GLM-5V-Turboは、視覚理解をソフトウェア開発やエージェントの作業に結び付けます。Z.aiは、画像、動画、テキスト、ファイルを入力、テキストを出力として挙げています。プロファイルのコンテキストは200Kトークン、出力は最大128Kトークンです。課題では、スクリーンショットやデザインを要件と組み合わせ、コード、視覚的な説明、文書に基づく結果を求められます。GLM-5.3-Flashとは異なる版です。
フロントエンドの再現は主要な用途です。開発元は、モックアップからレイアウト、色、コンポーネント階層、操作ロジックを認識すると説明しています。参考となる各状態、必要な機能、制約を提示し、編集可能なコードと説明を求めます。不具合のあるページのスクリーンショットは、位置ずれ、コンポーネントの重なり、色の不一致の特定に役立ちます。アプリケーションが提案をレンダリングし、実際の結果を返すことで、さらに解釈できます。
GUIワークフローは、一枚のスクリーンショットを超えて進められます。開発元は、ページ遷移や視覚素材を調べ、その知見をコードの準備に利用すると説明しています。目標と可能な操作を定め、変更後の画面や観察結果を返し、完成させる成果物を指定します。モデルはそのフィードバックから計画を立て、移動、クリック、その他の操作はアプリケーションが実行します。操作を説明する応答は、実行された証拠ではありません。
開発元は、視覚とテキストの融合、CogViT視覚エンコーダー、マルチトークン予測に加え、30を超える課題種別にまたがる共同強化学習を説明しています。その範囲には、STEM、グラウンディング、動画、GUI、コーディングエージェントが含まれます。視覚ツールチェーンには、ボックス描画、スクリーンショット、画像を含むページの読み取りがあります。これらは開発上の重点を説明するものであり、この版のパラメーター数を定めたり、別のモデルのアーキテクチャを割り当てたりするものではありません。
公式の課題資料には、画像のキャプション作成、視覚的グラウンディング、文書に根拠を置く文章作成、提示要件と履歴書の比較、参考メディアからのプロンプト作成が含まれます。文書の作業指示では、項目を指定し、文章で裏付けられた結論を求められます。グラウンディングの指示では、対象物とバウンディングボックスの結果を指定できます。参考メディアを使う課題では、場面やスタイルの文章プロンプトを求められますが、その用途によってネイティブな画像・動画生成モデルになるわけではありません。
プロファイルには、思考モード、ストリーミング、関数呼び出し、コンテキストキャッシュが記載されています。ツールを定義し、その観察結果を該当する工程とともに保存します。資料、コードパス、動画のシーケンスにラベルを付け、推論と回答の余地を残します。例では、メディアと具体的な問いを組み合わせています。厳密な転送上の制限やインターフェースの制御は、名前が似たGLMの版ではなく、文書化されたワークフローに従います。
利用可能な結果にするには、対象となったページや文書の節、提案成果物に含まれるもの、根拠との間に残る差異を求めます。開発元は、ウェブページのコーディング、ウェブサイト作成、文書理解、動画の物体追跡を実演しています。完成したプロジェクト、編集済みファイル、実行済み操作はアプリケーション環境から得られ、モデルはそれに対応する文章の作業を準備・改善します。
", "aboutText": "GLM-5V-Turboは、視覚理解をソフトウェア開発やエージェントの作業に結び付けます。Z.aiは、画像、動画、テキスト、ファイルを入力、テキストを出力として挙げています。プロファイルのコンテキストは200Kトークン、出力は最大128Kトークンです。課題では、スクリーンショットやデザインを要件と組み合わせ、コード、視覚的な説明、文書に基づく結果を求められます。GLM-5.3-Flashとは異なる版です。\n\nフロントエンドの再現は主要な用途です。開発元は、モックアップからレイアウト、色、コンポーネント階層、操作ロジックを認識すると説明しています。参考となる各状態、必要な機能、制約を提示し、編集可能なコードと説明を求めます。不具合のあるページのスクリーンショットは、位置ずれ、コンポーネントの重なり、色の不一致の特定に役立ちます。アプリケーションが提案をレンダリングし、実際の結果を返すことで、さらに解釈できます。\n\nGUIワークフローは、一枚のスクリーンショットを超えて進められます。開発元は、ページ遷移や視覚素材を調べ、その知見をコードの準備に利用すると説明しています。目標と可能な操作を定め、変更後の画面や観察結果を返し、完成させる成果物を指定します。モデルはそのフィードバックから計画を立て、移動、クリック、その他の操作はアプリケーションが実行します。操作を説明する応答は、実行された証拠ではありません。\n\n開発元は、視覚とテキストの融合、CogViT視覚エンコーダー、マルチトークン予測に加え、30を超える課題種別にまたがる共同強化学習を説明しています。その範囲には、STEM、グラウンディング、動画、GUI、コーディングエージェントが含まれます。視覚ツールチェーンには、ボックス描画、スクリーンショット、画像を含むページの読み取りがあります。これらは開発上の重点を説明するものであり、この版のパラメーター数を定めたり、別のモデルのアーキテクチャを割り当てたりするものではありません。