GLM 5.3 Flash는 텍스트, 이미지, 동영상, 파일의 이해를 결합합니다. 텍스트 응답을 생성하며 시각 피드백을 활용한 코딩, 문서 처리, 전문 과제를 대상으로 합니다. 공개 사양에는 최대 백만 토큰의 컨텍스트 윈도와 128,000토큰의 최대 출력이 명시되어 있습니다.
모델의 파라미터 수를 십억 개 단위로 나타내면 전체는 320, 활성 파라미터는 18입니다. 하이브리드 어텐션은 희소 처리와 선형 처리를 결합하고, 특화된 계층 간 연결은 규모 증가 시 안정성을 유지하도록 돕습니다. 사전 학습에는 멀티모달 자료가 포함됩니다.
시각 정보가 작업 흐름에 참여합니다. 어시스턴트는 인터페이스나 렌더링 결과를 살펴보고 과제와 비교하며 수정안을 제시합니다. 이는 제조사가 코드 작성 후 실제 시각 결과 확인을 강조하는 이유를 설명합니다.
추론은 항상 활성화됩니다. 깊이는 low, high, max로 선택하며 비활성화 모드는 제공되지 않습니다. 긴 작업 흐름에서는 단계 사이에 추론 이력을 유지할 수 있습니다.
도구를 사용할 때 모델은 함수 이름과 인수를 생성하고, 애플리케이션은 행동을 실행한 뒤 결과를 돌려줍니다. JSON은 응답의 프로그램 처리에 적합합니다. 예상 필드는 지침으로 지정하고 문법과 값의 의미는 별도로 검사합니다. 스트리밍을 통해 텍스트를 점진적으로 받을 수 있습니다.
반복되는 지침이나 이력을 캐싱하면 처리된 컨텍스트를 재사용하는 데 도움이 됩니다. Z.ai에 따르면 적합한 과제에서 반복 처리가 줄어들며, 실제 재사용 여부는 해당 요청의 결과로 결정됩니다.
모델은 한 제품의 여러 스크린샷, 페이지 간 관계, 공통 컴포넌트, 인터페이스 상태와 애니메이션을 분석할 수 있습니다. 도구가 있는 에이전트 환경에서는 코드를 작성하고 애플리케이션을 실행하며 결과 스크린샷을 살펴보고 불일치를 수정합니다. 게임 개발에서는 이 주기가 규칙, 이동, 상호작용, 점수, 게임 세션 종료를 다룹니다.
프레젠테이션, 보고서, 스프레드시트에서는 텍스트, 이미지, 도표, 요소 배치 등 내용과 레이아웃을 함께 고려합니다. 도구를 통해 PPTX, PDF, DOCX, XLSX 자료를 만들고 확인할 수 있습니다. 이러한 파일은 애플리케이션의 결과이며, 모델의 직접 응답은 텍스트로 유지됩니다.
재무 분석에는 보고 자료 작업, 수식 일관성 검사, 공개 데이터·가정·결론의 구분 검토가 포함됩니다. 제조사가 설명하는 작업 흐름에서 데이터는 과제 자료에서 나옵니다.
에이전트 환경에서 모델은 동영상, 사건의 시간적 순서, 참여자의 시각적 특징과 자막을 분석할 수 있습니다. 도구가 결과 편집과 저장을 제공합니다.
입체 장면이나 도면 작업에서는 공간 설명, 비율, 눈에 보이는 결과를 연결합니다. 도구 주기는 구성, 지정 시점에서의 렌더링, 시각 비교, 수정을 포함합니다. 마찬가지로 애플리케이션 화면을 분석하고 순차적인 인터페이스 작업을 도울 수 있습니다.
이러한 작업 흐름은 필요한 도구가 있는 환경에서의 모델 속성을 설명합니다. 허용되는 자료는 선택한 메서드에 따라 결정됩니다. 시각적 이해가 모든 요청에서 동영상이나 파일 처리, 나열된 산출물 제작이 자동으로 가능하다는 의미는 아닙니다.
