GLM-4.7-Flash는 Z.ai GLM-4.7 계열의 30B-A3B 전문가 혼합 에디션입니다. 희소 설계의 전체 파라미터 수는 십억 개 단위로 약 30이며, 활성 파라미터 수는 삼십억 개입니다. 제작사는 역량과 효율의 균형을 맞춘 경량 모델로 제시합니다. 텍스트를 입력받고 텍스트를 생성합니다. 제작사는 소프트웨어 개발, 중국어 글쓰기, 번역, 장문 텍스트 처리, 역할 기반 대화를 특히 강조합니다. 유용한 지침에서는 제공된 자료에 근거한 코드 제안, 수정 문단, 설명 또는 구조화된 결과를 요청할 수 있습니다.
개발 분야에서 Z.ai는 이 Flash 에디션의 프런트엔드 및 애플리케이션 로직 과제를 제시합니다. 구현할 동작, 관련 소스, 유지해야 할 조건을 제공하세요. 페이지나 컴포넌트에서는 상태, 레이아웃, 필요한 상호작용을 설명한 뒤 편집 가능한 코드와 중요한 선택에 대한 설명을 요청하세요. 기존 함수에서는 관찰된 실패와 예상 결과 예시를 포함하세요. 모델은 코드 제안을 생성하며, 컴파일, 실행, 인터페이스 렌더링은 연결된 애플리케이션 환경의 역할입니다.
제작사 호스팅 GLM-4.7 시리즈 프로필에는 Flash의 텍스트 입력, 텍스트 출력, 200K토큰 컨텍스트와 최대 128K 출력 토큰이 명시되어 있습니다. 개방형 모델 카드와 호스팅 프로필은 같은 이름의 에디션에서 체크포인트 특성과 제작사 서비스 설정이라는 서로 다른 측면을 설명합니다. 긴 입력은 원본 제목, 코드 식별자, 명확한 문서 경계를 갖춰 준비하고 추론과 요청한 답변 공간을 남기세요. 텍스트 전용 모델은 이미지나 카메라 입력을 처리하는 애플리케이션의 코드를 작성할 수 있지만, 이 체크포인트에 네이티브 시각 입력 모드가 생기는 것은 아닙니다.
GLM-4.7 시리즈에서는 추론이 기본적으로 활성화됩니다. 제작사는 턴별 전환 설정을 문서화하여 어려운 질문에서는 추론을 요청하고, 단순한 다시 쓰기나 짧은 답변에서는 비활성화할 수 있도록 합니다. 도구 호출 사이의 교차 사고도 지원하므로 반환된 관찰을 해석한 후 다음 단계를 계획할 수 있습니다. 이런 과제를 시작하기 전에 사용 가능한 도구와 필요한 최종 산출물을 정의하세요. 문서 어시스턴트는 선택한 정보를 요청하고 실제 검색 결과를 받은 뒤, 그 결과가 뒷받침하는 설명을 준비할 수 있습니다.
사고 유지 기능은 지속적인 코딩이나 에이전트 작업을 위한 별도 옵션입니다. 제작사 가이드는 clear_thinking=false를 사용하고 이전 어시스턴트 턴의 reasoning_content 전체를 수정 없이 원래 순서대로 반환하도록 요구합니다. 해당 블록을 바꾸거나 재배열하면 결과의 품질이 저하되고 캐시 동작에 영향을 줄 수 있습니다. 제작사의 코딩 인터페이스와 표준 인터페이스는 기본값이 다르므로, 이 옵션은 모든 대화의 자동 속성이 아니라 설정된 작업 흐름입니다. 표시되는 답변과 보존된 추론을 구분하고 이후 단계가 의존하는 근거나 도구 출력을 보존하세요.
문서화된 계열 인터페이스에는 스트리밍 텍스트, 함수 호출, 컨텍스트 캐싱, JSON 등의 구조화 출력이 포함됩니다. 구조화된 결과에서는 필수 필드와 각 값이 나타내는 내용을 제공하고, 도구 요청에서는 함수의 목적, 인수, 완료 조건을 정의하세요. 생성된 호출은 애플리케이션에 행동을 요청하는 것이며 실행 증거가 아닙니다. 최종 결과는 짧은 보고서, 데이터 객체 또는 코드 산출물이 될 수 있고, 생성에 사용한 정보도 계속 식별할 수 있어야 합니다.
