GLM-5.3-FlashX è l'edizione FlashX della famiglia multimodale nativa GLM-5.3-Flash di Z.ai. Il produttore presenta la coppia per la programmazione basata su riferimenti visivi e il lavoro professionale, combinando testo con immagini, video e file e restituendo testo. FlashX ha una denominazione separata per l'inferenza più rapida nel servizio del produttore. Istruzioni utili possono richiedere un'implementazione basata su schermate, un'analisi documentale o un piano che un'applicazione esegue mediante strumenti. La fonte elenca entrambi i codici dei modelli; le rispettive identità nel servizio restano distinte.
La famiglia utilizza una progettazione ibrida con attenzione sparsa e lineare ed è descritta con 320 miliardi di parametri totali e 18 miliardi attivati. L'attenzione sparsa recupera informazioni globali, mentre quella lineare modella dipendenze locali; il produttore descrive anche l'aggregazione degli indici per il contesto lungo. Sono caratteristiche dell'architettura della famiglia, non il formato numerico di ogni istanza ospitata. Il profilo condiviso prevede un milione di token di contesto e un massimo di 128K token di output. Materiale di origine, rappresentazioni visive, cronologia, ragionamento e risposta richiedono tutti spazio nel flusso configurato.
La programmazione basata su riferimenti visivi è centrale. Gli esempi di Z.ai combinano più schermate di pagine o una registrazione con istruzioni per ricostruire relazioni tra pagine, componenti condivisi, navigazione, stati e comportamento delle animazioni. Prepara i riferimenti in ordine e indica quali funzioni devono essere operative. Richiedi sorgenti modificabili e un confronto con il progetto grafico. L'applicazione avvia o esegue il rendering della proposta e restituisce schermate o risultati delle interazioni; il modello utilizza questi riscontri per perfezionare il risultato. Testo e codice non diventano un'applicazione completa in esecuzione senza tali operazioni.
Per il lavoro con Office e documenti, il produttore descrive l'organizzazione del materiale, la creazione di grafici e impaginazioni e l'esame del risultato renderizzato. Un flusso supportato da strumenti può produrre PPTX, PDF, DOCX o XLSX. Le istruzioni esemplificative per una relazione possono fornire fonti, pubblico e sezioni richieste, quindi domandare una tabella che colleghi fonti e conclusioni e una relazione o presentazione modificabile. Mantieni separati i valori forniti dalle ipotesi analitiche. Il rendering, il salvataggio dei file e il controllo dei riferimenti nelle formule sono operazioni dell'applicazione. Per la ricerca finanziaria, il produttore descrive il confronto di bilanci e comunicazioni, la separazione dei valori dichiarati dalle ipotesi e la preparazione, tramite strumenti collegati, di un modello modificabile di previsione o valutazione insieme a una relazione collegata alle fonti.
Gli esempi più ampi del produttore includono montaggio video, scene 3D, giochi utilizzabili e ricostruzione CAD tramite strumenti. Un compito video può iniziare con un inventario dei materiali multimediali e una sequenza temporale; un compito su una scena può definire disposizione, materiali e viste della telecamera prima di richiedere uno script di modellazione. Le istruzioni CAD richiedono riferimenti dimensionali e ipotesi esplicite per le misure non accertate dall'immagine. Il modello interpreta il materiale e dirige il lavoro, mentre gli strumenti pertinenti di montaggio, rendering o modellazione producono ed esaminano le risorse.
Il ragionamento non può essere disattivato in questo profilo. La fonte afferma che i controlli testuali sono coerenti con GLM-5.3 e raccomanda reasoning_effort=max, temperature 1 e top-p 0.95. Raccomanda clear_thinking=false per mantenere il ragionamento e lo streaming sia del testo sia degli strumenti. La guida associata richiede che i blocchi di ragionamento conservati siano restituiti integralmente e senza modifiche. Definisci il risultato finale prima di un'analisi lunga e mantieni le osservazioni associate ai passaggi che le hanno prodotte.
