GLM-5.3-FlashX는 Z.ai의 네이티브 멀티모달 GLM-5.3-Flash 계열에 속하는 FlashX 에디션입니다. 제작사는 두 모델을 시각 코딩과 전문 작업용으로 제시하며, 텍스트를 이미지, 동영상, 파일과 결합하고 텍스트를 반환한다고 설명합니다. FlashX는 제작사 서비스의 더 빠른 추론 실행을 위해 별도 이름을 가집니다. 유용한 지침에서는 스크린샷을 참고한 구현, 문서 기반 분석, 애플리케이션이 도구로 수행할 계획을 요청할 수 있습니다. 원본에는 두 모델 코드가 모두 명시되어 있으며 서비스 정체성은 별도로 유지됩니다.
이 계열은 희소 어텐션과 선형 어텐션을 결합한 하이브리드 설계를 사용합니다. 파라미터 수를 십억 개 단위로 나타내면 전체는 320, 활성 파라미터는 18로 설명됩니다. 희소 어텐션은 전역 정보를 검색하고 선형 어텐션은 국소 의존성을 모델링합니다. 제작사는 긴 컨텍스트를 위한 인덱스 풀링도 설명합니다. 이는 계열 아키텍처에 관한 사실이며, 모든 호스팅 인스턴스의 수치 형식을 뜻하지 않습니다. 공통 프로필은 백만 컨텍스트 토큰과 최대 128K 출력 토큰입니다. 설정된 작업 흐름에는 원본 자료, 표현된 시각 정보, 이력, 추론, 답변을 위한 공간이 모두 필요합니다.
시각 코딩이 핵심입니다. Z.ai 예시는 여러 페이지 스크린샷이나 녹화와 지침을 결합해 페이지 관계, 공통 컴포넌트, 탐색, 상태, 애니메이션 동작을 재구성합니다. 참고 자료를 순서대로 준비하고 작동해야 할 기능을 명시하세요. 편집 가능한 소스와 디자인 비교를 요청하세요. 애플리케이션은 제안을 실행하거나 렌더링하고 스크린샷이나 상호작용 결과를 반환하며, 모델은 그 피드백으로 결과를 다듬습니다. 이 작업 없이는 텍스트와 코드가 완성된 실행 애플리케이션이 되지 않습니다.
Office 및 문서 작업에서 제작사는 자료 구성, 차트와 레이아웃 제작, 렌더링 결과 검토를 설명합니다. 도구 지원 작업 흐름으로 PPTX, PDF, DOCX 또는 XLSX를 생성할 수 있습니다. 보고서 지침의 예시로 원본, 대상 독자, 필수 구간을 제공하고 원본과 결론의 연결 표, 편집 가능한 보고서나 프레젠테이션을 요청할 수 있습니다. 제공된 값과 분석 가정을 구분하세요. 렌더링, 파일 저장, 수식 참조 확인은 애플리케이션 작업입니다. 재무 조사에서는 제작사가 연결된 도구를 통해 재무제표와 공시를 비교하고 공개된 값과 가정을 구분하며, 원본에 연결된 보고서와 함께 편집 가능한 예측 또는 가치평가 모델을 준비하는 방식을 설명합니다.
제작사의 더 폭넓은 예시에는 도구를 통한 동영상 편집, 3D 장면, 플레이 가능한 게임, CAD 재구성이 포함됩니다. 동영상 과제는 미디어 목록과 타임라인에서 시작할 수 있고, 장면 과제는 모델링 스크립트를 요청하기 전에 배치, 재질, 카메라 뷰를 정의할 수 있습니다. CAD 지침에는 치수 참고 자료와 이미지에서 확립되지 않은 측정값에 대한 명시적 가정이 필요합니다. 모델은 자료를 해석하고 작업을 지시하며, 해당 편집·렌더링·모델링 도구가 자산을 생성하고 검토합니다.
이 프로필에서는 추론을 비활성화할 수 없습니다. 원본에 따르면 텍스트 제어는 GLM-5.3과 일관되며 reasoning_effort=max, temperature 1, top-p 0.95가 권장됩니다. 추론 유지를 위한 clear_thinking=false와 텍스트 및 도구 스트리밍도 권장합니다. 관련 가이드는 보존된 추론 블록을 수정 없이 완전하게 반환하도록 요구합니다. 긴 분석 전에 최종 결과를 정의하고, 관찰을 이를 생성한 단계와 연결해 유지하세요.
