Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
", "aboutText": "Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.\n\nҚұжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».\n\nӨндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.\n\nРепозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.\n\nӨнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.\n\nШығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.\n\nФункция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.\n\nЖергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.\n\nҚұрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.", "editorialOverlay": { "copy_fields": { "practical_html": "Ағылшын тіліндегі техникалық мысал
Target a measured bottleneck\n\nProfile P1 for one import: parsing 0.4 s, per-row database lookups 8.1 s, writing 0.8 s. The import handles 10,000 rows, including repeated customer IDs. Propose one correctness-preserving optimization, describe what lookup behavior must remain identical and define a same-workload check before claiming an improvement.A bottleneck hypothesis, one proposed change and a correctness plus timing comparison plan.The proposal must use P1 without inventing an observed speedup or losing missing-customer behavior.glm-5.3Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/messagestexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5.3 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер user, assistant | Әдепкі— |
Өрісmessages[].content | Түріstring|content_block[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісsystem | Түріstring|content_block[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті | Мәндер мен шектеулер Ең азы: 1 Шектеу қолданылатын нысан: таңдалған модельдің/карточканың нақты жоғарғы шегі | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop_sequences | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріtool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: құрал берілген | Әдепкі— |
Өрісtools[].description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].input_schema | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісthinking.type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісthinking.budget_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісoutput_config.effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmetadata | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісcache_control | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content немесе type=text блогы
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, messages, max_tokens |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/messagesAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.3", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-5.3",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-5.3",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='glm-5.3',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық мазмұн блоктарын, пайымдау қолтаңбаларын және құрал қолданудың нақты ID мәндерін сақтаңыз. SSE блоктарының барлық өзгерістерін жинаңыз; алғашқы мәтіндік блок толық шығыс емес.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісmodel | Түріstring |
Өрісcontent[] | Түріtext|thinking|tool_use|other content block |
Өрісstop_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.3Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/responsestexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5.3 | Әдепкі— |
Өрісinput | Түріstring|input_item[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісinput[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер message, reasoning, function_call, function_call_output | Әдепкі— |
Өрісinput[].content | Түріstring|content_part[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісinput[].call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: function_call_output; нақты қайтарылған call_id мәнін сақтаңыз | Әдепкі— |
Өрісinput[].output | Түріstring|content_part[] | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: function_call_output | Әдепкі— |
Өрісmax_output_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріtool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning.effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning.summary | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtext.format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtext.verbosity | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinclude | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstore | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprevious_response_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер ID талабы: Қолдау көрсетілетін жалғастырудан алынған нақты жауап ID-і ғана Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_key | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
кіріс мәтіні немесе input_text бөлігі
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, input |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/responsesAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.3", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="glm-5.3", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-5.3", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="glm-5.3", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр шығыс элементін және мазмұн бөлігін, функцияның нақты call_id мәнін, шифрланған пайымдауды және пайдалану деректерін сақтаңыз. Ағында оқиғалар мен элементтердің барлық сәйкестендіру деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісstatus | Түріstring |
Өрісoutput[] | Түріmessage|reasoning|function_call|other item |
Өрісoutput[].content[] | Түріcontent part |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.3Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/chat/completionstexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5.3 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мысалдар: system, user, assistant, tool, function Шарттар: Бұл рөлдер бастапқы кодтағы үйлесімділік түрлерінде айқын көрсетілген; рөлдердің нақты жиыны әр модельге байланысты. Модельге байланысты | Әдепкі— |
Өрісmessages[].content | Түріstring|content_part[]|null | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_calls | Түріtool_call[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: role=tool; нақты қайтарылған ID мәнін пайдаланыңыз | Әдепкі— |
Өрісmessages[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].reasoning_content | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: Модель пайымдауды пайдаланса, нақты қайтарылған пайымдауды қайта жіберіңіз | Әдепкі— |
Өрісmessages[].reasoning_details | Түріobject|array | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісmax_completion_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісstream_options.include_usage | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop | Түріstring|string[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріfunction_tool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].function.name | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мына жағдайда қолданылады: функция құралы берілген | Әдепкі— |
Өрісtools[].function.description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].function.parameters | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісresponse_format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning_effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Үйлесімділік өрісі | Әдепкі— |
Өрісfunctions | Түріfunction[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісfunction_call | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, messages |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/chat/completionsAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.3", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="glm-5.3",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-5.3",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-5.3',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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр жауап нұсқасын оның мазмұнымен, құрал шақыруларымен және пайымдауымен бірге сақтаңыз. SSE өзгерістерін жауап нұсқасы мен құрал индексі бойынша жинап, соңғы аяқталу себебі мен пайдалану деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісchoices[].index | Түріinteger |
Өрісchoices[].message.content | Түріstring|null |
Өрісchoices[].message.tool_calls | Түріtool_call[] |
Өрісchoices[].message.reasoning_content | Түріstring |
Өрісchoices[].message.reasoning_details | Түріobject|array |
Өрісchoices[].finish_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.3Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/chat/completionstexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5.3 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmessages[].content | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: Мәтіндік әңгіме | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Мәтін · UTF8 мәтіні
messages[].content
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрmessages | Параметр талаптарыrole/content құрылымы бар хабарламалар жиымы |
Параметрfile_material | Параметр талаптарынақты UTF-8 құжаты сөзбе-сөз мәтін ретінде енгізіледі; файл ID-і болжанбайды |
Параметрoptional_controls | Параметр талаптарыstream |
Параметрcontrol_scope | Параметр талаптарыМәтіндік әңгіме; stream — логикалық мән, әдепкісі false. |
Параметрoutput_modalities | Параметр талаптарыtext |
Параметрhosted_operations | Параметр талаптарыfalse |
Параметрmultimodal_input_binding | Параметр талаптарыnull |
Әдістің балама атаулары: /chat/completions
Өмірлік цикл: synchronous_or_streamed
Модельдің дәл ID мәнін messages деректерімен бірге жіберіңіз.
