GLM-4.7-Flashは、Z.aiのGLM-4.7ファミリーに属する30B-A3Bの混合エキスパート版です。疎な設計では、総パラメーター数は約30 billion、活性化するパラメーター数は三十億で、開発元は能力と効率の均衡を取る軽量モデルとして紹介しています。テキストを入力し、テキストを生成します。開発元は特に、ソフトウェア開発、中国語の文章作成、翻訳、長文処理、役割に基づく対話を挙げています。有用な作業指示では、提示資料に根拠を置くコード案、文章の改稿、説明、構造化結果を求められます。
開発について、Z.aiはこのFlash版の用途として、フロントエンドとアプリケーションロジックの両方を挙げています。実装する動作、関連ソース、保持すべき条件を提示します。ページやコンポーネントでは、状態、レイアウト、必要な操作を説明し、編集可能なコードと重要な選択の説明を求めます。既存の関数では、観察された失敗と期待する結果の例を含めます。モデルはコード案を生成し、コンパイル、実行、インターフェースのレンダリングは、接続されたアプリケーション環境が担います。
開発元がホストするGLM-4.7シリーズのプロファイルには、Flashのテキスト入力、テキスト出力、200Kトークンのコンテキスト、最大128Kの出力トークンが記載されています。オープンモデルのカードとホスティングプロファイルは、同じ名称の版について、チェックポイントの特性と開発元のサービス設定という異なる側面を説明します。長い入力には、資料の見出し、コード識別子、明確な文書境界を付け、推論と要求する回答の余地を残します。テキスト専用モデルは、画像やカメラ入力を処理するアプリケーションのコードを書けますが、そのことでこのチェックポイントにネイティブな視覚入力モードが備わるわけではありません。
GLM-4.7シリーズでは、推論が既定で有効です。開発元はターンごとの切り替えを文書化しているため、対話では難しい問いで推論を求め、単純な書き直しや短い回答では無効にできます。ツール呼び出し間に思考を挟むことにも対応し、モデルは返された観察結果を解釈してから次の工程を計画できます。この種の課題を始める前に、利用可能なツールと必要な最終成果物を定義します。文書アシスタントは、特定の情報を要求し、実際の取得結果を受け取り、その結果で裏付けられた説明を作成できます。
思考の保持は、継続的なコーディングやエージェント作業向けの独立した選択肢です。開発元のガイドはclear_thinking=falseを使用し、過去のアシスタントターンの完全かつ未変更のreasoning_contentを、元の順序で返すことを求めています。これらのブロックを変更または並べ替えると、結果が悪化し、キャッシュの動作に影響する場合があります。開発元のコーディング用インターフェースと標準インターフェースでは既定値が異なるため、この選択肢は設定されたワークフローであり、すべての対話に自動的に備わる性質ではありません。表示する回答を保持した推論と分け、後続工程が依存する根拠やツール出力を保存します。
このファミリーの文書化されたインターフェースには、テキストのストリーミング、関数呼び出し、コンテキストキャッシュ、JSONなどの構造化出力が含まれます。構造化結果では、必須フィールドと各値が表す内容を提示します。ツール要求では、関数の目的、引数、完了条件を定義します。生成された呼び出しは、アプリケーションへの実行要求であり、実行の証拠ではありません。最終結果は短い報告、データオブジェクト、コード成果物にでき、その生成に使用した情報を引き続き特定できるようにします。
文章作成や翻訳では、読者、言語、文体、変更しない用語を指定します。開発元は、技術作業に加え、中国語の文章作成、物語、役割に基づく対話でもFlashを試すことを推奨しています。編集指示の例では、文章を提示し、事実を保持した簡潔な改稿を求められます。翻訳指示では、用語集を提示し、引用文と指示を区別できます。長い対話では、制約を保持し、次に必要な結果を指定して、モデルの応答を元の課題に結び付けたままにします。
このオープンモデル固有のカードには、評価課題ごとに異なる生成設定が公開されています。既定のtemperatureは1.0、top-pは0.95で、ソフトウェア課題には別の設定として0.7と1.0が指定されています。例の生成長は、その手順の一部であり、追加の普遍的な上限ではありません。このチェックポイントは、GLM-4.7、GLM-4.7-FlashX、後のGLM-5モデルとは異なります。この版について文書化されたテキスト能力に課題と応答モードを合わせ、納品されたコード、抽出値、改稿文を入力と照合して評価します。
