GLM 5.3 Prime은 Z.ai GLM 5.3 계열의 가속 텍스트 에디션입니다. 텍스트를 입력받아 텍스트를 반환하며 코딩, 스트리밍 코드 생성, 실시간 대화, 여러 턴의 에이전트 과제에 중점을 둡니다. 공개 프로필은 기반 에디션의 역량을 유지하면서 추론 실행을 가속한다고 설명합니다. 유용한 요청은 과제, 근거, 다음에 필요한 패치, 설명 또는 행동 순서 제안 등의 산출물을 연결합니다.
이 프로필에서는 추론이 활성화된 상태로 유지됩니다. 문서화된 강도 선택지는 low, high, max이며 기본값은 max입니다. 과제와 함께 의도한 깊이를 선택하세요. 집중적인 코드 검토에는 관련 로직과 관찰된 동작이 필요하고, 프로젝트 수준 변경에는 주변 인터페이스, 제약, 승인 조건이 필요합니다. 독자가 제안된 답이나 변경을 바로 살펴볼 수 있도록 실제 결과를 모델의 중간 분석과 구분하세요.
공개된 컨텍스트 윈도는 1,000,000토큰이며 최대 완료 토큰은 131,072입니다. 긴 지침을 원본 자료, 확립된 결정, 미해결 질문, 요청 산출물 등 이름이 있는 구간으로 구성하세요. 답변이 근거를 다시 참조해야 하면 정확한 파일이나 문단 식별자를 유지하세요. 큰 작업 컨텍스트는 관련 자료를 함께 보존하는 데 도움이 되며, 초점이 분명한 질문이 그 자료를 유용하게 만듭니다.
코딩에서는 기존 동작, 실패 예시, 변경 후 의도한 동작을 제공하세요. 구체적인 수정과 검증 단계를 요청하세요. 여러 턴의 에이전트 과제에서는 완료된 작업과 최신 관찰을 이어 가서, 이후 단계가 길어지는 대화에서 과제를 다시 구성하기보다 결과에서 계속할 수 있도록 하세요.
공개된 호스팅 계약에는 함수 도구와 JSON 응답 형식이 포함됩니다. 작업 흐름에 필요한 도구나 결과 필드를 정의하세요. 도구 호출은 주변 애플리케이션이 수행할 행동을 명명하고, 반환된 관찰은 다음 모델 단계의 근거가 됩니다. 문서화된 JSON 모드는 JSON 스키마를 강제하지 않고 JSON 출력을 지원하므로, 애플리케이션에서 필수 필드, 유형, 값을 검증하세요.
추출 과제에서는 원본 텍스트와 반환할 필드, 누락값의 표시 방식을 제공하세요. 계획 과제에서는 다음 행동, 그 입력, 완료를 입증할 관찰을 요청하세요. 답변을 원본 식별자와 실제 도구 결과와 함께 보존해 전달한 산출물이 설명하는 작업과 연결되도록 하세요.
", "aboutText": "GLM 5.3 Prime은 Z.ai GLM 5.3 계열의 가속 텍스트 에디션입니다. 텍스트를 입력받아 텍스트를 반환하며 코딩, 스트리밍 코드 생성, 실시간 대화, 여러 턴의 에이전트 과제에 중점을 둡니다. 공개 프로필은 기반 에디션의 역량을 유지하면서 추론 실행을 가속한다고 설명합니다. 유용한 요청은 과제, 근거, 다음에 필요한 패치, 설명 또는 행동 순서 제안 등의 산출물을 연결합니다.\n\n### 장기 과제를 위한 추론\n\n이 프로필에서는 추론이 활성화된 상태로 유지됩니다. 문서화된 강도 선택지는 low, high, max이며 기본값은 max입니다. 과제와 함께 의도한 깊이를 선택하세요. 집중적인 코드 검토에는 관련 로직과 관찰된 동작이 필요하고, 프로젝트 수준 변경에는 주변 인터페이스, 제약, 승인 조건이 필요합니다. 독자가 제안된 답이나 변경을 바로 살펴볼 수 있도록 실제 결과를 모델의 중간 분석과 구분하세요.\n\n### 긴 컨텍스트와 제한된 출력\n\n공개된 컨텍스트 윈도는 1,000,000토큰이며 최대 완료 토큰은 131,072입니다. 긴 지침을 원본 자료, 확립된 결정, 미해결 질문, 요청 산출물 등 이름이 있는 구간으로 구성하세요. 답변이 근거를 다시 참조해야 하면 정확한 파일이나 문단 식별자를 유지하세요. 큰 작업 컨텍스트는 관련 자료를 함께 보존하는 데 도움이 되며, 초점이 분명한 질문이 그 자료를 유용하게 만듭니다.\n\n코딩에서는 기존 동작, 실패 예시, 변경 후 의도한 동작을 제공하세요. 구체적인 수정과 검증 단계를 요청하세요. 여러 턴의 에이전트 과제에서는 완료된 작업과 최신 관찰을 이어 가서, 이후 단계가 길어지는 대화에서 과제를 다시 구성하기보다 결과에서 계속할 수 있도록 하세요.\n\n### 도구와 구조화된 결과\n\n공개된 호스팅 계약에는 함수 도구와 JSON 응답 형식이 포함됩니다. 작업 흐름에 필요한 도구나 결과 필드를 정의하세요. 도구 호출은 주변 애플리케이션이 수행할 행동을 명명하고, 반환된 관찰은 다음 모델 단계의 근거가 됩니다. 