A GLM-4-AirX a Z.ai GLM-4 Air sorozatának nagy sebességű tagja. A gyártó kis késleltetésre és párhuzamos alkalmazásfeladatokra pozicionálja, különös tekintettel az utasításkövetésre, a szoftverfejlesztési kód készítésére és a függvényhívásokra. A modell szöveget fogad és szöveget ad vissza. Saját profilja 8K tokenes kontextusablakot és legfeljebb 4K tokenes kimenetet sorol fel. Ezek eltérnek a GLM-4-Air-250414 számára hirdetett nagyobb kontextustól; az AirX megőrzi saját közzétett profilját.
Interaktív asszisztensnél ez célzott kéréseket indokol: függvény magyarázatát, üzenet osztályozását, mezők kinyerését egy megadott bekezdésből vagy technikai utasítás tömör válasszá alakítását. A releváns részletet, az aktuális kérdést és a kívánt eredményt együtt adja meg. A teljes párbeszédet és az esetleges eszközmegfigyeléseket tartsa az aktív kontextusban ahelyett, hogy feltételezné egy nagy háttérkorpusz elférését.
A GLM-4 leírása streamelt szöveget, függvényhívást, kontextus-gyorsítótárazást, strukturált formátumokat, például JSON-t, valamint MCP-eszközök és adatforrások integrációját sorolja fel. A streamelés a válasz keletkezése közben jeleníti meg a szöveget, így az alkalmazás a teljes válasz megérkezése előtt hasznos tartalmat mutathat. Ez a továbbítást módosítja, nem a modell bemeneti vagy kimeneti modalitását.
A függvényhívás lehetővé teszi, hogy a modell az alkalmazás által leírt függvények közül műveletet javasoljon. Az alkalmazás végrehajtja ezt, és visszaadja a megfigyelést. Megfelelő ciklus egy kis lekérdezés, majd a visszaadott adatok tömör magyarázata. Az MCP-integráció szintén az alkalmazás által biztosított eszközöktől és adatoktól függ. A kontextus-gyorsítótárazás az ismétlődő bemenet újrafelhasználásáról szól; nem jelenti, hogy minden ismételt párbeszéd gyorsítótár-találatot eredményezett.
JSON-eredményhez az anyag átadása előtt adja meg a mezőket és jelentésüket. Például adjon technikai kérést, és kérje annak kategóriáját, a szükséges műveletet és a megválaszolatlan kérdéseket. A létrejövő szerkezet hasznos a következő alkalmazáslépéshez, az értékeket azonban továbbra is ellenőrizni kell a megadott szöveg alapján.
A gyártó a GLM-4 alkalmazásai között fordítást, szemantikai osztályozást, dokumentummezők kinyerését, marketingcélú írást, elemző jelentéseket és útitervkészítést említ. Az AirX rövidebb profilja az ilyen munkafolyamatok közvetlen lépésének kedvez. Fordítási kéréshez rövid részlet, közönség és terminológia adható; az eredmény a kötelező neveket megőrző, átírt részlet. Osztályozási kérésnél megadhatók az engedélyezett címkék és definíciók meghatározatlan ítélet kérése helyett.
Adatkinyeréshez határozza meg a kért azonosítókat és egyéb mezőket, és csak a releváns forrásrészletet mellékelje. Íráshoz adja meg a terméktényeket és egyetlen anyagot, például termékbekezdést vagy kampánymondatot. Jelentéshez vagy útitervhez az aktuális lépéshez tartozó tényeket és korlátokat adja át. Ha friss információ szükséges, azt az alkalmazás kereső- vagy adateszköze szolgáltatja; a modell ezután a visszakapott anyaggal dolgozik.
Az AirX leírása szerint előtréningje 15 billió tokenen történt, köztük jelentős mennyiségű szintetikus következtetési anyagon. Utótréningje párbeszédes preferenciaillesztést, elutasításos mintavételt és megerősítéses tanulást használ az utasításkövetés, a szoftverfejlesztési kód készítése és a függvényhasználat fejlesztésére. A gyártó a GLM-4-Air-250414 gyorsabb változataként mutatja be, a prompt előfeldolgozását és az autoregresszív dekódolást érintő alapkomponens-módosításokkal. Ez a gyártó tervét írja le, nem egy konkrét telepítés mért késleltetését vagy párhuzamossági garanciáját.
