GLM-4V-Plus는 이미지나 동영상을 해석하고 텍스트를 생성하는 Zhipu AI의 멀티모달 모델입니다. 제조사의 에이전트 개발 가이드는 이를 GLM-4V의 이미지-텍스트 작업 흐름과 명확히 구분합니다. Plus 프로필은 서면 프롬프트와 함께 이미지 또는 동영상 자료를 입력받습니다. 이 조합으로 시각적 질문을 원본에 연결된 설명, 해설 또는 작업 메모로 바꾸세요.
검토할 사건, 대상, 관계가 담긴 사진이나 동영상을 제공하고 과제 목적을 명시하세요. 이미지 질문은 보이는 배치나 문서의 세부 사항에 집중할 수 있습니다. 동영상 질문은 화면에 보이는 행동의 설명이나 제공된 장면 순서의 요약을 요청할 수 있습니다.
질문과 함께 참고 자료의 식별 정보를 유지하세요. 동영상 검토에서는 장면 순서를 명명하고 유용하다면 검토할 시간 구간을 지정하세요. 지침의 예시는 “선택한 구간의 행동을 묘사하고 보이는 장면 순서가 그 묘사를 어떻게 뒷받침하는지 설명하세요”입니다. 지침의 시간 참조는 요청한 자료를 식별하며 동영상 입력을 대신하지 않습니다.
제작사는 두 가지 에이전트 작업 흐름을 문서화합니다. 업로드한 이미지나 동영상을 프롬프트와 연결하는 대화 에이전트와, 업로드 입력에 명시적인 이름을 부여하는 텍스트 중심 에이전트입니다. 후자의 작업 흐름에서는 여러 시각 입력을 별도의 명명된 입력 필드로 설정할 수 있습니다. 각 참고 자료에 초기 상태, 이후 상태, 검토할 문서처럼 명확한 역할을 부여하세요.
비교 예시에서는 변경 사항을 묻기 전에 참고 자료에 레이블을 붙이세요. 각 관찰의 원본을 명시하는 서면 비교를 요청하세요. 이렇게 하면 결과를 검토 메모로 활용할 수 있고, 특정 이미지나 장면 순서에 대한 후속 요청이 올바른 참고 자료와 연결됩니다.
다음 단계에 필요한 산출물을 캡션, 설명, 장면 순서 요약, 원본 참조와 연결된 관찰 목록 중에서 정의하세요. 보이는 것과 추가 맥락이 필요한 것을 구분하도록 요청하세요. 문서 질문에서는 반환된 해석에 페이지 식별 정보를 유지하고, 행동 순서에서는 선택한 구간과 원본 클립을 요약 옆에 함께 보관하세요.
문서화된 GLM-4V-Plus 작업 흐름의 출력은 텍스트입니다. 시각 지식 기록을 준비하거나 검토를 다른 사람에게 넘길 때 이 응답을 프롬프트 및 입력 참조와 함께 보존하세요. 이름, 레이블, 사건 설명을 원본 자료와 대조한 뒤, 명확히 해야 할 특정 관찰에 관해 다음 요청을 하세요.
GLM-4V와 GLM-4V-Plus는 별도 이름을 가진 제작사 프로필입니다. 제공된 근거에 동영상이 포함된 과제에서는 Plus를 선택하고 완성된 메모와 함께 그 선택을 유지하세요. 유용한 후속 작업은 같은 자료를 참조하고, 요청한 관찰 범위를 좁히며, 이전 답변을 작업 기록의 일부로 보존합니다.
