GLM-5.3-FlashX adalah edisi FlashX dalam keluarga multimodal native GLM-5.3-Flash Z.ai. Pengembang menghadirkan pasangan ini untuk pemrograman visual dan pekerjaan profesional, memadukan teks dengan gambar, video, dan berkas sambil mengembalikan teks. FlashX diberi nama tersendiri untuk inferensi yang lebih cepat dalam layanan produsen. Brief yang bermanfaat dapat meminta implementasi berdasarkan tangkapan layar, analisis berbasis dokumen, atau rencana yang dijalankan aplikasi menggunakan alat. Sumber mencantumkan kedua kode model; identitas layanannya tetap berbeda.
Keluarga ini menggunakan desain hibrida perhatian jarang dan linear serta dijelaskan memiliki 320 miliar parameter total dan 18 miliar parameter aktif. Perhatian jarang mengambil informasi global, sedangkan perhatian linear memodelkan dependensi lokal; produsen juga menjelaskan index pooling untuk konteks panjang. Ini merupakan fakta arsitektur keluarga, bukan format numerik setiap instans yang dihosting. Profil bersamanya memiliki sejuta token konteks dan hingga 128K token keluaran. Materi sumber, representasi visual, riwayat, penalaran, dan jawaban semuanya membutuhkan ruang dalam alur kerja yang dikonfigurasi.
Pemrograman visual menjadi fokus utama. Contoh Z.ai memadukan beberapa tangkapan layar halaman atau rekaman dengan instruksi untuk merekonstruksi hubungan halaman, komponen bersama, navigasi, status, dan perilaku animasi. Siapkan referensi secara berurutan dan nyatakan fungsi mana yang harus bekerja. Minta sumber yang dapat diedit serta perbandingan dengan desain. Aplikasi meluncurkan atau merender usulan dan mengembalikan tangkapan layar atau hasil interaksi; model menggunakan umpan balik itu untuk menyempurnakan hasil. Teks dan kode tidak menjadi aplikasi berjalan yang selesai tanpa operasi tersebut.
Untuk pekerjaan Office dan dokumen, produsen menjelaskan pengorganisasian materi, pembuatan grafik dan tata letak, serta pemeriksaan hasil render. Alur kerja yang didukung alat dapat menghasilkan PPTX, PDF, DOCX, atau XLSX. Contoh brief laporan dapat menyediakan sumber, sasaran pembaca, dan bagian wajib, lalu meminta tabel hubungan sumber dengan kesimpulan serta laporan atau presentasi yang dapat diedit. Pisahkan nilai yang diberikan dari asumsi analitis. Rendering, penyimpanan berkas, dan pemeriksaan referensi rumus merupakan operasi aplikasi. Untuk riset keuangan, produsen menjelaskan perbandingan laporan dan pengumuman, pemisahan nilai yang diungkapkan dari asumsi, serta penyusunan model prakiraan atau valuasi yang dapat diedit bersama laporan yang terhubung dengan sumber melalui alat yang terhubung.
Contoh pengembang yang lebih luas meliputi pengeditan video, adegan 3D, gim yang dapat dimainkan, dan rekonstruksi CAD melalui alat. Tugas video dapat dimulai dengan inventaris media dan linimasa; tugas adegan dapat menentukan tata letak, material, dan pandangan kamera sebelum meminta skrip pemodelan. Brief CAD membutuhkan referensi dimensi dan asumsi eksplisit untuk ukuran yang tidak ditetapkan gambar. Model menafsirkan materi dan mengarahkan pekerjaan, sedangkan alat pengeditan, rendering, atau pemodelan terkait menghasilkan serta memeriksa aset.
Penalaran tidak dapat dinonaktifkan dalam profil ini. Sumber menyatakan bahwa kontrol teks konsisten dengan GLM-5.3 dan menyarankan reasoning_effort=max, temperature 1, dan top-p 0.95. Sumber menyarankan clear_thinking=false untuk penalaran yang dipertahankan serta streaming teks dan alat. Panduan terkait mewajibkan blok penalaran yang dipertahankan dikembalikan secara lengkap tanpa perubahan. Tentukan hasil akhir sebelum analisis panjang, dan jaga agar pengamatan tetap melekat pada langkah yang menghasilkannya.