Контекст ұзындығы шығыстың жоғарғы шегі емес.
Мәтіндік файл сөзбе-сөз мәтінді бере алады; кіріс суреттері, аудио және файл нысандары дәл байланыстыруды қажет етеді.
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауСұрау ұзындығының 1-деңгейі | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"glm-5.3","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-5.3", 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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр жауап нұсқасын оның мазмұнымен, құрал шақыруларымен және пайымдауымен бірге сақтаңыз. SSE өзгерістерін жауап нұсқасы мен құрал индексі бойынша жинап, соңғы аяқталу себебі мен пайдалану деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісchoices[].index | Түріinteger |
Өрісchoices[].message.content | Түріstring|null |
Өрісchoices[].message.tool_calls | Түріtool_call[] |
Өрісchoices[].message.reasoning_content | Түріstring |
Өрісchoices[].message.reasoning_details | Түріobject|array |
Өрісchoices[].finish_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.3Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/messagestextjson, sse| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5.3 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер user, assistant | Әдепкі— |
Өрісmessages[].content | Түріstring | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Мәтін · UTF-8 мәтіні
messages[].content жолы
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages, max_tokens |
Параметрoptional_controls | Параметр талаптарыstream |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрtext_file_material | Параметр талаптарыНақты UTF-8 құжатын оқып, оның мәтінін көрсетілген кіріс жолына немесе хабарлама мазмұнының жолына қойыңыз. |
Өмірлік цикл: synchronous_or_streamed
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауСұрау ұзындығының 1-деңгейі | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
{\n "model": "glm-5.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.3', '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-5.3', '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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық мазмұн блоктарын, пайымдау қолтаңбаларын және құрал қолданудың нақты ID мәндерін сақтаңыз. SSE блоктарының барлық өзгерістерін жинаңыз; алғашқы мәтіндік блок толық шығыс емес.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісmodel | Түріstring |
Өрісcontent[] | Түріtext|thinking|tool_use|other content block |
Өрісstop_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glmZ.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/messagestexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер user, assistant | Әдепкі— |
Өрісmessages[].content | Түріstring|content_block[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісsystem | Түріstring|content_block[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті | Мәндер мен шектеулер Ең азы: 1 Шектеу қолданылатын нысан: таңдалған модельдің/карточканың нақты жоғарғы шегі | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop_sequences | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріtool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: құрал берілген | Әдепкі— |
Өрісtools[].description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].input_schema | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісthinking.type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісthinking.budget_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісoutput_config.effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmetadata | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісcache_control | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content немесе type=text блогы
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, messages, max_tokens |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/messagesAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='glm',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық мазмұн блоктарын, пайымдау қолтаңбаларын және құрал қолданудың нақты ID мәндерін сақтаңыз. SSE блоктарының барлық өзгерістерін жинаңыз; алғашқы мәтіндік блок толық шығыс емес.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісmodel | Түріstring |
Өрісcontent[] | Түріtext|thinking|tool_use|other content block |
Өрісstop_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glmZ.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/responsestexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm | Әдепкі— |
Өрісinput | Түріstring|input_item[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісinput[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер message, reasoning, function_call, function_call_output | Әдепкі— |
Өрісinput[].content | Түріstring|content_part[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісinput[].call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: function_call_output; нақты қайтарылған call_id мәнін сақтаңыз | Әдепкі— |
Өрісinput[].output | Түріstring|content_part[] | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: function_call_output | Әдепкі— |
Өрісmax_output_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріtool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning.effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning.summary | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtext.format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtext.verbosity | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinclude | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstore | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprevious_response_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер ID талабы: Қолдау көрсетілетін жалғастырудан алынған нақты жауап ID-і ғана Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_key | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
кіріс мәтіні немесе input_text бөлігі
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, input |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/responsesAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="glm", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="glm", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр шығыс элементін және мазмұн бөлігін, функцияның нақты call_id мәнін, шифрланған пайымдауды және пайдалану деректерін сақтаңыз. Ағында оқиғалар мен элементтердің барлық сәйкестендіру деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісstatus | Түріstring |
Өрісoutput[] | Түріmessage|reasoning|function_call|other item |
Өрісoutput[].content[] | Түріcontent part |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glmZ.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/chat/completionstexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мысалдар: system, user, assistant, tool, function Шарттар: Бұл рөлдер бастапқы кодтағы үйлесімділік түрлерінде айқын көрсетілген; рөлдердің нақты жиыны әр модельге байланысты. Модельге байланысты | Әдепкі— |
Өрісmessages[].content | Түріstring|content_part[]|null | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_calls | Түріtool_call[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: role=tool; нақты қайтарылған ID мәнін пайдаланыңыз | Әдепкі— |
Өрісmessages[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].reasoning_content | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: Модель пайымдауды пайдаланса, нақты қайтарылған пайымдауды қайта жіберіңіз | Әдепкі— |
Өрісmessages[].reasoning_details | Түріobject|array | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісmax_completion_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісstream_options.include_usage | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop | Түріstring|string[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріfunction_tool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].function.name | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мына жағдайда қолданылады: функция құралы берілген | Әдепкі— |
Өрісtools[].function.description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].function.parameters | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісresponse_format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning_effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Үйлесімділік өрісі | Әдепкі— |
Өрісfunctions | Түріfunction[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісfunction_call | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, messages |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/chat/completionsAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="glm",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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',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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр жауап нұсқасын оның мазмұнымен, құрал шақыруларымен және пайымдауымен бірге сақтаңыз. SSE өзгерістерін жауап нұсқасы мен құрал индексі бойынша жинап, соңғы аяқталу себебі мен пайдалану деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісchoices[].index | Түріinteger |
Өрісchoices[].message.content | Түріstring|null |
Өрісchoices[].message.tool_calls | Түріtool_call[] |
Өрісchoices[].message.reasoning_content | Түріstring |
Өрісchoices[].message.reasoning_details | Түріobject|array |
Өрісchoices[].finish_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/messagestexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер user, assistant | Әдепкі— |