제작사는 함수 호출, 컨텍스트 캐싱, 구조화 출력, 네이티브 시각 이해를 명시합니다. 도구 설명과 필수 출력 필드를 명확히 제시하세요. 인터페이스 과제에서는 다룬 페이지 상태, 남은 불일치, 실제 렌더링 비교에서 확인한 내용을 요청하세요. 분석에서는 원본 사실, 가정, 결론을 구분하세요. FlashX는 이러한 멀티모달 작업 흐름을 지원하며 실행, 렌더링, 파일 처리는 연결된 애플리케이션이 제공합니다.
", "aboutText": "GLM-5.3-FlashX는 Z.ai의 네이티브 멀티모달 GLM-5.3-Flash 계열에 속하는 FlashX 에디션입니다. 제작사는 두 모델을 시각 코딩과 전문 작업용으로 제시하며, 텍스트를 이미지, 동영상, 파일과 결합하고 텍스트를 반환한다고 설명합니다. FlashX는 제작사 서비스의 더 빠른 추론 실행을 위해 별도 이름을 가집니다. 유용한 지침에서는 스크린샷을 참고한 구현, 문서 기반 분석, 애플리케이션이 도구로 수행할 계획을 요청할 수 있습니다. 원본에는 두 모델 코드가 모두 명시되어 있으며 서비스 정체성은 별도로 유지됩니다.\n\n이 계열은 희소 어텐션과 선형 어텐션을 결합한 하이브리드 설계를 사용합니다. 파라미터 수를 십억 개 단위로 나타내면 전체는 320, 활성 파라미터는 18로 설명됩니다. 희소 어텐션은 전역 정보를 검색하고 선형 어텐션은 국소 의존성을 모델링합니다. 제작사는 긴 컨텍스트를 위한 인덱스 풀링도 설명합니다. 이는 계열 아키텍처에 관한 사실이며, 모든 호스팅 인스턴스의 수치 형식을 뜻하지 않습니다. 공통 프로필은 백만 컨텍스트 토큰과 최대 128K 출력 토큰입니다. 설정된 작업 흐름에는 원본 자료, 표현된 시각 정보, 이력, 추론, 답변을 위한 공간이 모두 필요합니다.\n\n시각 코딩이 핵심입니다. Z.ai 예시는 여러 페이지 스크린샷이나 녹화와 지침을 결합해 페이지 관계, 공통 컴포넌트, 탐색, 상태, 애니메이션 동작을 재구성합니다. 참고 자료를 순서대로 준비하고 작동해야 할 기능을 명시하세요. 편집 가능한 소스와 디자인 비교를 요청하세요. 애플리케이션은 제안을 실행하거나 렌더링하고 스크린샷이나 상호작용 결과를 반환하며, 모델은 그 피드백으로 결과를 다듬습니다. 이 작업 없이는 텍스트와 코드가 완성된 실행 애플리케이션이 되지 않습니다.\n\nOffice 및 문서 작업에서 제작사는 자료 구성, 차트와 레이아웃 제작, 렌더링 결과 검토를 설명합니다. 도구 지원 작업 흐름으로 PPTX, PDF, DOCX 또는 XLSX를 생성할 수 있습니다. 보고서 지침의 예시로 원본, 대상 독자, 필수 구간을 제공하고 원본과 결론의 연결 표, 편집 가능한 보고서나 프레젠테이션을 요청할 수 있습니다. 제공된 값과 분석 가정을 구분하세요. 렌더링, 파일 저장, 수식 참조 확인은 애플리케이션 작업입니다. 재무 조사에서는 제작사가 연결된 도구를 통해 재무제표와 공시를 비교하고 공개된 값과 가정을 구분하며, 원본에 연결된 보고서와 함께 편집 가능한 예측 또는 가치평가 모델을 준비하는 방식을 설명합니다.\n\n제작사의 더 폭넓은 예시에는 도구를 통한 동영상 편집, 3D 장면, 플레이 가능한 게임, CAD 재구성이 포함됩니다. 동영상 과제는 미디어 목록과 타임라인에서 시작할 수 있고, 장면 과제는 모델링 스크립트를 요청하기 전에 배치, 재질, 카메라 뷰를 정의할 수 있습니다. CAD 지침에는 치수 참고 자료와 이미지에서 확립되지 않은 측정값에 대한 명시적 가정이 필요합니다. 모델은 자료를 해석하고 작업을 지시하며, 해당 편집·렌더링·모델링 도구가 자산을 생성하고 검토합니다.\n\n이 프로필에서는 추론을 비활성화할 수 없습니다. 원본에 따르면 텍스트 제어는 GLM-5.3과 일관되며 reasoning_effort=max, temperature 1, top-p 0.95가 권장됩니다. 추론 유지를 위한 clear_thinking=false와 텍스트 및 도구 스트리밍도 권장합니다. 관련 가이드는 보존된 추론 블록을 수정 없이 완전하게 반환하도록 요구합니다. 긴 분석 전에 최종 결과를 정의하고, 관찰을 이를 생성한 단계와 연결해 유지하세요.\n\n제작사는 함수 호출, 컨텍스트 캐싱, 구조화 출력, 네이티브 시각 이해를 명시합니다. 도구 설명과 필수 출력 필드를 명확히 제시하세요. 인터페이스 과제에서는 다룬 페이지 상태, 남은 불일치, 실제 렌더링 비교에서 확인한 내용을 요청하세요. 