", "aboutText": "GLM-4V-Plus는 이미지나 동영상을 해석하고 텍스트를 생성하는 Zhipu AI의 멀티모달 모델입니다. 제조사의 에이전트 개발 가이드는 이를 GLM-4V의 이미지-텍스트 작업 흐름과 명확히 구분합니다. Plus 프로필은 서면 프롬프트와 함께 이미지 또는 동영상 자료를 입력받습니다. 이 조합으로 시각적 질문을 원본에 연결된 설명, 해설 또는 작업 메모로 바꾸세요.\n\n### 질문에 필요한 시각적 근거 선택하기\n\n검토할 사건, 대상, 관계가 담긴 사진이나 동영상을 제공하고 과제 목적을 명시하세요. 이미지 질문은 보이는 배치나 문서의 세부 사항에 집중할 수 있습니다. 동영상 질문은 화면에 보이는 행동의 설명이나 제공된 장면 순서의 요약을 요청할 수 있습니다.\n\n질문과 함께 참고 자료의 식별 정보를 유지하세요. 동영상 검토에서는 장면 순서를 명명하고 유용하다면 검토할 시간 구간을 지정하세요. 지침의 예시는 “선택한 구간의 행동을 묘사하고 보이는 장면 순서가 그 묘사를 어떻게 뒷받침하는지 설명하세요”입니다. 지침의 시간 참조는 요청한 자료를 식별하며 동영상 입력을 대신하지 않습니다.\n\n### 각 입력과 역할 연결하기\n\n제작사는 두 가지 에이전트 작업 흐름을 문서화합니다. 업로드한 이미지나 동영상을 프롬프트와 연결하는 대화 에이전트와, 업로드 입력에 명시적인 이름을 부여하는 텍스트 중심 에이전트입니다. 후자의 작업 흐름에서는 여러 시각 입력을 별도의 명명된 입력 필드로 설정할 수 있습니다. 각 참고 자료에 초기 상태, 이후 상태, 검토할 문서처럼 명확한 역할을 부여하세요.\n\n비교 예시에서는 변경 사항을 묻기 전에 참고 자료에 레이블을 붙이세요. 각 관찰의 원본을 명시하는 서면 비교를 요청하세요. 이렇게 하면 결과를 검토 메모로 활용할 수 있고, 특정 이미지나 장면 순서에 대한 후속 요청이 올바른 참고 자료와 연결됩니다.\n\n### 유용한 서면 결과 요청하기\n\n다음 단계에 필요한 산출물을 캡션, 설명, 장면 순서 요약, 원본 참조와 연결된 관찰 목록 중에서 정의하세요. 보이는 것과 추가 맥락이 필요한 것을 구분하도록 요청하세요. 문서 질문에서는 반환된 해석에 페이지 식별 정보를 유지하고, 행동 순서에서는 선택한 구간과 원본 클립을 요약 옆에 함께 보관하세요.\n\n문서화된 GLM-4V-Plus 작업 흐름의 출력은 텍스트입니다. 시각 지식 기록을 준비하거나 검토를 다른 사람에게 넘길 때 이 응답을 프롬프트 및 입력 참조와 함께 보존하세요. 이름, 레이블, 사건 설명을 원본 자료와 대조한 뒤, 명확히 해야 할 특정 관찰에 관해 다음 요청을 하세요.\n\n### 결과와 함께 선택한 시각 프로필 유지하기\n\nGLM-4V와 GLM-4V-Plus는 별도 이름을 가진 제작사 프로필입니다. 제공된 근거에 동영상이 포함된 과제에서는 Plus를 선택하고 완성된 메모와 함께 그 선택을 유지하세요. 유용한 후속 작업은 같은 자료를 참조하고, 요청한 관찰 범위를 좁히며, 이전 답변을 작업 기록의 일부로 보존합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Compare labelled inspection notes\n\nUse only these text inspection notes. Before: crate latch closed, seal present, label K7. After: latch open, seal missing, label K7. Write a comparison for the receiving team. Distinguish documented changes from unknown causes and list the next evidence to request. No image or video is attached.A before/after comparison with source labels, an unknown-cause note and a short evidence request.The latch and seal changes are reported, while damage, theft and the person responsible remain unasserted.glm-4v-plusGLM-4V-Plus는 이미지나 동영상을 텍스트 프롬프트와 함께 해석하고 서면 응답을 반환하는 Zhipu AI의 모델입니다. 제공된 장면 순서의 요약이나 화면에 보이는 행동의 서면 설명에는 동영상 지원 Plus 프로필을 선택하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM-4V-Plus는 이미지나 동영상을 해석하고 텍스트를 생성하는 Zhipu AI의 멀티모달 모델입니다. 제조사의 에이전트 개발 가이드는 이를 GLM-4V의 이미지-텍스트 작업 흐름과 명확히 구분합니다. Plus 프로필은 서면 프롬프트와 함께 이미지 또는 동영상 자료를 입력받습니다. 이 조합으로 시각적 질문을 원본에 연결된 설명, 해설 또는 작업 메모로 바꾸세요.