Il produttore elenca chiamate a funzioni, memorizzazione del contesto nella cache, output strutturati e comprensione visiva nativa. Fornisci esplicitamente le descrizioni degli strumenti e i campi di output richiesti. Per un compito su un'interfaccia, richiedi gli stati delle pagine coperti, le discrepanze residue e ciò che il confronto del rendering effettivo ha mostrato. Per un'analisi, separa fatti delle fonti, ipotesi e conclusioni. FlashX supporta questi flussi multimodali, con esecuzione, rendering e gestione dei file forniti dall'applicazione collegata.
", "aboutText": "GLM-5.3-FlashX è l'edizione FlashX della famiglia multimodale nativa GLM-5.3-Flash di Z.ai. Il produttore presenta la coppia per la programmazione basata su riferimenti visivi e il lavoro professionale, combinando testo con immagini, video e file e restituendo testo. FlashX ha una denominazione separata per l'inferenza più rapida nel servizio del produttore. Istruzioni utili possono richiedere un'implementazione basata su schermate, un'analisi documentale o un piano che un'applicazione esegue mediante strumenti. La fonte elenca entrambi i codici dei modelli; le rispettive identità nel servizio restano distinte.\n\nLa famiglia utilizza una progettazione ibrida con attenzione sparsa e lineare ed è descritta con 320 miliardi di parametri totali e 18 miliardi attivati. L'attenzione sparsa recupera informazioni globali, mentre quella lineare modella dipendenze locali; il produttore descrive anche l'aggregazione degli indici per il contesto lungo. Sono caratteristiche dell'architettura della famiglia, non il formato numerico di ogni istanza ospitata. Il profilo condiviso prevede un milione di token di contesto e un massimo di 128K token di output. Materiale di origine, rappresentazioni visive, cronologia, ragionamento e risposta richiedono tutti spazio nel flusso configurato.\n\nLa programmazione basata su riferimenti visivi è centrale. Gli esempi di Z.ai combinano più schermate di pagine o una registrazione con istruzioni per ricostruire relazioni tra pagine, componenti condivisi, navigazione, stati e comportamento delle animazioni. Prepara i riferimenti in ordine e indica quali funzioni devono essere operative. Richiedi sorgenti modificabili e un confronto con il progetto grafico. L'applicazione avvia o esegue il rendering della proposta e restituisce schermate o risultati delle interazioni; il modello utilizza questi riscontri per perfezionare il risultato. Testo e codice non diventano un'applicazione completa in esecuzione senza tali operazioni.\n\nPer il lavoro con Office e documenti, il produttore descrive l'organizzazione del materiale, la creazione di grafici e impaginazioni e l'esame del risultato renderizzato. Un flusso supportato da strumenti può produrre PPTX, PDF, DOCX o XLSX. Le istruzioni esemplificative per una relazione possono fornire fonti, pubblico e sezioni richieste, quindi domandare una tabella che colleghi fonti e conclusioni e una relazione o presentazione modificabile. Mantieni separati i valori forniti dalle ipotesi analitiche. Il rendering, il salvataggio dei file e il controllo dei riferimenti nelle formule sono operazioni dell'applicazione. Per la ricerca finanziaria, il produttore descrive il confronto di bilanci e comunicazioni, la separazione dei valori dichiarati dalle ipotesi e la preparazione, tramite strumenti collegati, di un modello modificabile di previsione o valutazione insieme a una relazione collegata alle fonti.\n\nGli esempi più ampi del produttore includono montaggio video, scene 3D, giochi utilizzabili e ricostruzione CAD tramite strumenti. Un compito video può iniziare con un inventario dei materiali multimediali e una sequenza temporale; un compito su una scena può definire disposizione, materiali e viste della telecamera prima di richiedere uno script di modellazione. Le istruzioni CAD richiedono riferimenti dimensionali e ipotesi esplicite per le misure non accertate dall'immagine. Il modello interpreta il materiale e dirige il lavoro, mentre gli strumenti pertinenti di montaggio, rendering o modellazione producono ed esaminano le risorse.