GLM-4Vは、画像と文章の問いを組み合わせるためのZhipu AIの視覚言語モデルです。開発元のネイティブマルチモーダルの例では、その両方を一つのユーザーメッセージで提示し、テキストの応答を返します。エージェント開発ガイドでも、GLM-4Vを画像からテキストへのモデルと位置付けており、元の画像と問いの表現が、課題の中心的な入力になります。
回答に必要な根拠を含む画像を選び、何を調べるかを示します。一般的な問いでは場面の描写を求められ、焦点を絞った問いでは、説明する物体、ラベル、関係を指定できます。商品写真のどの品目が重要か、スクリーンショットのどの領域を説明するかなど、課題を一意に解釈できるだけの文脈を与えます。
開発元の例は、画像参照としてエンコードしたJPEG画像を、文章の問いとともに使用します。特に切り抜きでラベルや周囲の文脈が失われる場合は、リクエストの準備時に元の画像を保持します。サポート課題の例では、スクリーンショットを提示し、見えている状態の説明を求め、画面上の正確なメッセージを、その原因に関する説明案と分けます。
結果を、キャプション、短い説明、順序に沿った描写、観察事項を分けた作業メモのどれにするかを指定します。在庫写真の指示例は、「見える物体とその配置を説明し、私の問いで指定した品目を特定してください」です。文書画像では、見えている文章について尋ね、画像またはページの識別子を回答に添えて保持します。
関連する根拠を容易に点検できる程度に、問いを絞ります。次の工程で名前、数値、引用ラベルが必要な場合は、その項目を別に求め、返された表現を元の画像と比較します。
開発元のエージェントワークフローは、アップロード画像を、名前付きの入力および付随するプロンプトに対応付けます。議論を続ける際も、その対応を保持します。有用な追加質問では、同じ画像を指定し、問いを特定の領域や関係に絞り、次の回答が意図した資料を参照するようにします。
完成した文章を、画像識別子、問い、課題で使った領域参照とともに保存します。これにより、視覚支援の対話、カタログの説明、資料に対応付けた文書メモを、実用的に引き継げます。モデルの役割は、提示された画像を解釈し、言葉で表すことです。元の画像は、具体的な細部の確認や、次の問いの修正のために引き続き利用できます。
", "aboutText": "GLM-4Vは、画像と文章の問いを組み合わせるためのZhipu AIの視覚言語モデルです。開発元のネイティブマルチモーダルの例では、その両方を一つのユーザーメッセージで提示し、テキストの応答を返します。エージェント開発ガイドでも、GLM-4Vを画像からテキストへのモデルと位置付けており、元の画像と問いの表現が、課題の中心的な入力になります。\n\n### 画像に問いを添える\n\n回答に必要な根拠を含む画像を選び、何を調べるかを示します。一般的な問いでは場面の描写を求められ、焦点を絞った問いでは、説明する物体、ラベル、関係を指定できます。商品写真のどの品目が重要か、スクリーンショットのどの領域を説明するかなど、課題を一意に解釈できるだけの文脈を与えます。\n\n開発元の例は、画像参照としてエンコードしたJPEG画像を、文章の問いとともに使用します。特に切り抜きでラベルや周囲の文脈が失われる場合は、リクエストの準備時に元の画像を保持します。サポート課題の例では、スクリーンショットを提示し、見えている状態の説明を求め、画面上の正確なメッセージを、その原因に関する説明案と分けます。\n\n### 期待する文章の成果物を明示する\n\n結果を、キャプション、短い説明、順序に沿った描写、観察事項を分けた作業メモのどれにするかを指定します。在庫写真の指示例は、「見える物体とその配置を説明し、私の問いで指定した品目を特定してください」です。文書画像では、見えている文章について尋ね、画像またはページの識別子を回答に添えて保持します。\n\n関連する根拠を容易に点検できる程度に、問いを絞ります。次の工程で名前、数値、引用ラベルが必要な場合は、その項目を別に求め、返された表現を元の画像と比較します。\n\n### 画像を視覚対話に引き継ぐ\n\n開発元のエージェントワークフローは、アップロード画像を、名前付きの入力および付随するプロンプトに対応付けます。議論を続ける際も、その対応を保持します。有用な追加質問では、同じ画像を指定し、問いを特定の領域や関係に絞り、次の回答が意図した資料を参照するようにします。\n\n完成した文章を、画像識別子、問い、課題で使った領域参照とともに保存します。これにより、視覚支援の対話、カタログの説明、資料に対応付けた文書メモを、実用的に引き継げます。モデルの役割は、提示された画像を解釈し、言葉で表すことです。元の画像は、具体的な細部の確認や、次の問いの修正のために引き続き利用できます。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Explain a transcribed screen state\n\nUse this screenshot transcription only: heading 'Export orders'; format 'CSV'; button 'Download' disabled; note 'Select at least one order'; selected count '0'. Write a two-sentence help message explaining the visible state and the next user step. Keep the visible note separate from any cause you cannot verify.Two help sentences grounded in the selected count, disabled button and selection note.The message asks the user to select an order and introduces no unsupported account, network or permission diagnosis.glm-4vGLM-4Vは、画像について質問し、文章の回答を受け取るためのZhipu AIの視覚言語モデルです。画像と焦点を絞った文章のプロンプトを提示し、描写の作成、目に見える細部の解釈、根拠に結び付いた視覚メモの準備を行います。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
GLM-4Vは、画像と文章の問いを組み合わせるためのZhipu AIの視覚言語モデルです。開発元のネイティブマルチモーダルの例では、その両方を一つのユーザーメッセージで提示し、テキストの応答を返します。エージェント開発ガイドでも、GLM-4Vを画像からテキストへのモデルと位置付けており、元の画像と問いの表現が、課題の中心的な入力になります。
回答に必要な根拠を含む画像を選び、何を調べるかを示します。一般的な問いでは場面の描写を求められ、焦点を絞った問いでは、説明する物体、ラベル、関係を指定できます。商品写真のどの品目が重要か、スクリーンショットのどの領域を説明するかなど、課題を一意に解釈できるだけの文脈を与えます。
開発元の例は、画像参照としてエンコードしたJPEG画像を、文章の問いとともに使用します。特に切り抜きでラベルや周囲の文脈が失われる場合は、リクエストの準備時に元の画像を保持します。サポート課題の例では、スクリーンショットを提示し、見えている状態の説明を求め、画面上の正確なメッセージを、その原因に関する説明案と分けます。
