GLM 4.1V 9B Thinking은 GLM 4 9B 0414 기반으로 구축된 Z.ai의 추론 중심 비전 언어 모델입니다. 제작사는 시각적 인식을 더 복잡한 추론에 연결하기 위해 강화 학습을 사용하는 사고 중심 접근을 설명합니다. 공개 모델 카드는 64K 컨텍스트와 임의의 종횡비를 가진 최대 4K 해상도 이미지 처리를 지원합니다.
이미지와 함께 반환할 정보를 지정하는 글로 된 작업을 제공하세요. 도식에서는 특정 관계의 설명을, 사진에서는 어떤 시각적 세부 사항이 결론을 뒷받침하는지 요청할 수 있습니다. 원본과 대조할 수 있도록 관찰과 해석을 구분하세요.
제작사의 추론 실행 예시는 하나의 이미지와 이미지 설명을 요청하는 질문을 결합합니다. 더 구체적인 작업에서는 중요한 영역, 객체, 관계를 명명하세요. 이미지에 보이지 않는 조건은 별도의 글로 된 사실로 제공하세요.
관련 라벨과 세부 사항이 보존된 읽기 쉬운 원본을 사용하세요. 임의 종횡비 지원은 원래 구성을 유지하는 데 도움이 되며, 요청에서 사용할 입력 형식과 전처리는 실제 인터페이스에 따라 결정됩니다. 해상도 허용량이 가려졌거나 누락된 정보를 보이게 하지는 않습니다.
설명, 비교, 근거를 갖춘 답변 등 필요한 최종 산출물을 요청하세요. 원본의 일부가 불명확하다면 결과와 함께 그 불확실성도 표시하도록 요청하세요. 후속 질문으로 기본 질문을 바꾸지 않으면서 논란이 있는 세부 사항 하나를 확인할 수 있습니다.
해당 호스팅 프로필에는 64,000토큰 컨텍스트와 32,000토큰 출력 허용량이 명시되어 있으며 제작사는 컨텍스트를 64K로 설명합니다. 실제 작업에는 선택한 인터페이스에 문서화된 입력 및 응답 한도를 사용하세요.
시각적 원본과 답변에 9B Thinking의 정체성을 함께 유지하세요. Base 모델과 별도로 명명된 Flash 프로필은 각자의 정체성을 갖습니다. 제작사의 예시 생성 예산은 하나의 추론 실행 작업을 보여 주며 보편적인 출력 상한이 아닙니다.
", "aboutText": "GLM 4.1V 9B Thinking은 GLM 4 9B 0414 기반으로 구축된 Z.ai의 추론 중심 비전 언어 모델입니다. 제작사는 시각적 인식을 더 복잡한 추론에 연결하기 위해 강화 학습을 사용하는 사고 중심 접근을 설명합니다. 공개 모델 카드는 64K 컨텍스트와 임의의 종횡비를 가진 최대 4K 해상도 이미지 처리를 지원합니다.\n\n### 눈에 보이는 세부 사항을 질문에 연결하기\n\n이미지와 함께 반환할 정보를 지정하는 글로 된 작업을 제공하세요. 도식에서는 특정 관계의 설명을, 사진에서는 어떤 시각적 세부 사항이 결론을 뒷받침하는지 요청할 수 있습니다. 원본과 대조할 수 있도록 관찰과 해석을 구분하세요.\n\n제작사의 추론 실행 예시는 하나의 이미지와 이미지 설명을 요청하는 질문을 결합합니다. 더 구체적인 작업에서는 중요한 영역, 객체, 관계를 명명하세요. 이미지에 보이지 않는 조건은 별도의 글로 된 사실로 제공하세요.\n\n### 이미지와 추론 작업 준비하기\n\n관련 라벨과 세부 사항이 보존된 읽기 쉬운 원본을 사용하세요. 임의 종횡비 지원은 원래 구성을 유지하는 데 도움이 되며, 요청에서 사용할 입력 형식과 전처리는 실제 인터페이스에 따라 결정됩니다. 해상도 허용량이 가려졌거나 누락된 정보를 보이게 하지는 않습니다.\n\n설명, 비교, 근거를 갖춘 답변 등 필요한 최종 산출물을 요청하세요. 원본의 일부가 불명확하다면 결과와 함께 그 불확실성도 표시하도록 요청하세요. 후속 질문으로 기본 질문을 바꾸지 않으면서 논란이 있는 세부 사항 하나를 확인할 수 있습니다.\n\n### 컨텍스트와 버전\n\n해당 호스팅 프로필에는 64,000토큰 컨텍스트와 32,000토큰 출력 허용량이 명시되어 있으며 제작사는 컨텍스트를 64K로 설명합니다. 