\n\n公式の課題資料には、画像のキャプション作成、視覚的グラウンディング、文書に根拠を置く文章作成、提示要件と履歴書の比較、参考メディアからのプロンプト作成が含まれます。文書の作業指示では、項目を指定し、文章で裏付けられた結論を求められます。グラウンディングの指示では、対象物とバウンディングボックスの結果を指定できます。参考メディアを使う課題では、場面やスタイルの文章プロンプトを求められますが、その用途によってネイティブな画像・動画生成モデルになるわけではありません。\n\nプロファイルには、思考モード、ストリーミング、関数呼び出し、コンテキストキャッシュが記載されています。ツールを定義し、その観察結果を該当する工程とともに保存します。資料、コードパス、動画のシーケンスにラベルを付け、推論と回答の余地を残します。例では、メディアと具体的な問いを組み合わせています。厳密な転送上の制限やインターフェースの制御は、名前が似たGLMの版ではなく、文書化されたワークフローに従います。\n\n利用可能な結果にするには、対象となったページや文書の節、提案成果物に含まれるもの、根拠との間に残る差異を求めます。開発元は、ウェブページのコーディング、ウェブサイト作成、文書理解、動画の物体追跡を実演しています。完成したプロジェクト、編集済みファイル、実行済み操作はアプリケーション環境から得られ、モデルはそれに対応する文章の作業を準備・改善します。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Correct a described responsive layout\n\nPropose HTML and CSS for this written mockup: a header with brand text "North Workshop" and a Book visit link; below it, a title "Repair desk" and two service sections. On narrow screens the services stack in reading order. Use semantic elements, preserve exact labels and keep the link keyboard-focusable. Return editable code and inspection criteria.An editable HTML/CSS example with a responsive service layout and explicit visual and keyboard inspection criteria.Render both wide and narrow layouts and inspect reading order, exact labels and visible keyboard focus before using the code.glm-5v-turboGLM-5V-Turboは、スクリーンショット、視覚的な参考資料、文書、GUIエージェント向けのZ.aiのマルチモーダルコーディングモデルです。開発元のプロファイルでは、画像、動画、テキスト、ファイルを入力として受け付け、テキストを返し、200Kのコンテキストと最大128Kの出力トークンが記載されています。
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-5V-Turboは、視覚理解をソフトウェア開発やエージェントの作業に結び付けます。Z.aiは、画像、動画、テキスト、ファイルを入力、テキストを出力として挙げています。プロファイルのコンテキストは200Kトークン、出力は最大128Kトークンです。課題では、スクリーンショットやデザインを要件と組み合わせ、コード、視覚的な説明、文書に基づく結果を求められます。GLM-5.3-Flashとは異なる版です。
フロントエンドの再現は主要な用途です。開発元は、モックアップからレイアウト、色、コンポーネント階層、操作ロジックを認識すると説明しています。参考となる各状態、必要な機能、制約を提示し、編集可能なコードと説明を求めます。不具合のあるページのスクリーンショットは、位置ずれ、コンポーネントの重なり、色の不一致の特定に役立ちます。アプリケーションが提案をレンダリングし、実際の結果を返すことで、さらに解釈できます。
GUIワークフローは、一枚のスクリーンショットを超えて進められます。開発元は、ページ遷移や視覚素材を調べ、その知見をコードの準備に利用すると説明しています。目標と可能な操作を定め、変更後の画面や観察結果を返し、完成させる成果物を指定します。モデルはそのフィードバックから計画を立て、移動、クリック、その他の操作はアプリケーションが実行します。操作を説明する応答は、実行された証拠ではありません。
開発元は、視覚とテキストの融合、CogViT視覚エンコーダー、マルチトークン予測に加え、30を超える課題種別にまたがる共同強化学習を説明しています。その範囲には、STEM、グラウンディング、動画、GUI、コーディングエージェントが含まれます。視覚ツールチェーンには、ボックス描画、スクリーンショット、画像を含むページの読み取りがあります。これらは開発上の重点を説明するものであり、この版のパラメーター数を定めたり、別のモデルのアーキテクチャを割り当てたりするものではありません。