Өрісmessages[].content | Түріstring|content_block[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісsystem | Түріstring|content_block[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті | Мәндер мен шектеулер Ең азы: 1 Шектеу қолданылатын нысан: таңдалған модельдің/карточканың нақты жоғарғы шегі | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop_sequences | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріtool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: құрал берілген | Әдепкі— |
Өрісtools[].description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].input_schema | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісthinking.type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісthinking.budget_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісoutput_config.effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmetadata | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісcache_control | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content немесе type=text блогы
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, messages, max_tokens |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/messagesAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-5",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-5",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='glm-5',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық мазмұн блоктарын, пайымдау қолтаңбаларын және құрал қолданудың нақты ID мәндерін сақтаңыз. SSE блоктарының барлық өзгерістерін жинаңыз; алғашқы мәтіндік блок толық шығыс емес.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісmodel | Түріstring |
Өрісcontent[] | Түріtext|thinking|tool_use|other content block |
Өрісstop_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/responsestexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5 | Әдепкі— |
Өрісinput | Түріstring|input_item[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісinput[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер message, reasoning, function_call, function_call_output | Әдепкі— |
Өрісinput[].content | Түріstring|content_part[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісinput[].call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: function_call_output; нақты қайтарылған call_id мәнін сақтаңыз | Әдепкі— |
Өрісinput[].output | Түріstring|content_part[] | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: function_call_output | Әдепкі— |
Өрісmax_output_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріtool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning.effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning.summary | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtext.format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtext.verbosity | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinclude | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstore | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprevious_response_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер ID талабы: Қолдау көрсетілетін жалғастырудан алынған нақты жауап ID-і ғана Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_key | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
кіріс мәтіні немесе input_text бөлігі
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, input |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/responsesAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="glm-5", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-5", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="glm-5", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр шығыс элементін және мазмұн бөлігін, функцияның нақты call_id мәнін, шифрланған пайымдауды және пайдалану деректерін сақтаңыз. Ағында оқиғалар мен элементтердің барлық сәйкестендіру деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісstatus | Түріstring |
Өрісoutput[] | Түріmessage|reasoning|function_call|other item |
Өрісoutput[].content[] | Түріcontent part |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/chat/completionstexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мысалдар: system, user, assistant, tool, function Шарттар: Бұл рөлдер бастапқы кодтағы үйлесімділік түрлерінде айқын көрсетілген; рөлдердің нақты жиыны әр модельге байланысты. Модельге байланысты | Әдепкі— |
Өрісmessages[].content | Түріstring|content_part[]|null | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_calls | Түріtool_call[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: role=tool; нақты қайтарылған ID мәнін пайдаланыңыз | Әдепкі— |
Өрісmessages[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].reasoning_content | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: Модель пайымдауды пайдаланса, нақты қайтарылған пайымдауды қайта жіберіңіз | Әдепкі— |
Өрісmessages[].reasoning_details | Түріobject|array | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісmax_completion_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісstream_options.include_usage | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop | Түріstring|string[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріfunction_tool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].function.name | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мына жағдайда қолданылады: функция құралы берілген | Әдепкі— |
Өрісtools[].function.description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].function.parameters | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісresponse_format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning_effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Үйлесімділік өрісі | Әдепкі— |
Өрісfunctions | Түріfunction[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісfunction_call | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, messages |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/chat/completionsAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="glm-5",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-5",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-5',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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр жауап нұсқасын оның мазмұнымен, құрал шақыруларымен және пайымдауымен бірге сақтаңыз. SSE өзгерістерін жауап нұсқасы мен құрал индексі бойынша жинап, соңғы аяқталу себебі мен пайдалану деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісchoices[].index | Түріinteger |
Өрісchoices[].message.content | Түріstring|null |
Өрісchoices[].message.tool_calls | Түріtool_call[] |
Өрісchoices[].message.reasoning_content | Түріstring |
Өрісchoices[].message.reasoning_details | Түріobject|array |
Өрісchoices[].finish_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.1Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/messagestexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5.1 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер user, assistant | Әдепкі— |
Өрісmessages[].content | Түріstring|content_block[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісsystem | Түріstring|content_block[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті | Мәндер мен шектеулер Ең азы: 1 Шектеу қолданылатын нысан: таңдалған модельдің/карточканың нақты жоғарғы шегі | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop_sequences | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріtool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: құрал берілген | Әдепкі— |
Өрісtools[].description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].input_schema | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісthinking.type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісthinking.budget_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісoutput_config.effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmetadata | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісcache_control | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content немесе type=text блогы
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, messages, max_tokens |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/messagesAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.1", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-5.1",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-5.1",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='glm-5.1',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық мазмұн блоктарын, пайымдау қолтаңбаларын және құрал қолданудың нақты ID мәндерін сақтаңыз. SSE блоктарының барлық өзгерістерін жинаңыз; алғашқы мәтіндік блок толық шығыс емес.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісmodel | Түріstring |
Өрісcontent[] | Түріtext|thinking|tool_use|other content block |
Өрісstop_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.1Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/responsestexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5.1 | Әдепкі— |
Өрісinput | Түріstring|input_item[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісinput[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер message, reasoning, function_call, function_call_output | Әдепкі— |
Өрісinput[].content | Түріstring|content_part[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісinput[].call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: function_call_output; нақты қайтарылған call_id мәнін сақтаңыз | Әдепкі— |
Өрісinput[].output | Түріstring|content_part[] | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: function_call_output | Әдепкі— |
