GLM-4.6V는 Z.ai GLM-V 계열의 106B 에디션으로, 더 가벼운 9B GLM-4.6V-Flash와 구분됩니다. 학습 컨텍스트는 128K토큰으로 확장되었으며 시각적 이해와 네이티브 멀티모달 함수 호출에 중점을 둡니다. 호스팅 프로필은 입력으로 이미지, 동영상, 텍스트, 파일을, 출력으로 텍스트를 명시합니다. 과제에서는 문서 설명, 추출 표, 스크린샷을 참고한 구현, 시각적 근거에 기반한 보고서를 요청할 수 있습니다.
네이티브 멀티모달 도구 사용이 핵심 변화입니다. 이미지, 스크린샷, 문서 페이지를 먼저 텍스트 설명으로 축소하지 않고 도구 입력으로 사용할 수 있습니다. 모델은 반환된 차트, 렌더링된 페이지, 검색된 이미지를 해석해 후속 추론에 반영할 수 있습니다. 도구와 질문을 정의한 뒤 실제 출력을 반환하세요. 작업은 애플리케이션이 실행하며, 호출 제안과 완료 결과는 별도 단계입니다.
문서 작업은 텍스트, 구조, 차트, 표, 수식, 그림을 결합합니다. 카드는 128K 범위 안에서 긴 문서나 여러 문서를 다루는 방식을 설명합니다. 읽기 쉬운 페이지와 페이지 레이블을 제공하고 명명된 필드나 결론을 요청하세요. 보고서 예시에서는 주장, 각각의 근거, 원본 간 미해결 차이를 정리할 수 있습니다. 시각 콘텐츠는 질문 및 응답과 함께 입력 공간을 사용합니다.
제작사는 원본 문서와 검색된 시각 자료에서 구성한 이미지·텍스트 교차 콘텐츠를 설명합니다. 작업 흐름은 후보 이미지를 찾고 관련성을 평가하며 선택한 자료를 중심으로 텍스트를 구성할 수 있습니다. 이는 도구를 통한 이미지 포함 콘텐츠 제작이며, 호스팅 프로필은 여전히 네이티브 출력 모달리티를 텍스트로 명시합니다. 원본 참조와 각 이미지가 서사를 뒷받침하는 방식을 지정하세요. 이것이 독립적인 픽셀 생성이나 완성 파일 제작을 입증하지는 않습니다.
프런트엔드 복제와 시각 편집이 주요 용도입니다. 모델은 레이아웃, 컴포넌트, 스타일을 해석하고 스크린샷에서 HTML, CSS 또는 JavaScript를 제안할 수 있습니다. 눈에 보이는 결과를 수정하라는 지침도 지원합니다. 목표 상태와 요청한 변경을 제공한 뒤 편집 가능한 소스와 실제 렌더링 대비 비교를 요청하세요. 렌더링된 페이지와 새 스크린샷 생성에는 애플리케이션 작업이 필요합니다.
해당 카드의 재현성 설정에는 temperature 0.8, top-p 0.6, top-k 2, repetition penalty 1.1과 그 절차의 16K 생성 허용량이 포함됩니다. 빠른 시작은 다른 예시 허용량을 사용합니다. 이는 공개된 절차이며 엄격한 출력 상한이 아닙니다. 106B 모델 정체성과 128K 컨텍스트는 GLM-4.5V, 9B Flash 모델, 이후 시각 코딩 릴리스와 구분해 유지됩니다.
카드는 순수 텍스트 질의응답, 복잡한 프롬프트에서의 과도하거나 반복적인 사고, 간헐적인 답변 재진술의 한계를 밝힙니다. 개수 세기의 정확도 같은 지각상 약점도 언급합니다. 결과를 정의하고 작은 레이블을 보존하며 원본에 연결된 근거를 요청하세요. 이를 통해 문서 및 시각 도구 기능을 제공된 자료와 대조 가능한 산출물과 연결할 수 있습니다.