\n\nIl ragionamento non può essere disattivato in questo profilo. La fonte afferma che i controlli testuali sono coerenti con GLM-5.3 e raccomanda reasoning_effort=max, temperature 1 e top-p 0.95. Raccomanda clear_thinking=false per mantenere il ragionamento e lo streaming sia del testo sia degli strumenti. La guida associata richiede che i blocchi di ragionamento conservati siano restituiti integralmente e senza modifiche. Definisci il risultato finale prima di un'analisi lunga e mantieni le osservazioni associate ai passaggi che le hanno prodotte.\n\nIl produttore elenca chiamate a funzioni, memorizzazione del contesto nella cache, output strutturati e comprensione visiva nativa. Fornisci esplicitamente le descrizioni degli strumenti e i campi di output richiesti. Per un compito su un'interfaccia, richiedi gli stati delle pagine coperti, le discrepanze residue e ciò che il confronto del rendering effettivo ha mostrato. Per un'analisi, separa fatti delle fonti, ipotesi e conclusioni. FlashX supporta questi flussi multimodali, con esecuzione, rendering e gestione dei file forniti dall'applicazione collegata.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
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 è il modello multimodale di Z.ai per programmazione basata su riferimenti visivi, lavoro sui documenti e agenti assistiti da strumenti. Il profilo del produttore accetta immagini, video, testo e file, restituisce testo e indica un contesto di 1M con un massimo di 128K token di output.
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-5.3-FlashX è l'edizione FlashX della famiglia multimodale nativa GLM-5.3-Flash di Z.ai. Il produttore presenta la coppia per la programmazione basata su riferimenti visivi e il lavoro professionale, combinando testo con immagini, video e file e restituendo testo. FlashX ha una denominazione separata per l'inferenza più rapida nel servizio del produttore. Istruzioni utili possono richiedere un'implementazione basata su schermate, un'analisi documentale o un piano che un'applicazione esegue mediante strumenti. La fonte elenca entrambi i codici dei modelli; le rispettive identità nel servizio restano distinte.
La famiglia utilizza una progettazione ibrida con attenzione sparsa e lineare ed è descritta con 320 miliardi di parametri totali e 18 miliardi attivati. L'attenzione sparsa recupera informazioni globali, mentre quella lineare modella dipendenze locali; il produttore descrive anche l'aggregazione degli indici per il contesto lungo. Sono caratteristiche dell'architettura della famiglia, non il formato numerico di ogni istanza ospitata. Il profilo condiviso prevede un milione di token di contesto e un massimo di 128K token di output. Materiale di origine, rappresentazioni visive, cronologia, ragionamento e risposta richiedono tutti spazio nel flusso configurato.
La programmazione basata su riferimenti visivi è centrale. Gli esempi di Z.ai combinano più schermate di pagine o una registrazione con istruzioni per ricostruire relazioni tra pagine, componenti condivisi, navigazione, stati e comportamento delle animazioni. Prepara i riferimenti in ordine e indica quali funzioni devono essere operative. Richiedi sorgenti modificabili e un confronto con il progetto grafico. L'applicazione avvia o esegue il rendering della proposta e restituisce schermate o risultati delle interazioni; il modello utilizza questi riscontri per perfezionare il risultato. Testo e codice non diventano un'applicazione completa in esecuzione senza tali operazioni.
Per il lavoro con Office e documenti, il produttore descrive l'organizzazione del materiale, la creazione di grafici e impaginazioni e l'esame del risultato renderizzato. Un flusso supportato da strumenti può produrre PPTX, PDF, DOCX o XLSX. Le istruzioni esemplificative per una relazione possono fornire fonti, pubblico e sezioni richieste, quindi domandare una tabella che colleghi fonti e conclusioni e una relazione o presentazione modificabile. Mantieni separati i valori forniti dalle ipotesi analitiche. Il rendering, il salvataggio dei file e il controllo dei riferimenti nelle formule sono operazioni dell'applicazione. Per la ricerca finanziaria, il produttore descrive il confronto di bilanci e comunicazioni, la separazione dei valori dichiarati dalle ipotesi e la preparazione, tramite strumenti collegati, di un modello modificabile di previsione o valutazione insieme a una relazione collegata alle fonti.
