GLM-4.6V è l'edizione 106B della famiglia GLM-V di Z.ai, distinta dal più leggero GLM-4.6V-Flash da 9B. Il contesto di addestramento è esteso a 128K token, con particolare attenzione alla comprensione visiva e alle chiamate a funzioni multimodali native. Il profilo ospitato elenca immagini, video, testo e file come input e testo come output. I compiti possono richiedere la spiegazione di un documento, una tabella di estrazione, un'implementazione basata su schermate o una relazione fondata su evidenze visive.
L'uso nativo di strumenti multimodali è una novità centrale. Immagini, schermate e pagine di documenti possono diventare input degli strumenti senza essere prima ridotte a descrizioni testuali. Il modello può interpretare grafici restituiti, pagine renderizzate o immagini recuperate e incorporarli nel ragionamento successivo. Definisci gli strumenti e la domanda, quindi restituisci output reali. L'applicazione esegue le operazioni; una chiamata proposta e il suo risultato completo sono fasi separate.
Il lavoro documentale combina testo, struttura, grafici, tabelle, formule e figure. La scheda descrive documenti lunghi o multipli entro l'ambito di 128K. Fornisci pagine leggibili con etichette e richiedi campi o conclusioni identificati. Una relazione esemplificativa può organizzare le affermazioni, le evidenze per ciascuna e le differenze irrisolte tra le fonti. Il contenuto visivo occupa spazio di input insieme alla domanda e alla risposta.
Il produttore descrive contenuti con immagini e testo intercalati, assemblati da documenti di origine e immagini recuperate. Un flusso può trovare immagini candidate, valutarne la pertinenza e comporre il testo attorno al materiale selezionato. Si tratta di creazione di contenuti illustrati tramite strumenti, mentre il profilo ospitato continua a indicare il testo come modalità di output nativa. Specifica i riferimenti alle fonti e il contributo di ogni immagine alla narrazione. Ciò non dimostra una generazione indipendente di pixel né la produzione di file finiti.
La riproduzione di interfacce e la modifica visiva sono utilizzi principali. Il modello può interpretare disposizione, componenti e stili e proporre HTML, CSS o JavaScript a partire da una schermata. Supporta anche istruzioni per rivedere un risultato visibile. Fornisci gli stati obiettivo e la modifica richiesta, quindi richiedi sorgenti modificabili e un confronto con il rendering effettivo. La produzione della pagina renderizzata e di una nuova schermata richiede operazioni dell'applicazione.
Le impostazioni di riproducibilità della scheda esatta comprendono temperature 0.8, top-p 0.6, top-k 2 e repetition penalty 1.1, con un budget di generazione di 16K in quella procedura. La guida introduttiva utilizza un diverso budget di esempio. Sono procedure pubblicate, non un limite massimo rigido di output. L'identità 106B e il contesto 128K rimangono distinti da GLM-4.5V, dal modello Flash da 9B e dalle successive versioni per programmazione basata su riferimenti visivi.
La scheda identifica limiti nella risposta a domande esclusivamente testuali, ragionamento eccessivo o ripetitivo su richieste complesse e occasionale riformulazione della risposta. Segnala inoltre limiti percettivi, per esempio nell'accuratezza del conteggio. Definisci il risultato, conserva le etichette piccole e richiedi evidenze collegate alla fonte. Questo collega le capacità documentali e degli strumenti visivi a un elaborato verificabile rispetto al materiale fornito.