", "aboutText": "GLM-4.6V는 Z.ai GLM-V 계열의 106B 에디션으로, 더 가벼운 9B GLM-4.6V-Flash와 구분됩니다. 학습 컨텍스트는 128K토큰으로 확장되었으며 시각적 이해와 네이티브 멀티모달 함수 호출에 중점을 둡니다. 호스팅 프로필은 입력으로 이미지, 동영상, 텍스트, 파일을, 출력으로 텍스트를 명시합니다. 과제에서는 문서 설명, 추출 표, 스크린샷을 참고한 구현, 시각적 근거에 기반한 보고서를 요청할 수 있습니다.\n\n네이티브 멀티모달 도구 사용이 핵심 변화입니다. 이미지, 스크린샷, 문서 페이지를 먼저 텍스트 설명으로 축소하지 않고 도구 입력으로 사용할 수 있습니다. 모델은 반환된 차트, 렌더링된 페이지, 검색된 이미지를 해석해 후속 추론에 반영할 수 있습니다. 도구와 질문을 정의한 뒤 실제 출력을 반환하세요. 작업은 애플리케이션이 실행하며, 호출 제안과 완료 결과는 별도 단계입니다.\n\n문서 작업은 텍스트, 구조, 차트, 표, 수식, 그림을 결합합니다. 카드는 128K 범위 안에서 긴 문서나 여러 문서를 다루는 방식을 설명합니다. 읽기 쉬운 페이지와 페이지 레이블을 제공하고 명명된 필드나 결론을 요청하세요. 보고서 예시에서는 주장, 각각의 근거, 원본 간 미해결 차이를 정리할 수 있습니다. 시각 콘텐츠는 질문 및 응답과 함께 입력 공간을 사용합니다.\n\n제작사는 원본 문서와 검색된 시각 자료에서 구성한 이미지·텍스트 교차 콘텐츠를 설명합니다. 작업 흐름은 후보 이미지를 찾고 관련성을 평가하며 선택한 자료를 중심으로 텍스트를 구성할 수 있습니다. 이는 도구를 통한 이미지 포함 콘텐츠 제작이며, 호스팅 프로필은 여전히 네이티브 출력 모달리티를 텍스트로 명시합니다. 원본 참조와 각 이미지가 서사를 뒷받침하는 방식을 지정하세요. 이것이 독립적인 픽셀 생성이나 완성 파일 제작을 입증하지는 않습니다.\n\n프런트엔드 복제와 시각 편집이 주요 용도입니다. 모델은 레이아웃, 컴포넌트, 스타일을 해석하고 스크린샷에서 HTML, CSS 또는 JavaScript를 제안할 수 있습니다. 눈에 보이는 결과를 수정하라는 지침도 지원합니다. 목표 상태와 요청한 변경을 제공한 뒤 편집 가능한 소스와 실제 렌더링 대비 비교를 요청하세요. 렌더링된 페이지와 새 스크린샷 생성에는 애플리케이션 작업이 필요합니다.\n\n해당 카드의 재현성 설정에는 temperature 0.8, top-p 0.6, top-k 2, repetition penalty 1.1과 그 절차의 16K 생성 허용량이 포함됩니다. 빠른 시작은 다른 예시 허용량을 사용합니다. 이는 공개된 절차이며 엄격한 출력 상한이 아닙니다. 106B 모델 정체성과 128K 컨텍스트는 GLM-4.5V, 9B Flash 모델, 이후 시각 코딩 릴리스와 구분해 유지됩니다.\n\n카드는 순수 텍스트 질의응답, 복잡한 프롬프트에서의 과도하거나 반복적인 사고, 간헐적인 답변 재진술의 한계를 밝힙니다. 개수 세기의 정확도 같은 지각상 약점도 언급합니다. 결과를 정의하고 작은 레이블을 보존하며 원본에 연결된 근거를 요청하세요. 이를 통해 문서 및 시각 도구 기능을 제공된 자료와 대조 가능한 산출물과 연결할 수 있습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Correct a narrow-screen layout\n\nUse this textual layout requirement and CSS. At 320 px viewport width, the panel must fit with 16 px margins and its input must stay inside it. Current CSS: .panel { width: 400px; padding: 24px; } input { width: 100%; padding: 12px; }. Return a focused CSS correction and explain the box-sizing issue. Preserve the class name.An editable CSS patch and checks for panel width, margins and input overflow at a 320 px viewport.Render the proposed styles at 320 px and verify the panel and input bounding boxes remain within the required margins.z-ai/glm-4.6vGLM-4.6V는 복잡하게 서식이 지정된 문서, 시각 코딩, 멀티모달 도구 사용을 위한 Z.ai의 106B 비전 언어 모델입니다. 제작사 프로필은 텍스트, 이미지, 동영상, 파일을 입력받고 텍스트를 반환하며 128K 컨텍스트를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM-4.6V는 Z.ai GLM-V 계열의 106B 에디션으로, 더 가벼운 9B GLM-4.6V-Flash와 구분됩니다. 학습 컨텍스트는 128K토큰으로 확장되었으며 시각적 이해와 네이티브 멀티모달 함수 호출에 중점을 둡니다. 호스팅 프로필은 입력으로 이미지, 동영상, 텍스트, 파일을, 출력으로 텍스트를 명시합니다. 과제에서는 문서 설명, 추출 표, 스크린샷을 참고한 구현, 시각적 근거에 기반한 보고서를 요청할 수 있습니다.