글쓰기나 번역에서는 독자, 언어, 어조, 바꾸지 말아야 할 용어를 지정하세요. 제작사는 기술 작업 외에도 중국어 글쓰기, 서사 또는 역할 기반 대화에서 Flash를 시도하도록 권장합니다. 편집 지침의 예시는 문단을 제공하고 사실을 유지하는 간결한 수정을 요청할 수 있으며, 번역 지침은 용어집을 제공하고 인용문과 지침을 구분할 수 있습니다. 긴 대화에서는 제약을 유지하고 다음에 필요한 결과를 명시해 모델 응답이 원래 과제와 연결되도록 하세요.
해당 개방형 모델 카드는 평가 과제별로 다른 생성 설정을 공개합니다. 기본 temperature는 1.0, top-p는 0.95이며, 별도 소프트웨어 과제 설정은 0.7과 1.0입니다. 예시 생성 길이는 해당 절차의 일부이며 추가적인 보편 한도가 아닙니다. 이 체크포인트는 GLM-4.7, GLM-4.7-FlashX, 이후 GLM-5 모델과 구분됩니다. 과제와 응답 모드를 이 에디션의 문서화된 텍스트 기능에 맞춘 뒤 전달된 코드, 추출 값 또는 수정 문장을 입력과 대조해 평가하세요.
", "aboutText": "GLM-4.7-Flash는 Z.ai GLM-4.7 계열의 30B-A3B 전문가 혼합 에디션입니다. 희소 설계의 전체 파라미터 수는 십억 개 단위로 약 30이며, 활성 파라미터 수는 삼십억 개입니다. 제작사는 역량과 효율의 균형을 맞춘 경량 모델로 제시합니다. 텍스트를 입력받고 텍스트를 생성합니다. 제작사는 소프트웨어 개발, 중국어 글쓰기, 번역, 장문 텍스트 처리, 역할 기반 대화를 특히 강조합니다. 유용한 지침에서는 제공된 자료에 근거한 코드 제안, 수정 문단, 설명 또는 구조화된 결과를 요청할 수 있습니다.\n\n개발 분야에서 Z.ai는 이 Flash 에디션의 프런트엔드 및 애플리케이션 로직 과제를 제시합니다. 구현할 동작, 관련 소스, 유지해야 할 조건을 제공하세요. 페이지나 컴포넌트에서는 상태, 레이아웃, 필요한 상호작용을 설명한 뒤 편집 가능한 코드와 중요한 선택에 대한 설명을 요청하세요. 기존 함수에서는 관찰된 실패와 예상 결과 예시를 포함하세요. 모델은 코드 제안을 생성하며, 컴파일, 실행, 인터페이스 렌더링은 연결된 애플리케이션 환경의 역할입니다.\n\n제작사 호스팅 GLM-4.7 시리즈 프로필에는 Flash의 텍스트 입력, 텍스트 출력, 200K토큰 컨텍스트와 최대 128K 출력 토큰이 명시되어 있습니다. 개방형 모델 카드와 호스팅 프로필은 같은 이름의 에디션에서 체크포인트 특성과 제작사 서비스 설정이라는 서로 다른 측면을 설명합니다. 긴 입력은 원본 제목, 코드 식별자, 명확한 문서 경계를 갖춰 준비하고 추론과 요청한 답변 공간을 남기세요. 텍스트 전용 모델은 이미지나 카메라 입력을 처리하는 애플리케이션의 코드를 작성할 수 있지만, 이 체크포인트에 네이티브 시각 입력 모드가 생기는 것은 아닙니다.\n\nGLM-4.7 시리즈에서는 추론이 기본적으로 활성화됩니다. 제작사는 턴별 전환 설정을 문서화하여 어려운 질문에서는 추론을 요청하고, 단순한 다시 쓰기나 짧은 답변에서는 비활성화할 수 있도록 합니다. 도구 호출 사이의 교차 사고도 지원하므로 반환된 관찰을 해석한 후 다음 단계를 계획할 수 있습니다. 이런 과제를 시작하기 전에 사용 가능한 도구와 필요한 최종 산출물을 정의하세요. 문서 어시스턴트는 선택한 정보를 요청하고 실제 검색 결과를 받은 뒤, 그 결과가 뒷받침하는 설명을 준비할 수 있습니다.\n\n사고 유지 기능은 지속적인 코딩이나 에이전트 작업을 위한 별도 옵션입니다. 제작사 가이드는 clear_thinking=false를 사용하고 이전 어시스턴트 턴의 reasoning_content 전체를 수정 없이 원래 순서대로 반환하도록 요구합니다. 해당 블록을 바꾸거나 재배열하면 결과의 품질이 저하되고 캐시 동작에 영향을 줄 수 있습니다. 제작사의 코딩 인터페이스와 표준 인터페이스는 기본값이 다르므로, 이 옵션은 모든 대화의 자동 속성이 아니라 설정된 작업 흐름입니다. 