公式の課題資料には、画像のキャプション作成、視覚的グラウンディング、文書に根拠を置く文章作成、提示要件と履歴書の比較、参考メディアからのプロンプト作成が含まれます。文書の作業指示では、項目を指定し、文章で裏付けられた結論を求められます。グラウンディングの指示では、対象物とバウンディングボックスの結果を指定できます。参考メディアを使う課題では、場面やスタイルの文章プロンプトを求められますが、その用途によってネイティブな画像・動画生成モデルになるわけではありません。
プロファイルには、思考モード、ストリーミング、関数呼び出し、コンテキストキャッシュが記載されています。ツールを定義し、その観察結果を該当する工程とともに保存します。資料、コードパス、動画のシーケンスにラベルを付け、推論と回答の余地を残します。例では、メディアと具体的な問いを組み合わせています。厳密な転送上の制限やインターフェースの制御は、名前が似たGLMの版ではなく、文書化されたワークフローに従います。
利用可能な結果にするには、対象となったページや文書の節、提案成果物に含まれるもの、根拠との間に残る差異を求めます。開発元は、ウェブページのコーディング、ウェブサイト作成、文書理解、動画の物体追跡を実演しています。完成したプロジェクト、編集済みファイル、実行済み操作はアプリケーション環境から得られ、モデルはそれに対応する文章の作業を準備・改善します。
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 glm-5v-turbo | 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 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string | 要件任意 | 値と制限 適用条件: テキストでの対話 | 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 · 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 |
パラメータcontrol_scope | 仕様テキストでの対話。streamは真偽値で、既定はfalseです。 |
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 |
メソッドのエイリアス: /chat/completions
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 $0.0024 / 1K トークン 出力 · 出力トークン $0.008 / 1K トークン 入力 · キャッシュ読み取り $0.00048 / 1K トークン 入力 · キャッシュ書き込み — / 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 $0.0024 / 1K トークン 出力 · 出力トークン $0.008 / 1K トークン 入力 · キャッシュ読み取り $0.00048 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"glm-5v-turbo","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-5v-turbo", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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-5v-turbo, z-ai/glm-5v-turbo
/chat/completions
glm-5v-turboGLM-5V-Turboは、スクリーンショット、視覚的な参考資料、文書、GUIエージェント向けのZ.aiのマルチモーダルコーディングモデルです。開発元のプロファイルでは、画像、動画、テキスト、ファイルを入力として受け付け、テキストを返し、200Kのコンテキストと最大128Kの出力トークンが記載されています。
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-5V-Turboは、視覚理解をソフトウェア開発やエージェントの作業に結び付けます。Z.aiは、画像、動画、テキスト、ファイルを入力、テキストを出力として挙げています。プロファイルのコンテキストは200Kトークン、出力は最大128Kトークンです。課題では、スクリーンショットやデザインを要件と組み合わせ、コード、視覚的な説明、文書に基づく結果を求められます。GLM-5.3-Flashとは異なる版です。
フロントエンドの再現は主要な用途です。開発元は、モックアップからレイアウト、色、コンポーネント階層、操作ロジックを認識すると説明しています。参考となる各状態、必要な機能、制約を提示し、編集可能なコードと説明を求めます。不具合のあるページのスクリーンショットは、位置ずれ、コンポーネントの重なり、色の不一致の特定に役立ちます。アプリケーションが提案をレンダリングし、実際の結果を返すことで、さらに解釈できます。