", "aboutText": "GLM-4.7-Flashは、Z.aiのGLM-4.7ファミリーに属する30B-A3Bの混合エキスパート版です。疎な設計では、総パラメーター数は約30 billion、活性化するパラメーター数は三十億で、開発元は能力と効率の均衡を取る軽量モデルとして紹介しています。テキストを入力し、テキストを生成します。開発元は特に、ソフトウェア開発、中国語の文章作成、翻訳、長文処理、役割に基づく対話を挙げています。有用な作業指示では、提示資料に根拠を置くコード案、文章の改稿、説明、構造化結果を求められます。\n\n開発について、Z.aiはこのFlash版の用途として、フロントエンドとアプリケーションロジックの両方を挙げています。実装する動作、関連ソース、保持すべき条件を提示します。ページやコンポーネントでは、状態、レイアウト、必要な操作を説明し、編集可能なコードと重要な選択の説明を求めます。既存の関数では、観察された失敗と期待する結果の例を含めます。モデルはコード案を生成し、コンパイル、実行、インターフェースのレンダリングは、接続されたアプリケーション環境が担います。\n\n開発元がホストするGLM-4.7シリーズのプロファイルには、Flashのテキスト入力、テキスト出力、200Kトークンのコンテキスト、最大128Kの出力トークンが記載されています。オープンモデルのカードとホスティングプロファイルは、同じ名称の版について、チェックポイントの特性と開発元のサービス設定という異なる側面を説明します。長い入力には、資料の見出し、コード識別子、明確な文書境界を付け、推論と要求する回答の余地を残します。テキスト専用モデルは、画像やカメラ入力を処理するアプリケーションのコードを書けますが、そのことでこのチェックポイントにネイティブな視覚入力モードが備わるわけではありません。\n\nGLM-4.7シリーズでは、推論が既定で有効です。開発元はターンごとの切り替えを文書化しているため、対話では難しい問いで推論を求め、単純な書き直しや短い回答では無効にできます。ツール呼び出し間に思考を挟むことにも対応し、モデルは返された観察結果を解釈してから次の工程を計画できます。この種の課題を始める前に、利用可能なツールと必要な最終成果物を定義します。文書アシスタントは、特定の情報を要求し、実際の取得結果を受け取り、その結果で裏付けられた説明を作成できます。\n\n思考の保持は、継続的なコーディングやエージェント作業向けの独立した選択肢です。開発元のガイドはclear_thinking=falseを使用し、過去のアシスタントターンの完全かつ未変更のreasoning_contentを、元の順序で返すことを求めています。これらのブロックを変更または並べ替えると、結果が悪化し、キャッシュの動作に影響する場合があります。開発元のコーディング用インターフェースと標準インターフェースでは既定値が異なるため、この選択肢は設定されたワークフローであり、すべての対話に自動的に備わる性質ではありません。表示する回答を保持した推論と分け、後続工程が依存する根拠やツール出力を保存します。\n\nこのファミリーの文書化されたインターフェースには、テキストのストリーミング、関数呼び出し、コンテキストキャッシュ、JSONなどの構造化出力が含まれます。構造化結果では、必須フィールドと各値が表す内容を提示します。ツール要求では、関数の目的、引数、完了条件を定義します。生成された呼び出しは、アプリケーションへの実行要求であり、実行の証拠ではありません。最終結果は短い報告、データオブジェクト、コード成果物にでき、その生成に使用した情報を引き続き特定できるようにします。\n\n文章作成や翻訳では、読者、言語、文体、変更しない用語を指定します。開発元は、技術作業に加え、中国語の文章作成、物語、役割に基づく対話でもFlashを試すことを推奨しています。編集指示の例では、文章を提示し、事実を保持した簡潔な改稿を求められます。翻訳指示では、用語集を提示し、引用文と指示を区別できます。長い対話では、制約を保持し、次に必要な結果を指定して、モデルの応答を元の課題に結び付けたままにします。\n\nこのオープンモデル固有のカードには、評価課題ごとに異なる生成設定が公開されています。既定のtemperatureは1.0、top-pは0.95で、ソフトウェア課題には別の設定として0.7と1.0が指定されています。例の生成長は、その手順の一部であり、追加の普遍的な上限ではありません。このチェックポイントは、GLM-4.7、GLM-4.7-FlashX、後のGLM-5モデルとは異なります。この版について文書化されたテキスト能力に課題と応答モードを合わせ、納品されたコード、抽出値、改稿文を入力と照合して評価します。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Translate a notice with a fixed glossary\n\nTranslate this Chinese notice into English: '订单已审核，但尚未发货。