GLM-Z1-32B-0414는 Z.ai의 GLM-4-0414 시리즈 중 추론에 초점을 맞춘 모델입니다. GLM-4-32B-0414에서 콜드 스타트 준비와 확장된 강화 학습을 거쳐 개발되었으며, 수학, 코드, 논리에 대한 추가 작업이 이루어졌습니다. 일반 역량을 강화하기 위해 쌍별 순위 피드백도 사용합니다. 입력은 텍스트이며, 사용자에게 보이는 결과는 텍스트 풀이, 설명 또는 프로그램 조각입니다.
이 모델의 목적은 즉각적인 한 문장보다 서로 연결된 중간 결론이 필요한 작업입니다. 모든 가정을 제공하고 수식 도출, 알고리즘 설명, 경계 입증, 코드 변경 준비처럼 필요한 최종 목표를 정의하세요. 제조사의 수학 예시는 방정식으로 연결된 양의 변수와 그 합이 가질 수 있는 범위를 다룹니다. 유용한 답변은 조건을 밝히고 관련 전개를 보여 주며 최종 결과를 분명히 구분해야 합니다.
GLM-Z1-Rumination-32B-0414는 검색 도구를 사용하는 더 개방적인 조사를 위한 별도 버전이며, GLM-Z1-9B-0414는 다른 크기의 모델입니다. 이 항목은 해당 버전들의 추가 워크플로나 크기 특성을 가져오지 않고 명명된 Z1 32B 릴리스를 유지합니다.
제조사는 temperature 0.6, top_p 0.95, top_k 40을 권장합니다. 사고를 위한 공간을 확보하도록 max_new_tokens 예산 30,000도 권장합니다. 이는 권장 생성 설정이지 모든 답변이 그 길이를 필요로 한다는 보장이나 문서화된 보편적 출력 상한이 아닙니다. 카드의 별도 추론 예시는 요청별로 더 작은 생성 예산을 사용합니다.
추론 작업에서는 분석과 최종 답변을 함께 담을 공간을 충분히 확보하고 프롬프트에 최종 답변 형식을 정의하세요. 수학 질문은 설명과 별도로 범위나 값을 요청할 수 있고, 코딩 질문은 하나의 구현과 그에 중요한 가정을 이어서 요청할 수 있습니다. 제공한 조건과 대조하여 확인할 수 있을 만큼 원하는 결과를 구체적으로 유지하세요.
제조사의 템플릿은 사고 마커 <think>로 생성을 시작합니다. 공개 채팅 템플릿이 이 마커를 삽입하므로, 구현에서는 무관한 대화 형식을 가정하지 말고 해당 릴리스의 실제 템플릿을 사용해야 합니다.
후속 대화에서는 최종 사용자에게 보이는 답변을 보존하고 내부 사고 자료는 저장된 대화 기록에서 제거하도록 사용 가이드가 안내합니다. 이는 모델 자체 대화 템플릿의 준비 규칙입니다. 후속 요청에는 이전의 모든 내부 분석을 여과 없이 누적하는 대신 현재 질문, 필요한 원본 자료, 관련된 이전 답변을 포함해야 합니다.
공개 설정은 max_position_embeddings를 32,768로 지정하며 rope_scaling 항목을 포함하지 않습니다. 사용 가이드는 입력이 8,192토큰을 초과하면 YaRN 사용을 고려하도록 권장합니다. 확장 설정 예시는 factor 4.0과 original_max_position_embeddings 32,768을 사용합니다. 권장 임계값, 기본 설정, 선택적 확장은 서로 다른 사실이며, 서로 바꿔 쓸 수 있는 응답 한도가 아닙니다.
정적 YaRN은 모든 텍스트에 영향을 미치고 짧은 입력의 성능을 약간 저하시킬 수 있으므로 제조사는 필요할 때 활성화할 것을 권장합니다. 긴 자료에서는 관련 정의와 지문을 명확하게 분리된 입력으로 제공하고 사용 중인 컨텍스트에 적절한 생성 예산을 남겨 두세요. 설정은 계산상 배수가 되는 값을 자동으로 사용 가능한 컨텍스트 창으로 취급하지 말고, 선택한 배포 환경이 제조사의 확장 절차를 지원하는 방식에 따라야 합니다.