문서화된 JSON 모드는 JSON 스키마를 강제하지 않고 JSON 출력을 지원하므로, 애플리케이션에서 필수 필드, 유형, 값을 검증하세요.\n\n추출 과제에서는 원본 텍스트와 반환할 필드, 누락값의 표시 방식을 제공하세요. 계획 과제에서는 다음 행동, 그 입력, 완료를 입증할 관찰을 요청하세요. 답변을 원본 식별자와 실제 도구 결과와 함께 보존해 전달한 산출물이 설명하는 작업과 연결되도록 하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Choose the next debugging action\n\nContinue this debugging task from supplied observations. Goal: imports preserve accented names. [SOURCE] CSV is read with encoding='ascii', errors='replace'. [TEST] 'José' becomes 'Jos?'. [DECISION] Input files are UTF-8. Propose the next code change, identify its exact inputs and define the observation that would establish completion. Include one negative case for malformed UTF-8; do not report an unexecuted pass.A focused code proposal plus a next-action record containing inputs, expected verification evidence and a malformed-input case.Check the proposal preserves accented text and makes malformed-input handling explicit rather than silently replacing bytes.z-ai/glm-5.3-primeGLM 5.3 Prime은 코딩, 대화, 장기 에이전트 작업 흐름을 위한 Z.ai의 가속 텍스트 모델입니다. 백만 토큰 컨텍스트와 상시 추론을 결합하며 low, high, max 강도를 지원합니다. 문서에 명시된 기본값은 max입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM 5.3 Prime은 Z.ai GLM 5.3 계열의 가속 텍스트 에디션입니다. 텍스트를 입력받아 텍스트를 반환하며 코딩, 스트리밍 코드 생성, 실시간 대화, 여러 턴의 에이전트 과제에 중점을 둡니다. 공개 프로필은 기반 에디션의 역량을 유지하면서 추론 실행을 가속한다고 설명합니다. 유용한 요청은 과제, 근거, 다음에 필요한 패치, 설명 또는 행동 순서 제안 등의 산출물을 연결합니다.
이 프로필에서는 추론이 활성화된 상태로 유지됩니다. 문서화된 강도 선택지는 low, high, max이며 기본값은 max입니다. 과제와 함께 의도한 깊이를 선택하세요. 집중적인 코드 검토에는 관련 로직과 관찰된 동작이 필요하고, 프로젝트 수준 변경에는 주변 인터페이스, 제약, 승인 조건이 필요합니다. 독자가 제안된 답이나 변경을 바로 살펴볼 수 있도록 실제 결과를 모델의 중간 분석과 구분하세요.
공개된 컨텍스트 윈도는 1,000,000토큰이며 최대 완료 토큰은 131,072입니다. 긴 지침을 원본 자료, 확립된 결정, 미해결 질문, 요청 산출물 등 이름이 있는 구간으로 구성하세요. 답변이 근거를 다시 참조해야 하면 정확한 파일이나 문단 식별자를 유지하세요. 큰 작업 컨텍스트는 관련 자료를 함께 보존하는 데 도움이 되며, 초점이 분명한 질문이 그 자료를 유용하게 만듭니다.
코딩에서는 기존 동작, 실패 예시, 변경 후 의도한 동작을 제공하세요. 구체적인 수정과 검증 단계를 요청하세요. 여러 턴의 에이전트 과제에서는 완료된 작업과 최신 관찰을 이어 가서, 이후 단계가 길어지는 대화에서 과제를 다시 구성하기보다 결과에서 계속할 수 있도록 하세요.
공개된 호스팅 계약에는 함수 도구와 JSON 응답 형식이 포함됩니다. 작업 흐름에 필요한 도구나 결과 필드를 정의하세요. 도구 호출은 주변 애플리케이션이 수행할 행동을 명명하고, 반환된 관찰은 다음 모델 단계의 근거가 됩니다. 문서화된 JSON 모드는 JSON 스키마를 강제하지 않고 JSON 출력을 지원하므로, 애플리케이션에서 필수 필드, 유형, 값을 검증하세요.