更改收货地址需要重新审核。' Use this glossary consistently: 审核 = review; 发货 = dispatch; 收货地址 = delivery address. Write a clear customer-facing notice and preserve the distinction between completed review and pending dispatch. Do not add a dispatch date or an approval guarantee.A concise English notice applying the glossary and preserving the two different order states.The translation retains the requirement for another review after an address change and does not state that dispatch occurred.z-ai/glm-4.7-flashGLM-4.7-Flashは、コーディング、長文、中国語の文章、翻訳向けのZ.aiの30B-A3B混合エキスパート型テキストモデルです。推論とツールを使う流れに対応し、メーカーがホストするプロファイルは200Kのコンテキストトークンと最大128Kの出力を持ちます。
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-4.7-Flashは、Z.aiのGLM-4.7ファミリーに属する30B-A3Bの混合エキスパート版です。疎な設計では、総パラメーター数は約30 billion、活性化するパラメーター数は三十億で、開発元は能力と効率の均衡を取る軽量モデルとして紹介しています。テキストを入力し、テキストを生成します。開発元は特に、ソフトウェア開発、中国語の文章作成、翻訳、長文処理、役割に基づく対話を挙げています。有用な作業指示では、提示資料に根拠を置くコード案、文章の改稿、説明、構造化結果を求められます。
開発について、Z.aiはこのFlash版の用途として、フロントエンドとアプリケーションロジックの両方を挙げています。実装する動作、関連ソース、保持すべき条件を提示します。ページやコンポーネントでは、状態、レイアウト、必要な操作を説明し、編集可能なコードと重要な選択の説明を求めます。既存の関数では、観察された失敗と期待する結果の例を含めます。モデルはコード案を生成し、コンパイル、実行、インターフェースのレンダリングは、接続されたアプリケーション環境が担います。
開発元がホストするGLM-4.7シリーズのプロファイルには、Flashのテキスト入力、テキスト出力、200Kトークンのコンテキスト、最大128Kの出力トークンが記載されています。オープンモデルのカードとホスティングプロファイルは、同じ名称の版について、チェックポイントの特性と開発元のサービス設定という異なる側面を説明します。長い入力には、資料の見出し、コード識別子、明確な文書境界を付け、推論と要求する回答の余地を残します。テキスト専用モデルは、画像やカメラ入力を処理するアプリケーションのコードを書けますが、そのことでこのチェックポイントにネイティブな視覚入力モードが備わるわけではありません。
GLM-4.7シリーズでは、推論が既定で有効です。開発元はターンごとの切り替えを文書化しているため、対話では難しい問いで推論を求め、単純な書き直しや短い回答では無効にできます。ツール呼び出し間に思考を挟むことにも対応し、モデルは返された観察結果を解釈してから次の工程を計画できます。この種の課題を始める前に、利用可能なツールと必要な最終成果物を定義します。文書アシスタントは、特定の情報を要求し、実際の取得結果を受け取り、その結果で裏付けられた説明を作成できます。
思考の保持は、継続的なコーディングやエージェント作業向けの独立した選択肢です。開発元のガイドはclear_thinking=falseを使用し、過去のアシスタントターンの完全かつ未変更のreasoning_contentを、元の順序で返すことを求めています。これらのブロックを変更または並べ替えると、結果が悪化し、キャッシュの動作に影響する場合があります。開発元のコーディング用インターフェースと標準インターフェースでは既定値が異なるため、この選択肢は設定されたワークフローであり、すべての対話に自動的に備わる性質ではありません。表示する回答を保持した推論と分け、後続工程が依存する根拠やツール出力を保存します。
このファミリーの文書化されたインターフェースには、テキストのストリーミング、関数呼び出し、コンテキストキャッシュ、JSONなどの構造化出力が含まれます。構造化結果では、必須フィールドと各値が表す内容を提示します。ツール要求では、関数の目的、引数、完了条件を定義します。生成された呼び出しは、アプリケーションへの実行要求であり、実行の証拠ではありません。最終結果は短い報告、データオブジェクト、コード成果物にでき、その生成に使用した情報を引き続き特定できるようにします。
文章作成や翻訳では、読者、言語、文体、変更しない用語を指定します。開発元は、技術作業に加え、中国語の文章作成、物語、役割に基づく対話でもFlashを試すことを推奨しています。編集指示の例では、文章を提示し、事実を保持した簡潔な改稿を求められます。翻訳指示では、用語集を提示し、引用文と指示を区別できます。長い対話では、制約を保持し、次に必要な結果を指定して、モデルの応答を元の課題に結び付けたままにします。