모델의 추론 예시는 사용자 질문과 릴리스별 채팅 템플릿을 사용합니다. 수학에서는 변수 정의를 보존하고 입증할 명제를 명시하세요. 코드에서는 관련 조각, 필요한 동작, 논의 중인 사례를 제공하세요. 증명, 수식, 구현, 설명처럼 분명한 최종 결과물을 요청하여 작업의 결과를 통해 추론을 평가할 수 있게 하세요. 전용 Z1 가이드는 텍스트 추론과 그 준비 방법을 규정하며, 이 버전의 추가 기본 도구 계약이나 이미지 입력을 규정하지는 않습니다.
", "aboutText": "### 소개\n\nGLM-Z1-32B-0414는 Z.ai의 GLM-4-0414 시리즈 중 추론에 초점을 맞춘 모델입니다. GLM-4-32B-0414에서 콜드 스타트 준비와 확장된 강화 학습을 거쳐 개발되었으며, 수학, 코드, 논리에 대한 추가 작업이 이루어졌습니다. 일반 역량을 강화하기 위해 쌍별 순위 피드백도 사용합니다. 입력은 텍스트이며, 사용자에게 보이는 결과는 텍스트 풀이, 설명 또는 프로그램 조각입니다.\n\n이 모델의 목적은 즉각적인 한 문장보다 서로 연결된 중간 결론이 필요한 작업입니다. 모든 가정을 제공하고 수식 도출, 알고리즘 설명, 경계 입증, 코드 변경 준비처럼 필요한 최종 목표를 정의하세요. 제조사의 수학 예시는 방정식으로 연결된 양의 변수와 그 합이 가질 수 있는 범위를 다룹니다. 유용한 답변은 조건을 밝히고 관련 전개를 보여 주며 최종 결과를 분명히 구분해야 합니다.\n\nGLM-Z1-Rumination-32B-0414는 검색 도구를 사용하는 더 개방적인 조사를 위한 별도 버전이며, GLM-Z1-9B-0414는 다른 크기의 모델입니다. 이 항목은 해당 버전들의 추가 워크플로나 크기 특성을 가져오지 않고 명명된 Z1 32B 릴리스를 유지합니다.\n\n### 사용 가이드: 샘플링\n\n제조사는 temperature 0.6, top_p 0.95, top_k 40을 권장합니다. 사고를 위한 공간을 확보하도록 max_new_tokens 예산 30,000도 권장합니다. 이는 권장 생성 설정이지 모든 답변이 그 길이를 필요로 한다는 보장이나 문서화된 보편적 출력 상한이 아닙니다. 카드의 별도 추론 예시는 요청별로 더 작은 생성 예산을 사용합니다.\n\n추론 작업에서는 분석과 최종 답변을 함께 담을 공간을 충분히 확보하고 프롬프트에 최종 답변 형식을 정의하세요. 수학 질문은 설명과 별도로 범위나 값을 요청할 수 있고, 코딩 질문은 하나의 구현과 그에 중요한 가정을 이어서 요청할 수 있습니다. 제공한 조건과 대조하여 확인할 수 있을 만큼 원하는 결과를 구체적으로 유지하세요.\n\n### 사용 가이드: 사고와 대화 기록\n\n제조사의 템플릿은 사고 마커 `영어 기술 예제
Derive a safe batch bound\n\nA buffer holds at most 96 records. Every batch adds b records, where b is a positive integer, and 12 records must remain free. Derive the largest number of complete batches that fit as a formula in b. Explain the rounding and calculate the result for b = 10, keeping the reserved space separate from usable capacity.A formula using a floor, an explanation of usable capacity and a checked numeric example.Verify the formula reserves 12 records and a further full batch would exceed usable capacity in the example.THUDM/GLM-Z1-32B-0414GLM-Z1-32B-0414는 수학, 프로그래밍, 논리를 위한 Z.ai의 고정된 텍스트 추론 버전입니다. 제조사는 사고, 대화 기록, 샘플링, 선택적 장문 컨텍스트 확장에 대한 명확한 가이드를 제공하므로, 이 특정 릴리스에 맞춰 복잡한 작업을 준비할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM-Z1-32B-0414는 Z.ai의 GLM-4-0414 시리즈 중 추론에 초점을 맞춘 모델입니다. GLM-4-32B-0414에서 콜드 스타트 준비와 확장된 강화 학습을 거쳐 개발되었으며, 수학, 코드, 논리에 대한 추가 작업이 이루어졌습니다. 일반 역량을 강화하기 위해 쌍별 순위 피드백도 사용합니다. 입력은 텍스트이며, 사용자에게 보이는 결과는 텍스트 풀이, 설명 또는 프로그램 조각입니다.
