GLM-4V는 이미지와 서면 질문을 결합하는 Zhipu AI의 비전 언어 모델입니다. 제조사의 네이티브 멀티모달 예시는 두 부분을 한 사용자 메시지에 제공하고 텍스트 응답을 반환합니다. 에이전트 개발 가이드도 GLM-4V를 이미지-텍스트 모델로 분류하여 원본 사진과 질문 문구를 과제의 핵심 입력으로 삼습니다.
답변에 필요한 근거가 있는 이미지를 선택한 뒤 무엇을 검토할지 말해 주세요. 일반 질문은 장면 설명을 요청할 수 있고, 집중된 질문은 설명할 대상, 레이블 또는 관계를 지정할 수 있습니다. 제품 사진에서 중요한 항목이나 스크린샷에서 설명할 영역처럼 과제의 모호성을 해소할 충분한 맥락을 제공하세요.
제작사 예시는 텍스트 질문 옆에 이미지 참조로 인코딩한 JPEG 이미지를 사용합니다. 특히 잘라내기가 레이블이나 주변 맥락을 제거할 수 있다면 요청 준비 시 원본 이미지를 보존하세요. 지원 과제의 예시에서는 스크린샷을 제공하고 보이는 상태의 설명을 요청하되, 화면의 정확한 메시지와 그 원인에 대한 설명 제안을 구분하세요.
결과가 캡션, 짧은 설명, 순서가 있는 묘사, 별도 관찰을 포함한 작업 메모 중 무엇이어야 하는지 지정하세요. 재고 사진 지침의 예시는 “보이는 물건과 배치를 설명하고 내 질문에서 가리킨 항목을 식별하세요”입니다. 문서 이미지에서는 보이는 문단을 질문하고 답변에 이미지나 페이지 식별자를 함께 유지하세요.
관련 근거를 쉽게 검토할 수 있도록 질문 범위를 충분히 좁히세요. 다음 단계에 이름, 숫자, 인용 레이블이 필요하면 그 항목을 별도로 요청하고 반환 문구를 원래 사진과 비교하세요.
제작사의 에이전트 작업 흐름은 업로드 이미지를 명명된 입력 및 함께 제공된 프롬프트와 연결합니다. 대화를 이어갈 때 이 연결을 유지하세요. 유용한 후속 요청은 같은 이미지를 명시하고 특정 영역이나 관계로 질문을 좁혀, 다음 답변이 의도한 자료를 참조하도록 합니다.
완성된 텍스트를 이미지 식별자, 질문, 과제에 사용한 영역 참조와 함께 저장하세요. 이를 통해 시각 지원 대화, 카탈로그 설명 또는 원본에 연결된 문서 메모를 실용적으로 인계할 수 있습니다. 모델의 역할은 제공된 이미지를 언어로 해석하는 것입니다. 원본 사진은 세부 사항을 확인하고 다음 질문을 수정할 수 있도록 유지됩니다.
", "aboutText": "GLM-4V는 이미지와 서면 질문을 결합하는 Zhipu AI의 비전 언어 모델입니다. 제조사의 네이티브 멀티모달 예시는 두 부분을 한 사용자 메시지에 제공하고 텍스트 응답을 반환합니다. 에이전트 개발 가이드도 GLM-4V를 이미지-텍스트 모델로 분류하여 원본 사진과 질문 문구를 과제의 핵심 입력으로 삼습니다.\n\n### 이미지 옆에 질문 배치하기\n\n답변에 필요한 근거가 있는 이미지를 선택한 뒤 무엇을 검토할지 말해 주세요. 일반 질문은 장면 설명을 요청할 수 있고, 집중된 질문은 설명할 대상, 레이블 또는 관계를 지정할 수 있습니다. 제품 사진에서 중요한 항목이나 스크린샷에서 설명할 영역처럼 과제의 모호성을 해소할 충분한 맥락을 제공하세요.\n\n제작사 예시는 텍스트 질문 옆에 이미지 참조로 인코딩한 JPEG 이미지를 사용합니다. 특히 잘라내기가 레이블이나 주변 맥락을 제거할 수 있다면 요청 준비 시 원본 이미지를 보존하세요. 지원 과제의 예시에서는 스크린샷을 제공하고 보이는 상태의 설명을 요청하되, 화면의 정확한 메시지와 그 원인에 대한 설명 제안을 구분하세요.\n\n### 예상 서면 산출물을 명확히 하기\n\n결과가 캡션, 짧은 설명, 순서가 있는 묘사, 별도 관찰을 포함한 작업 메모 중 무엇이어야 하는지 지정하세요. 재고 사진 지침의 예시는 “보이는 물건과 배치를 설명하고 내 질문에서 가리킨 항목을 식별하세요”입니다. 문서 이미지에서는 보이는 문단을 질문하고 답변에 이미지나 페이지 식별자를 함께 유지하세요.\n\n관련 근거를 쉽게 검토할 수 있도록 질문 범위를 충분히 좁히세요. 다음 단계에 이름, 숫자, 인용 레이블이 필요하면 그 항목을 별도로 요청하고 반환 문구를 원래 사진과 비교하세요.\n\n### 시각 대화에서 이미지 유지하기\n\n제작사의 에이전트 작업 흐름은 업로드 이미지를 명명된 입력 및 함께 제공된 프롬프트와 연결합니다. 