このオープンモデル固有のカードには、評価課題ごとに異なる生成設定が公開されています。既定のtemperatureは1.0、top-pは0.95で、ソフトウェア課題には別の設定として0.7と1.0が指定されています。例の生成長は、その手順の一部であり、追加の普遍的な上限ではありません。このチェックポイントは、GLM-4.7、GLM-4.7-FlashX、後のGLM-5モデルとは異なります。この版について文書化されたテキスト能力に課題と応答モードを合わせ、納品されたコード、抽出値、改稿文を入力と照合して評価します。
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 z-ai/glm-4.7-flash | 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。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.000144 / 1K トークン 出力 · 出力トークン $0.000858 / 1K トークン 入力 · キャッシュ読み取り $0.00002 / 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 |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.000144 / 1K トークン 出力 · 出力トークン $0.000858 / 1K トークン 入力 · キャッシュ読み取り $0.00002 / 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": "z-ai/glm-4.7-flash", "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-4.7-flash',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-4.7-flash',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 z-ai/glm-4.7-flash
上記に表示されたメソッドパスを使用してください。
z-ai/glm-4.7-flashGLM-4.7-Flashは、コーディング、長文、中国語の文章、翻訳向けのZ.aiの30B-A3B混合エキスパート型テキストモデルです。推論とツールを使う流れに対応し、メーカーがホストするプロファイルは200Kのコンテキストトークンと最大128Kの出力を持ちます。
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-4.7-Flashは、Z.aiのGLM-4.7ファミリーに属する30B-A3Bの混合エキスパート版です。疎な設計では、総パラメーター数は約30 billion、活性化するパラメーター数は三十億で、開発元は能力と効率の均衡を取る軽量モデルとして紹介しています。テキストを入力し、テキストを生成します。開発元は特に、ソフトウェア開発、中国語の文章作成、翻訳、長文処理、役割に基づく対話を挙げています。有用な作業指示では、提示資料に根拠を置くコード案、文章の改稿、説明、構造化結果を求められます。
開発について、Z.aiはこのFlash版の用途として、フロントエンドとアプリケーションロジックの両方を挙げています。実装する動作、関連ソース、保持すべき条件を提示します。ページやコンポーネントでは、状態、レイアウト、必要な操作を説明し、編集可能なコードと重要な選択の説明を求めます。既存の関数では、観察された失敗と期待する結果の例を含めます。モデルはコード案を生成し、コンパイル、実行、インターフェースのレンダリングは、接続されたアプリケーション環境が担います。
開発元がホストするGLM-4.7シリーズのプロファイルには、Flashのテキスト入力、テキスト出力、200Kトークンのコンテキスト、最大128Kの出力トークンが記載されています。オープンモデルのカードとホスティングプロファイルは、同じ名称の版について、チェックポイントの特性と開発元のサービス設定という異なる側面を説明します。長い入力には、資料の見出し、コード識別子、明確な文書境界を付け、推論と要求する回答の余地を残します。テキスト専用モデルは、画像やカメラ入力を処理するアプリケーションのコードを書けますが、そのことでこのチェックポイントにネイティブな視覚入力モードが備わるわけではありません。
GLM-4.7シリーズでは、推論が既定で有効です。開発元はターンごとの切り替えを文書化しているため、対話では難しい問いで推論を求め、単純な書き直しや短い回答では無効にできます。ツール呼び出し間に思考を挟むことにも対応し、モデルは返された観察結果を解釈してから次の工程を計画できます。この種の課題を始める前に、利用可能なツールと必要な最終成果物を定義します。文書アシスタントは、特定の情報を要求し、実際の取得結果を受け取り、その結果で裏付けられた説明を作成できます。
