GLM-4-32B-0414 adalah edisi teks tetap kelas 32B dalam seri GLM-4-0414 Z.ai. Base-nya dipralatih pada 15 triliun token, termasuk materi penalaran sintetis. Pascapelatihan menggabungkan penyelarasan preferensi dialog, rejection sampling, dan pembelajaran penguatan untuk mengembangkan kepatuhan terhadap instruksi, kode rekayasa, dan pemanggilan fungsi. Pekerjaan yang dinyatakan mencakup tugas perangkat lunak, artefak teks, pertanyaan berbasis pencarian, dan laporan. Masukan dan keluaran berupa teks; kode yang dihasilkan menjadi artefak yang dapat dijalankan atau dirender ketika aplikasi menyimpan dan mengeksekusinya.
GLM-Z1-32B-0414 yang berfokus pada penalaran dan model Rumination yang berorientasi riset merupakan edisi yang dinamai secara terpisah. Entri ini mengikuti demonstrasi kode dan alat yang lebih luas dari model GLM-4 itu sendiri, alih-alih menggantinya dengan aturan berpikir rilis lain.
Pembuatnya memperagakan pemrograman bola bergerak di dalam segi enam yang berputar. Contoh GLM-4-32B-0414 menggunakan HTML dan menjelaskan gerakan, tumbukan, serta asumsi fisik. Ini adalah kode untuk simulasi, bukan mode pembuatan video. Untuk menyiapkan tugas serupa, berikan adegan, aturan gerakan, perilaku tumbukan, dan runtime yang dituju, lalu mintalah implementasi mandiri beserta penjelasan asumsinya. Aplikasi menjalankan kode tersebut untuk memeriksa hasilnya.
Contohnya mencakup antarmuka menggambar untuk grafik fungsi khusus, dengan penambahan dan penghapusan fungsi serta penetapan warna. Contoh lain membangun antarmuka machine learning seluler dengan tugas pelatihan, pengelolaan penyimpanan, dan statistik pribadi, termasuk bagan, yang disusun dalam halaman HTML. Ini adalah tugas frontend konkret dengan kontrol dan keadaan yang ditentukan.
Untuk keluaran yang berguna, deskripsikan tindakan yang harus didukung setiap kontrol dan data yang perlu ditampilkan tampilan. Permintaan antarmuka dapat meminta kode halaman bersama hubungan antara masukan, keadaan yang ditampilkan, dan hasil. Giliran berikutnya dapat memberikan hasil render yang diamati dan meminta perubahan terarah sambil mempertahankan perilaku yang tercantum.
Pembuatnya juga memperagakan ilustrasi SVG, termasuk lanskap dan penjelasan proses pelatihan model bahasa. SVG adalah teks terstruktur, sehingga aplikasi dapat menyimpannya sebagai artefak vektor yang dapat diedit. Berikan subjek, label, tata letak, dan hubungan visual yang diperlukan. Mintalah markup SVG sebagai hasil tersendiri, alih-alih mencampurkan kode ilustrasi dengan penjelasan panjang yang tidak berkaitan.
Untuk penulisan riset, kartu menyediakan hasil pencarian sebagai pengamatan dan meminta model menyusun serta menafsirkannya, bukan menyalinnya. Instruksinya membedakan hasil relevan dari yang tidak relevan, mengutamakan detail bermakna ketika bukti memungkinkan, menggunakan struktur yang mudah dibaca, dan menjawab dalam bahasa pengguna. Contohnya menghasilkan laporan analitis tentang sastra anak, yang mencakup metode naratif, tema, dan pengaruhnya.
Tugas praktis dapat memberikan kutipan bernama dan meminta laporan yang disusun berdasarkan pertanyaan eksplisit, dengan setiap kesimpulan dikaitkan pada materi pendukung. Pencarian dan pengambilan informasi berlangsung dalam aplikasi di sekitarnya; bagian teks yang dikembalikan menjadi bukti model. Ini juga berguna untuk membandingkan dokumen atau menyiapkan penjelasan dari kumpulan riset yang diberikan.
GLM-4-32B-0414 mendukung pemanggilan alat eksternal dengan argumen JSON. Model mengidentifikasi fungsi dan argumennya, aplikasi mengeksekusinya, dan hasil dikembalikan sebagai pengamatan. Demonstrasi pembuat mengulangi siklus itu hingga respons akhir dihasilkan. Deskripsikan tujuan dan kolom wajib setiap alat serta bedakan pengamatannya dari instruksi pengguna. Dengan demikian, pencarian data dapat menyediakan data bagi perbandingan berikutnya tanpa berpura-pura bahwa model telah memperoleh informasi terkini secara mandiri.