검토할 사건, 대상, 관계가 담긴 사진이나 동영상을 제공하고 과제 목적을 명시하세요. 이미지 질문은 보이는 배치나 문서의 세부 사항에 집중할 수 있습니다. 동영상 질문은 화면에 보이는 행동의 설명이나 제공된 장면 순서의 요약을 요청할 수 있습니다.
질문과 함께 참고 자료의 식별 정보를 유지하세요. 동영상 검토에서는 장면 순서를 명명하고 유용하다면 검토할 시간 구간을 지정하세요. 지침의 예시는 “선택한 구간의 행동을 묘사하고 보이는 장면 순서가 그 묘사를 어떻게 뒷받침하는지 설명하세요”입니다. 지침의 시간 참조는 요청한 자료를 식별하며 동영상 입력을 대신하지 않습니다.
제작사는 두 가지 에이전트 작업 흐름을 문서화합니다. 업로드한 이미지나 동영상을 프롬프트와 연결하는 대화 에이전트와, 업로드 입력에 명시적인 이름을 부여하는 텍스트 중심 에이전트입니다. 후자의 작업 흐름에서는 여러 시각 입력을 별도의 명명된 입력 필드로 설정할 수 있습니다. 각 참고 자료에 초기 상태, 이후 상태, 검토할 문서처럼 명확한 역할을 부여하세요.
비교 예시에서는 변경 사항을 묻기 전에 참고 자료에 레이블을 붙이세요. 각 관찰의 원본을 명시하는 서면 비교를 요청하세요. 이렇게 하면 결과를 검토 메모로 활용할 수 있고, 특정 이미지나 장면 순서에 대한 후속 요청이 올바른 참고 자료와 연결됩니다.
다음 단계에 필요한 산출물을 캡션, 설명, 장면 순서 요약, 원본 참조와 연결된 관찰 목록 중에서 정의하세요. 보이는 것과 추가 맥락이 필요한 것을 구분하도록 요청하세요. 문서 질문에서는 반환된 해석에 페이지 식별 정보를 유지하고, 행동 순서에서는 선택한 구간과 원본 클립을 요약 옆에 함께 보관하세요.
문서화된 GLM-4V-Plus 작업 흐름의 출력은 텍스트입니다. 시각 지식 기록을 준비하거나 검토를 다른 사람에게 넘길 때 이 응답을 프롬프트 및 입력 참조와 함께 보존하세요. 이름, 레이블, 사건 설명을 원본 자료와 대조한 뒤, 명확히 해야 할 특정 관찰에 관해 다음 요청을 하세요.
GLM-4V와 GLM-4V-Plus는 별도 이름을 가진 제작사 프로필입니다. 제공된 근거에 동영상이 포함된 과제에서는 Plus를 선택하고 완성된 메모와 함께 그 선택을 유지하세요. 유용한 후속 작업은 같은 자료를 참조하고, 요청한 관찰 범위를 좁히며, 이전 답변을 작업 기록의 일부로 보존합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 glm-4v-plus | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0028 / 1K 토큰 출력 · 출력 토큰 $0.0028 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-4v-plus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='glm-4v-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='glm-4v-plus',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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra glm-4v-plus
위에 표시된 메서드 경로를 사용하세요.
glm-4v-plusGLM-4V-Plus는 이미지나 동영상을 텍스트 프롬프트와 함께 해석하고 서면 응답을 반환하는 Zhipu AI의 모델입니다. 제공된 장면 순서의 요약이나 화면에 보이는 행동의 서면 설명에는 동영상 지원 Plus 프로필을 선택하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM-4V-Plus는 이미지나 동영상을 해석하고 텍스트를 생성하는 Zhipu AI의 멀티모달 모델입니다. 제조사의 에이전트 개발 가이드는 이를 GLM-4V의 이미지-텍스트 작업 흐름과 명확히 구분합니다. Plus 프로필은 서면 프롬프트와 함께 이미지 또는 동영상 자료를 입력받습니다. 이 조합으로 시각적 질문을 원본에 연결된 설명, 해설 또는 작업 메모로 바꾸세요.