대화를 이어갈 때 이 연결을 유지하세요. 유용한 후속 요청은 같은 이미지를 명시하고 특정 영역이나 관계로 질문을 좁혀, 다음 답변이 의도한 자료를 참조하도록 합니다.\n\n완성된 텍스트를 이미지 식별자, 질문, 과제에 사용한 영역 참조와 함께 저장하세요. 이를 통해 시각 지원 대화, 카탈로그 설명 또는 원본에 연결된 문서 메모를 실용적으로 인계할 수 있습니다. 모델의 역할은 제공된 이미지를 언어로 해석하는 것입니다. 원본 사진은 세부 사항을 확인하고 다음 질문을 수정할 수 있도록 유지됩니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Explain a transcribed screen state\n\nUse this screenshot transcription only: heading 'Export orders'; format 'CSV'; button 'Download' disabled; note 'Select at least one order'; selected count '0'. Write a two-sentence help message explaining the visible state and the next user step. Keep the visible note separate from any cause you cannot verify.Two help sentences grounded in the selected count, disabled button and selection note.The message asks the user to select an order and introduces no unsupported account, network or permission diagnosis.glm-4vGLM-4V는 이미지에 관해 질문하고 서면 답변을 받는 Zhipu AI의 비전 언어 모델입니다. 이미지와 초점이 분명한 텍스트 프롬프트를 제공해 설명을 작성하거나, 보이는 세부 사항을 해석하거나, 근거에 연결된 시각 메모를 준비하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM-4V는 이미지와 서면 질문을 결합하는 Zhipu AI의 비전 언어 모델입니다. 제조사의 네이티브 멀티모달 예시는 두 부분을 한 사용자 메시지에 제공하고 텍스트 응답을 반환합니다. 에이전트 개발 가이드도 GLM-4V를 이미지-텍스트 모델로 분류하여 원본 사진과 질문 문구를 과제의 핵심 입력으로 삼습니다.
답변에 필요한 근거가 있는 이미지를 선택한 뒤 무엇을 검토할지 말해 주세요. 일반 질문은 장면 설명을 요청할 수 있고, 집중된 질문은 설명할 대상, 레이블 또는 관계를 지정할 수 있습니다. 제품 사진에서 중요한 항목이나 스크린샷에서 설명할 영역처럼 과제의 모호성을 해소할 충분한 맥락을 제공하세요.
제작사 예시는 텍스트 질문 옆에 이미지 참조로 인코딩한 JPEG 이미지를 사용합니다. 특히 잘라내기가 레이블이나 주변 맥락을 제거할 수 있다면 요청 준비 시 원본 이미지를 보존하세요. 지원 과제의 예시에서는 스크린샷을 제공하고 보이는 상태의 설명을 요청하되, 화면의 정확한 메시지와 그 원인에 대한 설명 제안을 구분하세요.
결과가 캡션, 짧은 설명, 순서가 있는 묘사, 별도 관찰을 포함한 작업 메모 중 무엇이어야 하는지 지정하세요. 재고 사진 지침의 예시는 “보이는 물건과 배치를 설명하고 내 질문에서 가리킨 항목을 식별하세요”입니다. 문서 이미지에서는 보이는 문단을 질문하고 답변에 이미지나 페이지 식별자를 함께 유지하세요.
관련 근거를 쉽게 검토할 수 있도록 질문 범위를 충분히 좁히세요. 다음 단계에 이름, 숫자, 인용 레이블이 필요하면 그 항목을 별도로 요청하고 반환 문구를 원래 사진과 비교하세요.
제작사의 에이전트 작업 흐름은 업로드 이미지를 명명된 입력 및 함께 제공된 프롬프트와 연결합니다. 대화를 이어갈 때 이 연결을 유지하세요. 유용한 후속 요청은 같은 이미지를 명시하고 특정 영역이나 관계로 질문을 좁혀, 다음 답변이 의도한 자료를 참조하도록 합니다.