분석에서는 원본 사실, 가정, 결론을 구분하세요. FlashX는 이러한 멀티모달 작업 흐름을 지원하며 실행, 렌더링, 파일 처리는 연결된 애플리케이션이 제공합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Implement a text-specified form state\n\nCreate editable HTML and JavaScript for this form behavior: an email field and a Subscribe button; blank submission shows 'Enter your email' and preserves the current input; nonblank submission shows a local confirmation without sending a request. Include a short state checklist. No screenshot is supplied, and do not claim the form was rendered or deployed.Editable form source and a checklist of empty, corrected and confirmation states.Blank submission must keep the field value and show the requested message; the proposal must not send a network request.z-ai/glm-5.3-flashxGLM-5.3-FlashX는 시각 코딩, 문서 작업, 도구 지원 에이전트를 위한 Z.ai의 멀티모달 모델입니다. 제작사 프로필은 이미지, 동영상, 텍스트, 파일을 입력받고 텍스트를 반환하며, 1M 컨텍스트와 최대 128K 출력 토큰을 명시합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM-5.3-FlashX는 Z.ai의 네이티브 멀티모달 GLM-5.3-Flash 계열에 속하는 FlashX 에디션입니다. 제작사는 두 모델을 시각 코딩과 전문 작업용으로 제시하며, 텍스트를 이미지, 동영상, 파일과 결합하고 텍스트를 반환한다고 설명합니다. FlashX는 제작사 서비스의 더 빠른 추론 실행을 위해 별도 이름을 가집니다. 유용한 지침에서는 스크린샷을 참고한 구현, 문서 기반 분석, 애플리케이션이 도구로 수행할 계획을 요청할 수 있습니다. 원본에는 두 모델 코드가 모두 명시되어 있으며 서비스 정체성은 별도로 유지됩니다.
이 계열은 희소 어텐션과 선형 어텐션을 결합한 하이브리드 설계를 사용합니다. 파라미터 수를 십억 개 단위로 나타내면 전체는 320, 활성 파라미터는 18로 설명됩니다. 희소 어텐션은 전역 정보를 검색하고 선형 어텐션은 국소 의존성을 모델링합니다. 제작사는 긴 컨텍스트를 위한 인덱스 풀링도 설명합니다. 이는 계열 아키텍처에 관한 사실이며, 모든 호스팅 인스턴스의 수치 형식을 뜻하지 않습니다. 공통 프로필은 백만 컨텍스트 토큰과 최대 128K 출력 토큰입니다. 설정된 작업 흐름에는 원본 자료, 표현된 시각 정보, 이력, 추론, 답변을 위한 공간이 모두 필요합니다.
시각 코딩이 핵심입니다. Z.ai 예시는 여러 페이지 스크린샷이나 녹화와 지침을 결합해 페이지 관계, 공통 컴포넌트, 탐색, 상태, 애니메이션 동작을 재구성합니다. 참고 자료를 순서대로 준비하고 작동해야 할 기능을 명시하세요. 편집 가능한 소스와 디자인 비교를 요청하세요. 애플리케이션은 제안을 실행하거나 렌더링하고 스크린샷이나 상호작용 결과를 반환하며, 모델은 그 피드백으로 결과를 다듬습니다. 이 작업 없이는 텍스트와 코드가 완성된 실행 애플리케이션이 되지 않습니다.
Office 및 문서 작업에서 제작사는 자료 구성, 차트와 레이아웃 제작, 렌더링 결과 검토를 설명합니다. 도구 지원 작업 흐름으로 PPTX, PDF, DOCX 또는 XLSX를 생성할 수 있습니다. 보고서 지침의 예시로 원본, 대상 독자, 필수 구간을 제공하고 원본과 결론의 연결 표, 편집 가능한 보고서나 프레젠테이션을 요청할 수 있습니다. 제공된 값과 분석 가정을 구분하세요. 렌더링, 파일 저장, 수식 참조 확인은 애플리케이션 작업입니다. 재무 조사에서는 제작사가 연결된 도구를 통해 재무제표와 공시를 비교하고 공개된 값과 가정을 구분하며, 원본에 연결된 보고서와 함께 편집 가능한 예측 또는 가치평가 모델을 준비하는 방식을 설명합니다.