", "aboutText": "GLM-4.6V è l'edizione 106B della famiglia GLM-V di Z.ai, distinta dal più leggero GLM-4.6V-Flash da 9B. Il contesto di addestramento è esteso a 128K token, con particolare attenzione alla comprensione visiva e alle chiamate a funzioni multimodali native. Il profilo ospitato elenca immagini, video, testo e file come input e testo come output. I compiti possono richiedere la spiegazione di un documento, una tabella di estrazione, un'implementazione basata su schermate o una relazione fondata su evidenze visive.\n\nL'uso nativo di strumenti multimodali è una novità centrale. Immagini, schermate e pagine di documenti possono diventare input degli strumenti senza essere prima ridotte a descrizioni testuali. Il modello può interpretare grafici restituiti, pagine renderizzate o immagini recuperate e incorporarli nel ragionamento successivo. Definisci gli strumenti e la domanda, quindi restituisci output reali. L'applicazione esegue le operazioni; una chiamata proposta e il suo risultato completo sono fasi separate.\n\nIl lavoro documentale combina testo, struttura, grafici, tabelle, formule e figure. La scheda descrive documenti lunghi o multipli entro l'ambito di 128K. Fornisci pagine leggibili con etichette e richiedi campi o conclusioni identificati. Una relazione esemplificativa può organizzare le affermazioni, le evidenze per ciascuna e le differenze irrisolte tra le fonti. Il contenuto visivo occupa spazio di input insieme alla domanda e alla risposta.\n\nIl produttore descrive contenuti con immagini e testo intercalati, assemblati da documenti di origine e immagini recuperate. Un flusso può trovare immagini candidate, valutarne la pertinenza e comporre il testo attorno al materiale selezionato. Si tratta di creazione di contenuti illustrati tramite strumenti, mentre il profilo ospitato continua a indicare il testo come modalità di output nativa. Specifica i riferimenti alle fonti e il contributo di ogni immagine alla narrazione. Ciò non dimostra una generazione indipendente di pixel né la produzione di file finiti.\n\nLa riproduzione di interfacce e la modifica visiva sono utilizzi principali. Il modello può interpretare disposizione, componenti e stili e proporre HTML, CSS o JavaScript a partire da una schermata. Supporta anche istruzioni per rivedere un risultato visibile. Fornisci gli stati obiettivo e la modifica richiesta, quindi richiedi sorgenti modificabili e un confronto con il rendering effettivo. La produzione della pagina renderizzata e di una nuova schermata richiede operazioni dell'applicazione.\n\nLe impostazioni di riproducibilità della scheda esatta comprendono temperature 0.8, top-p 0.6, top-k 2 e repetition penalty 1.1, con un budget di generazione di 16K in quella procedura. La guida introduttiva utilizza un diverso budget di esempio. Sono procedure pubblicate, non un limite massimo rigido di output. L'identità 106B e il contesto 128K rimangono distinti da GLM-4.5V, dal modello Flash da 9B e dalle successive versioni per programmazione basata su riferimenti visivi.\n\nLa scheda identifica limiti nella risposta a domande esclusivamente testuali, ragionamento eccessivo o ripetitivo su richieste complesse e occasionale riformulazione della risposta. Segnala inoltre limiti percettivi, per esempio nell'accuratezza del conteggio. Definisci il risultato, conserva le etichette piccole e richiedi evidenze collegate alla fonte. Questo collega le capacità documentali e degli strumenti visivi a un elaborato verificabile rispetto al materiale fornito.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Correct a narrow-screen layout\n\nUse this textual layout requirement and CSS. At 320 px viewport width, the panel must fit with 16 px margins and its input must stay inside it. Current CSS: .panel { width: 400px; padding: 24px; } input { width: 100%; padding: 12px; }. Return a focused CSS correction and explain the box-sizing issue. Preserve the class name.An editable CSS patch and checks for panel width, margins and input overflow at a 320 px viewport.Render the proposed styles at 320 px and verify the panel and input bounding boxes remain within the required margins.z-ai/glm-4.6vGLM-4.6V è il modello visivo-linguistico 106B di Z.ai per documenti dalla formattazione complessa, programmazione basata su riferimenti visivi e uso multimodale degli strumenti. Il profilo del produttore accetta testo, immagini, video e file, restituisce testo e ha un contesto di 128K.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GLM-4.6V è l'edizione 106B della famiglia GLM-V di Z.ai, distinta dal più leggero GLM-4.6V-Flash da 9B. Il contesto di addestramento è esteso a 128K token, con particolare attenzione alla comprensione visiva e alle chiamate a funzioni multimodali native. Il profilo ospitato elenca immagini, video, testo e file come input e testo come output. I compiti possono richiedere la spiegazione di un documento, una tabella di estrazione, un'implementazione basata su schermate o una relazione fondata su evidenze visive.