실제 작업에는 선택한 인터페이스에 문서화된 입력 및 응답 한도를 사용하세요.\n\n시각적 원본과 답변에 9B Thinking의 정체성을 함께 유지하세요. Base 모델과 별도로 명명된 Flash 프로필은 각자의 정체성을 갖습니다. 제작사의 예시 생성 예산은 하나의 추론 실행 작업을 보여 주며 보편적인 출력 상한이 아닙니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Reason from a written diagram description\n\nUse this written description of diagram D1: tank A feeds filter F; filter F feeds valve V; valve V feeds tank B. A bypass pipe runs from A directly to B. If V is closed, explain which described route could still reach B and what information is missing before concluding liquid actually flows. No image is attached.A diagram-linked route explanation separating connectivity from unknown operating conditions.The bypass route is identified, while pressure, bypass state and actual flow remain unasserted.Pro/THUDM/GLM-4.1V-9B-ThinkingGLM 4.1V 9B Thinking은 이미지 중심 질문과 텍스트 답변을 위한 비전 언어 추론 모델입니다. 제작사는 64K 컨텍스트와 임의의 종횡비를 가진 최대 4K 해상도 이미지 처리를 문서화합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM 4.1V 9B Thinking은 GLM 4 9B 0414 기반으로 구축된 Z.ai의 추론 중심 비전 언어 모델입니다. 제작사는 시각적 인식을 더 복잡한 추론에 연결하기 위해 강화 학습을 사용하는 사고 중심 접근을 설명합니다. 공개 모델 카드는 64K 컨텍스트와 임의의 종횡비를 가진 최대 4K 해상도 이미지 처리를 지원합니다.
이미지와 함께 반환할 정보를 지정하는 글로 된 작업을 제공하세요. 도식에서는 특정 관계의 설명을, 사진에서는 어떤 시각적 세부 사항이 결론을 뒷받침하는지 요청할 수 있습니다. 원본과 대조할 수 있도록 관찰과 해석을 구분하세요.
제작사의 추론 실행 예시는 하나의 이미지와 이미지 설명을 요청하는 질문을 결합합니다. 더 구체적인 작업에서는 중요한 영역, 객체, 관계를 명명하세요. 이미지에 보이지 않는 조건은 별도의 글로 된 사실로 제공하세요.
관련 라벨과 세부 사항이 보존된 읽기 쉬운 원본을 사용하세요. 임의 종횡비 지원은 원래 구성을 유지하는 데 도움이 되며, 요청에서 사용할 입력 형식과 전처리는 실제 인터페이스에 따라 결정됩니다. 해상도 허용량이 가려졌거나 누락된 정보를 보이게 하지는 않습니다.
설명, 비교, 근거를 갖춘 답변 등 필요한 최종 산출물을 요청하세요. 원본의 일부가 불명확하다면 결과와 함께 그 불확실성도 표시하도록 요청하세요. 후속 질문으로 기본 질문을 바꾸지 않으면서 논란이 있는 세부 사항 하나를 확인할 수 있습니다.
해당 호스팅 프로필에는 64,000토큰 컨텍스트와 32,000토큰 출력 허용량이 명시되어 있으며 제작사는 컨텍스트를 64K로 설명합니다. 실제 작업에는 선택한 인터페이스에 문서화된 입력 및 응답 한도를 사용하세요.