Өрісmax_output_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріtool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning.effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning.summary | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtext.format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtext.verbosity | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinclude | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstore | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprevious_response_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер ID талабы: Қолдау көрсетілетін жалғастырудан алынған нақты жауап ID-і ғана Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_key | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
кіріс мәтіні немесе input_text бөлігі
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, input |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/responsesAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.1", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="glm-5.1", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-5.1", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="glm-5.1", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр шығыс элементін және мазмұн бөлігін, функцияның нақты call_id мәнін, шифрланған пайымдауды және пайдалану деректерін сақтаңыз. Ағында оқиғалар мен элементтердің барлық сәйкестендіру деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісstatus | Түріstring |
Өрісoutput[] | Түріmessage|reasoning|function_call|other item |
Өрісoutput[].content[] | Түріcontent part |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.1Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/chat/completionstexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5.1 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мысалдар: system, user, assistant, tool, function Шарттар: Бұл рөлдер бастапқы кодтағы үйлесімділік түрлерінде айқын көрсетілген; рөлдердің нақты жиыны әр модельге байланысты. Модельге байланысты | Әдепкі— |
Өрісmessages[].content | Түріstring|content_part[]|null | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_calls | Түріtool_call[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: role=tool; нақты қайтарылған ID мәнін пайдаланыңыз | Әдепкі— |
Өрісmessages[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].reasoning_content | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: Модель пайымдауды пайдаланса, нақты қайтарылған пайымдауды қайта жіберіңіз | Әдепкі— |
Өрісmessages[].reasoning_details | Түріobject|array | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісmax_completion_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісstream_options.include_usage | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop | Түріstring|string[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріfunction_tool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].function.name | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мына жағдайда қолданылады: функция құралы берілген | Әдепкі— |
Өрісtools[].function.description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].function.parameters | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісresponse_format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning_effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Үйлесімділік өрісі | Әдепкі— |
Өрісfunctions | Түріfunction[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісfunction_call | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, messages |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/chat/completionsAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.1", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="glm-5.1",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-5.1",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-5.1',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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр жауап нұсқасын оның мазмұнымен, құрал шақыруларымен және пайымдауымен бірге сақтаңыз. SSE өзгерістерін жауап нұсқасы мен құрал индексі бойынша жинап, соңғы аяқталу себебі мен пайдалану деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісchoices[].index | Түріinteger |
Өрісchoices[].message.content | Түріstring|null |
Өрісchoices[].message.tool_calls | Түріtool_call[] |
Өрісchoices[].message.reasoning_content | Түріstring |
Өрісchoices[].message.reasoning_details | Түріobject|array |
Өрісchoices[].finish_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.2Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/messagestexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5.2 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер user, assistant | Әдепкі— |
Өрісmessages[].content | Түріstring|content_block[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісsystem | Түріstring|content_block[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті | Мәндер мен шектеулер Ең азы: 1 Шектеу қолданылатын нысан: таңдалған модельдің/карточканың нақты жоғарғы шегі | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop_sequences | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріtool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: құрал берілген | Әдепкі— |
Өрісtools[].description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].input_schema | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісthinking.type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісthinking.budget_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісoutput_config.effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmetadata | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісcache_control | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content немесе type=text блогы
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, messages, max_tokens |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/messagesAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.2", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-5.2",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-5.2",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='glm-5.2',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық мазмұн блоктарын, пайымдау қолтаңбаларын және құрал қолданудың нақты ID мәндерін сақтаңыз. SSE блоктарының барлық өзгерістерін жинаңыз; алғашқы мәтіндік блок толық шығыс емес.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісmodel | Түріstring |
Өрісcontent[] | Түріtext|thinking|tool_use|other content block |
Өрісstop_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.2Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/responsestexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5.2 | Әдепкі— |
Өрісinput | Түріstring|input_item[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісinput[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер message, reasoning, function_call, function_call_output | Әдепкі— |
Өрісinput[].content | Түріstring|content_part[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісinput[].call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: function_call_output; нақты қайтарылған call_id мәнін сақтаңыз | Әдепкі— |
Өрісinput[].output | Түріstring|content_part[] | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: function_call_output | Әдепкі— |
Өрісmax_output_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріtool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning.effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning.summary | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtext.format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtext.verbosity | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinclude | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstore | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprevious_response_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер ID талабы: Қолдау көрсетілетін жалғастырудан алынған нақты жауап ID-і ғана Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_key | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
кіріс мәтіні немесе input_text бөлігі
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, input |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/responsesAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.2", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="glm-5.2", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-5.2", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="glm-5.2", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр шығыс элементін және мазмұн бөлігін, функцияның нақты call_id мәнін, шифрланған пайымдауды және пайдалану деректерін сақтаңыз. Ағында оқиғалар мен элементтердің барлық сәйкестендіру деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісstatus | Түріstring |
Өрісoutput[] | Түріmessage|reasoning|function_call|other item |
Өрісoutput[].content[] | Түріcontent part |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.2Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/chat/completionstexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-5.2 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мысалдар: system, user, assistant, tool, function Шарттар: Бұл рөлдер бастапқы кодтағы үйлесімділік түрлерінде айқын көрсетілген; рөлдердің нақты жиыны әр модельге байланысты. Модельге байланысты | Әдепкі— |