Gli esempi più ampi del produttore includono montaggio video, scene 3D, giochi utilizzabili e ricostruzione CAD tramite strumenti. Un compito video può iniziare con un inventario dei materiali multimediali e una sequenza temporale; un compito su una scena può definire disposizione, materiali e viste della telecamera prima di richiedere uno script di modellazione. Le istruzioni CAD richiedono riferimenti dimensionali e ipotesi esplicite per le misure non accertate dall'immagine. Il modello interpreta il materiale e dirige il lavoro, mentre gli strumenti pertinenti di montaggio, rendering o modellazione producono ed esaminano le risorse.
Il ragionamento non può essere disattivato in questo profilo. La fonte afferma che i controlli testuali sono coerenti con GLM-5.3 e raccomanda reasoning_effort=max, temperature 1 e top-p 0.95. Raccomanda clear_thinking=false per mantenere il ragionamento e lo streaming sia del testo sia degli strumenti. La guida associata richiede che i blocchi di ragionamento conservati siano restituiti integralmente e senza modifiche. Definisci il risultato finale prima di un'analisi lunga e mantieni le osservazioni associate ai passaggi che le hanno prodotte.
Il produttore elenca chiamate a funzioni, memorizzazione del contesto nella cache, output strutturati e comprensione visiva nativa. Fornisci esplicitamente le descrizioni degli strumenti e i campi di output richiesti. Per un compito su un'interfaccia, richiedi gli stati delle pagine coperti, le discrepanze residue e ciò che il confronto del rendering effettivo ha mostrato. Per un'analisi, separa fatti delle fonti, ipotesi e conclusioni. FlashX supporta questi flussi multimodali, con esecuzione, rendering e gestione dei file forniti dall'applicazione collegata.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti z-ai/glm-5.3-flashx | 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 $0.00074 / 1K token Output · Token in output $0.0025 / 1K token Input · Lettura dalla cache $0.00018 / 1K token Input · Scrittura nella cache — / 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 $0.00074 / 1K token Output · Token in output $0.0025 / 1K token Input · Lettura dalla cache $0.00018 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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-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 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-5.3-flashx
Usa i percorsi dei metodi indicati sopra.
z-ai/glm-5.3-flashxGLM-5.3-FlashX è il modello multimodale di Z.ai per programmazione basata su riferimenti visivi, lavoro sui documenti e agenti assistiti da strumenti. Il profilo del produttore accetta immagini, video, testo e file, restituisce testo e indica un contesto di 1M con un massimo di 128K token di output.
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-5.3-FlashX è l'edizione FlashX della famiglia multimodale nativa GLM-5.3-Flash di Z.ai. Il produttore presenta la coppia per la programmazione basata su riferimenti visivi e il lavoro professionale, combinando testo con immagini, video e file e restituendo testo. FlashX ha una denominazione separata per l'inferenza più rapida nel servizio del produttore. Istruzioni utili possono richiedere un'implementazione basata su schermate, un'analisi documentale o un piano che un'applicazione esegue mediante strumenti. La fonte elenca entrambi i codici dei modelli; le rispettive identità nel servizio restano distinte.
La famiglia utilizza una progettazione ibrida con attenzione sparsa e lineare ed è descritta con 320 miliardi di parametri totali e 18 miliardi attivati. L'attenzione sparsa recupera informazioni globali, mentre quella lineare modella dipendenze locali; il produttore descrive anche l'aggregazione degli indici per il contesto lungo. Sono caratteristiche dell'architettura della famiglia, non il formato numerico di ogni istanza ospitata. Il profilo condiviso prevede un milione di token di contesto e un massimo di 128K token di output. Materiale di origine, rappresentazioni visive, cronologia, ragionamento e risposta richiedono tutti spazio nel flusso configurato.