", "aboutText": "### 작업을 위한 멀티모달 모델\n\nGLM 5.3 Flash는 텍스트, 이미지, 동영상, 파일의 이해를 결합합니다. 텍스트 응답을 생성하며 시각 피드백을 활용한 코딩, 문서 처리, 전문 과제를 대상으로 합니다. 공개 사양에는 최대 백만 토큰의 컨텍스트 윈도와 128,000토큰의 최대 출력이 명시되어 있습니다.\n\n### 긴 컨텍스트 아키텍처\n\n모델의 파라미터 수를 십억 개 단위로 나타내면 전체는 320, 활성 파라미터는 18입니다. 하이브리드 어텐션은 희소 처리와 선형 처리를 결합하고, 특화된 계층 간 연결은 규모 증가 시 안정성을 유지하도록 돕습니다. 사전 학습에는 멀티모달 자료가 포함됩니다.\n\n시각 정보가 작업 흐름에 참여합니다. 어시스턴트는 인터페이스나 렌더링 결과를 살펴보고 과제와 비교하며 수정안을 제시합니다. 이는 제조사가 코드 작성 후 실제 시각 결과 확인을 강조하는 이유를 설명합니다.\n\n### 추론, 도구와 데이터\n\n추론은 항상 활성화됩니다. 깊이는 `low`, `high`, `max`로 선택하며 비활성화 모드는 제공되지 않습니다. 긴 작업 흐름에서는 단계 사이에 추론 이력을 유지할 수 있습니다.\n\n도구를 사용할 때 모델은 함수 이름과 인수를 생성하고, 애플리케이션은 행동을 실행한 뒤 결과를 돌려줍니다. JSON은 응답의 프로그램 처리에 적합합니다. 예상 필드는 지침으로 지정하고 문법과 값의 의미는 별도로 검사합니다. 스트리밍을 통해 텍스트를 점진적으로 받을 수 있습니다.\n\n반복되는 지침이나 이력을 캐싱하면 처리된 컨텍스트를 재사용하는 데 도움이 됩니다. Z.ai에 따르면 적합한 과제에서 반복 처리가 줄어들며, 실제 재사용 여부는 해당 요청의 결과로 결정됩니다.\n\n### 시각 프롬프트를 바탕으로 한 개발\n\n모델은 한 제품의 여러 스크린샷, 페이지 간 관계, 공통 컴포넌트, 인터페이스 상태와 애니메이션을 분석할 수 있습니다. 도구가 있는 에이전트 환경에서는 코드를 작성하고 애플리케이션을 실행하며 결과 스크린샷을 살펴보고 불일치를 수정합니다. 게임 개발에서는 이 주기가 규칙, 이동, 상호작용, 점수, 게임 세션 종료를 다룹니다.\n\n### 문서와 전문 분석\n\n프레젠테이션, 보고서, 스프레드시트에서는 텍스트, 이미지, 도표, 요소 배치 등 내용과 레이아웃을 함께 고려합니다. 도구를 통해 PPTX, PDF, DOCX, XLSX 자료를 만들고 확인할 수 있습니다. 이러한 파일은 애플리케이션의 결과이며, 모델의 직접 응답은 텍스트로 유지됩니다.\n\n재무 분석에는 보고 자료 작업, 수식 일관성 검사, 공개 데이터·가정·결론의 구분 검토가 포함됩니다. 제조사가 설명하는 작업 흐름에서 데이터는 과제 자료에서 나옵니다.\n\n### 동영상, 입체 장면과 인터페이스\n\n에이전트 환경에서 모델은 동영상, 사건의 시간적 순서, 참여자의 시각적 특징과 자막을 분석할 수 있습니다. 도구가 결과 편집과 저장을 제공합니다.\n\n입체 장면이나 도면 작업에서는 공간 설명, 비율, 눈에 보이는 결과를 연결합니다. 도구 주기는 구성, 지정 시점에서의 렌더링, 시각 비교, 수정을 포함합니다. 마찬가지로 애플리케이션 화면을 분석하고 순차적인 인터페이스 작업을 도울 수 있습니다.\n\n이러한 작업 흐름은 필요한 도구가 있는 환경에서의 모델 속성을 설명합니다. 허용되는 자료는 선택한 메서드에 따라 결정됩니다. 시각적 이해가 모든 요청에서 동영상이나 파일 처리, 나열된 산출물 제작이 자동으로 가능하다는 의미는 아닙니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "624dd8619fedf38822519fe06d29a960406ffbf5239931bb894a96d1d2d8ed63", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "z-ai/glm-5.3-flash:batchGLM 5.3 Flash는 시각적 개발, 문서 분석, 텍스트 결과를 반환하는 에이전트 작업을 위한 Z.ai 멀티모달 모델입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM 5.3 Flash는 텍스트, 이미지, 동영상, 파일의 이해를 결합합니다. 텍스트 응답을 생성하며 시각 피드백을 활용한 코딩, 문서 처리, 전문 과제를 대상으로 합니다. 공개 사양에는 최대 백만 토큰의 컨텍스트 윈도와 128,000토큰의 최대 출력이 명시되어 있습니다.