思考の保持は、継続的なコーディングやエージェント作業向けの独立した選択肢です。開発元のガイドはclear_thinking=falseを使用し、過去のアシスタントターンの完全かつ未変更のreasoning_contentを、元の順序で返すことを求めています。これらのブロックを変更または並べ替えると、結果が悪化し、キャッシュの動作に影響する場合があります。開発元のコーディング用インターフェースと標準インターフェースでは既定値が異なるため、この選択肢は設定されたワークフローであり、すべての対話に自動的に備わる性質ではありません。表示する回答を保持した推論と分け、後続工程が依存する根拠やツール出力を保存します。
このファミリーの文書化されたインターフェースには、テキストのストリーミング、関数呼び出し、コンテキストキャッシュ、JSONなどの構造化出力が含まれます。構造化結果では、必須フィールドと各値が表す内容を提示します。ツール要求では、関数の目的、引数、完了条件を定義します。生成された呼び出しは、アプリケーションへの実行要求であり、実行の証拠ではありません。最終結果は短い報告、データオブジェクト、コード成果物にでき、その生成に使用した情報を引き続き特定できるようにします。
文章作成や翻訳では、読者、言語、文体、変更しない用語を指定します。開発元は、技術作業に加え、中国語の文章作成、物語、役割に基づく対話でもFlashを試すことを推奨しています。編集指示の例では、文章を提示し、事実を保持した簡潔な改稿を求められます。翻訳指示では、用語集を提示し、引用文と指示を区別できます。長い対話では、制約を保持し、次に必要な結果を指定して、モデルの応答を元の課題に結び付けたままにします。
このオープンモデル固有のカードには、評価課題ごとに異なる生成設定が公開されています。既定のtemperatureは1.0、top-pは0.95で、ソフトウェア課題には別の設定として0.7と1.0が指定されています。例の生成長は、その手順の一部であり、追加の普遍的な上限ではありません。このチェックポイントは、GLM-4.7、GLM-4.7-FlashX、後のGLM-5モデルとは異なります。この版について文書化されたテキスト能力に課題と応答モードを合わせ、納品されたコード、抽出値、改稿文を入力と照合して評価します。
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 z-ai/glm-4.7-flash | 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。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.000144 / 1K トークン 出力 · 出力トークン $0.000858 / 1K トークン 入力 · キャッシュ読み取り $0.00002 / 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 |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.000144 / 1K トークン 出力 · 出力トークン $0.000858 / 1K トークン 入力 · キャッシュ読み取り $0.00002 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "z-ai/glm-4.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.7-flash', '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-4.7-flash', '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 z-ai/glm-4.7-flash
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
Translate a notice with a fixed glossary\n\nTranslate this Chinese notice into English: '订单已审核，但尚未发货。更改收货地址需要重新审核。' Use this glossary consistently: 审核 = review; 发货 = dispatch; 收货地址 = delivery address. Write a clear customer-facing notice and preserve the distinction between completed review and pending dispatch. Do not add a dispatch date or an approval guarantee.A concise English notice applying the glossary and preserving the two different order states.The translation retains the requirement for another review after an address change and does not state that dispatch occurred.