Konfigurasi yang dipublikasikan menetapkan max_position_embeddings ke 32768 dan tidak menyertakan entri rope_scaling. Contoh pembuat menggunakan panjang generasi khusus permintaan; kartu tidak memberikan batas keras maksimum keluaran universal. Jaga agar kode yang relevan, bagian teks hasil pengambilan, dan dialog tetap berada dalam konteks aktif, serta nyatakan apakah hasil akhir harus berupa HTML, SVG, fragmen kode, argumen JSON, atau laporan. Ini merupakan representasi teks yang dihasilkan untuk tugas yang dideskripsikan; eksekusi, pembuatan berkas, dan akses data eksternal tetap merupakan tindakan aplikasi.
", "aboutText": "### Pengantar\n\nGLM-4-32B-0414 adalah edisi teks tetap kelas 32B dalam seri GLM-4-0414 Z.ai. Base-nya dipralatih pada 15 triliun token, termasuk materi penalaran sintetis. Pascapelatihan menggabungkan penyelarasan preferensi dialog, rejection sampling, dan pembelajaran penguatan untuk mengembangkan kepatuhan terhadap instruksi, kode rekayasa, dan pemanggilan fungsi. Pekerjaan yang dinyatakan mencakup tugas perangkat lunak, artefak teks, pertanyaan berbasis pencarian, dan laporan. Masukan dan keluaran berupa teks; kode yang dihasilkan menjadi artefak yang dapat dijalankan atau dirender ketika aplikasi menyimpan dan mengeksekusinya.\n\nGLM-Z1-32B-0414 yang berfokus pada penalaran dan model Rumination yang berorientasi riset merupakan edisi yang dinamai secara terpisah. Entri ini mengikuti demonstrasi kode dan alat yang lebih luas dari model GLM-4 itu sendiri, alih-alih menggantinya dengan aturan berpikir rilis lain.\n\n### Demonstrasi: pembuatan animasi\n\nPembuatnya memperagakan pemrograman bola bergerak di dalam segi enam yang berputar. Contoh GLM-4-32B-0414 menggunakan HTML dan menjelaskan gerakan, tumbukan, serta asumsi fisik. Ini adalah kode untuk simulasi, bukan mode pembuatan video. Untuk menyiapkan tugas serupa, berikan adegan, aturan gerakan, perilaku tumbukan, dan runtime yang dituju, lalu mintalah implementasi mandiri beserta penjelasan asumsinya. Aplikasi menjalankan kode tersebut untuk memeriksa hasilnya.\n\n### Demonstrasi: desain web\n\nContohnya mencakup antarmuka menggambar untuk grafik fungsi khusus, dengan penambahan dan penghapusan fungsi serta penetapan warna. Contoh lain membangun antarmuka machine learning seluler dengan tugas pelatihan, pengelolaan penyimpanan, dan statistik pribadi, termasuk bagan, yang disusun dalam halaman HTML. Ini adalah tugas frontend konkret dengan kontrol dan keadaan yang ditentukan.\n\nUntuk keluaran yang berguna, deskripsikan tindakan yang harus didukung setiap kontrol dan data yang perlu ditampilkan tampilan. Permintaan antarmuka dapat meminta kode halaman bersama hubungan antara masukan, keadaan yang ditampilkan, dan hasil. Giliran berikutnya dapat memberikan hasil render yang diamati dan meminta perubahan terarah sambil mempertahankan perilaku yang tercantum.\n\n### Demonstrasi: pembuatan SVG\n\nPembuatnya juga memperagakan ilustrasi SVG, termasuk lanskap dan penjelasan proses pelatihan model bahasa. SVG adalah teks terstruktur, sehingga aplikasi dapat menyimpannya sebagai artefak vektor yang dapat diedit. Berikan subjek, label, tata letak, dan hubungan visual yang diperlukan. Mintalah markup SVG sebagai hasil tersendiri, alih-alih mencampurkan kode ilustrasi dengan penjelasan panjang yang tidak berkaitan.\n\n### Penulisan berbasis pencarian\n\nUntuk penulisan riset, kartu menyediakan hasil pencarian sebagai pengamatan dan meminta model menyusun serta menafsirkannya, bukan menyalinnya. Instruksinya membedakan hasil relevan dari yang tidak relevan, mengutamakan detail bermakna ketika bukti memungkinkan, menggunakan struktur yang mudah dibaca, dan menjawab dalam bahasa pengguna. Contohnya menghasilkan laporan analitis tentang sastra anak, yang mencakup metode naratif, tema, dan pengaruhnya.