Өрісmessages[].content | Түріstring|content_part[]|null | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_calls | Түріtool_call[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: role=tool; нақты қайтарылған ID мәнін пайдаланыңыз | Әдепкі— |
Өрісmessages[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].reasoning_content | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: Модель пайымдауды пайдаланса, нақты қайтарылған пайымдауды қайта жіберіңіз | Әдепкі— |
Өрісmessages[].reasoning_details | Түріobject|array | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісmax_completion_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісstream_options.include_usage | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop | Түріstring|string[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріfunction_tool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].function.name | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мына жағдайда қолданылады: функция құралы берілген | Әдепкі— |
Өрісtools[].function.description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].function.parameters | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісresponse_format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning_effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Үйлесімділік өрісі | Әдепкі— |
Өрісfunctions | Түріfunction[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісfunction_call | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, messages |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/chat/completionsAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.2", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="glm-5.2",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-5.2",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-5.2',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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр жауап нұсқасын оның мазмұнымен, құрал шақыруларымен және пайымдауымен бірге сақтаңыз. SSE өзгерістерін жауап нұсқасы мен құрал индексі бойынша жинап, соңғы аяқталу себебі мен пайдалану деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісchoices[].index | Түріinteger |
Өрісchoices[].message.content | Түріstring|null |
Өрісchoices[].message.tool_calls | Түріtool_call[] |
Өрісchoices[].message.reasoning_content | Түріstring |
Өрісchoices[].message.reasoning_details | Түріobject|array |
Өрісchoices[].finish_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-latestZ.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/messagestexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-latest | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер user, assistant | Әдепкі— |
Өрісmessages[].content | Түріstring|content_block[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісsystem | Түріstring|content_block[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті | Мәндер мен шектеулер Ең азы: 1 Шектеу қолданылатын нысан: таңдалған модельдің/карточканың нақты жоғарғы шегі | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop_sequences | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріtool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: құрал берілген | Әдепкі— |
Өрісtools[].description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].input_schema | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісthinking.type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісthinking.budget_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісoutput_config.effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmetadata | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісcache_control | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content немесе type=text блогы
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, messages, max_tokens |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/messagesAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-latest", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-latest",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-latest",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='glm-latest',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық мазмұн блоктарын, пайымдау қолтаңбаларын және құрал қолданудың нақты ID мәндерін сақтаңыз. SSE блоктарының барлық өзгерістерін жинаңыз; алғашқы мәтіндік блок толық шығыс емес.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісmodel | Түріstring |
Өрісcontent[] | Түріtext|thinking|tool_use|other content block |
Өрісstop_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-latestZ.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/responsestexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-latest | Әдепкі— |
Өрісinput | Түріstring|input_item[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісinput[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер message, reasoning, function_call, function_call_output | Әдепкі— |
Өрісinput[].content | Түріstring|content_part[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісinput[].call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: function_call_output; нақты қайтарылған call_id мәнін сақтаңыз | Әдепкі— |
Өрісinput[].output | Түріstring|content_part[] | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: function_call_output | Әдепкі— |
Өрісmax_output_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріtool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning.effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning.summary | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtext.format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtext.verbosity | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinclude | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstore | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprevious_response_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер ID талабы: Қолдау көрсетілетін жалғастырудан алынған нақты жауап ID-і ғана Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_key | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
кіріс мәтіні немесе input_text бөлігі
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, input |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/responsesAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-latest", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="glm-latest", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-latest", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="glm-latest", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр шығыс элементін және мазмұн бөлігін, функцияның нақты call_id мәнін, шифрланған пайымдауды және пайдалану деректерін сақтаңыз. Ағында оқиғалар мен элементтердің барлық сәйкестендіру деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісstatus | Түріstring |
Өрісoutput[] | Түріmessage|reasoning|function_call|other item |
Өрісoutput[].content[] | Түріcontent part |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-latestZ.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/chat/completionstexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер glm-latest | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мысалдар: system, user, assistant, tool, function Шарттар: Бұл рөлдер бастапқы кодтағы үйлесімділік түрлерінде айқын көрсетілген; рөлдердің нақты жиыны әр модельге байланысты. Модельге байланысты | Әдепкі— |
Өрісmessages[].content | Түріstring|content_part[]|null | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_calls | Түріtool_call[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: role=tool; нақты қайтарылған ID мәнін пайдаланыңыз | Әдепкі— |
Өрісmessages[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].reasoning_content | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: Модель пайымдауды пайдаланса, нақты қайтарылған пайымдауды қайта жіберіңіз | Әдепкі— |
Өрісmessages[].reasoning_details | Түріobject|array | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісmax_completion_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісstream_options.include_usage | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop | Түріstring|string[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріfunction_tool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].function.name | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мына жағдайда қолданылады: функция құралы берілген | Әдепкі— |
Өрісtools[].function.description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].function.parameters | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісresponse_format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning_effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Үйлесімділік өрісі | Әдепкі— |
Өрісfunctions | Түріfunction[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісfunction_call | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, messages |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрtext_file_material | Параметр талаптарынақты UTF-8 мазмұны мәтін ретінде енгізіледі; файл ID мәндері мен URLs үшін бөлек нақты қолдау қажет |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