Produsen mencantumkan pemanggilan fungsi, caching konteks, keluaran terstruktur, dan pemahaman visual native. Berikan deskripsi alat dan kolom keluaran wajib secara eksplisit. Untuk tugas antarmuka, minta status halaman yang dicakup, ketidaksesuaian yang tersisa, dan apa yang ditunjukkan perbandingan render sebenarnya. Untuk analisis, pisahkan fakta sumber, asumsi, dan kesimpulan. FlashX mendukung alur kerja multimodal tersebut, dengan eksekusi, rendering, dan penanganan berkas disediakan aplikasi yang terhubung.
", "aboutText": "GLM-5.3-FlashX adalah edisi FlashX dalam keluarga multimodal native GLM-5.3-Flash Z.ai. Pengembang menghadirkan pasangan ini untuk pemrograman visual dan pekerjaan profesional, memadukan teks dengan gambar, video, dan berkas sambil mengembalikan teks. FlashX diberi nama tersendiri untuk inferensi yang lebih cepat dalam layanan produsen. Brief yang bermanfaat dapat meminta implementasi berdasarkan tangkapan layar, analisis berbasis dokumen, atau rencana yang dijalankan aplikasi menggunakan alat. Sumber mencantumkan kedua kode model; identitas layanannya tetap berbeda.\n\nKeluarga ini menggunakan desain hibrida perhatian jarang dan linear serta dijelaskan memiliki 320 miliar parameter total dan 18 miliar parameter aktif. Perhatian jarang mengambil informasi global, sedangkan perhatian linear memodelkan dependensi lokal; produsen juga menjelaskan index pooling untuk konteks panjang. Ini merupakan fakta arsitektur keluarga, bukan format numerik setiap instans yang dihosting. Profil bersamanya memiliki sejuta token konteks dan hingga 128K token keluaran. Materi sumber, representasi visual, riwayat, penalaran, dan jawaban semuanya membutuhkan ruang dalam alur kerja yang dikonfigurasi.\n\nPemrograman visual menjadi fokus utama. Contoh Z.ai memadukan beberapa tangkapan layar halaman atau rekaman dengan instruksi untuk merekonstruksi hubungan halaman, komponen bersama, navigasi, status, dan perilaku animasi. Siapkan referensi secara berurutan dan nyatakan fungsi mana yang harus bekerja. Minta sumber yang dapat diedit serta perbandingan dengan desain. Aplikasi meluncurkan atau merender usulan dan mengembalikan tangkapan layar atau hasil interaksi; model menggunakan umpan balik itu untuk menyempurnakan hasil. Teks dan kode tidak menjadi aplikasi berjalan yang selesai tanpa operasi tersebut.\n\nUntuk pekerjaan Office dan dokumen, produsen menjelaskan pengorganisasian materi, pembuatan grafik dan tata letak, serta pemeriksaan hasil render. Alur kerja yang didukung alat dapat menghasilkan PPTX, PDF, DOCX, atau XLSX. Contoh brief laporan dapat menyediakan sumber, sasaran pembaca, dan bagian wajib, lalu meminta tabel hubungan sumber dengan kesimpulan serta laporan atau presentasi yang dapat diedit. Pisahkan nilai yang diberikan dari asumsi analitis. Rendering, penyimpanan berkas, dan pemeriksaan referensi rumus merupakan operasi aplikasi. Untuk riset keuangan, produsen menjelaskan perbandingan laporan dan pengumuman, pemisahan nilai yang diungkapkan dari asumsi, serta penyusunan model prakiraan atau valuasi yang dapat diedit bersama laporan yang terhubung dengan sumber melalui alat yang terhubung.\n\nContoh pengembang yang lebih luas meliputi pengeditan video, adegan 3D, gim yang dapat dimainkan, dan rekonstruksi CAD melalui alat. Tugas video dapat dimulai dengan inventaris media dan linimasa; tugas adegan dapat menentukan tata letak, material, dan pandangan kamera sebelum meminta skrip pemodelan. Brief CAD membutuhkan referensi dimensi dan asumsi eksplisit untuk ukuran yang tidak ditetapkan gambar. Model menafsirkan materi dan mengarahkan pekerjaan, sedangkan alat pengeditan, rendering, atau pemodelan terkait menghasilkan serta memeriksa aset.\n\nPenalaran tidak dapat dinonaktifkan dalam profil ini. Sumber menyatakan bahwa kontrol teks konsisten dengan GLM-5.3 dan menyarankan reasoning_effort=max, temperature 1, dan top-p 0.95. Sumber menyarankan clear_thinking=false untuk penalaran yang dipertahankan serta streaming teks dan alat. Panduan terkait mewajibkan blok penalaran yang dipertahankan dikembalikan secara lengkap tanpa perubahan. Tentukan hasil akhir sebelum analisis panjang, dan jaga agar pengamatan tetap melekat pada langkah yang menghasilkannya.