Az AirX-nek egyetlen körülhatárolt feladatot és tömör elvárt anyagot adjon. Kódnál mellékelje a függvényt, a releváns bemeneti értékeket és a szükséges működést, majd kérje a javított részletet magyarázattal együtt. Strukturált kinyerésnél a meződefiníciókat tegye a részlet elé, és kérje a hiányzó információk kifejezett jelölését. Az eredményt a közzétett 4K kimeneti profilon belül tervezze; nagy jelentést bontson célzott feladatokra ahelyett, hogy egyetlen választól korlátlan dokumentumot várna.
", "aboutText": "### Áttekintés és modellprofil\n\nA GLM-4-AirX a Z.ai GLM-4 Air sorozatának nagy sebességű tagja. A gyártó kis késleltetésre és párhuzamos alkalmazásfeladatokra pozicionálja, különös tekintettel az utasításkövetésre, a szoftverfejlesztési kód készítésére és a függvényhívásokra. A modell szöveget fogad és szöveget ad vissza. Saját profilja 8K tokenes kontextusablakot és legfeljebb 4K tokenes kimenetet sorol fel. Ezek eltérnek a GLM-4-Air-250414 számára hirdetett nagyobb kontextustól; az AirX megőrzi saját közzétett profilját.\n\nInteraktív asszisztensnél ez célzott kéréseket indokol: függvény magyarázatát, üzenet osztályozását, mezők kinyerését egy megadott bekezdésből vagy technikai utasítás tömör válasszá alakítását. A releváns részletet, az aktuális kérdést és a kívánt eredményt együtt adja meg. A teljes párbeszédet és az esetleges eszközmegfigyeléseket tartsa az aktív kontextusban ahelyett, hogy feltételezné egy nagy háttérkorpusz elférését.\n\n### Támogatott képességek\n\nA GLM-4 leírása streamelt szöveget, függvényhívást, kontextus-gyorsítótárazást, strukturált formátumokat, például JSON-t, valamint MCP-eszközök és adatforrások integrációját sorolja fel. A streamelés a válasz keletkezése közben jeleníti meg a szöveget, így az alkalmazás a teljes válasz megérkezése előtt hasznos tartalmat mutathat. Ez a továbbítást módosítja, nem a modell bemeneti vagy kimeneti modalitását.\n\nA függvényhívás lehetővé teszi, hogy a modell az alkalmazás által leírt függvények közül műveletet javasoljon. Az alkalmazás végrehajtja ezt, és visszaadja a megfigyelést. Megfelelő ciklus egy kis lekérdezés, majd a visszaadott adatok tömör magyarázata. Az MCP-integráció szintén az alkalmazás által biztosított eszközöktől és adatoktól függ. A kontextus-gyorsítótárazás az ismétlődő bemenet újrafelhasználásáról szól; nem jelenti, hogy minden ismételt párbeszéd gyorsítótár-találatot eredményezett.\n\nJSON-eredményhez az anyag átadása előtt adja meg a mezőket és jelentésüket. Például adjon technikai kérést, és kérje annak kategóriáját, a szükséges műveletet és a megválaszolatlan kérdéseket. A létrejövő szerkezet hasznos a következő alkalmazáslépéshez, az értékeket azonban továbbra is ellenőrizni kell a megadott szöveg alapján.\n\n### Javasolt felhasználási helyzetek\n\nA gyártó a GLM-4 alkalmazásai között fordítást, szemantikai osztályozást, dokumentummezők kinyerését, marketingcélú írást, elemző jelentéseket és útitervkészítést említ. Az AirX rövidebb profilja az ilyen munkafolyamatok közvetlen lépésének kedvez. Fordítási kéréshez rövid részlet, közönség és terminológia adható; az eredmény a kötelező neveket megőrző, átírt részlet. Osztályozási kérésnél megadhatók az engedélyezett címkék és definíciók meghatározatlan ítélet kérése helyett.\n\nAdatkinyeréshez határozza meg a kért azonosítókat és egyéb mezőket, és csak a releváns forrásrészletet mellékelje. Íráshoz adja meg a terméktényeket és egyetlen anyagot, például termékbekezdést vagy kampánymondatot. Jelentéshez vagy útitervhez az aktuális lépéshez tartozó tényeket és korlátokat adja át. Ha friss információ szükséges, azt az alkalmazás kereső- vagy adateszköze szolgáltatja; a modell ezután a visszakapott anyaggal dolgozik.