POST /v1/chat/completionsAiloot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауOpenAI Chat · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауOpenAI Chat · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Токендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауAnthropic Messages · Сұрау ұзындығы бойынша 1-деңгей | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-latest", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="glm-latest",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-latest",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-latest',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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр жауап нұсқасын оның мазмұнымен, құрал шақыруларымен және пайымдауымен бірге сақтаңыз. SSE өзгерістерін жауап нұсқасы мен құрал индексі бойынша жинап, соңғы аяқталу себебі мен пайдалану деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісchoices[].index | Түріinteger |
Өрісchoices[].message.content | Түріstring|null |
Өрісchoices[].message.tool_calls | Түріtool_call[] |
Өрісchoices[].message.reasoning_content | Түріstring |
Өрісchoices[].message.reasoning_details | Түріobject|array |
Өрісchoices[].finish_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
z-ai/glm-5.3Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/chat/completionstexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер z-ai/glm-5.3 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мысалдар: system, user, assistant, tool, function Шарттар: Бұл рөлдер бастапқы кодтағы үйлесімділік түрлерінде айқын көрсетілген; рөлдердің нақты жиыны әр модельге байланысты. Модельге байланысты | Әдепкі— |
Өрісmessages[].content | Түріstring|content_part[]|null | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_calls | Түріtool_call[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: role=tool; нақты қайтарылған ID мәнін пайдаланыңыз | Әдепкі— |
Өрісmessages[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].reasoning_content | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: Модель пайымдауды пайдаланса, нақты қайтарылған пайымдауды қайта жіберіңіз | Әдепкі— |
Өрісmessages[].reasoning_details | Түріobject|array | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісmax_completion_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісstream_options.include_usage | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop | Түріstring|string[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріfunction_tool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер function Модельге байланысты | Әдепкі— |
Өрісtools[].function.name | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мына жағдайда қолданылады: функция құралы берілген | Әдепкі— |
Өрісtools[].function.description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].function.parameters | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісresponse_format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning_effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Үйлесімділік өрісі | Әдепкі— |
Өрісfunctions | Түріfunction[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісfunction_call | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmodalities | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер text | Әдепкі— |
Өрісprovider | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Шарттар: Осы Ultra мәтіндік бағытында provider.options қабылданбайды | Әдепкі— |
Өрісcache_control.ttl | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Шарттар: Сұрау кэшінің нақты орындарында 1h қабылданбайды | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрmessages | Параметр талаптарыrole/content құрылымы бар хабарламалар жиымы |
Параметрfile_material | Параметр талаптарынақты UTF-8 құжаты сөзбе-сөз мәтін ретінде енгізіледі; файл ID-і болжанбайды |
Параметрoptional_controls | Параметр талаптарыstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Параметр талаптарымодельге байланысты; пайдаланушының функция құралдары қызмет жағында орындалатын құралдардан өзгеше |
Параметрoutput_modalities | Параметр талаптарыtext |
Параметрhosted_operations | Параметр талаптарыfalse |
Параметрmultimodal_input_binding | Параметр талаптарыnull |
Өмірлік цикл: synchronous_or_streamed
Модельдің дәл ID мәнін messages деректерімен бірге жіберіңіз.
Контекст ұзындығы шығыстың жоғарғы шегі емес.
Мәтіндік файл сөзбе-сөз мәтінді бере алады; кіріс суреттері, аудио және файл нысандары дәл байланыстыруды қажет етеді.
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауСұрау ұзындығының 1-деңгейі | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
set -eu\n: "${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", "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',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',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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр жауап нұсқасын оның мазмұнымен, құрал шақыруларымен және пайымдауымен бірге сақтаңыз. SSE өзгерістерін жауап нұсқасы мен құрал индексі бойынша жинап, соңғы аяқталу себебі мен пайдалану деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісchoices[].index | Түріinteger |
Өрісchoices[].message.content | Түріstring|null |
Өрісchoices[].message.tool_calls | Түріtool_call[] |
Өрісchoices[].message.reasoning_content | Түріstring |
Өрісchoices[].message.reasoning_details | Түріobject|array |
Өрісchoices[].finish_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
z-ai/glm-5.3Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/messagestextjson, sse| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер z-ai/glm-5.3 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер user, assistant | Әдепкі— |
Өрісmessages[].content | Түріstring | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Мәтін · UTF-8 мәтіні
messages[].content жолы
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages, max_tokens |
Параметрoptional_controls | Параметр талаптарыstream |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрtext_file_material | Параметр талаптарыНақты UTF-8 құжатын оқып, оның мәтінін көрсетілген кіріс жолына немесе хабарлама мазмұнының жолына қойыңыз. |
Өмірлік цикл: synchronous_or_streamed
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауСұрау ұзындығының 1-деңгейі | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
{\n "model": "z-ai/glm-5.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық мазмұн блоктарын, пайымдау қолтаңбаларын және құрал қолданудың нақты ID мәндерін сақтаңыз. SSE блоктарының барлық өзгерістерін жинаңыз; алғашқы мәтіндік блок толық шығыс емес.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісmodel | Түріstring |
Өрісcontent[] | Түріtext|thinking|tool_use|other content block |
Өрісstop_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
~z-ai/glm-latestZ.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/chat/completionstexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер ~z-ai/glm-latest | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мысалдар: system, user, assistant, tool, function Шарттар: Бұл рөлдер бастапқы кодтағы үйлесімділік түрлерінде айқын көрсетілген; рөлдердің нақты жиыны әр модельге байланысты. Модельге байланысты | Әдепкі— |
Өрісmessages[].content | Түріstring|content_part[]|null | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_calls | Түріtool_call[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: role=tool; нақты қайтарылған ID мәнін пайдаланыңыз | Әдепкі— |
Өрісmessages[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].reasoning_content | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: Модель пайымдауды пайдаланса, нақты қайтарылған пайымдауды қайта жіберіңіз | Әдепкі— |
Өрісmessages[].reasoning_details | Түріobject|array | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісmax_completion_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісstream_options.include_usage | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop | Түріstring|string[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріfunction_tool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер function Модельге байланысты | Әдепкі— |
Өрісtools[].function.name | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мына жағдайда қолданылады: функция құралы берілген | Әдепкі— |
Өрісtools[].function.description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].function.parameters | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісresponse_format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning_effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Үйлесімділік өрісі | Әдепкі— |
Өрісfunctions | Түріfunction[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісfunction_call | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmodalities | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер text | Әдепкі— |
Өрісprovider | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Шарттар: Осы Ultra мәтіндік бағытында provider.options қабылданбайды | Әдепкі— |
Өрісcache_control.ttl | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Шарттар: Сұрау кэшінің нақты орындарында 1h қабылданбайды | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрmessages | Параметр талаптарыrole/content құрылымы бар хабарламалар жиымы |
Параметрfile_material | Параметр талаптарынақты UTF-8 құжаты сөзбе-сөз мәтін ретінде енгізіледі; файл ID-і болжанбайды |
Параметрoptional_controls | Параметр талаптарыstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Параметр талаптарымодельге байланысты; пайдаланушының функция құралдары қызмет жағында орындалатын құралдардан өзгеше |
Параметрoutput_modalities | Параметр талаптарыtext |
Параметрhosted_operations | Параметр талаптарыfalse |
Параметрmultimodal_input_binding | Параметр талаптарыnull |
Өмірлік цикл: synchronous_or_streamed
Модельдің дәл ID мәнін messages деректерімен бірге жіберіңіз.