GUIワークフローは、一枚のスクリーンショットを超えて進められます。開発元は、ページ遷移や視覚素材を調べ、その知見をコードの準備に利用すると説明しています。目標と可能な操作を定め、変更後の画面や観察結果を返し、完成させる成果物を指定します。モデルはそのフィードバックから計画を立て、移動、クリック、その他の操作はアプリケーションが実行します。操作を説明する応答は、実行された証拠ではありません。
開発元は、視覚とテキストの融合、CogViT視覚エンコーダー、マルチトークン予測に加え、30を超える課題種別にまたがる共同強化学習を説明しています。その範囲には、STEM、グラウンディング、動画、GUI、コーディングエージェントが含まれます。視覚ツールチェーンには、ボックス描画、スクリーンショット、画像を含むページの読み取りがあります。これらは開発上の重点を説明するものであり、この版のパラメーター数を定めたり、別のモデルのアーキテクチャを割り当てたりするものではありません。
公式の課題資料には、画像のキャプション作成、視覚的グラウンディング、文書に根拠を置く文章作成、提示要件と履歴書の比較、参考メディアからのプロンプト作成が含まれます。文書の作業指示では、項目を指定し、文章で裏付けられた結論を求められます。グラウンディングの指示では、対象物とバウンディングボックスの結果を指定できます。参考メディアを使う課題では、場面やスタイルの文章プロンプトを求められますが、その用途によってネイティブな画像・動画生成モデルになるわけではありません。
プロファイルには、思考モード、ストリーミング、関数呼び出し、コンテキストキャッシュが記載されています。ツールを定義し、その観察結果を該当する工程とともに保存します。資料、コードパス、動画のシーケンスにラベルを付け、推論と回答の余地を残します。例では、メディアと具体的な問いを組み合わせています。厳密な転送上の制限やインターフェースの制御は、名前が似たGLMの版ではなく、文書化されたワークフローに従います。
利用可能な結果にするには、対象となったページや文書の節、提案成果物に含まれるもの、根拠との間に残る差異を求めます。開発元は、ウェブページのコーディング、ウェブサイト作成、文書理解、動画の物体追跡を実演しています。完成したプロジェクト、編集済みファイル、実行済み操作はアプリケーション環境から得られ、モデルはそれに対応する文章の作業を準備・改善します。
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 glm-5v-turbo | 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 $0.0024 / 1K トークン 出力 · 出力トークン $0.008 / 1K トークン 入力 · キャッシュ読み取り $0.00048 / 1K トークン 入力 · キャッシュ書き込み — / 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 $0.0024 / 1K トークン 出力 · 出力トークン $0.008 / 1K トークン 入力 · キャッシュ読み取り $0.00048 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "glm-5v-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5v-turbo', '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-5v-turbo', '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-5v-turbo, z-ai/glm-5v-turbo
/chat/completions
z-ai/glm-5v-turboGLM-5V-Turboは、スクリーンショット、視覚的な参考資料、文書、GUIエージェント向けのZ.aiのマルチモーダルコーディングモデルです。開発元のプロファイルでは、画像、動画、テキスト、ファイルを入力として受け付け、テキストを返し、200Kのコンテキストと最大128Kの出力トークンが記載されています。
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-5V-Turboは、視覚理解をソフトウェア開発やエージェントの作業に結び付けます。Z.aiは、画像、動画、テキスト、ファイルを入力、テキストを出力として挙げています。プロファイルのコンテキストは200Kトークン、出力は最大128Kトークンです。課題では、スクリーンショットやデザインを要件と組み合わせ、コード、視覚的な説明、文書に基づく結果を求められます。GLM-5.3-Flashとは異なる版です。
フロントエンドの再現は主要な用途です。開発元は、モックアップからレイアウト、色、コンポーネント階層、操作ロジックを認識すると説明しています。参考となる各状態、必要な機能、制約を提示し、編集可能なコードと説明を求めます。不具合のあるページのスクリーンショットは、位置ずれ、コンポーネントの重なり、色の不一致の特定に役立ちます。アプリケーションが提案をレンダリングし、実際の結果を返すことで、さらに解釈できます。