\n\nProdusen mencantumkan pemanggilan fungsi, caching konteks, keluaran terstruktur, dan pemahaman visual native. Berikan deskripsi alat dan kolom keluaran wajib secara eksplisit. Untuk tugas antarmuka, minta status halaman yang dicakup, ketidaksesuaian yang tersisa, dan apa yang ditunjukkan perbandingan render sebenarnya. Untuk analisis, pisahkan fakta sumber, asumsi, dan kesimpulan. FlashX mendukung alur kerja multimodal tersebut, dengan eksekusi, rendering, dan penanganan berkas disediakan aplikasi yang terhubung.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Implement a text-specified form state\n\nCreate editable HTML and JavaScript for this form behavior: an email field and a Subscribe button; blank submission shows 'Enter your email' and preserves the current input; nonblank submission shows a local confirmation without sending a request. Include a short state checklist. No screenshot is supplied, and do not claim the form was rendered or deployed.Editable form source and a checklist of empty, corrected and confirmation states.Blank submission must keep the field value and show the requested message; the proposal must not send a network request.z-ai/glm-5.3-flashxGLM-5.3-FlashX adalah model multimodal Z.ai untuk pemrograman visual, pekerjaan dokumen, dan agen berbantuan alat. Profil produsennya menerima gambar, video, teks, dan berkas, mengembalikan teks, serta mencantumkan konteks 1M dengan hingga 128K token keluaran.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
GLM-5.3-FlashX adalah edisi FlashX dalam keluarga multimodal native GLM-5.3-Flash Z.ai. Pengembang menghadirkan pasangan ini untuk pemrograman visual dan pekerjaan profesional, memadukan teks dengan gambar, video, dan berkas sambil mengembalikan teks. FlashX diberi nama tersendiri untuk inferensi yang lebih cepat dalam layanan produsen. Brief yang bermanfaat dapat meminta implementasi berdasarkan tangkapan layar, analisis berbasis dokumen, atau rencana yang dijalankan aplikasi menggunakan alat. Sumber mencantumkan kedua kode model; identitas layanannya tetap berbeda.
Keluarga ini menggunakan desain hibrida perhatian jarang dan linear serta dijelaskan memiliki 320 miliar parameter total dan 18 miliar parameter aktif. Perhatian jarang mengambil informasi global, sedangkan perhatian linear memodelkan dependensi lokal; produsen juga menjelaskan index pooling untuk konteks panjang. Ini merupakan fakta arsitektur keluarga, bukan format numerik setiap instans yang dihosting. Profil bersamanya memiliki sejuta token konteks dan hingga 128K token keluaran. Materi sumber, representasi visual, riwayat, penalaran, dan jawaban semuanya membutuhkan ruang dalam alur kerja yang dikonfigurasi.
Pemrograman visual menjadi fokus utama. Contoh Z.ai memadukan beberapa tangkapan layar halaman atau rekaman dengan instruksi untuk merekonstruksi hubungan halaman, komponen bersama, navigasi, status, dan perilaku animasi. Siapkan referensi secara berurutan dan nyatakan fungsi mana yang harus bekerja. Minta sumber yang dapat diedit serta perbandingan dengan desain. Aplikasi meluncurkan atau merender usulan dan mengembalikan tangkapan layar atau hasil interaksi; model menggunakan umpan balik itu untuk menyempurnakan hasil. Teks dan kode tidak menjadi aplikasi berjalan yang selesai tanpa operasi tersebut.
Untuk pekerjaan Office dan dokumen, produsen menjelaskan pengorganisasian materi, pembuatan grafik dan tata letak, serta pemeriksaan hasil render. Alur kerja yang didukung alat dapat menghasilkan PPTX, PDF, DOCX, atau XLSX. Contoh brief laporan dapat menyediakan sumber, sasaran pembaca, dan bagian wajib, lalu meminta tabel hubungan sumber dengan kesimpulan serta laporan atau presentasi yang dapat diedit. Pisahkan nilai yang diberikan dari asumsi analitis. Rendering, penyimpanan berkas, dan pemeriksaan referensi rumus merupakan operasi aplikasi. Untuk riset keuangan, produsen menjelaskan perbandingan laporan dan pengumuman, pemisahan nilai yang diungkapkan dari asumsi, serta penyusunan model prakiraan atau valuasi yang dapat diedit bersama laporan yang terhubung dengan sumber melalui alat yang terhubung.