\n\nTugas praktis dapat memberikan kutipan bernama dan meminta laporan yang disusun berdasarkan pertanyaan eksplisit, dengan setiap kesimpulan dikaitkan pada materi pendukung. Pencarian dan pengambilan informasi berlangsung dalam aplikasi di sekitarnya; bagian teks yang dikembalikan menjadi bukti model. Ini juga berguna untuk membandingkan dokumen atau menyiapkan penjelasan dari kumpulan riset yang diberikan.\n\n### Pemanggilan fungsi\n\nGLM-4-32B-0414 mendukung pemanggilan alat eksternal dengan argumen JSON. Model mengidentifikasi fungsi dan argumennya, aplikasi mengeksekusinya, dan hasil dikembalikan sebagai pengamatan. Demonstrasi pembuat mengulangi siklus itu hingga respons akhir dihasilkan. Deskripsikan tujuan dan kolom wajib setiap alat serta bedakan pengamatannya dari instruksi pengguna. Dengan demikian, pencarian data dapat menyediakan data bagi perbandingan berikutnya tanpa berpura-pura bahwa model telah memperoleh informasi terkini secara mandiri.\n\n### Perencanaan konteks dan hasil\n\nKonfigurasi yang dipublikasikan menetapkan max_position_embeddings ke 32768 dan tidak menyertakan entri rope_scaling. Contoh pembuat menggunakan panjang generasi khusus permintaan; kartu tidak memberikan batas keras maksimum keluaran universal. Jaga agar kode yang relevan, bagian teks hasil pengambilan, dan dialog tetap berada dalam konteks aktif, serta nyatakan apakah hasil akhir harus berupa HTML, SVG, fragmen kode, argumen JSON, atau laporan. Ini merupakan representasi teks yang dihasilkan untuk tugas yang dideskripsikan; eksekusi, pembuatan berkas, dan akses data eksternal tetap merupakan tindakan aplikasi.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
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 adalah edisi teks tetap Z.ai untuk kode rekayasa, artefak HTML/SVG interaktif, laporan berbasis pencarian, dan pemanggilan fungsi JSON. Kartu modelnya menunjukkan alur kerja pengembangan konkret dan siklus alat yang dikendalikan aplikasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
GLM-4-32B-0414 adalah edisi teks tetap kelas 32B dalam seri GLM-4-0414 Z.ai. Base-nya dipralatih pada 15 triliun token, termasuk materi penalaran sintetis. Pascapelatihan menggabungkan penyelarasan preferensi dialog, rejection sampling, dan pembelajaran penguatan untuk mengembangkan kepatuhan terhadap instruksi, kode rekayasa, dan pemanggilan fungsi. Pekerjaan yang dinyatakan mencakup tugas perangkat lunak, artefak teks, pertanyaan berbasis pencarian, dan laporan. Masukan dan keluaran berupa teks; kode yang dihasilkan menjadi artefak yang dapat dijalankan atau dirender ketika aplikasi menyimpan dan mengeksekusinya.
GLM-Z1-32B-0414 yang berfokus pada penalaran dan model Rumination yang berorientasi riset merupakan edisi yang dinamai secara terpisah. Entri ini mengikuti demonstrasi kode dan alat yang lebih luas dari model GLM-4 itu sendiri, alih-alih menggantinya dengan aturan berpikir rilis lain.
Pembuatnya memperagakan pemrograman bola bergerak di dalam segi enam yang berputar. Contoh GLM-4-32B-0414 menggunakan HTML dan menjelaskan gerakan, tumbukan, serta asumsi fisik. Ini adalah kode untuk simulasi, bukan mode pembuatan video. Untuk menyiapkan tugas serupa, berikan adegan, aturan gerakan, perilaku tumbukan, dan runtime yang dituju, lalu mintalah implementasi mandiri beserta penjelasan asumsinya. Aplikasi menjalankan kode tersebut untuk memeriksa hasilnya.
Contohnya mencakup antarmuka menggambar untuk grafik fungsi khusus, dengan penambahan dan penghapusan fungsi serta penetapan warna. Contoh lain membangun antarmuka machine learning seluler dengan tugas pelatihan, pengelolaan penyimpanan, dan statistik pribadi, termasuk bagan, yang disusun dalam halaman HTML. Ini adalah tugas frontend konkret dengan kontrol dan keadaan yang ditentukan.
Untuk keluaran yang berguna, deskripsikan tindakan yang harus didukung setiap kontrol dan data yang perlu ditampilkan tampilan. Permintaan antarmuka dapat meminta kode halaman bersama hubungan antara masukan, keadaan yang ditampilkan, dan hasil. Giliran berikutnya dapat memberikan hasil render yang diamati dan meminta perubahan terarah sambil mempertahankan perilaku yang tercantum.