제작사의 더 폭넓은 예시에는 도구를 통한 동영상 편집, 3D 장면, 플레이 가능한 게임, CAD 재구성이 포함됩니다. 동영상 과제는 미디어 목록과 타임라인에서 시작할 수 있고, 장면 과제는 모델링 스크립트를 요청하기 전에 배치, 재질, 카메라 뷰를 정의할 수 있습니다. CAD 지침에는 치수 참고 자료와 이미지에서 확립되지 않은 측정값에 대한 명시적 가정이 필요합니다. 모델은 자료를 해석하고 작업을 지시하며, 해당 편집·렌더링·모델링 도구가 자산을 생성하고 검토합니다.
이 프로필에서는 추론을 비활성화할 수 없습니다. 원본에 따르면 텍스트 제어는 GLM-5.3과 일관되며 reasoning_effort=max, temperature 1, top-p 0.95가 권장됩니다. 추론 유지를 위한 clear_thinking=false와 텍스트 및 도구 스트리밍도 권장합니다. 관련 가이드는 보존된 추론 블록을 수정 없이 완전하게 반환하도록 요구합니다. 긴 분석 전에 최종 결과를 정의하고, 관찰을 이를 생성한 단계와 연결해 유지하세요.
제작사는 함수 호출, 컨텍스트 캐싱, 구조화 출력, 네이티브 시각 이해를 명시합니다. 도구 설명과 필수 출력 필드를 명확히 제시하세요. 인터페이스 과제에서는 다룬 페이지 상태, 남은 불일치, 실제 렌더링 비교에서 확인한 내용을 요청하세요. 분석에서는 원본 사실, 가정, 결론을 구분하세요. FlashX는 이러한 멀티모달 작업 흐름을 지원하며 실행, 렌더링, 파일 처리는 연결된 애플리케이션이 제공합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 z-ai/glm-5.3-flashx | 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 $0.00074 / 1K 토큰 출력 · 출력 토큰 $0.0025 / 1K 토큰 입력 · 캐시 읽기 $0.00018 / 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 $0.00074 / 1K 토큰 출력 · 출력 토큰 $0.0025 / 1K 토큰 입력 · 캐시 읽기 $0.00018 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "z-ai/glm-5.3-flashx", "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-5.3-flashx',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-5.3-flashx',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-5.3-flashx
위에 표시된 메서드 경로를 사용하세요.
z-ai/glm-5.3-flashxGLM-5.3-FlashX는 시각 코딩, 문서 작업, 도구 지원 에이전트를 위한 Z.ai의 멀티모달 모델입니다. 제작사 프로필은 이미지, 동영상, 텍스트, 파일을 입력받고 텍스트를 반환하며, 1M 컨텍스트와 최대 128K 출력 토큰을 명시합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM-5.3-FlashX는 Z.ai의 네이티브 멀티모달 GLM-5.3-Flash 계열에 속하는 FlashX 에디션입니다. 제작사는 두 모델을 시각 코딩과 전문 작업용으로 제시하며, 텍스트를 이미지, 동영상, 파일과 결합하고 텍스트를 반환한다고 설명합니다. FlashX는 제작사 서비스의 더 빠른 추론 실행을 위해 별도 이름을 가집니다. 유용한 지침에서는 스크린샷을 참고한 구현, 문서 기반 분석, 애플리케이션이 도구로 수행할 계획을 요청할 수 있습니다. 원본에는 두 모델 코드가 모두 명시되어 있으며 서비스 정체성은 별도로 유지됩니다.
이 계열은 희소 어텐션과 선형 어텐션을 결합한 하이브리드 설계를 사용합니다. 파라미터 수를 십억 개 단위로 나타내면 전체는 320, 활성 파라미터는 18로 설명됩니다. 희소 어텐션은 전역 정보를 검색하고 선형 어텐션은 국소 의존성을 모델링합니다. 제작사는 긴 컨텍스트를 위한 인덱스 풀링도 설명합니다. 이는 계열 아키텍처에 관한 사실이며, 모든 호스팅 인스턴스의 수치 형식을 뜻하지 않습니다. 공통 프로필은 백만 컨텍스트 토큰과 최대 128K 출력 토큰입니다. 설정된 작업 흐름에는 원본 자료, 표현된 시각 정보, 이력, 추론, 답변을 위한 공간이 모두 필요합니다.