Contoh pengembang yang lebih luas meliputi pengeditan video, adegan 3D, gim yang dapat dimainkan, dan rekonstruksi CAD melalui alat. Tugas video dapat dimulai dengan inventaris media dan linimasa; tugas adegan dapat menentukan tata letak, material, dan pandangan kamera sebelum meminta skrip pemodelan. Brief CAD membutuhkan referensi dimensi dan asumsi eksplisit untuk ukuran yang tidak ditetapkan gambar. Model menafsirkan materi dan mengarahkan pekerjaan, sedangkan alat pengeditan, rendering, atau pemodelan terkait menghasilkan serta memeriksa aset.
Penalaran tidak dapat dinonaktifkan dalam profil ini. Sumber menyatakan bahwa kontrol teks konsisten dengan GLM-5.3 dan menyarankan reasoning_effort=max, temperature 1, dan top-p 0.95. Sumber menyarankan clear_thinking=false untuk penalaran yang dipertahankan serta streaming teks dan alat. Panduan terkait mewajibkan blok penalaran yang dipertahankan dikembalikan secara lengkap tanpa perubahan. Tentukan hasil akhir sebelum analisis panjang, dan jaga agar pengamatan tetap melekat pada langkah yang menghasilkannya.
Produsen mencantumkan pemanggilan fungsi, caching konteks, keluaran terstruktur, dan pemahaman visual native. Berikan deskripsi alat dan kolom keluaran wajib secara eksplisit. Untuk tugas antarmuka, minta status halaman yang dicakup, ketidaksesuaian yang tersisa, dan apa yang ditunjukkan perbandingan render sebenarnya. Untuk analisis, pisahkan fakta sumber, asumsi, dan kesimpulan. FlashX mendukung alur kerja multimodal tersebut, dengan eksekusi, rendering, dan penanganan berkas disediakan aplikasi yang terhubung.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan z-ai/glm-5.3-flashx | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00074 / 1K token Keluaran · Token keluaran $0.0025 / 1K token Masukan · Pembacaan cache $0.00018 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00074 / 1K token Keluaran · Token keluaran $0.0025 / 1K token Masukan · Pembacaan cache $0.00018 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "z-ai/glm-5.3-flashx", "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='z-ai/glm-5.3-flashx',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='z-ai/glm-5.3-flashx',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 z-ai/glm-5.3-flashx
Gunakan jalur metode yang ditampilkan di atas.
z-ai/glm-5.3-flashxGLM-5.3-FlashX adalah model multimodal Z.ai untuk pemrograman visual, pekerjaan dokumen, dan agen berbantuan alat. Profil produsennya menerima gambar, video, teks, dan berkas, mengembalikan teks, serta mencantumkan konteks 1M dengan hingga 128K token keluaran.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
GLM-5.3-FlashX adalah edisi FlashX dalam keluarga multimodal native GLM-5.3-Flash Z.ai. Pengembang menghadirkan pasangan ini untuk pemrograman visual dan pekerjaan profesional, memadukan teks dengan gambar, video, dan berkas sambil mengembalikan teks. FlashX diberi nama tersendiri untuk inferensi yang lebih cepat dalam layanan produsen. Brief yang bermanfaat dapat meminta implementasi berdasarkan tangkapan layar, analisis berbasis dokumen, atau rencana yang dijalankan aplikasi menggunakan alat. Sumber mencantumkan kedua kode model; identitas layanannya tetap berbeda.
Keluarga ini menggunakan desain hibrida perhatian jarang dan linear serta dijelaskan memiliki 320 miliar parameter total dan 18 miliar parameter aktif. Perhatian jarang mengambil informasi global, sedangkan perhatian linear memodelkan dependensi lokal; produsen juga menjelaskan index pooling untuk konteks panjang. Ini merupakan fakta arsitektur keluarga, bukan format numerik setiap instans yang dihosting. Profil bersamanya memiliki sejuta token konteks dan hingga 128K token keluaran. Materi sumber, representasi visual, riwayat, penalaran, dan jawaban semuanya membutuhkan ruang dalam alur kerja yang dikonfigurasi.