\n\n### Részletes felkészítés és sebességközpontúság\n\nAz AirX leírása szerint előtréningje 15 billió tokenen történt, köztük jelentős mennyiségű szintetikus következtetési anyagon. Utótréningje párbeszédes preferenciaillesztést, elutasításos mintavételt és megerősítéses tanulást használ az utasításkövetés, a szoftverfejlesztési kód készítése és a függvényhasználat fejlesztésére. A gyártó a GLM-4-Air-250414 gyorsabb változataként mutatja be, a prompt előfeldolgozását és az autoregresszív dekódolást érintő alapkomponens-módosításokkal. Ez a gyártó tervét írja le, nem egy konkrét telepítés mért késleltetését vagy párhuzamossági garanciáját.\n\n### Hasznos kérés előkészítése\n\nAz AirX-nek egyetlen körülhatárolt feladatot és tömör elvárt anyagot adjon. Kódnál mellékelje a függvényt, a releváns bemeneti értékeket és a szükséges működést, majd kérje a javított részletet magyarázattal együtt. Strukturált kinyerésnél a meződefiníciókat tegye a részlet elé, és kérje a hiányzó információk kifejezett jelölését. Az eredményt a közzétett 4K kimeneti profilon belül tervezze; nagy jelentést bontson célzott feladatokra ahelyett, hogy egyetlen választól korlátlan dokumentumot várna.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c5b714471925ddb13ad773e637e1d556aff4715757be102d60f9c1bb8abc1a8a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "glm-4-airxA GLM-4-AirX a Z.ai sebességre hangolt szöveges modellje kis késleltetésű párbeszédhez, programozáshoz és eszközökkel támogatott munkafolyamatokhoz. Közzétett profilja 8K kontextust és legfeljebb 4K kimenetet ad meg, ezért tömör, strukturált eredményű célzott feladatokhoz alkalmas.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A GLM-4-AirX a Z.ai GLM-4 Air sorozatának nagy sebességű tagja. A gyártó kis késleltetésre és párhuzamos alkalmazásfeladatokra pozicionálja, különös tekintettel az utasításkövetésre, a szoftverfejlesztési kód készítésére és a függvényhívásokra. A modell szöveget fogad és szöveget ad vissza. Saját profilja 8K tokenes kontextusablakot és legfeljebb 4K tokenes kimenetet sorol fel. Ezek eltérnek a GLM-4-Air-250414 számára hirdetett nagyobb kontextustól; az AirX megőrzi saját közzétett profilját.
Interaktív asszisztensnél ez célzott kéréseket indokol: függvény magyarázatát, üzenet osztályozását, mezők kinyerését egy megadott bekezdésből vagy technikai utasítás tömör válasszá alakítását. A releváns részletet, az aktuális kérdést és a kívánt eredményt együtt adja meg. A teljes párbeszédet és az esetleges eszközmegfigyeléseket tartsa az aktív kontextusban ahelyett, hogy feltételezné egy nagy háttérkorpusz elférését.
A GLM-4 leírása streamelt szöveget, függvényhívást, kontextus-gyorsítótárazást, strukturált formátumokat, például JSON-t, valamint MCP-eszközök és adatforrások integrációját sorolja fel. A streamelés a válasz keletkezése közben jeleníti meg a szöveget, így az alkalmazás a teljes válasz megérkezése előtt hasznos tartalmat mutathat. Ez a továbbítást módosítja, nem a modell bemeneti vagy kimeneti modalitását.
A függvényhívás lehetővé teszi, hogy a modell az alkalmazás által leírt függvények közül műveletet javasoljon. Az alkalmazás végrehajtja ezt, és visszaadja a megfigyelést. Megfelelő ciklus egy kis lekérdezés, majd a visszaadott adatok tömör magyarázata. Az MCP-integráció szintén az alkalmazás által biztosított eszközöktől és adatoktól függ. A kontextus-gyorsítótárazás az ismétlődő bemenet újrafelhasználásáról szól; nem jelenti, hogy minden ismételt párbeszéd gyorsítótár-találatot eredményezett.