Контекст ұзындығы шығыстың жоғарғы шегі емес.
Мәтіндік файл сөзбе-сөз мәтінді бере алады; кіріс суреттері, аудио және файл нысандары дәл байланыстыруды қажет етеді.
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауСұрау ұзындығының 1-деңгейі | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
set -eu\n: "${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-latest", "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-latest',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-latest',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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр жауап нұсқасын оның мазмұнымен, құрал шақыруларымен және пайымдауымен бірге сақтаңыз. SSE өзгерістерін жауап нұсқасы мен құрал индексі бойынша жинап, соңғы аяқталу себебі мен пайдалану деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісchoices[].index | Түріinteger |
Өрісchoices[].message.content | Түріstring|null |
Өрісchoices[].message.tool_calls | Түріtool_call[] |
Өрісchoices[].message.reasoning_content | Түріstring |
Өрісchoices[].message.reasoning_details | Түріobject|array |
Өрісchoices[].finish_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
~z-ai/glm-latestZ.ai GLM 5.3 — күрделі бағдарламалық инженерияға, терминал жұмысына және ұзақ мерзімді агенттерге арналған мәтіндік пайымдау моделі. Ол өндіруші құжаттаған 1M токендік контексті, 128K токенге дейінгі шығаруды, функция шақыруды және low/high/max пайымдау деңгейлерін қолдайды; пайымдау бүкіл жұмыс бойы қосулы болады.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Z.ai GLM 5.3 — күрделі бағдарламалық инженерияға және ұзақ мерзімді агент жұмысына арналған ірі мәтіндік пайымдау моделі. Өндіруші оның GLM 5.2 моделіндегідей базалық модельді пайдаланатынын, ал жаңа жетістіктер кейінгі оқытудан туындайтынын айтады. Шығарылым бағдарламалау, терминал операциялары және бірнеше тәуелді қадамнан тұратын кеңірек міндеттерді күшейтуге бағытталған. Ол мәтінді қабылдап, мәтін шығарады; бұған құралдармен байланысқан қолданбадағы код, түсіндірмелер, жоспарлар және құрал шақыру сұраулары кіреді.
Құжатталған пайымдау режимі үнемі қосулы. GLM 5.3 пайымдаудың үш деңгейін ұсынады: low, high және max; әдепкісі — max. Өндіруші күрделі бағдарламалау жұмысына max деңгейін ұсынады; low қарапайым қадамдарға жеңілірек пайымдау нұсқасын береді. Таңдалған деңгейді айқын түпкі нәтижемен және аяқталу өлшемшарттарымен бірге пайдаланыңыз. Мысалы: «Осы файлдар мен сәтсіз нәтижелерді қарап, себепті әсер еткен модульдер арқылы қадағалаңыз, сыртқы интерфейсті сақтайтын түзету ұсыныңыз және регрессияның жойылғанын қандай тексерулер растайтынын түсіндіріңіз».
Өндіруші 1M токендік контекст терезесін және 128K токендік ең үлкен шығару ұзындығын көрсетеді. Ұзын материалды модель зерттеуге тиіс байланыс төңірегінде ұйымдастырыңыз. Файл атауларын, қажетті анықтамаларды, дереккөз белгілерін және бақылаулардың ретін сақтап, тиісті жұмыс контексінде пайымдау мен түпкі жауапқа орын қалдырыңыз. Үлкен терезе модульаралық тәуелділіктерге немесе агент бақылауларының ұзын тізбегіне пайдалы; ол байланыссыз материалдың бағытсыз архивін нақты қойылған тапсырмаға айналдырмайды.
Репозиторий жұмысы үшін күтілетін мінез-құлықты, тиісті бастапқы код мәтінін, тәуелділік нұсқаларын және нақты қате шығысын беріңіз. Түзету ұсынбас бұрын әсер еткен мінез-құлықты анықтауды модельден сұраңыз. Рефакторинг үшін өзгермей қалуға тиіс интерфейсті және инварианттарды атаңыз. Пайдалы жауап өңделген кодты, өзгерістің бақыланған мәселені неге шешетінін және нәтижені тексеруге қажет жағдайларды қамтиды. Келесі қадам алдыңғы ұсынысқа емес, өзгерген күйге негізделуі үшін нақты нәтижелерді құралдармен байланысқан жұмыс үдерісіне кері беріңіз.