표시되는 답변과 보존된 추론을 구분하고 이후 단계가 의존하는 근거나 도구 출력을 보존하세요.\n\n문서화된 계열 인터페이스에는 스트리밍 텍스트, 함수 호출, 컨텍스트 캐싱, JSON 등의 구조화 출력이 포함됩니다. 구조화된 결과에서는 필수 필드와 각 값이 나타내는 내용을 제공하고, 도구 요청에서는 함수의 목적, 인수, 완료 조건을 정의하세요. 생성된 호출은 애플리케이션에 행동을 요청하는 것이며 실행 증거가 아닙니다. 최종 결과는 짧은 보고서, 데이터 객체 또는 코드 산출물이 될 수 있고, 생성에 사용한 정보도 계속 식별할 수 있어야 합니다.\n\n글쓰기나 번역에서는 독자, 언어, 어조, 바꾸지 말아야 할 용어를 지정하세요. 제작사는 기술 작업 외에도 중국어 글쓰기, 서사 또는 역할 기반 대화에서 Flash를 시도하도록 권장합니다. 편집 지침의 예시는 문단을 제공하고 사실을 유지하는 간결한 수정을 요청할 수 있으며, 번역 지침은 용어집을 제공하고 인용문과 지침을 구분할 수 있습니다. 긴 대화에서는 제약을 유지하고 다음에 필요한 결과를 명시해 모델 응답이 원래 과제와 연결되도록 하세요.\n\n해당 개방형 모델 카드는 평가 과제별로 다른 생성 설정을 공개합니다. 기본 temperature는 1.0, top-p는 0.95이며, 별도 소프트웨어 과제 설정은 0.7과 1.0입니다. 예시 생성 길이는 해당 절차의 일부이며 추가적인 보편 한도가 아닙니다. 이 체크포인트는 GLM-4.7, GLM-4.7-FlashX, 이후 GLM-5 모델과 구분됩니다. 과제와 응답 모드를 이 에디션의 문서화된 텍스트 기능에 맞춘 뒤 전달된 코드, 추출 값 또는 수정 문장을 입력과 대조해 평가하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Translate a notice with a fixed glossary\n\nTranslate this Chinese notice into English: '订单已审核，但尚未发货。更改收货地址需要重新审核。' Use this glossary consistently: 审核 = review; 发货 = dispatch; 收货地址 = delivery address. Write a clear customer-facing notice and preserve the distinction between completed review and pending dispatch. Do not add a dispatch date or an approval guarantee.A concise English notice applying the glossary and preserving the two different order states.The translation retains the requirement for another review after an address change and does not state that dispatch occurred.z-ai/glm-4.7-flashGLM-4.7-Flash는 코딩, 장문 텍스트, 중국어 글쓰기와 번역을 위한 Z.ai의 30B-A3B 전문가 혼합 텍스트 모델입니다. 추론과 도구 지향 작업 흐름을 지원하며, 제작사 호스팅 프로필은 200K 컨텍스트 토큰과 최대 128K 출력을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM-4.7-Flash는 Z.ai GLM-4.7 계열의 30B-A3B 전문가 혼합 에디션입니다. 희소 설계의 전체 파라미터 수는 십억 개 단위로 약 30이며, 활성 파라미터 수는 삼십억 개입니다. 제작사는 역량과 효율의 균형을 맞춘 경량 모델로 제시합니다. 텍스트를 입력받고 텍스트를 생성합니다. 제작사는 소프트웨어 개발, 중국어 글쓰기, 번역, 장문 텍스트 처리, 역할 기반 대화를 특히 강조합니다. 유용한 지침에서는 제공된 자료에 근거한 코드 제안, 수정 문단, 설명 또는 구조화된 결과를 요청할 수 있습니다.