추출 과제에서는 원본 텍스트와 반환할 필드, 누락값의 표시 방식을 제공하세요. 계획 과제에서는 다음 행동, 그 입력, 완료를 입증할 관찰을 요청하세요. 답변을 원본 식별자와 실제 도구 결과와 함께 보존해 전달한 산출물이 설명하는 작업과 연결되도록 하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 z-ai/glm-5.3-prime | 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 $0.0056 / 1K 토큰 출력 · 출력 토큰 $0.0176 / 1K 토큰 입력 · 캐시 읽기 $0.00112 / 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 $0.0056 / 1K 토큰 출력 · 출력 토큰 $0.0176 / 1K 토큰 입력 · 캐시 읽기 $0.00112 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-prime", "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-prime',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-prime',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-prime
위에 표시된 메서드 경로를 사용하세요.
z-ai/glm-5.3-primeGLM 5.3 Prime은 코딩, 대화, 장기 에이전트 작업 흐름을 위한 Z.ai의 가속 텍스트 모델입니다. 백만 토큰 컨텍스트와 상시 추론을 결합하며 low, high, max 강도를 지원합니다. 문서에 명시된 기본값은 max입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GLM 5.3 Prime은 Z.ai GLM 5.3 계열의 가속 텍스트 에디션입니다. 텍스트를 입력받아 텍스트를 반환하며 코딩, 스트리밍 코드 생성, 실시간 대화, 여러 턴의 에이전트 과제에 중점을 둡니다. 공개 프로필은 기반 에디션의 역량을 유지하면서 추론 실행을 가속한다고 설명합니다. 유용한 요청은 과제, 근거, 다음에 필요한 패치, 설명 또는 행동 순서 제안 등의 산출물을 연결합니다.
이 프로필에서는 추론이 활성화된 상태로 유지됩니다. 문서화된 강도 선택지는 low, high, max이며 기본값은 max입니다. 과제와 함께 의도한 깊이를 선택하세요. 집중적인 코드 검토에는 관련 로직과 관찰된 동작이 필요하고, 프로젝트 수준 변경에는 주변 인터페이스, 제약, 승인 조건이 필요합니다. 독자가 제안된 답이나 변경을 바로 살펴볼 수 있도록 실제 결과를 모델의 중간 분석과 구분하세요.
공개된 컨텍스트 윈도는 1,000,000토큰이며 최대 완료 토큰은 131,072입니다. 긴 지침을 원본 자료, 확립된 결정, 미해결 질문, 요청 산출물 등 이름이 있는 구간으로 구성하세요. 답변이 근거를 다시 참조해야 하면 정확한 파일이나 문단 식별자를 유지하세요. 큰 작업 컨텍스트는 관련 자료를 함께 보존하는 데 도움이 되며, 초점이 분명한 질문이 그 자료를 유용하게 만듭니다.
코딩에서는 기존 동작, 실패 예시, 변경 후 의도한 동작을 제공하세요. 구체적인 수정과 검증 단계를 요청하세요. 여러 턴의 에이전트 과제에서는 완료된 작업과 최신 관찰을 이어 가서, 이후 단계가 길어지는 대화에서 과제를 다시 구성하기보다 결과에서 계속할 수 있도록 하세요.
공개된 호스팅 계약에는 함수 도구와 JSON 응답 형식이 포함됩니다. 작업 흐름에 필요한 도구나 결과 필드를 정의하세요. 도구 호출은 주변 애플리케이션이 수행할 행동을 명명하고, 반환된 관찰은 다음 모델 단계의 근거가 됩니다. 문서화된 JSON 모드는 JSON 스키마를 강제하지 않고 JSON 출력을 지원하므로, 애플리케이션에서 필수 필드, 유형, 값을 검증하세요.
추출 과제에서는 원본 텍스트와 반환할 필드, 누락값의 표시 방식을 제공하세요. 계획 과제에서는 다음 행동, 그 입력, 완료를 입증할 관찰을 요청하세요. 답변을 원본 식별자와 실제 도구 결과와 함께 보존해 전달한 산출물이 설명하는 작업과 연결되도록 하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 z-ai/glm-5.3-prime | 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 $0.0056 / 1K 토큰 출력 · 출력 토큰 $0.0176 / 1K 토큰 입력 · 캐시 읽기 $0.00112 / 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 $0.0056 / 1K 토큰 출력 · 출력 토큰 $0.0176 / 1K 토큰 입력 · 캐시 읽기 $0.00112 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "z-ai/glm-5.3-prime",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-prime', '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-prime', '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-prime
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Choose the next debugging action\n\nContinue this debugging task from supplied observations. Goal: imports preserve accented names. [SOURCE] CSV is read with encoding='ascii', errors='replace'. [TEST] 'José' becomes 'Jos?'. [DECISION] Input files are UTF-8. Propose the next code change, identify its exact inputs and define the observation that would establish completion. Include one negative case for malformed UTF-8; do not report an unexecuted pass.A focused code proposal plus a next-action record containing inputs, expected verification evidence and a malformed-input case.Check the proposal preserves accented text and makes malformed-input handling explicit rather than silently replacing bytes.