結果を、キャプション、短い説明、順序に沿った描写、観察事項を分けた作業メモのどれにするかを指定します。在庫写真の指示例は、「見える物体とその配置を説明し、私の問いで指定した品目を特定してください」です。文書画像では、見えている文章について尋ね、画像またはページの識別子を回答に添えて保持します。
関連する根拠を容易に点検できる程度に、問いを絞ります。次の工程で名前、数値、引用ラベルが必要な場合は、その項目を別に求め、返された表現を元の画像と比較します。
開発元のエージェントワークフローは、アップロード画像を、名前付きの入力および付随するプロンプトに対応付けます。議論を続ける際も、その対応を保持します。有用な追加質問では、同じ画像を指定し、問いを特定の領域や関係に絞り、次の回答が意図した資料を参照するようにします。
完成した文章を、画像識別子、問い、課題で使った領域参照とともに保存します。これにより、視覚支援の対話、カタログの説明、資料に対応付けた文書メモを、実用的に引き継げます。モデルの役割は、提示された画像を解釈し、言葉で表すことです。元の画像は、具体的な細部の確認や、次の問いの修正のために引き続き利用できます。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 glm-4v | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.014 / 1K トークン 出力 · 出力トークン $0.014 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-4v", "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='glm-4v',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='glm-4v',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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra glm-4v
上記に表示されたメソッドパスを使用してください。
glm-4vGLM-4Vは、画像について質問し、文章の回答を受け取るためのZhipu AIの視覚言語モデルです。画像と焦点を絞った文章のプロンプトを提示し、描写の作成、目に見える細部の解釈、根拠に結び付いた視覚メモの準備を行います。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
GLM-4Vは、画像と文章の問いを組み合わせるためのZhipu AIの視覚言語モデルです。開発元のネイティブマルチモーダルの例では、その両方を一つのユーザーメッセージで提示し、テキストの応答を返します。エージェント開発ガイドでも、GLM-4Vを画像からテキストへのモデルと位置付けており、元の画像と問いの表現が、課題の中心的な入力になります。
回答に必要な根拠を含む画像を選び、何を調べるかを示します。一般的な問いでは場面の描写を求められ、焦点を絞った問いでは、説明する物体、ラベル、関係を指定できます。商品写真のどの品目が重要か、スクリーンショットのどの領域を説明するかなど、課題を一意に解釈できるだけの文脈を与えます。
開発元の例は、画像参照としてエンコードしたJPEG画像を、文章の問いとともに使用します。特に切り抜きでラベルや周囲の文脈が失われる場合は、リクエストの準備時に元の画像を保持します。サポート課題の例では、スクリーンショットを提示し、見えている状態の説明を求め、画面上の正確なメッセージを、その原因に関する説明案と分けます。
結果を、キャプション、短い説明、順序に沿った描写、観察事項を分けた作業メモのどれにするかを指定します。在庫写真の指示例は、「見える物体とその配置を説明し、私の問いで指定した品目を特定してください」です。文書画像では、見えている文章について尋ね、画像またはページの識別子を回答に添えて保持します。
関連する根拠を容易に点検できる程度に、問いを絞ります。次の工程で名前、数値、引用ラベルが必要な場合は、その項目を別に求め、返された表現を元の画像と比較します。
開発元のエージェントワークフローは、アップロード画像を、名前付きの入力および付随するプロンプトに対応付けます。議論を続ける際も、その対応を保持します。有用な追加質問では、同じ画像を指定し、問いを特定の領域や関係に絞り、次の回答が意図した資料を参照するようにします。
完成した文章を、画像識別子、問い、課題で使った領域参照とともに保存します。これにより、視覚支援の対話、カタログの説明、資料に対応付けた文書メモを、実用的に引き継げます。モデルの役割は、提示された画像を解釈し、言葉で表すことです。元の画像は、具体的な細部の確認や、次の問いの修正のために引き続き利用できます。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 glm-4v | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.014 / 1K トークン 出力 · 出力トークン $0.014 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "glm-4v",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'glm-4v', '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': 'glm-4v', '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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra glm-4v
上記に表示されたメソッドパスを使用してください。
英語の技術例
Explain a transcribed screen state\n\nUse this screenshot transcription only: heading 'Export orders'; format 'CSV'; button 'Download' disabled; note 'Select at least one order'; selected count '0'. Write a two-sentence help message explaining the visible state and the next user step. Keep the visible note separate from any cause you cannot verify.Two help sentences grounded in the selected count, disabled button and selection note.The message asks the user to select an order and introduces no unsupported account, network or permission diagnosis.