L'uso nativo di strumenti multimodali è una novità centrale. Immagini, schermate e pagine di documenti possono diventare input degli strumenti senza essere prima ridotte a descrizioni testuali. Il modello può interpretare grafici restituiti, pagine renderizzate o immagini recuperate e incorporarli nel ragionamento successivo. Definisci gli strumenti e la domanda, quindi restituisci output reali. L'applicazione esegue le operazioni; una chiamata proposta e il suo risultato completo sono fasi separate.
Il lavoro documentale combina testo, struttura, grafici, tabelle, formule e figure. La scheda descrive documenti lunghi o multipli entro l'ambito di 128K. Fornisci pagine leggibili con etichette e richiedi campi o conclusioni identificati. Una relazione esemplificativa può organizzare le affermazioni, le evidenze per ciascuna e le differenze irrisolte tra le fonti. Il contenuto visivo occupa spazio di input insieme alla domanda e alla risposta.
Il produttore descrive contenuti con immagini e testo intercalati, assemblati da documenti di origine e immagini recuperate. Un flusso può trovare immagini candidate, valutarne la pertinenza e comporre il testo attorno al materiale selezionato. Si tratta di creazione di contenuti illustrati tramite strumenti, mentre il profilo ospitato continua a indicare il testo come modalità di output nativa. Specifica i riferimenti alle fonti e il contributo di ogni immagine alla narrazione. Ciò non dimostra una generazione indipendente di pixel né la produzione di file finiti.
La riproduzione di interfacce e la modifica visiva sono utilizzi principali. Il modello può interpretare disposizione, componenti e stili e proporre HTML, CSS o JavaScript a partire da una schermata. Supporta anche istruzioni per rivedere un risultato visibile. Fornisci gli stati obiettivo e la modifica richiesta, quindi richiedi sorgenti modificabili e un confronto con il rendering effettivo. La produzione della pagina renderizzata e di una nuova schermata richiede operazioni dell'applicazione.
Le impostazioni di riproducibilità della scheda esatta comprendono temperature 0.8, top-p 0.6, top-k 2 e repetition penalty 1.1, con un budget di generazione di 16K in quella procedura. La guida introduttiva utilizza un diverso budget di esempio. Sono procedure pubblicate, non un limite massimo rigido di output. L'identità 106B e il contesto 128K rimangono distinti da GLM-4.5V, dal modello Flash da 9B e dalle successive versioni per programmazione basata su riferimenti visivi.
La scheda identifica limiti nella risposta a domande esclusivamente testuali, ragionamento eccessivo o ripetitivo su richieste complesse e occasionale riformulazione della risposta. Segnala inoltre limiti percettivi, per esempio nell'accuratezza del conteggio. Definisci il risultato, conserva le etichette piccole e richiedi evidenze collegate alla fonte. Questo collega le capacità documentali e degli strumenti visivi a un elaborato verificabile rispetto al materiale fornito.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti z-ai/glm-4.6v | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.0018 / 1K token Input · Lettura dalla cache $0.0001 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.0018 / 1K token Input · Lettura dalla cache $0.0001 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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-4.6v", "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-4.6v',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-4.6v',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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra z-ai/glm-4.6v
Usa i percorsi dei metodi indicati sopra.
z-ai/glm-4.6vGLM-4.6V è il modello visivo-linguistico 106B di Z.ai per documenti dalla formattazione complessa, programmazione basata su riferimenti visivi e uso multimodale degli strumenti. Il profilo del produttore accetta testo, immagini, video e file, restituisce testo e ha un contesto di 128K.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GLM-4.6V è l'edizione 106B della famiglia GLM-V di Z.ai, distinta dal più leggero GLM-4.6V-Flash da 9B. Il contesto di addestramento è esteso a 128K token, con particolare attenzione alla comprensione visiva e alle chiamate a funzioni multimodali native. Il profilo ospitato elenca immagini, video, testo e file come input e testo come output. I compiti possono richiedere la spiegazione di un documento, una tabella di estrazione, un'implementazione basata su schermate o una relazione fondata su evidenze visive.
