GLM 5.3 Prime adalah edisi teks yang dipercepat dari keluarga GLM 5.3 Z.ai. Model ini menerima teks dan mengembalikan teks, dengan fokus pada pemrograman, generasi kode secara streaming, percakapan waktu nyata, dan tugas agen multitahap percakapan. Profil terbitannya menjelaskan percepatan inferensi sambil mempertahankan kemampuan edisi dasarnya. Permintaan yang bermanfaat menghubungkan tugas, buktinya, dan artefak yang diperlukan berikutnya, seperti patch, penjelasan, atau usulan urutan tindakan.
Penalaran tetap aktif dalam profil ini. Pilihan upaya yang didokumentasikan adalah low, high, dan max, dengan max sebagai nilai bawaan. Pilih kedalaman yang diinginkan bersama tugas: tinjauan kode terfokus membutuhkan logika yang relevan dan perilaku yang diamati, sedangkan perubahan tingkat proyek membutuhkan antarmuka sekitarnya, batasan, dan kondisi penerimaan. Pisahkan hasil sebenarnya dari analisis sementara model agar pembaca dapat langsung memeriksa jawaban atau perubahan yang diusulkan.
Jendela konteks yang diterbitkan adalah 1,000,000 token, dengan hingga 131,072 token penyelesaian. Susun brief panjang menjadi bagian bernama: materi sumber, keputusan yang telah ditetapkan, pertanyaan terbuka, dan keluaran yang diminta. Pertahankan pengenal berkas atau kutipan yang tepat ketika jawaban harus merujuk kembali ke bukti. Konteks kerja besar membantu menjaga materi terkait tetap bersama; pertanyaan terfokus menjadikan materi itu berguna.
Untuk pemrograman, berikan perilaku yang ada, contoh yang gagal, dan perilaku yang diinginkan setelah perubahan. Minta koreksi konkret dan langkah validasinya. Untuk tugas agen multitahap percakapan, teruskan pekerjaan yang telah selesai serta pengamatan terbaru agar langkah berikutnya dapat melanjutkan dari hasil, bukan menyusun ulang tugas dari percakapan yang terus tumbuh.
Kontrak hosting yang diterbitkan mencakup alat fungsi dan format respons JSON. Definisikan alat atau kolom hasil yang dibutuhkan alur kerja. Pemanggilan alat menyebut tindakan yang perlu dilakukan aplikasi di sekelilingnya; pengamatan yang dikembalikan menjadi bukti untuk langkah model berikutnya. Mode JSON yang didokumentasikan mendukung keluaran JSON tanpa memaksakan skema JSON, jadi validasi kolom wajib, tipe, dan nilai dalam aplikasi.
Untuk tugas ekstraksi, berikan teks sumber dan kolom yang perlu dikembalikan, termasuk cara menampilkan nilai yang hilang. Untuk tugas perencanaan, minta tindakan berikutnya, masukannya, dan pengamatan yang akan membuktikan penyelesaian. Simpan jawaban bersama pengenal sumber dan setiap hasil alat sebenarnya agar artefak yang disampaikan tetap terhubung dengan pekerjaan yang dijelaskannya.