네이티브 멀티모달 도구 사용이 핵심 변화입니다. 이미지, 스크린샷, 문서 페이지를 먼저 텍스트 설명으로 축소하지 않고 도구 입력으로 사용할 수 있습니다. 모델은 반환된 차트, 렌더링된 페이지, 검색된 이미지를 해석해 후속 추론에 반영할 수 있습니다. 도구와 질문을 정의한 뒤 실제 출력을 반환하세요. 작업은 애플리케이션이 실행하며, 호출 제안과 완료 결과는 별도 단계입니다.
문서 작업은 텍스트, 구조, 차트, 표, 수식, 그림을 결합합니다. 카드는 128K 범위 안에서 긴 문서나 여러 문서를 다루는 방식을 설명합니다. 읽기 쉬운 페이지와 페이지 레이블을 제공하고 명명된 필드나 결론을 요청하세요. 보고서 예시에서는 주장, 각각의 근거, 원본 간 미해결 차이를 정리할 수 있습니다. 시각 콘텐츠는 질문 및 응답과 함께 입력 공간을 사용합니다.
제작사는 원본 문서와 검색된 시각 자료에서 구성한 이미지·텍스트 교차 콘텐츠를 설명합니다. 작업 흐름은 후보 이미지를 찾고 관련성을 평가하며 선택한 자료를 중심으로 텍스트를 구성할 수 있습니다. 이는 도구를 통한 이미지 포함 콘텐츠 제작이며, 호스팅 프로필은 여전히 네이티브 출력 모달리티를 텍스트로 명시합니다. 원본 참조와 각 이미지가 서사를 뒷받침하는 방식을 지정하세요. 이것이 독립적인 픽셀 생성이나 완성 파일 제작을 입증하지는 않습니다.
프런트엔드 복제와 시각 편집이 주요 용도입니다. 모델은 레이아웃, 컴포넌트, 스타일을 해석하고 스크린샷에서 HTML, CSS 또는 JavaScript를 제안할 수 있습니다. 눈에 보이는 결과를 수정하라는 지침도 지원합니다. 목표 상태와 요청한 변경을 제공한 뒤 편집 가능한 소스와 실제 렌더링 대비 비교를 요청하세요. 렌더링된 페이지와 새 스크린샷 생성에는 애플리케이션 작업이 필요합니다.
해당 카드의 재현성 설정에는 temperature 0.8, top-p 0.6, top-k 2, repetition penalty 1.1과 그 절차의 16K 생성 허용량이 포함됩니다. 빠른 시작은 다른 예시 허용량을 사용합니다. 이는 공개된 절차이며 엄격한 출력 상한이 아닙니다. 106B 모델 정체성과 128K 컨텍스트는 GLM-4.5V, 9B Flash 모델, 이후 시각 코딩 릴리스와 구분해 유지됩니다.
카드는 순수 텍스트 질의응답, 복잡한 프롬프트에서의 과도하거나 반복적인 사고, 간헐적인 답변 재진술의 한계를 밝힙니다. 개수 세기의 정확도 같은 지각상 약점도 언급합니다. 결과를 정의하고 작은 레이블을 보존하며 원본에 연결된 근거를 요청하세요. 이를 통해 문서 및 시각 도구 기능을 제공된 자료와 대조 가능한 산출물과 연결할 수 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 z-ai/glm-4.6v | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.0018 / 1K 토큰 입력 · 캐시 읽기 $0.0001 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.0018 / 1K 토큰 입력 · 캐시 읽기 $0.0001 / 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": "z-ai/glm-4.6v", "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-4.6v',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-4.6v',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 z-ai/glm-4.6v
위에 표시된 메서드 경로를 사용하세요.
z-ai/glm-4.6vGLM-4.6V는 복잡하게 서식이 지정된 문서, 시각 코딩, 멀티모달 도구 사용을 위한 Z.ai의 106B 비전 언어 모델입니다. 제작사 프로필은 텍스트, 이미지, 동영상, 파일을 입력받고 텍스트를 반환하며 128K 컨텍스트를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM-4.6V는 Z.ai GLM-V 계열의 106B 에디션으로, 더 가벼운 9B GLM-4.6V-Flash와 구분됩니다. 학습 컨텍스트는 128K토큰으로 확장되었으며 시각적 이해와 네이티브 멀티모달 함수 호출에 중점을 둡니다. 호스팅 프로필은 입력으로 이미지, 동영상, 텍스트, 파일을, 출력으로 텍스트를 명시합니다. 과제에서는 문서 설명, 추출 표, 스크린샷을 참고한 구현, 시각적 근거에 기반한 보고서를 요청할 수 있습니다.