이 모델의 목적은 즉각적인 한 문장보다 서로 연결된 중간 결론이 필요한 작업입니다. 모든 가정을 제공하고 수식 도출, 알고리즘 설명, 경계 입증, 코드 변경 준비처럼 필요한 최종 목표를 정의하세요. 제조사의 수학 예시는 방정식으로 연결된 양의 변수와 그 합이 가질 수 있는 범위를 다룹니다. 유용한 답변은 조건을 밝히고 관련 전개를 보여 주며 최종 결과를 분명히 구분해야 합니다.
GLM-Z1-Rumination-32B-0414는 검색 도구를 사용하는 더 개방적인 조사를 위한 별도 버전이며, GLM-Z1-9B-0414는 다른 크기의 모델입니다. 이 항목은 해당 버전들의 추가 워크플로나 크기 특성을 가져오지 않고 명명된 Z1 32B 릴리스를 유지합니다.
제조사는 temperature 0.6, top_p 0.95, top_k 40을 권장합니다. 사고를 위한 공간을 확보하도록 max_new_tokens 예산 30,000도 권장합니다. 이는 권장 생성 설정이지 모든 답변이 그 길이를 필요로 한다는 보장이나 문서화된 보편적 출력 상한이 아닙니다. 카드의 별도 추론 예시는 요청별로 더 작은 생성 예산을 사용합니다.
추론 작업에서는 분석과 최종 답변을 함께 담을 공간을 충분히 확보하고 프롬프트에 최종 답변 형식을 정의하세요. 수학 질문은 설명과 별도로 범위나 값을 요청할 수 있고, 코딩 질문은 하나의 구현과 그에 중요한 가정을 이어서 요청할 수 있습니다. 제공한 조건과 대조하여 확인할 수 있을 만큼 원하는 결과를 구체적으로 유지하세요.
제조사의 템플릿은 사고 마커 <think>로 생성을 시작합니다. 공개 채팅 템플릿이 이 마커를 삽입하므로, 구현에서는 무관한 대화 형식을 가정하지 말고 해당 릴리스의 실제 템플릿을 사용해야 합니다.
후속 대화에서는 최종 사용자에게 보이는 답변을 보존하고 내부 사고 자료는 저장된 대화 기록에서 제거하도록 사용 가이드가 안내합니다. 이는 모델 자체 대화 템플릿의 준비 규칙입니다. 후속 요청에는 이전의 모든 내부 분석을 여과 없이 누적하는 대신 현재 질문, 필요한 원본 자료, 관련된 이전 답변을 포함해야 합니다.
공개 설정은 max_position_embeddings를 32,768로 지정하며 rope_scaling 항목을 포함하지 않습니다. 사용 가이드는 입력이 8,192토큰을 초과하면 YaRN 사용을 고려하도록 권장합니다. 확장 설정 예시는 factor 4.0과 original_max_position_embeddings 32,768을 사용합니다. 권장 임계값, 기본 설정, 선택적 확장은 서로 다른 사실이며, 서로 바꿔 쓸 수 있는 응답 한도가 아닙니다.