Өнімділік жұмысы үшін жүктемені, бастапқы деңгейді және орындалу уақыттары, профильдер немесе жад бөлу жазбалары сияқты өлшемдерді беріңіз. Z.ai өнімділікті шектейтін тұстарды диагностикалау, оңтайландыру, тәжірибелер және дұрыстықты сақтайтын нәтижелерді қамтитын оқыту тапсырмаларын сипаттайды. Практикалық сұрау мынадай: «Осы профиль арқылы өнімділікті ең қатты шектейтін тұсты анықтап, бір өлшенетін өзгеріс ұсыныңыз және қандай нәтиже оны сақтап қалуды негіздейтінін түсіндіріңіз». Өнімділік туралы гипотезаны тіркелген жақсарудан ажыратыңыз. Нәтижені қарағанда сол жүктемені және тиісті шарттарды сақтаңыз.
Шығарылым осалдықтарды талдау мүмкіндігін де дамытады. Қорғаныс мақсатындағы бастапқы кодты шолу үшін тиісті кодты, оның көзделген сенім шекараларын және жұмыс істеу шарттарын беріңіз. Күдікті мәселені әсер ететін енгізумен, мінез-құлықпен және нақты түзетумен байланыстыратын тұжырым сұраңыз. Ықтимал әлсіздікті қайта туындатылған ақаудан ажыратып, оны растауға пайдаланылған бақылауды сақтаңыз. Есеп әр күдікті үлгіні расталған осалдық деп қарастырғаннан гөрі, нақты дәлел мен ұсынылған түзетулерге басымдық бергенде пайдалырақ болады.
Функция шақыру айналадағы қолданбаға сыртқы операцияларды модельге ұсынуға мүмкіндік береді. Әр құралдың мақсатын, аргументтерін және күтілетін нәтижесін анықтап, келесі қадамға нақты құрал бақылауын қайтарыңыз. Модель осы нәтижеге сүйеніп пайымдап, оның тапсырманы қалай өзгертетінін шеше алады. Ұсынылған әрекеттерді, орындалған операцияларды және шешілмеген тексерулерді ажыратуға болатындай ұстаңыз. Өндіруші пайымдау мен жауап бөліктерін бөлек қайтаратын ағындық жауаптарды да құжаттайды; оны түпкі есеп немесе код түсіндірмесі деп қабылдамас бұрын аяқталған жауапты жинақтаңыз.
Жергілікті модель карточкасында тарих параметріне қатысты нақты бөлшек бар: оның чат үлгісі әдепкіде ойлануды сақтайды, ал өндіруші кәдімгі чат сценарийлерінде бұрынғы ойлануды анық түрде тазартуды ұсынады. Жалғастыруға қажет нақты аяқталған жауаптарды және құрал нәтижелерін сақтап, қолдану жағдайына сәйкес әңгіме құрылымын қолданыңыз. GLM 5.2 моделінің немесе бөлек GLM 5.3 Flash нұсқаларының пайымдауды басқару параметрлерін осы модельдің low/high/max басқаруымен өзара алмастырылатын деп қарастырмаңыз.
Құрылымдалған нәтижелер үшін күтілетін өрістерді, түрлерді және дереккөз ережелерін көрсетіңіз. Пайдалы материал ақаулар кестесі, өзгеріс жоспары немесе бақылауларды жинақтайтын JSON нысаны болуы мүмкін. Қолданба пайдаланбас бұрын құрылымды да, мәндерді де тексеріңіз. Түпкі нәтиже жауапты немесе өңделген материалды, оны растайтын дәлелді және қалған жорамалдарды көрсетуі тиіс. Пайымдау деңгейінің жоғары болуы құралдың орындалғанын, ұсынылған түзетудің тексерулерден өткенін немесе факт туралы тұжырымның берілген материалдан тыс негізі бар екенін растамайды.
POST /v1/messagestextjson, sse| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер ~z-ai/glm-latest | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер user, assistant | Әдепкі— |
Өрісmessages[].content | Түріstring | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Мәтін · UTF-8 мәтіні
messages[].content жолы
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages, max_tokens |
Параметрoptional_controls | Параметр талаптарыstream |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрtext_file_material | Параметр талаптарыНақты UTF-8 құжатын оқып, оның мәтінін көрсетілген кіріс жолына немесе хабарлама мазмұнының жолына қойыңыз. |
Өмірлік цикл: synchronous_or_streamed
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Контекст токендерінің саны мынадан көп | Контекст токендерінің саны мынадан аспайды, шегі кіреді | Төлем |
|---|---|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Контекст токендерінің саны мынадан көп— | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| БаптауСұрау ұзындығының 1-деңгейі | Мөлшерлемелер кестесі— | Контекст токендерінің саны мынадан көп0 | Контекст токендерінің саны мынадан аспайды, шегі кіредіЖоғарғы шегі жоқ | Төлем Кіріс · Кіріс токендері $0.0028 / 1K токен Шығыс · Шығыс токендері $0.0088 / 1K токен Кіріс · Кэшті оқу $0.00052 / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
{\n "model": "~z-ai/glm-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-latest', '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-latest', '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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық мазмұн блоктарын, пайымдау қолтаңбаларын және құрал қолданудың нақты ID мәндерін сақтаңыз. SSE блоктарының барлық өзгерістерін жинаңыз; алғашқы мәтіндік блок толық шығыс емес.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісmodel | Түріstring |
Өрісcontent[] | Түріtext|thinking|tool_use|other content block |
Өрісstop_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
Ағылшын тіліндегі техникалық мысал
Target a measured bottleneck\n\nProfile P1 for one import: parsing 0.4 s, per-row database lookups 8.1 s, writing 0.8 s. The import handles 10,000 rows, including repeated customer IDs. Propose one correctness-preserving optimization, describe what lookup behavior must remain identical and define a same-workload check before claiming an improvement.A bottleneck hypothesis, one proposed change and a correctness plus timing comparison plan.The proposal must use P1 without inventing an observed speedup or losing missing-customer behavior.