네이티브 멀티모달 도구 사용이 핵심 변화입니다. 이미지, 스크린샷, 문서 페이지를 먼저 텍스트 설명으로 축소하지 않고 도구 입력으로 사용할 수 있습니다. 모델은 반환된 차트, 렌더링된 페이지, 검색된 이미지를 해석해 후속 추론에 반영할 수 있습니다. 도구와 질문을 정의한 뒤 실제 출력을 반환하세요. 작업은 애플리케이션이 실행하며, 호출 제안과 완료 결과는 별도 단계입니다.
문서 작업은 텍스트, 구조, 차트, 표, 수식, 그림을 결합합니다. 카드는 128K 범위 안에서 긴 문서나 여러 문서를 다루는 방식을 설명합니다. 읽기 쉬운 페이지와 페이지 레이블을 제공하고 명명된 필드나 결론을 요청하세요. 보고서 예시에서는 주장, 각각의 근거, 원본 간 미해결 차이를 정리할 수 있습니다. 시각 콘텐츠는 질문 및 응답과 함께 입력 공간을 사용합니다.
제작사는 원본 문서와 검색된 시각 자료에서 구성한 이미지·텍스트 교차 콘텐츠를 설명합니다. 작업 흐름은 후보 이미지를 찾고 관련성을 평가하며 선택한 자료를 중심으로 텍스트를 구성할 수 있습니다. 이는 도구를 통한 이미지 포함 콘텐츠 제작이며, 호스팅 프로필은 여전히 네이티브 출력 모달리티를 텍스트로 명시합니다. 원본 참조와 각 이미지가 서사를 뒷받침하는 방식을 지정하세요. 이것이 독립적인 픽셀 생성이나 완성 파일 제작을 입증하지는 않습니다.
프런트엔드 복제와 시각 편집이 주요 용도입니다. 모델은 레이아웃, 컴포넌트, 스타일을 해석하고 스크린샷에서 HTML, CSS 또는 JavaScript를 제안할 수 있습니다. 눈에 보이는 결과를 수정하라는 지침도 지원합니다. 목표 상태와 요청한 변경을 제공한 뒤 편집 가능한 소스와 실제 렌더링 대비 비교를 요청하세요. 렌더링된 페이지와 새 스크린샷 생성에는 애플리케이션 작업이 필요합니다.
해당 카드의 재현성 설정에는 temperature 0.8, top-p 0.6, top-k 2, repetition penalty 1.1과 그 절차의 16K 생성 허용량이 포함됩니다. 빠른 시작은 다른 예시 허용량을 사용합니다. 이는 공개된 절차이며 엄격한 출력 상한이 아닙니다. 106B 모델 정체성과 128K 컨텍스트는 GLM-4.5V, 9B Flash 모델, 이후 시각 코딩 릴리스와 구분해 유지됩니다.
카드는 순수 텍스트 질의응답, 복잡한 프롬프트에서의 과도하거나 반복적인 사고, 간헐적인 답변 재진술의 한계를 밝힙니다. 개수 세기의 정확도 같은 지각상 약점도 언급합니다. 결과를 정의하고 작은 레이블을 보존하며 원본에 연결된 근거를 요청하세요. 이를 통해 문서 및 시각 도구 기능을 제공된 자료와 대조 가능한 산출물과 연결할 수 있습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 z-ai/glm-4.6v | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.0018 / 1K 토큰 입력 · 캐시 읽기 $0.0001 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.0018 / 1K 토큰 입력 · 캐시 읽기 $0.0001 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "z-ai/glm-4.6v",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.6v', '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-4.6v', '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 z-ai/glm-4.6v
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Correct a narrow-screen layout\n\nUse this textual layout requirement and CSS. At 320 px viewport width, the panel must fit with 16 px margins and its input must stay inside it. Current CSS: .panel { width: 400px; padding: 24px; } input { width: 100%; padding: 12px; }. Return a focused CSS correction and explain the box-sizing issue. Preserve the class name.An editable CSS patch and checks for panel width, margins and input overflow at a 320 px viewport.Render the proposed styles at 320 px and verify the panel and input bounding boxes remain within the required margins.