정적 YaRN은 모든 텍스트에 영향을 미치고 짧은 입력의 성능을 약간 저하시킬 수 있으므로 제조사는 필요할 때 활성화할 것을 권장합니다. 긴 자료에서는 관련 정의와 지문을 명확하게 분리된 입력으로 제공하고 사용 중인 컨텍스트에 적절한 생성 예산을 남겨 두세요. 설정은 계산상 배수가 되는 값을 자동으로 사용 가능한 컨텍스트 창으로 취급하지 말고, 선택한 배포 환경이 제조사의 확장 절차를 지원하는 방식에 따라야 합니다.
모델의 추론 예시는 사용자 질문과 릴리스별 채팅 템플릿을 사용합니다. 수학에서는 변수 정의를 보존하고 입증할 명제를 명시하세요. 코드에서는 관련 조각, 필요한 동작, 논의 중인 사례를 제공하세요. 증명, 수식, 구현, 설명처럼 분명한 최종 결과물을 요청하여 작업의 결과를 통해 추론을 평가할 수 있게 하세요. 전용 Z1 가이드는 텍스트 추론과 그 준비 방법을 규정하며, 이 버전의 추가 기본 도구 계약이나 이미지 입력을 규정하지는 않습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 THUDM/GLM-Z1-32B-0414 | 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 $0.00014 / 1K 토큰 출력 · 출력 토큰 $0.00014 / 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": "THUDM/GLM-Z1-32B-0414", "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='THUDM/GLM-Z1-32B-0414',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='THUDM/GLM-Z1-32B-0414',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 THUDM/GLM-Z1-32B-0414
위에 표시된 메서드 경로를 사용하세요.
THUDM/GLM-Z1-32B-0414GLM-Z1-32B-0414는 수학, 프로그래밍, 논리를 위한 Z.ai의 고정된 텍스트 추론 버전입니다. 제조사는 사고, 대화 기록, 샘플링, 선택적 장문 컨텍스트 확장에 대한 명확한 가이드를 제공하므로, 이 특정 릴리스에 맞춰 복잡한 작업을 준비할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM-Z1-32B-0414는 Z.ai의 GLM-4-0414 시리즈 중 추론에 초점을 맞춘 모델입니다. GLM-4-32B-0414에서 콜드 스타트 준비와 확장된 강화 학습을 거쳐 개발되었으며, 수학, 코드, 논리에 대한 추가 작업이 이루어졌습니다. 일반 역량을 강화하기 위해 쌍별 순위 피드백도 사용합니다. 입력은 텍스트이며, 사용자에게 보이는 결과는 텍스트 풀이, 설명 또는 프로그램 조각입니다.
이 모델의 목적은 즉각적인 한 문장보다 서로 연결된 중간 결론이 필요한 작업입니다. 모든 가정을 제공하고 수식 도출, 알고리즘 설명, 경계 입증, 코드 변경 준비처럼 필요한 최종 목표를 정의하세요. 제조사의 수학 예시는 방정식으로 연결된 양의 변수와 그 합이 가질 수 있는 범위를 다룹니다. 유용한 답변은 조건을 밝히고 관련 전개를 보여 주며 최종 결과를 분명히 구분해야 합니다.
GLM-Z1-Rumination-32B-0414는 검색 도구를 사용하는 더 개방적인 조사를 위한 별도 버전이며, GLM-Z1-9B-0414는 다른 크기의 모델입니다. 이 항목은 해당 버전들의 추가 워크플로나 크기 특성을 가져오지 않고 명명된 Z1 32B 릴리스를 유지합니다.
제조사는 temperature 0.6, top_p 0.95, top_k 40을 권장합니다. 사고를 위한 공간을 확보하도록 max_new_tokens 예산 30,000도 권장합니다. 이는 권장 생성 설정이지 모든 답변이 그 길이를 필요로 한다는 보장이나 문서화된 보편적 출력 상한이 아닙니다. 카드의 별도 추론 예시는 요청별로 더 작은 생성 예산을 사용합니다.