Pembuatnya juga memperagakan ilustrasi SVG, termasuk lanskap dan penjelasan proses pelatihan model bahasa. SVG adalah teks terstruktur, sehingga aplikasi dapat menyimpannya sebagai artefak vektor yang dapat diedit. Berikan subjek, label, tata letak, dan hubungan visual yang diperlukan. Mintalah markup SVG sebagai hasil tersendiri, alih-alih mencampurkan kode ilustrasi dengan penjelasan panjang yang tidak berkaitan.
Untuk penulisan riset, kartu menyediakan hasil pencarian sebagai pengamatan dan meminta model menyusun serta menafsirkannya, bukan menyalinnya. Instruksinya membedakan hasil relevan dari yang tidak relevan, mengutamakan detail bermakna ketika bukti memungkinkan, menggunakan struktur yang mudah dibaca, dan menjawab dalam bahasa pengguna. Contohnya menghasilkan laporan analitis tentang sastra anak, yang mencakup metode naratif, tema, dan pengaruhnya.
Tugas praktis dapat memberikan kutipan bernama dan meminta laporan yang disusun berdasarkan pertanyaan eksplisit, dengan setiap kesimpulan dikaitkan pada materi pendukung. Pencarian dan pengambilan informasi berlangsung dalam aplikasi di sekitarnya; bagian teks yang dikembalikan menjadi bukti model. Ini juga berguna untuk membandingkan dokumen atau menyiapkan penjelasan dari kumpulan riset yang diberikan.
GLM-4-32B-0414 mendukung pemanggilan alat eksternal dengan argumen JSON. Model mengidentifikasi fungsi dan argumennya, aplikasi mengeksekusinya, dan hasil dikembalikan sebagai pengamatan. Demonstrasi pembuat mengulangi siklus itu hingga respons akhir dihasilkan. Deskripsikan tujuan dan kolom wajib setiap alat serta bedakan pengamatannya dari instruksi pengguna. Dengan demikian, pencarian data dapat menyediakan data bagi perbandingan berikutnya tanpa berpura-pura bahwa model telah memperoleh informasi terkini secara mandiri.
Konfigurasi yang dipublikasikan menetapkan max_position_embeddings ke 32768 dan tidak menyertakan entri rope_scaling. Contoh pembuat menggunakan panjang generasi khusus permintaan; kartu tidak memberikan batas keras maksimum keluaran universal. Jaga agar kode yang relevan, bagian teks hasil pengambilan, dan dialog tetap berada dalam konteks aktif, serta nyatakan apakah hasil akhir harus berupa HTML, SVG, fragmen kode, argumen JSON, atau laporan. Ini merupakan representasi teks yang dihasilkan untuk tugas yang dideskripsikan; eksekusi, pembuatan berkas, dan akses data eksternal tetap merupakan tindakan aplikasi.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan THUDM/GLM-4-32B-0414 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00014 / 1K token Keluaran · Token keluaran $0.00014 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra THUDM/GLM-4-32B-0414
Gunakan jalur metode yang ditampilkan di atas.
THUDM/GLM-4-32B-0414GLM-4-32B-0414 adalah edisi teks tetap Z.ai untuk kode rekayasa, artefak HTML/SVG interaktif, laporan berbasis pencarian, dan pemanggilan fungsi JSON. Kartu modelnya menunjukkan alur kerja pengembangan konkret dan siklus alat yang dikendalikan aplikasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
GLM-4-32B-0414 adalah edisi teks tetap kelas 32B dalam seri GLM-4-0414 Z.ai. Base-nya dipralatih pada 15 triliun token, termasuk materi penalaran sintetis. Pascapelatihan menggabungkan penyelarasan preferensi dialog, rejection sampling, dan pembelajaran penguatan untuk mengembangkan kepatuhan terhadap instruksi, kode rekayasa, dan pemanggilan fungsi. Pekerjaan yang dinyatakan mencakup tugas perangkat lunak, artefak teks, pertanyaan berbasis pencarian, dan laporan. Masukan dan keluaran berupa teks; kode yang dihasilkan menjadi artefak yang dapat dijalankan atau dirender ketika aplikasi menyimpan dan mengeksekusinya.
GLM-Z1-32B-0414 yang berfokus pada penalaran dan model Rumination yang berorientasi riset merupakan edisi yang dinamai secara terpisah. Entri ini mengikuti demonstrasi kode dan alat yang lebih luas dari model GLM-4 itu sendiri, alih-alih menggantinya dengan aturan berpikir rilis lain.