", "aboutText": "GLM 5.3 Prime adalah edisi teks yang dipercepat dari keluarga GLM 5.3 Z.ai. Model ini menerima teks dan mengembalikan teks, dengan fokus pada pemrograman, generasi kode secara streaming, percakapan waktu nyata, dan tugas agen multitahap percakapan. Profil terbitannya menjelaskan percepatan inferensi sambil mempertahankan kemampuan edisi dasarnya. Permintaan yang bermanfaat menghubungkan tugas, buktinya, dan artefak yang diperlukan berikutnya, seperti patch, penjelasan, atau usulan urutan tindakan.\n\n### Penalaran untuk tugas yang panjang\n\nPenalaran tetap aktif dalam profil ini. Pilihan upaya yang didokumentasikan adalah low, high, dan max, dengan max sebagai nilai bawaan. Pilih kedalaman yang diinginkan bersama tugas: tinjauan kode terfokus membutuhkan logika yang relevan dan perilaku yang diamati, sedangkan perubahan tingkat proyek membutuhkan antarmuka sekitarnya, batasan, dan kondisi penerimaan. Pisahkan hasil sebenarnya dari analisis sementara model agar pembaca dapat langsung memeriksa jawaban atau perubahan yang diusulkan.\n\n### Konteks panjang dan keluaran terbatas\n\nJendela konteks yang diterbitkan adalah 1,000,000 token, dengan hingga 131,072 token penyelesaian. Susun brief panjang menjadi bagian bernama: materi sumber, keputusan yang telah ditetapkan, pertanyaan terbuka, dan keluaran yang diminta. Pertahankan pengenal berkas atau kutipan yang tepat ketika jawaban harus merujuk kembali ke bukti. Konteks kerja besar membantu menjaga materi terkait tetap bersama; pertanyaan terfokus menjadikan materi itu berguna.\n\nUntuk pemrograman, berikan perilaku yang ada, contoh yang gagal, dan perilaku yang diinginkan setelah perubahan. Minta koreksi konkret dan langkah validasinya. Untuk tugas agen multitahap percakapan, teruskan pekerjaan yang telah selesai serta pengamatan terbaru agar langkah berikutnya dapat melanjutkan dari hasil, bukan menyusun ulang tugas dari percakapan yang terus tumbuh.\n\n### Alat dan hasil terstruktur\n\nKontrak hosting yang diterbitkan mencakup alat fungsi dan format respons JSON. Definisikan alat atau kolom hasil yang dibutuhkan alur kerja. Pemanggilan alat menyebut tindakan yang perlu dilakukan aplikasi di sekelilingnya; pengamatan yang dikembalikan menjadi bukti untuk langkah model berikutnya. Mode JSON yang didokumentasikan mendukung keluaran JSON tanpa memaksakan skema JSON, jadi validasi kolom wajib, tipe, dan nilai dalam aplikasi.\n\nUntuk tugas ekstraksi, berikan teks sumber dan kolom yang perlu dikembalikan, termasuk cara menampilkan nilai yang hilang. Untuk tugas perencanaan, minta tindakan berikutnya, masukannya, dan pengamatan yang akan membuktikan penyelesaian. Simpan jawaban bersama pengenal sumber dan setiap hasil alat sebenarnya agar artefak yang disampaikan tetap terhubung dengan pekerjaan yang dijelaskannya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Choose the next debugging action\n\nContinue this debugging task from supplied observations. Goal: imports preserve accented names. [SOURCE] CSV is read with encoding='ascii', errors='replace'. [TEST] 'José' becomes 'Jos?'. [DECISION] Input files are UTF-8. Propose the next code change, identify its exact inputs and define the observation that would establish completion. Include one negative case for malformed UTF-8; do not report an unexecuted pass.A focused code proposal plus a next-action record containing inputs, expected verification evidence and a malformed-input case.Check the proposal preserves accented text and makes malformed-input handling explicit rather than silently replacing bytes.z-ai/glm-5.3-primeGLM 5.3 Prime adalah model teks Z.ai yang dipercepat untuk pemrograman, percakapan, dan alur kerja agen yang panjang. Model ini memadukan konteks sejuta token dengan penalaran yang selalu aktif dan mendukung upaya low, high, serta max, dengan max sebagai nilai bawaan yang didokumentasikan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
GLM 5.3 Prime adalah edisi teks yang dipercepat dari keluarga GLM 5.3 Z.ai. Model ini menerima teks dan mengembalikan teks, dengan fokus pada pemrograman, generasi kode secara streaming, percakapan waktu nyata, dan tugas agen multitahap percakapan. Profil terbitannya menjelaskan percepatan inferensi sambil mempertahankan kemampuan edisi dasarnya. Permintaan yang bermanfaat menghubungkan tugas, buktinya, dan artefak yang diperlukan berikutnya, seperti patch, penjelasan, atau usulan urutan tindakan.