JSON-eredményhez az anyag átadása előtt adja meg a mezőket és jelentésüket. Például adjon technikai kérést, és kérje annak kategóriáját, a szükséges műveletet és a megválaszolatlan kérdéseket. A létrejövő szerkezet hasznos a következő alkalmazáslépéshez, az értékeket azonban továbbra is ellenőrizni kell a megadott szöveg alapján.
A gyártó a GLM-4 alkalmazásai között fordítást, szemantikai osztályozást, dokumentummezők kinyerését, marketingcélú írást, elemző jelentéseket és útitervkészítést említ. Az AirX rövidebb profilja az ilyen munkafolyamatok közvetlen lépésének kedvez. Fordítási kéréshez rövid részlet, közönség és terminológia adható; az eredmény a kötelező neveket megőrző, átírt részlet. Osztályozási kérésnél megadhatók az engedélyezett címkék és definíciók meghatározatlan ítélet kérése helyett.
Adatkinyeréshez határozza meg a kért azonosítókat és egyéb mezőket, és csak a releváns forrásrészletet mellékelje. Íráshoz adja meg a terméktényeket és egyetlen anyagot, például termékbekezdést vagy kampánymondatot. Jelentéshez vagy útitervhez az aktuális lépéshez tartozó tényeket és korlátokat adja át. Ha friss információ szükséges, azt az alkalmazás kereső- vagy adateszköze szolgáltatja; a modell ezután a visszakapott anyaggal dolgozik.
Az AirX leírása szerint előtréningje 15 billió tokenen történt, köztük jelentős mennyiségű szintetikus következtetési anyagon. Utótréningje párbeszédes preferenciaillesztést, elutasításos mintavételt és megerősítéses tanulást használ az utasításkövetés, a szoftverfejlesztési kód készítése és a függvényhasználat fejlesztésére. A gyártó a GLM-4-Air-250414 gyorsabb változataként mutatja be, a prompt előfeldolgozását és az autoregresszív dekódolást érintő alapkomponens-módosításokkal. Ez a gyártó tervét írja le, nem egy konkrét telepítés mért késleltetését vagy párhuzamossági garanciáját.
Az AirX-nek egyetlen körülhatárolt feladatot és tömör elvárt anyagot adjon. Kódnál mellékelje a függvényt, a releváns bemeneti értékeket és a szükséges működést, majd kérje a javított részletet magyarázattal együtt. Strukturált kinyerésnél a meződefiníciókat tegye a részlet elé, és kérje a hiányzó információk kifejezett jelölését. Az eredményt a közzétett 4K kimeneti profilon belül tervezze; nagy jelentést bontson célzott feladatokra ahelyett, hogy egyetlen választól korlátlan dokumentumot várna.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok glm-4-airx | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Szöveges beszélgetés | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream |
Paramétercontrol_scope | SzerződésSzöveges beszélgetés; a stream logikai érték, alapértéke false. |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Metódus álnevei: /chat/completions
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0028 / 1K token Kimenet · Kimeneti tokenek $0.0028 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0028 / 1K token Kimenet · Kimeneti tokenek $0.0028 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"glm-4-airx","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="glm-4-airx", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra glm-4-airx
/chat/completions
glm-4-airxA GLM-4-AirX a Z.ai sebességre hangolt szöveges modellje kis késleltetésű párbeszédhez, programozáshoz és eszközökkel támogatott munkafolyamatokhoz. Közzétett profilja 8K kontextust és legfeljebb 4K kimenetet ad meg, ezért tömör, strukturált eredményű célzott feladatokhoz alkalmas.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A GLM-4-AirX a Z.ai GLM-4 Air sorozatának nagy sebességű tagja. A gyártó kis késleltetésre és párhuzamos alkalmazásfeladatokra pozicionálja, különös tekintettel az utasításkövetésre, a szoftverfejlesztési kód készítésére és a függvényhívásokra. A modell szöveget fogad és szöveget ad vissza. Saját profilja 8K tokenes kontextusablakot és legfeljebb 4K tokenes kimenetet sorol fel. Ezek eltérnek a GLM-4-Air-250414 számára hirdetett nagyobb kontextustól; az AirX megőrzi saját közzétett profilját.
Interaktív asszisztensnél ez célzott kéréseket indokol: függvény magyarázatát, üzenet osztályozását, mezők kinyerését egy megadott bekezdésből vagy technikai utasítás tömör válasszá alakítását. A releváns részletet, az aktuális kérdést és a kívánt eredményt együtt adja meg. A teljes párbeszédet és az esetleges eszközmegfigyeléseket tartsa az aktív kontextusban ahelyett, hogy feltételezné egy nagy háttérkorpusz elférését.