Pemrograman visual menjadi fokus utama. Contoh Z.ai memadukan beberapa tangkapan layar halaman atau rekaman dengan instruksi untuk merekonstruksi hubungan halaman, komponen bersama, navigasi, status, dan perilaku animasi. Siapkan referensi secara berurutan dan nyatakan fungsi mana yang harus bekerja. Minta sumber yang dapat diedit serta perbandingan dengan desain. Aplikasi meluncurkan atau merender usulan dan mengembalikan tangkapan layar atau hasil interaksi; model menggunakan umpan balik itu untuk menyempurnakan hasil. Teks dan kode tidak menjadi aplikasi berjalan yang selesai tanpa operasi tersebut.
Untuk pekerjaan Office dan dokumen, produsen menjelaskan pengorganisasian materi, pembuatan grafik dan tata letak, serta pemeriksaan hasil render. Alur kerja yang didukung alat dapat menghasilkan PPTX, PDF, DOCX, atau XLSX. Contoh brief laporan dapat menyediakan sumber, sasaran pembaca, dan bagian wajib, lalu meminta tabel hubungan sumber dengan kesimpulan serta laporan atau presentasi yang dapat diedit. Pisahkan nilai yang diberikan dari asumsi analitis. Rendering, penyimpanan berkas, dan pemeriksaan referensi rumus merupakan operasi aplikasi. Untuk riset keuangan, produsen menjelaskan perbandingan laporan dan pengumuman, pemisahan nilai yang diungkapkan dari asumsi, serta penyusunan model prakiraan atau valuasi yang dapat diedit bersama laporan yang terhubung dengan sumber melalui alat yang terhubung.
Contoh pengembang yang lebih luas meliputi pengeditan video, adegan 3D, gim yang dapat dimainkan, dan rekonstruksi CAD melalui alat. Tugas video dapat dimulai dengan inventaris media dan linimasa; tugas adegan dapat menentukan tata letak, material, dan pandangan kamera sebelum meminta skrip pemodelan. Brief CAD membutuhkan referensi dimensi dan asumsi eksplisit untuk ukuran yang tidak ditetapkan gambar. Model menafsirkan materi dan mengarahkan pekerjaan, sedangkan alat pengeditan, rendering, atau pemodelan terkait menghasilkan serta memeriksa aset.
Penalaran tidak dapat dinonaktifkan dalam profil ini. Sumber menyatakan bahwa kontrol teks konsisten dengan GLM-5.3 dan menyarankan reasoning_effort=max, temperature 1, dan top-p 0.95. Sumber menyarankan clear_thinking=false untuk penalaran yang dipertahankan serta streaming teks dan alat. Panduan terkait mewajibkan blok penalaran yang dipertahankan dikembalikan secara lengkap tanpa perubahan. Tentukan hasil akhir sebelum analisis panjang, dan jaga agar pengamatan tetap melekat pada langkah yang menghasilkannya.
Produsen mencantumkan pemanggilan fungsi, caching konteks, keluaran terstruktur, dan pemahaman visual native. Berikan deskripsi alat dan kolom keluaran wajib secara eksplisit. Untuk tugas antarmuka, minta status halaman yang dicakup, ketidaksesuaian yang tersisa, dan apa yang ditunjukkan perbandingan render sebenarnya. Untuk analisis, pisahkan fakta sumber, asumsi, dan kesimpulan. FlashX mendukung alur kerja multimodal tersebut, dengan eksekusi, rendering, dan penanganan berkas disediakan aplikasi yang terhubung.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan z-ai/glm-5.3-flashx | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00074 / 1K token Keluaran · Token keluaran $0.0025 / 1K token Masukan · Pembacaan cache $0.00018 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00074 / 1K token Keluaran · Token keluaran $0.0025 / 1K token Masukan · Pembacaan cache $0.00018 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "z-ai/glm-5.3-flashx",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'z-ai/glm-5.3-flashx', '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': 'z-ai/glm-5.3-flashx', '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 z-ai/glm-5.3-flashx
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Implement a text-specified form state\n\nCreate editable HTML and JavaScript for this form behavior: an email field and a Subscribe button; blank submission shows 'Enter your email' and preserves the current input; nonblank submission shows a local confirmation without sending a request. Include a short state checklist. No screenshot is supplied, and do not claim the form was rendered or deployed.Editable form source and a checklist of empty, corrected and confirmation states.Blank submission must keep the field value and show the requested message; the proposal must not send a network request.