개발 분야에서 Z.ai는 이 Flash 에디션의 프런트엔드 및 애플리케이션 로직 과제를 제시합니다. 구현할 동작, 관련 소스, 유지해야 할 조건을 제공하세요. 페이지나 컴포넌트에서는 상태, 레이아웃, 필요한 상호작용을 설명한 뒤 편집 가능한 코드와 중요한 선택에 대한 설명을 요청하세요. 기존 함수에서는 관찰된 실패와 예상 결과 예시를 포함하세요. 모델은 코드 제안을 생성하며, 컴파일, 실행, 인터페이스 렌더링은 연결된 애플리케이션 환경의 역할입니다.
제작사 호스팅 GLM-4.7 시리즈 프로필에는 Flash의 텍스트 입력, 텍스트 출력, 200K토큰 컨텍스트와 최대 128K 출력 토큰이 명시되어 있습니다. 개방형 모델 카드와 호스팅 프로필은 같은 이름의 에디션에서 체크포인트 특성과 제작사 서비스 설정이라는 서로 다른 측면을 설명합니다. 긴 입력은 원본 제목, 코드 식별자, 명확한 문서 경계를 갖춰 준비하고 추론과 요청한 답변 공간을 남기세요. 텍스트 전용 모델은 이미지나 카메라 입력을 처리하는 애플리케이션의 코드를 작성할 수 있지만, 이 체크포인트에 네이티브 시각 입력 모드가 생기는 것은 아닙니다.
GLM-4.7 시리즈에서는 추론이 기본적으로 활성화됩니다. 제작사는 턴별 전환 설정을 문서화하여 어려운 질문에서는 추론을 요청하고, 단순한 다시 쓰기나 짧은 답변에서는 비활성화할 수 있도록 합니다. 도구 호출 사이의 교차 사고도 지원하므로 반환된 관찰을 해석한 후 다음 단계를 계획할 수 있습니다. 이런 과제를 시작하기 전에 사용 가능한 도구와 필요한 최종 산출물을 정의하세요. 문서 어시스턴트는 선택한 정보를 요청하고 실제 검색 결과를 받은 뒤, 그 결과가 뒷받침하는 설명을 준비할 수 있습니다.
사고 유지 기능은 지속적인 코딩이나 에이전트 작업을 위한 별도 옵션입니다. 제작사 가이드는 clear_thinking=false를 사용하고 이전 어시스턴트 턴의 reasoning_content 전체를 수정 없이 원래 순서대로 반환하도록 요구합니다. 해당 블록을 바꾸거나 재배열하면 결과의 품질이 저하되고 캐시 동작에 영향을 줄 수 있습니다. 제작사의 코딩 인터페이스와 표준 인터페이스는 기본값이 다르므로, 이 옵션은 모든 대화의 자동 속성이 아니라 설정된 작업 흐름입니다. 표시되는 답변과 보존된 추론을 구분하고 이후 단계가 의존하는 근거나 도구 출력을 보존하세요.
문서화된 계열 인터페이스에는 스트리밍 텍스트, 함수 호출, 컨텍스트 캐싱, JSON 등의 구조화 출력이 포함됩니다. 구조화된 결과에서는 필수 필드와 각 값이 나타내는 내용을 제공하고, 도구 요청에서는 함수의 목적, 인수, 완료 조건을 정의하세요. 생성된 호출은 애플리케이션에 행동을 요청하는 것이며 실행 증거가 아닙니다. 최종 결과는 짧은 보고서, 데이터 객체 또는 코드 산출물이 될 수 있고, 생성에 사용한 정보도 계속 식별할 수 있어야 합니다.