GUIワークフローは、一枚のスクリーンショットを超えて進められます。開発元は、ページ遷移や視覚素材を調べ、その知見をコードの準備に利用すると説明しています。目標と可能な操作を定め、変更後の画面や観察結果を返し、完成させる成果物を指定します。モデルはそのフィードバックから計画を立て、移動、クリック、その他の操作はアプリケーションが実行します。操作を説明する応答は、実行された証拠ではありません。
開発元は、視覚とテキストの融合、CogViT視覚エンコーダー、マルチトークン予測に加え、30を超える課題種別にまたがる共同強化学習を説明しています。その範囲には、STEM、グラウンディング、動画、GUI、コーディングエージェントが含まれます。視覚ツールチェーンには、ボックス描画、スクリーンショット、画像を含むページの読み取りがあります。これらは開発上の重点を説明するものであり、この版のパラメーター数を定めたり、別のモデルのアーキテクチャを割り当てたりするものではありません。
公式の課題資料には、画像のキャプション作成、視覚的グラウンディング、文書に根拠を置く文章作成、提示要件と履歴書の比較、参考メディアからのプロンプト作成が含まれます。文書の作業指示では、項目を指定し、文章で裏付けられた結論を求められます。グラウンディングの指示では、対象物とバウンディングボックスの結果を指定できます。参考メディアを使う課題では、場面やスタイルの文章プロンプトを求められますが、その用途によってネイティブな画像・動画生成モデルになるわけではありません。
プロファイルには、思考モード、ストリーミング、関数呼び出し、コンテキストキャッシュが記載されています。ツールを定義し、その観察結果を該当する工程とともに保存します。資料、コードパス、動画のシーケンスにラベルを付け、推論と回答の余地を残します。例では、メディアと具体的な問いを組み合わせています。厳密な転送上の制限やインターフェースの制御は、名前が似たGLMの版ではなく、文書化されたワークフローに従います。
利用可能な結果にするには、対象となったページや文書の節、提案成果物に含まれるもの、根拠との間に残る差異を求めます。開発元は、ウェブページのコーディング、ウェブサイト作成、文書理解、動画の物体追跡を実演しています。完成したプロジェクト、編集済みファイル、実行済み操作はアプリケーション環境から得られ、モデルはそれに対応する文章の作業を準備・改善します。
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-5v-turbo | 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 $0.0024 / 1K トークン 出力 · 出力トークン $0.008 / 1K トークン 入力 · キャッシュ読み取り $0.00048 / 1K トークン 入力 · キャッシュ書き込み — / 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 $0.0024 / 1K トークン 出力 · 出力トークン $0.008 / 1K トークン 入力 · キャッシュ読み取り $0.00048 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${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-5v-turbo", "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-5v-turbo',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-5v-turbo',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-5v-turbo, z-ai/glm-5v-turbo
/chat/completions
z-ai/glm-5v-turboGLM-5V-Turboは、スクリーンショット、視覚的な参考資料、文書、GUIエージェント向けのZ.aiのマルチモーダルコーディングモデルです。開発元のプロファイルでは、画像、動画、テキスト、ファイルを入力として受け付け、テキストを返し、200Kのコンテキストと最大128Kの出力トークンが記載されています。
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-5V-Turboは、視覚理解をソフトウェア開発やエージェントの作業に結び付けます。Z.aiは、画像、動画、テキスト、ファイルを入力、テキストを出力として挙げています。プロファイルのコンテキストは200Kトークン、出力は最大128Kトークンです。課題では、スクリーンショットやデザインを要件と組み合わせ、コード、視覚的な説明、文書に基づく結果を求められます。GLM-5.3-Flashとは異なる版です。
フロントエンドの再現は主要な用途です。開発元は、モックアップからレイアウト、色、コンポーネント階層、操作ロジックを認識すると説明しています。参考となる各状態、必要な機能、制約を提示し、編集可能なコードと説明を求めます。不具合のあるページのスクリーンショットは、位置ずれ、コンポーネントの重なり、色の不一致の特定に役立ちます。アプリケーションが提案をレンダリングし、実際の結果を返すことで、さらに解釈できます。
