B-0414",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'THUDM/GLM-4-32B-0414', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'THUDM/GLM-4-32B-0414', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 THUDM/GLM-4-32B-0414
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Generate an editable process diagram\n\nCreate self-contained SVG markup for a left-to-right process: Receive -> Validate -> Store. Use three labelled rectangles and two arrows; all labels must remain readable in a 720 by 180 viewBox. Use no scripts, external fonts or external images. Return SVG code and a brief explanation of how the arrows encode the required order.A standalone editable SVG code block with three named nodes and two directional arrows, followed by a short order explanation.Render the SVG locally and check the exact labels, arrow direction and absence of clipped text or external dependencies.