글쓰기나 번역에서는 독자, 언어, 어조, 바꾸지 말아야 할 용어를 지정하세요. 제작사는 기술 작업 외에도 중국어 글쓰기, 서사 또는 역할 기반 대화에서 Flash를 시도하도록 권장합니다. 편집 지침의 예시는 문단을 제공하고 사실을 유지하는 간결한 수정을 요청할 수 있으며, 번역 지침은 용어집을 제공하고 인용문과 지침을 구분할 수 있습니다. 긴 대화에서는 제약을 유지하고 다음에 필요한 결과를 명시해 모델 응답이 원래 과제와 연결되도록 하세요.
해당 개방형 모델 카드는 평가 과제별로 다른 생성 설정을 공개합니다. 기본 temperature는 1.0, top-p는 0.95이며, 별도 소프트웨어 과제 설정은 0.7과 1.0입니다. 예시 생성 길이는 해당 절차의 일부이며 추가적인 보편 한도가 아닙니다. 이 체크포인트는 GLM-4.7, GLM-4.7-FlashX, 이후 GLM-5 모델과 구분됩니다. 과제와 응답 모드를 이 에디션의 문서화된 텍스트 기능에 맞춘 뒤 전달된 코드, 추출 값 또는 수정 문장을 입력과 대조해 평가하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 z-ai/glm-4.7-flash | 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 $0.000144 / 1K 토큰 출력 · 출력 토큰 $0.000858 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 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 $0.000144 / 1K 토큰 출력 · 출력 토큰 $0.000858 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 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-4.7-flash", "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-4.7-flash',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-4.7-flash',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-4.7-flash
위에 표시된 메서드 경로를 사용하세요.
z-ai/glm-4.7-flashGLM-4.7-Flash는 코딩, 장문 텍스트, 중국어 글쓰기와 번역을 위한 Z.ai의 30B-A3B 전문가 혼합 텍스트 모델입니다. 추론과 도구 지향 작업 흐름을 지원하며, 제작사 호스팅 프로필은 200K 컨텍스트 토큰과 최대 128K 출력을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM-4.7-Flash는 Z.ai GLM-4.7 계열의 30B-A3B 전문가 혼합 에디션입니다. 희소 설계의 전체 파라미터 수는 십억 개 단위로 약 30이며, 활성 파라미터 수는 삼십억 개입니다. 제작사는 역량과 효율의 균형을 맞춘 경량 모델로 제시합니다. 텍스트를 입력받고 텍스트를 생성합니다. 제작사는 소프트웨어 개발, 중국어 글쓰기, 번역, 장문 텍스트 처리, 역할 기반 대화를 특히 강조합니다. 유용한 지침에서는 제공된 자료에 근거한 코드 제안, 수정 문단, 설명 또는 구조화된 결과를 요청할 수 있습니다.
개발 분야에서 Z.ai는 이 Flash 에디션의 프런트엔드 및 애플리케이션 로직 과제를 제시합니다. 구현할 동작, 관련 소스, 유지해야 할 조건을 제공하세요. 페이지나 컴포넌트에서는 상태, 레이아웃, 필요한 상호작용을 설명한 뒤 편집 가능한 코드와 중요한 선택에 대한 설명을 요청하세요. 기존 함수에서는 관찰된 실패와 예상 결과 예시를 포함하세요. 모델은 코드 제안을 생성하며, 컴파일, 실행, 인터페이스 렌더링은 연결된 애플리케이션 환경의 역할입니다.
제작사 호스팅 GLM-4.7 시리즈 프로필에는 Flash의 텍스트 입력, 텍스트 출력, 200K토큰 컨텍스트와 최대 128K 출력 토큰이 명시되어 있습니다. 개방형 모델 카드와 호스팅 프로필은 같은 이름의 에디션에서 체크포인트 특성과 제작사 서비스 설정이라는 서로 다른 측면을 설명합니다. 긴 입력은 원본 제목, 코드 식별자, 명확한 문서 경계를 갖춰 준비하고 추론과 요청한 답변 공간을 남기세요. 텍스트 전용 모델은 이미지나 카메라 입력을 처리하는 애플리케이션의 코드를 작성할 수 있지만, 이 체크포인트에 네이티브 시각 입력 모드가 생기는 것은 아닙니다.