GUIワークフローは、一枚のスクリーンショットを超えて進められます。開発元は、ページ遷移や視覚素材を調べ、その知見をコードの準備に利用すると説明しています。目標と可能な操作を定め、変更後の画面や観察結果を返し、完成させる成果物を指定します。モデルはそのフィードバックから計画を立て、移動、クリック、その他の操作はアプリケーションが実行します。操作を説明する応答は、実行された証拠ではありません。
開発元は、視覚とテキストの融合、CogViT視覚エンコーダー、マルチトークン予測に加え、30を超える課題種別にまたがる共同強化学習を説明しています。その範囲には、STEM、グラウンディング、動画、GUI、コーディングエージェントが含まれます。視覚ツールチェーンには、ボックス描画、スクリーンショット、画像を含むページの読み取りがあります。これらは開発上の重点を説明するものであり、この版のパラメーター数を定めたり、別のモデルのアーキテクチャを割り当てたりするものではありません。
公式の課題資料には、画像のキャプション作成、視覚的グラウンディング、文書に根拠を置く文章作成、提示要件と履歴書の比較、参考メディアからのプロンプト作成が含まれます。文書の作業指示では、項目を指定し、文章で裏付けられた結論を求められます。グラウンディングの指示では、対象物とバウンディングボックスの結果を指定できます。参考メディアを使う課題では、場面やスタイルの文章プロンプトを求められますが、その用途によってネイティブな画像・動画生成モデルになるわけではありません。
プロファイルには、思考モード、ストリーミング、関数呼び出し、コンテキストキャッシュが記載されています。ツールを定義し、その観察結果を該当する工程とともに保存します。資料、コードパス、動画のシーケンスにラベルを付け、推論と回答の余地を残します。例では、メディアと具体的な問いを組み合わせています。厳密な転送上の制限やインターフェースの制御は、名前が似たGLMの版ではなく、文書化されたワークフローに従います。
利用可能な結果にするには、対象となったページや文書の節、提案成果物に含まれるもの、根拠との間に残る差異を求めます。開発元は、ウェブページのコーディング、ウェブサイト作成、文書理解、動画の物体追跡を実演しています。完成したプロジェクト、編集済みファイル、実行済み操作はアプリケーション環境から得られ、モデルはそれに対応する文章の作業を準備・改善します。
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-5v-turbo | 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 $0.0024 / 1K トークン 出力 · 出力トークン $0.008 / 1K トークン 入力 · キャッシュ読み取り $0.00048 / 1K トークン 入力 · キャッシュ書き込み — / 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 $0.0024 / 1K トークン 出力 · 出力トークン $0.008 / 1K トークン 入力 · キャッシュ読み取り $0.00048 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "z-ai/glm-5v-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5v-turbo', '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-5v-turbo', '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-5v-turbo, z-ai/glm-5v-turbo
/chat/completions
英語の技術例
Correct a described responsive layout\n\nPropose HTML and CSS for this written mockup: a header with brand text "North Workshop" and a Book visit link; below it, a title "Repair desk" and two service sections. On narrow screens the services stack in reading order. Use semantic elements, preserve exact labels and keep the link keyboard-focusable. Return editable code and inspection criteria.An editable HTML/CSS example with a responsive service layout and explicit visual and keyboard inspection criteria.Render both wide and narrow layouts and inspect reading order, exact labels and visible keyboard focus before using the code.