L'uso nativo di strumenti multimodali è una novità centrale. Immagini, schermate e pagine di documenti possono diventare input degli strumenti senza essere prima ridotte a descrizioni testuali. Il modello può interpretare grafici restituiti, pagine renderizzate o immagini recuperate e incorporarli nel ragionamento successivo. Definisci gli strumenti e la domanda, quindi restituisci output reali. L'applicazione esegue le operazioni; una chiamata proposta e il suo risultato completo sono fasi separate.
Il lavoro documentale combina testo, struttura, grafici, tabelle, formule e figure. La scheda descrive documenti lunghi o multipli entro l'ambito di 128K. Fornisci pagine leggibili con etichette e richiedi campi o conclusioni identificati. Una relazione esemplificativa può organizzare le affermazioni, le evidenze per ciascuna e le differenze irrisolte tra le fonti. Il contenuto visivo occupa spazio di input insieme alla domanda e alla risposta.
Il produttore descrive contenuti con immagini e testo intercalati, assemblati da documenti di origine e immagini recuperate. Un flusso può trovare immagini candidate, valutarne la pertinenza e comporre il testo attorno al materiale selezionato. Si tratta di creazione di contenuti illustrati tramite strumenti, mentre il profilo ospitato continua a indicare il testo come modalità di output nativa. Specifica i riferimenti alle fonti e il contributo di ogni immagine alla narrazione. Ciò non dimostra una generazione indipendente di pixel né la produzione di file finiti.
La riproduzione di interfacce e la modifica visiva sono utilizzi principali. Il modello può interpretare disposizione, componenti e stili e proporre HTML, CSS o JavaScript a partire da una schermata. Supporta anche istruzioni per rivedere un risultato visibile. Fornisci gli stati obiettivo e la modifica richiesta, quindi richiedi sorgenti modificabili e un confronto con il rendering effettivo. La produzione della pagina renderizzata e di una nuova schermata richiede operazioni dell'applicazione.
Le impostazioni di riproducibilità della scheda esatta comprendono temperature 0.8, top-p 0.6, top-k 2 e repetition penalty 1.1, con un budget di generazione di 16K in quella procedura. La guida introduttiva utilizza un diverso budget di esempio. Sono procedure pubblicate, non un limite massimo rigido di output. L'identità 106B e il contesto 128K rimangono distinti da GLM-4.5V, dal modello Flash da 9B e dalle successive versioni per programmazione basata su riferimenti visivi.
La scheda identifica limiti nella risposta a domande esclusivamente testuali, ragionamento eccessivo o ripetitivo su richieste complesse e occasionale riformulazione della risposta. Segnala inoltre limiti percettivi, per esempio nell'accuratezza del conteggio. Definisci il risultato, conserva le etichette piccole e richiedi evidenze collegate alla fonte. Questo collega le capacità documentali e degli strumenti visivi a un elaborato verificabile rispetto al materiale fornito.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti z-ai/glm-4.6v | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.0018 / 1K token Input · Lettura dalla cache $0.0001 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.0018 / 1K token Input · Lettura dalla cache $0.0001 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "z-ai/glm-4.6v",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.6v', '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-4.6v', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra z-ai/glm-4.6v
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Correct a narrow-screen layout\n\nUse this textual layout requirement and CSS. At 320 px viewport width, the panel must fit with 16 px margins and its input must stay inside it. Current CSS: .panel { width: 400px; padding: 24px; } input { width: 100%; padding: 12px; }. Return a focused CSS correction and explain the box-sizing issue. Preserve the class name.An editable CSS patch and checks for panel width, margins and input overflow at a 320 px viewport.Render the proposed styles at 320 px and verify the panel and input bounding boxes remain within the required margins.