Penalaran tetap aktif dalam profil ini. Pilihan upaya yang didokumentasikan adalah low, high, dan max, dengan max sebagai nilai bawaan. Pilih kedalaman yang diinginkan bersama tugas: tinjauan kode terfokus membutuhkan logika yang relevan dan perilaku yang diamati, sedangkan perubahan tingkat proyek membutuhkan antarmuka sekitarnya, batasan, dan kondisi penerimaan. Pisahkan hasil sebenarnya dari analisis sementara model agar pembaca dapat langsung memeriksa jawaban atau perubahan yang diusulkan.
Jendela konteks yang diterbitkan adalah 1,000,000 token, dengan hingga 131,072 token penyelesaian. Susun brief panjang menjadi bagian bernama: materi sumber, keputusan yang telah ditetapkan, pertanyaan terbuka, dan keluaran yang diminta. Pertahankan pengenal berkas atau kutipan yang tepat ketika jawaban harus merujuk kembali ke bukti. Konteks kerja besar membantu menjaga materi terkait tetap bersama; pertanyaan terfokus menjadikan materi itu berguna.
Untuk pemrograman, berikan perilaku yang ada, contoh yang gagal, dan perilaku yang diinginkan setelah perubahan. Minta koreksi konkret dan langkah validasinya. Untuk tugas agen multitahap percakapan, teruskan pekerjaan yang telah selesai serta pengamatan terbaru agar langkah berikutnya dapat melanjutkan dari hasil, bukan menyusun ulang tugas dari percakapan yang terus tumbuh.
Kontrak hosting yang diterbitkan mencakup alat fungsi dan format respons JSON. Definisikan alat atau kolom hasil yang dibutuhkan alur kerja. Pemanggilan alat menyebut tindakan yang perlu dilakukan aplikasi di sekelilingnya; pengamatan yang dikembalikan menjadi bukti untuk langkah model berikutnya. Mode JSON yang didokumentasikan mendukung keluaran JSON tanpa memaksakan skema JSON, jadi validasi kolom wajib, tipe, dan nilai dalam aplikasi.
Untuk tugas ekstraksi, berikan teks sumber dan kolom yang perlu dikembalikan, termasuk cara menampilkan nilai yang hilang. Untuk tugas perencanaan, minta tindakan berikutnya, masukannya, dan pengamatan yang akan membuktikan penyelesaian. Simpan jawaban bersama pengenal sumber dan setiap hasil alat sebenarnya agar artefak yang disampaikan tetap terhubung dengan pekerjaan yang dijelaskannya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan z-ai/glm-5.3-prime | 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 $0.0056 / 1K token Keluaran · Token keluaran $0.0176 / 1K token Masukan · Pembacaan cache $0.00112 / 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 $0.0056 / 1K token Keluaran · Token keluaran $0.0176 / 1K token Masukan · Pembacaan cache $0.00112 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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-prime", "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-prime',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-prime',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-prime
Gunakan jalur metode yang ditampilkan di atas.
z-ai/glm-5.3-primeGLM 5.3 Prime adalah model teks Z.ai yang dipercepat untuk pemrograman, percakapan, dan alur kerja agen yang panjang. Model ini memadukan konteks sejuta token dengan penalaran yang selalu aktif dan mendukung upaya low, high, serta max, dengan max sebagai nilai bawaan yang didokumentasikan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
GLM 5.3 Prime adalah edisi teks yang dipercepat dari keluarga GLM 5.3 Z.ai. Model ini menerima teks dan mengembalikan teks, dengan fokus pada pemrograman, generasi kode secara streaming, percakapan waktu nyata, dan tugas agen multitahap percakapan. Profil terbitannya menjelaskan percepatan inferensi sambil mempertahankan kemampuan edisi dasarnya. Permintaan yang bermanfaat menghubungkan tugas, buktinya, dan artefak yang diperlukan berikutnya, seperti patch, penjelasan, atau usulan urutan tindakan.