완성된 텍스트를 이미지 식별자, 질문, 과제에 사용한 영역 참조와 함께 저장하세요. 이를 통해 시각 지원 대화, 카탈로그 설명 또는 원본에 연결된 문서 메모를 실용적으로 인계할 수 있습니다. 모델의 역할은 제공된 이미지를 언어로 해석하는 것입니다. 원본 사진은 세부 사항을 확인하고 다음 질문을 수정할 수 있도록 유지됩니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 glm-4v | 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 $0.014 / 1K 토큰 출력 · 출력 토큰 $0.014 / 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", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='glm-4v',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='glm-4v',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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
위에 표시된 메서드 경로를 사용하세요.
glm-4vGLM-4V는 이미지에 관해 질문하고 서면 답변을 받는 Zhipu AI의 비전 언어 모델입니다. 이미지와 초점이 분명한 텍스트 프롬프트를 제공해 설명을 작성하거나, 보이는 세부 사항을 해석하거나, 근거에 연결된 시각 메모를 준비하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM-4V는 이미지와 서면 질문을 결합하는 Zhipu AI의 비전 언어 모델입니다. 제조사의 네이티브 멀티모달 예시는 두 부분을 한 사용자 메시지에 제공하고 텍스트 응답을 반환합니다. 에이전트 개발 가이드도 GLM-4V를 이미지-텍스트 모델로 분류하여 원본 사진과 질문 문구를 과제의 핵심 입력으로 삼습니다.
답변에 필요한 근거가 있는 이미지를 선택한 뒤 무엇을 검토할지 말해 주세요. 일반 질문은 장면 설명을 요청할 수 있고, 집중된 질문은 설명할 대상, 레이블 또는 관계를 지정할 수 있습니다. 제품 사진에서 중요한 항목이나 스크린샷에서 설명할 영역처럼 과제의 모호성을 해소할 충분한 맥락을 제공하세요.
제작사 예시는 텍스트 질문 옆에 이미지 참조로 인코딩한 JPEG 이미지를 사용합니다. 특히 잘라내기가 레이블이나 주변 맥락을 제거할 수 있다면 요청 준비 시 원본 이미지를 보존하세요. 지원 과제의 예시에서는 스크린샷을 제공하고 보이는 상태의 설명을 요청하되, 화면의 정확한 메시지와 그 원인에 대한 설명 제안을 구분하세요.
결과가 캡션, 짧은 설명, 순서가 있는 묘사, 별도 관찰을 포함한 작업 메모 중 무엇이어야 하는지 지정하세요. 재고 사진 지침의 예시는 “보이는 물건과 배치를 설명하고 내 질문에서 가리킨 항목을 식별하세요”입니다. 문서 이미지에서는 보이는 문단을 질문하고 답변에 이미지나 페이지 식별자를 함께 유지하세요.
관련 근거를 쉽게 검토할 수 있도록 질문 범위를 충분히 좁히세요. 다음 단계에 이름, 숫자, 인용 레이블이 필요하면 그 항목을 별도로 요청하고 반환 문구를 원래 사진과 비교하세요.
제작사의 에이전트 작업 흐름은 업로드 이미지를 명명된 입력 및 함께 제공된 프롬프트와 연결합니다. 대화를 이어갈 때 이 연결을 유지하세요. 유용한 후속 요청은 같은 이미지를 명시하고 특정 영역이나 관계로 질문을 좁혀, 다음 답변이 의도한 자료를 참조하도록 합니다.
완성된 텍스트를 이미지 식별자, 질문, 과제에 사용한 영역 참조와 함께 저장하세요. 이를 통해 시각 지원 대화, 카탈로그 설명 또는 원본에 연결된 문서 메모를 실용적으로 인계할 수 있습니다. 모델의 역할은 제공된 이미지를 언어로 해석하는 것입니다. 원본 사진은 세부 사항을 확인하고 다음 질문을 수정할 수 있도록 유지됩니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 glm-4v | 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 $0.014 / 1K 토큰 출력 · 출력 토큰 $0.014 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "glm-4v",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4v', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4v', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Explain a transcribed screen state\n\nUse this screenshot transcription only: heading 'Export orders'; format 'CSV'; button 'Download' disabled; note 'Select at least one order'; selected count '0'. Write a two-sentence help message explaining the visible state and the next user step. Keep the visible note separate from any cause you cannot verify.Two help sentences grounded in the selected count, disabled button and selection note.The message asks the user to select an order and introduces no unsupported account, network or permission diagnosis.