시각적 원본과 답변에 9B Thinking의 정체성을 함께 유지하세요. Base 모델과 별도로 명명된 Flash 프로필은 각자의 정체성을 갖습니다. 제작사의 예시 생성 예산은 하나의 추론 실행 작업을 보여 주며 보편적인 출력 상한이 아닙니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 Pro/THUDM/GLM-4.1V-9B-Thinking | 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 $0.000072 / 1K 토큰 출력 · 출력 토큰 $0.000286 / 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": "Pro/THUDM/GLM-4.1V-9B-Thinking", "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='Pro/THUDM/GLM-4.1V-9B-Thinking',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='Pro/THUDM/GLM-4.1V-9B-Thinking',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 Pro/THUDM/GLM-4.1V-9B-Thinking
위에 표시된 메서드 경로를 사용하세요.
Pro/THUDM/GLM-4.1V-9B-ThinkingGLM 4.1V 9B Thinking은 이미지 중심 질문과 텍스트 답변을 위한 비전 언어 추론 모델입니다. 제작사는 64K 컨텍스트와 임의의 종횡비를 가진 최대 4K 해상도 이미지 처리를 문서화합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM 4.1V 9B Thinking은 GLM 4 9B 0414 기반으로 구축된 Z.ai의 추론 중심 비전 언어 모델입니다. 제작사는 시각적 인식을 더 복잡한 추론에 연결하기 위해 강화 학습을 사용하는 사고 중심 접근을 설명합니다. 공개 모델 카드는 64K 컨텍스트와 임의의 종횡비를 가진 최대 4K 해상도 이미지 처리를 지원합니다.
이미지와 함께 반환할 정보를 지정하는 글로 된 작업을 제공하세요. 도식에서는 특정 관계의 설명을, 사진에서는 어떤 시각적 세부 사항이 결론을 뒷받침하는지 요청할 수 있습니다. 원본과 대조할 수 있도록 관찰과 해석을 구분하세요.
제작사의 추론 실행 예시는 하나의 이미지와 이미지 설명을 요청하는 질문을 결합합니다. 더 구체적인 작업에서는 중요한 영역, 객체, 관계를 명명하세요. 이미지에 보이지 않는 조건은 별도의 글로 된 사실로 제공하세요.
관련 라벨과 세부 사항이 보존된 읽기 쉬운 원본을 사용하세요. 임의 종횡비 지원은 원래 구성을 유지하는 데 도움이 되며, 요청에서 사용할 입력 형식과 전처리는 실제 인터페이스에 따라 결정됩니다. 해상도 허용량이 가려졌거나 누락된 정보를 보이게 하지는 않습니다.
설명, 비교, 근거를 갖춘 답변 등 필요한 최종 산출물을 요청하세요. 원본의 일부가 불명확하다면 결과와 함께 그 불확실성도 표시하도록 요청하세요. 후속 질문으로 기본 질문을 바꾸지 않으면서 논란이 있는 세부 사항 하나를 확인할 수 있습니다.
해당 호스팅 프로필에는 64,000토큰 컨텍스트와 32,000토큰 출력 허용량이 명시되어 있으며 제작사는 컨텍스트를 64K로 설명합니다. 실제 작업에는 선택한 인터페이스에 문서화된 입력 및 응답 한도를 사용하세요.
시각적 원본과 답변에 9B Thinking의 정체성을 함께 유지하세요. Base 모델과 별도로 명명된 Flash 프로필은 각자의 정체성을 갖습니다. 제작사의 예시 생성 예산은 하나의 추론 실행 작업을 보여 주며 보편적인 출력 상한이 아닙니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 Pro/THUDM/GLM-4.1V-9B-Thinking | 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 $0.000072 / 1K 토큰 출력 · 출력 토큰 $0.000286 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "Pro/THUDM/GLM-4.1V-9B-Thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Pro/THUDM/GLM-4.1V-9B-Thinking', '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': 'Pro/THUDM/GLM-4.1V-9B-Thinking', '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 Pro/THUDM/GLM-4.1V-9B-Thinking
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Reason from a written diagram description\n\nUse this written description of diagram D1: tank A feeds filter F; filter F feeds valve V; valve V feeds tank B. A bypass pipe runs from A directly to B. If V is closed, explain which described route could still reach B and what information is missing before concluding liquid actually flows. No image is attached.A diagram-linked route explanation separating connectivity from unknown operating conditions.The bypass route is identified, while pressure, bypass state and actual flow remain unasserted.