Penalaran tetap aktif dalam profil ini. Pilihan upaya yang didokumentasikan adalah low, high, dan max, dengan max sebagai nilai bawaan. Pilih kedalaman yang diinginkan bersama tugas: tinjauan kode terfokus membutuhkan logika yang relevan dan perilaku yang diamati, sedangkan perubahan tingkat proyek membutuhkan antarmuka sekitarnya, batasan, dan kondisi penerimaan. Pisahkan hasil sebenarnya dari analisis sementara model agar pembaca dapat langsung memeriksa jawaban atau perubahan yang diusulkan.
Jendela konteks yang diterbitkan adalah 1,000,000 token, dengan hingga 131,072 token penyelesaian. Susun brief panjang menjadi bagian bernama: materi sumber, keputusan yang telah ditetapkan, pertanyaan terbuka, dan keluaran yang diminta. Pertahankan pengenal berkas atau kutipan yang tepat ketika jawaban harus merujuk kembali ke bukti. Konteks kerja besar membantu menjaga materi terkait tetap bersama; pertanyaan terfokus menjadikan materi itu berguna.
Untuk pemrograman, berikan perilaku yang ada, contoh yang gagal, dan perilaku yang diinginkan setelah perubahan. Minta koreksi konkret dan langkah validasinya. Untuk tugas agen multitahap percakapan, teruskan pekerjaan yang telah selesai serta pengamatan terbaru agar langkah berikutnya dapat melanjutkan dari hasil, bukan menyusun ulang tugas dari percakapan yang terus tumbuh.
Kontrak hosting yang diterbitkan mencakup alat fungsi dan format respons JSON. Definisikan alat atau kolom hasil yang dibutuhkan alur kerja. Pemanggilan alat menyebut tindakan yang perlu dilakukan aplikasi di sekelilingnya; pengamatan yang dikembalikan menjadi bukti untuk langkah model berikutnya. Mode JSON yang didokumentasikan mendukung keluaran JSON tanpa memaksakan skema JSON, jadi validasi kolom wajib, tipe, dan nilai dalam aplikasi.
Untuk tugas ekstraksi, berikan teks sumber dan kolom yang perlu dikembalikan, termasuk cara menampilkan nilai yang hilang. Untuk tugas perencanaan, minta tindakan berikutnya, masukannya, dan pengamatan yang akan membuktikan penyelesaian. Simpan jawaban bersama pengenal sumber dan setiap hasil alat sebenarnya agar artefak yang disampaikan tetap terhubung dengan pekerjaan yang dijelaskannya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan z-ai/glm-5.3-prime | 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 $0.0056 / 1K token Keluaran · Token keluaran $0.0176 / 1K token Masukan · Pembacaan cache $0.00112 / 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 $0.0056 / 1K token Keluaran · Token keluaran $0.0176 / 1K token Masukan · Pembacaan cache $0.00112 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "z-ai/glm-5.3-prime",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-prime', '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-prime', '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-prime
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Choose the next debugging action\n\nContinue this debugging task from supplied observations. Goal: imports preserve accented names. [SOURCE] CSV is read with encoding='ascii', errors='replace'. [TEST] 'José' becomes 'Jos?'. [DECISION] Input files are UTF-8. Propose the next code change, identify its exact inputs and define the observation that would establish completion. Include one negative case for malformed UTF-8; do not report an unexecuted pass.A focused code proposal plus a next-action record containing inputs, expected verification evidence and a malformed-input case.Check the proposal preserves accented text and makes malformed-input handling explicit rather than silently replacing bytes.