A GLM-4 leírása streamelt szöveget, függvényhívást, kontextus-gyorsítótárazást, strukturált formátumokat, például JSON-t, valamint MCP-eszközök és adatforrások integrációját sorolja fel. A streamelés a válasz keletkezése közben jeleníti meg a szöveget, így az alkalmazás a teljes válasz megérkezése előtt hasznos tartalmat mutathat. Ez a továbbítást módosítja, nem a modell bemeneti vagy kimeneti modalitását.
A függvényhívás lehetővé teszi, hogy a modell az alkalmazás által leírt függvények közül műveletet javasoljon. Az alkalmazás végrehajtja ezt, és visszaadja a megfigyelést. Megfelelő ciklus egy kis lekérdezés, majd a visszaadott adatok tömör magyarázata. Az MCP-integráció szintén az alkalmazás által biztosított eszközöktől és adatoktól függ. A kontextus-gyorsítótárazás az ismétlődő bemenet újrafelhasználásáról szól; nem jelenti, hogy minden ismételt párbeszéd gyorsítótár-találatot eredményezett.
JSON-eredményhez az anyag átadása előtt adja meg a mezőket és jelentésüket. Például adjon technikai kérést, és kérje annak kategóriáját, a szükséges műveletet és a megválaszolatlan kérdéseket. A létrejövő szerkezet hasznos a következő alkalmazáslépéshez, az értékeket azonban továbbra is ellenőrizni kell a megadott szöveg alapján.
A gyártó a GLM-4 alkalmazásai között fordítást, szemantikai osztályozást, dokumentummezők kinyerését, marketingcélú írást, elemző jelentéseket és útitervkészítést említ. Az AirX rövidebb profilja az ilyen munkafolyamatok közvetlen lépésének kedvez. Fordítási kéréshez rövid részlet, közönség és terminológia adható; az eredmény a kötelező neveket megőrző, átírt részlet. Osztályozási kérésnél megadhatók az engedélyezett címkék és definíciók meghatározatlan ítélet kérése helyett.
Adatkinyeréshez határozza meg a kért azonosítókat és egyéb mezőket, és csak a releváns forrásrészletet mellékelje. Íráshoz adja meg a terméktényeket és egyetlen anyagot, például termékbekezdést vagy kampánymondatot. Jelentéshez vagy útitervhez az aktuális lépéshez tartozó tényeket és korlátokat adja át. Ha friss információ szükséges, azt az alkalmazás kereső- vagy adateszköze szolgáltatja; a modell ezután a visszakapott anyaggal dolgozik.
Az AirX leírása szerint előtréningje 15 billió tokenen történt, köztük jelentős mennyiségű szintetikus következtetési anyagon. Utótréningje párbeszédes preferenciaillesztést, elutasításos mintavételt és megerősítéses tanulást használ az utasításkövetés, a szoftverfejlesztési kód készítése és a függvényhasználat fejlesztésére. A gyártó a GLM-4-Air-250414 gyorsabb változataként mutatja be, a prompt előfeldolgozását és az autoregresszív dekódolást érintő alapkomponens-módosításokkal. Ez a gyártó tervét írja le, nem egy konkrét telepítés mért késleltetését vagy párhuzamossági garanciáját.
Az AirX-nek egyetlen körülhatárolt feladatot és tömör elvárt anyagot adjon. Kódnál mellékelje a függvényt, a releváns bemeneti értékeket és a szükséges működést, majd kérje a javított részletet magyarázattal együtt. Strukturált kinyerésnél a meződefiníciókat tegye a részlet elé, és kérje a hiányzó információk kifejezett jelölését. Az eredményt a közzétett 4K kimeneti profilon belül tervezze; nagy jelentést bontson célzott feladatokra ahelyett, hogy egyetlen választól korlátlan dokumentumot várna.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok glm-4-airx | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0028 / 1K token Kimenet · Kimeneti tokenek $0.0028 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0028 / 1K token Kimenet · Kimeneti tokenek $0.0028 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "glm-4-airx",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4-airx', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4-airx', '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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra glm-4-airx
/chat/completions