La programmazione basata su riferimenti visivi è centrale. Gli esempi di Z.ai combinano più schermate di pagine o una registrazione con istruzioni per ricostruire relazioni tra pagine, componenti condivisi, navigazione, stati e comportamento delle animazioni. Prepara i riferimenti in ordine e indica quali funzioni devono essere operative. Richiedi sorgenti modificabili e un confronto con il progetto grafico. L'applicazione avvia o esegue il rendering della proposta e restituisce schermate o risultati delle interazioni; il modello utilizza questi riscontri per perfezionare il risultato. Testo e codice non diventano un'applicazione completa in esecuzione senza tali operazioni.
Per il lavoro con Office e documenti, il produttore descrive l'organizzazione del materiale, la creazione di grafici e impaginazioni e l'esame del risultato renderizzato. Un flusso supportato da strumenti può produrre PPTX, PDF, DOCX o XLSX. Le istruzioni esemplificative per una relazione possono fornire fonti, pubblico e sezioni richieste, quindi domandare una tabella che colleghi fonti e conclusioni e una relazione o presentazione modificabile. Mantieni separati i valori forniti dalle ipotesi analitiche. Il rendering, il salvataggio dei file e il controllo dei riferimenti nelle formule sono operazioni dell'applicazione. Per la ricerca finanziaria, il produttore descrive il confronto di bilanci e comunicazioni, la separazione dei valori dichiarati dalle ipotesi e la preparazione, tramite strumenti collegati, di un modello modificabile di previsione o valutazione insieme a una relazione collegata alle fonti.
Gli esempi più ampi del produttore includono montaggio video, scene 3D, giochi utilizzabili e ricostruzione CAD tramite strumenti. Un compito video può iniziare con un inventario dei materiali multimediali e una sequenza temporale; un compito su una scena può definire disposizione, materiali e viste della telecamera prima di richiedere uno script di modellazione. Le istruzioni CAD richiedono riferimenti dimensionali e ipotesi esplicite per le misure non accertate dall'immagine. Il modello interpreta il materiale e dirige il lavoro, mentre gli strumenti pertinenti di montaggio, rendering o modellazione producono ed esaminano le risorse.
Il ragionamento non può essere disattivato in questo profilo. La fonte afferma che i controlli testuali sono coerenti con GLM-5.3 e raccomanda reasoning_effort=max, temperature 1 e top-p 0.95. Raccomanda clear_thinking=false per mantenere il ragionamento e lo streaming sia del testo sia degli strumenti. La guida associata richiede che i blocchi di ragionamento conservati siano restituiti integralmente e senza modifiche. Definisci il risultato finale prima di un'analisi lunga e mantieni le osservazioni associate ai passaggi che le hanno prodotte.
Il produttore elenca chiamate a funzioni, memorizzazione del contesto nella cache, output strutturati e comprensione visiva nativa. Fornisci esplicitamente le descrizioni degli strumenti e i campi di output richiesti. Per un compito su un'interfaccia, richiedi gli stati delle pagine coperti, le discrepanze residue e ciò che il confronto del rendering effettivo ha mostrato. Per un'analisi, separa fatti delle fonti, ipotesi e conclusioni. FlashX supporta questi flussi multimodali, con esecuzione, rendering e gestione dei file forniti dall'applicazione collegata.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti z-ai/glm-5.3-flashx | 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 $0.00074 / 1K token Output · Token in output $0.0025 / 1K token Input · Lettura dalla cache $0.00018 / 1K token Input · Scrittura nella cache — / 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 $0.00074 / 1K token Output · Token in output $0.0025 / 1K token Input · Lettura dalla cache $0.00018 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "z-ai/glm-5.3-flashx",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-5.3-flashx
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
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.