검토할 사건, 대상, 관계가 담긴 사진이나 동영상을 제공하고 과제 목적을 명시하세요. 이미지 질문은 보이는 배치나 문서의 세부 사항에 집중할 수 있습니다. 동영상 질문은 화면에 보이는 행동의 설명이나 제공된 장면 순서의 요약을 요청할 수 있습니다.
질문과 함께 참고 자료의 식별 정보를 유지하세요. 동영상 검토에서는 장면 순서를 명명하고 유용하다면 검토할 시간 구간을 지정하세요. 지침의 예시는 “선택한 구간의 행동을 묘사하고 보이는 장면 순서가 그 묘사를 어떻게 뒷받침하는지 설명하세요”입니다. 지침의 시간 참조는 요청한 자료를 식별하며 동영상 입력을 대신하지 않습니다.
제작사는 두 가지 에이전트 작업 흐름을 문서화합니다. 업로드한 이미지나 동영상을 프롬프트와 연결하는 대화 에이전트와, 업로드 입력에 명시적인 이름을 부여하는 텍스트 중심 에이전트입니다. 후자의 작업 흐름에서는 여러 시각 입력을 별도의 명명된 입력 필드로 설정할 수 있습니다. 각 참고 자료에 초기 상태, 이후 상태, 검토할 문서처럼 명확한 역할을 부여하세요.
비교 예시에서는 변경 사항을 묻기 전에 참고 자료에 레이블을 붙이세요. 각 관찰의 원본을 명시하는 서면 비교를 요청하세요. 이렇게 하면 결과를 검토 메모로 활용할 수 있고, 특정 이미지나 장면 순서에 대한 후속 요청이 올바른 참고 자료와 연결됩니다.
다음 단계에 필요한 산출물을 캡션, 설명, 장면 순서 요약, 원본 참조와 연결된 관찰 목록 중에서 정의하세요. 보이는 것과 추가 맥락이 필요한 것을 구분하도록 요청하세요. 문서 질문에서는 반환된 해석에 페이지 식별 정보를 유지하고, 행동 순서에서는 선택한 구간과 원본 클립을 요약 옆에 함께 보관하세요.
문서화된 GLM-4V-Plus 작업 흐름의 출력은 텍스트입니다. 시각 지식 기록을 준비하거나 검토를 다른 사람에게 넘길 때 이 응답을 프롬프트 및 입력 참조와 함께 보존하세요. 이름, 레이블, 사건 설명을 원본 자료와 대조한 뒤, 명확히 해야 할 특정 관찰에 관해 다음 요청을 하세요.
GLM-4V와 GLM-4V-Plus는 별도 이름을 가진 제작사 프로필입니다. 제공된 근거에 동영상이 포함된 과제에서는 Plus를 선택하고 완성된 메모와 함께 그 선택을 유지하세요. 유용한 후속 작업은 같은 자료를 참조하고, 요청한 관찰 범위를 좁히며, 이전 답변을 작업 기록의 일부로 보존합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 glm-4v-plus | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0028 / 1K 토큰 출력 · 출력 토큰 $0.0028 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "glm-4v-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4v-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4v-plus', '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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra glm-4v-plus
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Compare labelled inspection notes\n\nUse only these text inspection notes. Before: crate latch closed, seal present, label K7. After: latch open, seal missing, label K7. Write a comparison for the receiving team. Distinguish documented changes from unknown causes and list the next evidence to request. No image or video is attached.A before/after comparison with source labels, an unknown-cause note and a short evidence request.The latch and seal changes are reported, while damage, theft and the person responsible remain unasserted.