추론 작업에서는 분석과 최종 답변을 함께 담을 공간을 충분히 확보하고 프롬프트에 최종 답변 형식을 정의하세요. 수학 질문은 설명과 별도로 범위나 값을 요청할 수 있고, 코딩 질문은 하나의 구현과 그에 중요한 가정을 이어서 요청할 수 있습니다. 제공한 조건과 대조하여 확인할 수 있을 만큼 원하는 결과를 구체적으로 유지하세요.
제조사의 템플릿은 사고 마커 <think>로 생성을 시작합니다. 공개 채팅 템플릿이 이 마커를 삽입하므로, 구현에서는 무관한 대화 형식을 가정하지 말고 해당 릴리스의 실제 템플릿을 사용해야 합니다.
후속 대화에서는 최종 사용자에게 보이는 답변을 보존하고 내부 사고 자료는 저장된 대화 기록에서 제거하도록 사용 가이드가 안내합니다. 이는 모델 자체 대화 템플릿의 준비 규칙입니다. 후속 요청에는 이전의 모든 내부 분석을 여과 없이 누적하는 대신 현재 질문, 필요한 원본 자료, 관련된 이전 답변을 포함해야 합니다.
공개 설정은 max_position_embeddings를 32,768로 지정하며 rope_scaling 항목을 포함하지 않습니다. 사용 가이드는 입력이 8,192토큰을 초과하면 YaRN 사용을 고려하도록 권장합니다. 확장 설정 예시는 factor 4.0과 original_max_position_embeddings 32,768을 사용합니다. 권장 임계값, 기본 설정, 선택적 확장은 서로 다른 사실이며, 서로 바꿔 쓸 수 있는 응답 한도가 아닙니다.
정적 YaRN은 모든 텍스트에 영향을 미치고 짧은 입력의 성능을 약간 저하시킬 수 있으므로 제조사는 필요할 때 활성화할 것을 권장합니다. 긴 자료에서는 관련 정의와 지문을 명확하게 분리된 입력으로 제공하고 사용 중인 컨텍스트에 적절한 생성 예산을 남겨 두세요. 설정은 계산상 배수가 되는 값을 자동으로 사용 가능한 컨텍스트 창으로 취급하지 말고, 선택한 배포 환경이 제조사의 확장 절차를 지원하는 방식에 따라야 합니다.
모델의 추론 예시는 사용자 질문과 릴리스별 채팅 템플릿을 사용합니다. 수학에서는 변수 정의를 보존하고 입증할 명제를 명시하세요. 코드에서는 관련 조각, 필요한 동작, 논의 중인 사례를 제공하세요. 증명, 수식, 구현, 설명처럼 분명한 최종 결과물을 요청하여 작업의 결과를 통해 추론을 평가할 수 있게 하세요. 전용 Z1 가이드는 텍스트 추론과 그 준비 방법을 규정하며, 이 버전의 추가 기본 도구 계약이나 이미지 입력을 규정하지는 않습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 THUDM/GLM-Z1-32B-0414 | 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 $0.00014 / 1K 토큰 출력 · 출력 토큰 $0.00014 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "THUDM/GLM-Z1-32B-0414",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'THUDM/GLM-Z1-32B-0414', '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': 'THUDM/GLM-Z1-32B-0414', '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 THUDM/GLM-Z1-32B-0414
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Derive a safe batch bound\n\nA buffer holds at most 96 records. Every batch adds b records, where b is a positive integer, and 12 records must remain free. Derive the largest number of complete batches that fit as a formula in b. Explain the rounding and calculate the result for b = 10, keeping the reserved space separate from usable capacity.A formula using a floor, an explanation of usable capacity and a checked numeric example.Verify the formula reserves 12 records and a further full batch would exceed usable capacity in the example.