모델의 파라미터 수를 십억 개 단위로 나타내면 전체는 320, 활성 파라미터는 18입니다. 하이브리드 어텐션은 희소 처리와 선형 처리를 결합하고, 특화된 계층 간 연결은 규모 증가 시 안정성을 유지하도록 돕습니다. 사전 학습에는 멀티모달 자료가 포함됩니다.
시각 정보가 작업 흐름에 참여합니다. 어시스턴트는 인터페이스나 렌더링 결과를 살펴보고 과제와 비교하며 수정안을 제시합니다. 이는 제조사가 코드 작성 후 실제 시각 결과 확인을 강조하는 이유를 설명합니다.
추론은 항상 활성화됩니다. 깊이는 low, high, max로 선택하며 비활성화 모드는 제공되지 않습니다. 긴 작업 흐름에서는 단계 사이에 추론 이력을 유지할 수 있습니다.
도구를 사용할 때 모델은 함수 이름과 인수를 생성하고, 애플리케이션은 행동을 실행한 뒤 결과를 돌려줍니다. JSON은 응답의 프로그램 처리에 적합합니다. 예상 필드는 지침으로 지정하고 문법과 값의 의미는 별도로 검사합니다. 스트리밍을 통해 텍스트를 점진적으로 받을 수 있습니다.
반복되는 지침이나 이력을 캐싱하면 처리된 컨텍스트를 재사용하는 데 도움이 됩니다. Z.ai에 따르면 적합한 과제에서 반복 처리가 줄어들며, 실제 재사용 여부는 해당 요청의 결과로 결정됩니다.
모델은 한 제품의 여러 스크린샷, 페이지 간 관계, 공통 컴포넌트, 인터페이스 상태와 애니메이션을 분석할 수 있습니다. 도구가 있는 에이전트 환경에서는 코드를 작성하고 애플리케이션을 실행하며 결과 스크린샷을 살펴보고 불일치를 수정합니다. 게임 개발에서는 이 주기가 규칙, 이동, 상호작용, 점수, 게임 세션 종료를 다룹니다.
프레젠테이션, 보고서, 스프레드시트에서는 텍스트, 이미지, 도표, 요소 배치 등 내용과 레이아웃을 함께 고려합니다. 도구를 통해 PPTX, PDF, DOCX, XLSX 자료를 만들고 확인할 수 있습니다. 이러한 파일은 애플리케이션의 결과이며, 모델의 직접 응답은 텍스트로 유지됩니다.
재무 분석에는 보고 자료 작업, 수식 일관성 검사, 공개 데이터·가정·결론의 구분 검토가 포함됩니다. 제조사가 설명하는 작업 흐름에서 데이터는 과제 자료에서 나옵니다.
에이전트 환경에서 모델은 동영상, 사건의 시간적 순서, 참여자의 시각적 특징과 자막을 분석할 수 있습니다. 도구가 결과 편집과 저장을 제공합니다.
입체 장면이나 도면 작업에서는 공간 설명, 비율, 눈에 보이는 결과를 연결합니다. 도구 주기는 구성, 지정 시점에서의 렌더링, 시각 비교, 수정을 포함합니다. 마찬가지로 애플리케이션 화면을 분석하고 순차적인 인터페이스 작업을 도울 수 있습니다.
이러한 작업 흐름은 필요한 도구가 있는 환경에서의 모델 속성을 설명합니다. 허용되는 자료는 선택한 메서드에 따라 결정됩니다. 시각적 이해가 모든 요청에서 동영상이나 파일 처리, 나열된 산출물 제작이 자동으로 가능하다는 의미는 아닙니다.