GLM-4.7 시리즈에서는 추론이 기본적으로 활성화됩니다. 제작사는 턴별 전환 설정을 문서화하여 어려운 질문에서는 추론을 요청하고, 단순한 다시 쓰기나 짧은 답변에서는 비활성화할 수 있도록 합니다. 도구 호출 사이의 교차 사고도 지원하므로 반환된 관찰을 해석한 후 다음 단계를 계획할 수 있습니다. 이런 과제를 시작하기 전에 사용 가능한 도구와 필요한 최종 산출물을 정의하세요. 문서 어시스턴트는 선택한 정보를 요청하고 실제 검색 결과를 받은 뒤, 그 결과가 뒷받침하는 설명을 준비할 수 있습니다.
사고 유지 기능은 지속적인 코딩이나 에이전트 작업을 위한 별도 옵션입니다. 제작사 가이드는 clear_thinking=false를 사용하고 이전 어시스턴트 턴의 reasoning_content 전체를 수정 없이 원래 순서대로 반환하도록 요구합니다. 해당 블록을 바꾸거나 재배열하면 결과의 품질이 저하되고 캐시 동작에 영향을 줄 수 있습니다. 제작사의 코딩 인터페이스와 표준 인터페이스는 기본값이 다르므로, 이 옵션은 모든 대화의 자동 속성이 아니라 설정된 작업 흐름입니다. 표시되는 답변과 보존된 추론을 구분하고 이후 단계가 의존하는 근거나 도구 출력을 보존하세요.
문서화된 계열 인터페이스에는 스트리밍 텍스트, 함수 호출, 컨텍스트 캐싱, JSON 등의 구조화 출력이 포함됩니다. 구조화된 결과에서는 필수 필드와 각 값이 나타내는 내용을 제공하고, 도구 요청에서는 함수의 목적, 인수, 완료 조건을 정의하세요. 생성된 호출은 애플리케이션에 행동을 요청하는 것이며 실행 증거가 아닙니다. 최종 결과는 짧은 보고서, 데이터 객체 또는 코드 산출물이 될 수 있고, 생성에 사용한 정보도 계속 식별할 수 있어야 합니다.
글쓰기나 번역에서는 독자, 언어, 어조, 바꾸지 말아야 할 용어를 지정하세요. 제작사는 기술 작업 외에도 중국어 글쓰기, 서사 또는 역할 기반 대화에서 Flash를 시도하도록 권장합니다. 편집 지침의 예시는 문단을 제공하고 사실을 유지하는 간결한 수정을 요청할 수 있으며, 번역 지침은 용어집을 제공하고 인용문과 지침을 구분할 수 있습니다. 긴 대화에서는 제약을 유지하고 다음에 필요한 결과를 명시해 모델 응답이 원래 과제와 연결되도록 하세요.
해당 개방형 모델 카드는 평가 과제별로 다른 생성 설정을 공개합니다. 기본 temperature는 1.0, top-p는 0.95이며, 별도 소프트웨어 과제 설정은 0.7과 1.0입니다. 예시 생성 길이는 해당 절차의 일부이며 추가적인 보편 한도가 아닙니다. 이 체크포인트는 GLM-4.7, GLM-4.7-FlashX, 이후 GLM-5 모델과 구분됩니다. 과제와 응답 모드를 이 에디션의 문서화된 텍스트 기능에 맞춘 뒤 전달된 코드, 추출 값 또는 수정 문장을 입력과 대조해 평가하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 z-ai/glm-4.7-flash | 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 $0.000144 / 1K 토큰 출력 · 출력 토큰 $0.000858 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 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 $0.000144 / 1K 토큰 출력 · 출력 토큰 $0.000858 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "z-ai/glm-4.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.7-flash', '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-4.7-flash', '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-4.7-flash
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Translate a notice with a fixed glossary\n\nTranslate this Chinese notice into English: '订单已审核，但尚未发货。更改收货地址需要重新审核。' Use this glossary consistently: 审核 = review; 发货 = dispatch; 收货地址 = delivery address. Write a clear customer-facing notice and preserve the distinction between completed review and pending dispatch. Do not add a dispatch date or an approval guarantee.A concise English notice applying the glossary and preserving the two different order states.The translation retains the requirement for another review after an address change and does not state that dispatch occurred.