Pembuatnya memperagakan pemrograman bola bergerak di dalam segi enam yang berputar. Contoh GLM-4-32B-0414 menggunakan HTML dan menjelaskan gerakan, tumbukan, serta asumsi fisik. Ini adalah kode untuk simulasi, bukan mode pembuatan video. Untuk menyiapkan tugas serupa, berikan adegan, aturan gerakan, perilaku tumbukan, dan runtime yang dituju, lalu mintalah implementasi mandiri beserta penjelasan asumsinya. Aplikasi menjalankan kode tersebut untuk memeriksa hasilnya.
Contohnya mencakup antarmuka menggambar untuk grafik fungsi khusus, dengan penambahan dan penghapusan fungsi serta penetapan warna. Contoh lain membangun antarmuka machine learning seluler dengan tugas pelatihan, pengelolaan penyimpanan, dan statistik pribadi, termasuk bagan, yang disusun dalam halaman HTML. Ini adalah tugas frontend konkret dengan kontrol dan keadaan yang ditentukan.
Untuk keluaran yang berguna, deskripsikan tindakan yang harus didukung setiap kontrol dan data yang perlu ditampilkan tampilan. Permintaan antarmuka dapat meminta kode halaman bersama hubungan antara masukan, keadaan yang ditampilkan, dan hasil. Giliran berikutnya dapat memberikan hasil render yang diamati dan meminta perubahan terarah sambil mempertahankan perilaku yang tercantum.
Pembuatnya juga memperagakan ilustrasi SVG, termasuk lanskap dan penjelasan proses pelatihan model bahasa. SVG adalah teks terstruktur, sehingga aplikasi dapat menyimpannya sebagai artefak vektor yang dapat diedit. Berikan subjek, label, tata letak, dan hubungan visual yang diperlukan. Mintalah markup SVG sebagai hasil tersendiri, alih-alih mencampurkan kode ilustrasi dengan penjelasan panjang yang tidak berkaitan.
Untuk penulisan riset, kartu menyediakan hasil pencarian sebagai pengamatan dan meminta model menyusun serta menafsirkannya, bukan menyalinnya. Instruksinya membedakan hasil relevan dari yang tidak relevan, mengutamakan detail bermakna ketika bukti memungkinkan, menggunakan struktur yang mudah dibaca, dan menjawab dalam bahasa pengguna. Contohnya menghasilkan laporan analitis tentang sastra anak, yang mencakup metode naratif, tema, dan pengaruhnya.
Tugas praktis dapat memberikan kutipan bernama dan meminta laporan yang disusun berdasarkan pertanyaan eksplisit, dengan setiap kesimpulan dikaitkan pada materi pendukung. Pencarian dan pengambilan informasi berlangsung dalam aplikasi di sekitarnya; bagian teks yang dikembalikan menjadi bukti model. Ini juga berguna untuk membandingkan dokumen atau menyiapkan penjelasan dari kumpulan riset yang diberikan.
GLM-4-32B-0414 mendukung pemanggilan alat eksternal dengan argumen JSON. Model mengidentifikasi fungsi dan argumennya, aplikasi mengeksekusinya, dan hasil dikembalikan sebagai pengamatan. Demonstrasi pembuat mengulangi siklus itu hingga respons akhir dihasilkan. Deskripsikan tujuan dan kolom wajib setiap alat serta bedakan pengamatannya dari instruksi pengguna. Dengan demikian, pencarian data dapat menyediakan data bagi perbandingan berikutnya tanpa berpura-pura bahwa model telah memperoleh informasi terkini secara mandiri.
Konfigurasi yang dipublikasikan menetapkan max_position_embeddings ke 32768 dan tidak menyertakan entri rope_scaling. Contoh pembuat menggunakan panjang generasi khusus permintaan; kartu tidak memberikan batas keras maksimum keluaran universal. Jaga agar kode yang relevan, bagian teks hasil pengambilan, dan dialog tetap berada dalam konteks aktif, serta nyatakan apakah hasil akhir harus berupa HTML, SVG, fragmen kode, argumen JSON, atau laporan. Ini merupakan representasi teks yang dihasilkan untuk tugas yang dideskripsikan; eksekusi, pembuatan berkas, dan akses data eksternal tetap merupakan tindakan aplikasi.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan THUDM/GLM-4-32B-0414 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00014 / 1K token Keluaran · Token keluaran $0.00014 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "THUDM/GLM-4-32B-0414",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra THUDM/GLM-4-32B-0414
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
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.