POST /v1/batchestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드endpoint | 유형string | 요건필수 | 값과 한도 /v1/chat/completions | 기본값— |
필드model | 유형string | 요건필수 | 값과 한도 z-ai/glm-5.3-flash:batch | 기본값— |
필드requests | 유형batch_item[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드requests[].custom_id | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드requests[].body.messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드completion_window | 유형string | 요건선택 사항 | 값과 한도 24h | 기본값— |
필드provider | 유형object|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드requests[].body.model | 유형string | 요건선택 사항 | 값과 한도 z-ai/glm-5.3-flash:batch, z-ai/glm-5.3-flash | 기본값— |
필드provider.only | 유형string[] | 요건선택 사항 | 값과 한도 deepinfra/fp4 | 기본값— |
필드provider.allow_fallbacks | 유형boolean|null | 요건선택 사항 | 값과 한도 false, null | 기본값— |
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세endpoint, model, requests |
매개변수material_types | 명세text |
매개변수representation | 명세인라인 requests[]; 각 항목에는 custom_id와 body가 있습니다 |
매개변수request_endpoint_profile | 명세/v1/chat/completions |
매개변수file_material | 명세호출자는 실제 UTF-8 JSONL을 로컬에서 읽어 requests[]에 넣을 수 있습니다. 업로드 목적, input_file_id 또는 파일 참조는 사용하지 않습니다. 고객 자료가 없거나 비어 있으면 POST 전에 준비를 중단합니다. |
매개변수serialization_order | 명세endpoint, model, provider (제공된 경우), completion_window (제공된 경우), requests는 마지막에 |
매개변수optional_controls | 명세provider.only, provider.allow_fallbacks, completion_window |
매개변수schema_scope | 명세문서에 명시된 인라인 배치 요청 구조에 담긴 텍스트 Chat Completions 본문입니다. |
수명 주기: asynchronous
GET /v1/batches/{operation_id} · 최초 생성 응답에서 실제로 반환된 response.id; 동일한 사용자/키/그룹
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 $0.00012 / 1K 토큰 출력 · 출력 토큰 $0.0004 / 1K 토큰 입력 · 캐시 읽기 $0.000024 / 1K 토큰 입력 · 캐시 쓰기 — / 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 $0.00012 / 1K 토큰 출력 · 출력 토큰 $0.0004 / 1K 토큰 입력 · 캐시 읽기 $0.000024 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"z-ai/glm-5.3-flash:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['z-ai/glm-5.3-flash:batch', 'z-ai/glm-5.3-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"z-ai/glm-5.3-flash:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\n인라인 results[].response.body JSON
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\n반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
최초 상태 JSON 전체, 모든 결과/custom_id와 응답 또는 오류 본문 전체를 보관하세요. 완료된 results[]는 필터링 없이 JSONL로 저장하세요.
최초 작업 ID를 보관하세요. 503 result_pending_check에는 X-Should-Retry:false가 포함됩니다. 상태가 불명확한 최초 배치를 다시 제출하지 마세요.
| 필드 | 유형 |
|---|---|
필드results[].custom_id | 유형string |
필드results[].response.body.choices[].message.content | 유형string|null |
필드results[].error | 유형object|null |
필드usage | 유형object|null |
필드id | 유형string |
필드model | 유형string |
필드endpoint | 유형string |
필드status | 유형string |
필드request_counts | 유형object |
필드results[].id | 유형string |
필드results[].response.status_code | 유형integer |
필드results[].response.request_id | 유형string |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건문서에 명시된 인라인 요청 구조가 유효하지 않거나, 키가 중복되거나, 항목 식별 정보 또는 설정된 모델 기능에 충돌이 있습니다. | 다음 단계새로 제출하기 전에 표시된 필드를 수정하세요. |
응답401 · authentication_error | 조건유효하지 않은 API 키입니다. | 다음 단계사용 권한이 있는 Ailoot 키를 사용하세요. |
응답403 · permission_error | 조건배치 그룹을 사용할 수 없습니다. | 다음 단계키/그룹의 사용 권한을 확인하세요. |
응답422 · invalid_request_error | 조건배치는 잔액 과금을 사용하며, 구독을 통한 생성 요청은 거부됩니다. | 다음 단계사용 권한이 있는 잔액 과금 그룹을 사용하세요. |
응답422 · price_unavailable | 조건배치 입력의 예상 비용을 산출할 수 없습니다. | 다음 단계응답을 보관하고 문서에 명시된 API 계열 입력을 사용하세요. |
응답402 · billing_error | 조건배치 예약 금액을 확보할 수 없습니다. | 다음 단계새 요청 전에 요청 허용 조건을 충족하세요. |
응답503 · price_unavailable | 조건배치 메서드 가격 또는 네이티브 요율을 사용할 수 없습니다. | 다음 단계응답을 보관하고 가격을 임의로 대체하지 마세요. |
응답503 · api_error | 조건정확히 일치하는 공급업체 라우트를 사용할 수 없습니다. | 다음 단계라우트 수정을 위해 응답을 보관하세요. |
응답503 · result_pending_check | 조건최초 결과를 확인해야 합니다. X-Should-Retry:false. | 다음 단계최초 operation_id/id를 보관하고 해당 상태를 조회하세요. 최초 POST를 반복하지 마세요. |
응답404 · not_found | 조건배치 상태 조회 대상 작업이 없거나 다른 사용 주체의 소유입니다. | 다음 단계최초 id를 정확히 사용하고 동일한 사용자/키/그룹을 유지하세요. |
Ailoot Ultra z-ai/glm-5.3-flash:batch
위에 표시된 메서드 경로를 사용하세요.