시각 코딩이 핵심입니다. Z.ai 예시는 여러 페이지 스크린샷이나 녹화와 지침을 결합해 페이지 관계, 공통 컴포넌트, 탐색, 상태, 애니메이션 동작을 재구성합니다. 참고 자료를 순서대로 준비하고 작동해야 할 기능을 명시하세요. 편집 가능한 소스와 디자인 비교를 요청하세요. 애플리케이션은 제안을 실행하거나 렌더링하고 스크린샷이나 상호작용 결과를 반환하며, 모델은 그 피드백으로 결과를 다듬습니다. 이 작업 없이는 텍스트와 코드가 완성된 실행 애플리케이션이 되지 않습니다.
Office 및 문서 작업에서 제작사는 자료 구성, 차트와 레이아웃 제작, 렌더링 결과 검토를 설명합니다. 도구 지원 작업 흐름으로 PPTX, PDF, DOCX 또는 XLSX를 생성할 수 있습니다. 보고서 지침의 예시로 원본, 대상 독자, 필수 구간을 제공하고 원본과 결론의 연결 표, 편집 가능한 보고서나 프레젠테이션을 요청할 수 있습니다. 제공된 값과 분석 가정을 구분하세요. 렌더링, 파일 저장, 수식 참조 확인은 애플리케이션 작업입니다. 재무 조사에서는 제작사가 연결된 도구를 통해 재무제표와 공시를 비교하고 공개된 값과 가정을 구분하며, 원본에 연결된 보고서와 함께 편집 가능한 예측 또는 가치평가 모델을 준비하는 방식을 설명합니다.
제작사의 더 폭넓은 예시에는 도구를 통한 동영상 편집, 3D 장면, 플레이 가능한 게임, CAD 재구성이 포함됩니다. 동영상 과제는 미디어 목록과 타임라인에서 시작할 수 있고, 장면 과제는 모델링 스크립트를 요청하기 전에 배치, 재질, 카메라 뷰를 정의할 수 있습니다. CAD 지침에는 치수 참고 자료와 이미지에서 확립되지 않은 측정값에 대한 명시적 가정이 필요합니다. 모델은 자료를 해석하고 작업을 지시하며, 해당 편집·렌더링·모델링 도구가 자산을 생성하고 검토합니다.
이 프로필에서는 추론을 비활성화할 수 없습니다. 원본에 따르면 텍스트 제어는 GLM-5.3과 일관되며 reasoning_effort=max, temperature 1, top-p 0.95가 권장됩니다. 추론 유지를 위한 clear_thinking=false와 텍스트 및 도구 스트리밍도 권장합니다. 관련 가이드는 보존된 추론 블록을 수정 없이 완전하게 반환하도록 요구합니다. 긴 분석 전에 최종 결과를 정의하고, 관찰을 이를 생성한 단계와 연결해 유지하세요.
제작사는 함수 호출, 컨텍스트 캐싱, 구조화 출력, 네이티브 시각 이해를 명시합니다. 도구 설명과 필수 출력 필드를 명확히 제시하세요. 인터페이스 과제에서는 다룬 페이지 상태, 남은 불일치, 실제 렌더링 비교에서 확인한 내용을 요청하세요. 분석에서는 원본 사실, 가정, 결론을 구분하세요. FlashX는 이러한 멀티모달 작업 흐름을 지원하며 실행, 렌더링, 파일 처리는 연결된 애플리케이션이 제공합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 z-ai/glm-5.3-flashx | 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 $0.00074 / 1K 토큰 출력 · 출력 토큰 $0.0025 / 1K 토큰 입력 · 캐시 읽기 $0.00018 / 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 $0.00074 / 1K 토큰 출력 · 출력 토큰 $0.0025 / 1K 토큰 입력 · 캐시 읽기 $0.00018 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "z-ai/glm-5.3-flashx",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.3-flashx', '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-5.3-flashx', '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-5.3-flashx
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Implement a text-specified form state\n\nCreate editable HTML and JavaScript for this form behavior: an email field and a Subscribe button; blank submission shows 'Enter your email' and preserves the current input; nonblank submission shows a local confirmation without sending a request. Include a short state checklist. No screenshot is supplied, and do not claim the form was rendered or deployed.Editable form source and a checklist of empty, corrected and confirmation states.Blank submission must keep the field value and show the requested message; the proposal must not send a network request.