Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
", "aboutText": "Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.\n\nDokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“\n\nGamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.\n\nDarbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.\n\nNašumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.\n\nLeidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.\n\nFunkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.\n\nVietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.\n\nStruktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Target a measured bottleneck\n\nProfile P1 for one import: parsing 0.4 s, per-row database lookups 8.1 s, writing 0.8 s. The import handles 10,000 rows, including repeated customer IDs. Propose one correctness-preserving optimization, describe what lookup behavior must remain identical and define a same-workload check before claiming an improvement.A bottleneck hypothesis, one proposed change and a correctness plus timing comparison plan.The proposal must use P1 without inventing an observed speedup or losing missing-customer behavior.glm-5.3Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/messagestexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5.3 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring|content_block[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukassystem | Tipasstring|content_block[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Riba taikoma: konkretus pasirinkto modelio / kortelės limitas | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop_sequences | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas įrankis | Numatyta— |
Laukastools[].description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].input_schema | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.budget_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasoutput_config.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmetadata | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukascache_control | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content arba type=text blokas
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/messagesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.3", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-5.3",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-5.3",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='glm-5.3',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.3Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/responsestexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5.3 | Numatyta— |
Laukasinput | Tipasstring|input_item[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos message, reasoning, function_call, function_call_output | Numatyta— |
Laukasinput[].content | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output; išsaugokite tikrąjį grąžintą call_id | Numatyta— |
Laukasinput[].output | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output | Numatyta— |
Laukasmax_output_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.summary | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.verbosity | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinclude | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstore | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprevious_response_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos ID reikalavimas: Tik tikrasis atsakymo ID iš palaikomo tęsinio Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_key | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
įvesties tekstas arba input_text dalis
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, input |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/responsesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.3", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="glm-5.3", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-5.3", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="glm-5.3", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną išvesties elementą ir turinio dalį, tikrąjį funkcijos call_id, šifruotą samprotavimą ir naudojimo duomenis. Srautinio perdavimo metu išsaugokite visą įvykio / elemento tapatybę.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasstatus | Tipasstring |
Laukasoutput[] | Tipasmessage|reasoning|function_call|other item |
Laukasoutput[].content[] | Tipascontent part |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.3Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5.3 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/chat/completionsAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.3", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="glm-5.3",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-5.3",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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='glm-5.3',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.3Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5.3 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Tekstinis pokalbis | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream |
Parametrascontrol_scope | SpecifikacijaTekstinis pokalbis; stream yra loginė reikšmė, kurios numatytoji reikšmė yra false. |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Metodo pseudonimai: /chat/completions
Gyvavimo ciklas: synchronous_or_streamed
Siųskite tikslų modelio ID kartu su messages.
Konteksto ilgis nėra išvesties limitas.
Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"glm-5.3","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="glm-5.3", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.3Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5.3 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "glm-5.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'glm-5.3', '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': 'glm-5.3', '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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glmZ.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/messagestexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring|content_block[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukassystem | Tipasstring|content_block[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Riba taikoma: konkretus pasirinkto modelio / kortelės limitas | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop_sequences | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas įrankis | Numatyta— |
Laukastools[].description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].input_schema | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.budget_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasoutput_config.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmetadata | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukascache_control | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content arba type=text blokas
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/messagesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='glm',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glmZ.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/responsestexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm | Numatyta— |
Laukasinput | Tipasstring|input_item[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos message, reasoning, function_call, function_call_output | Numatyta— |
Laukasinput[].content | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output; išsaugokite tikrąjį grąžintą call_id | Numatyta— |
Laukasinput[].output | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output | Numatyta— |
Laukasmax_output_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.summary | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.verbosity | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinclude | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstore | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprevious_response_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos ID reikalavimas: Tik tikrasis atsakymo ID iš palaikomo tęsinio Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_key | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
įvesties tekstas arba input_text dalis
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, input |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/responsesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="glm", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="glm", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną išvesties elementą ir turinio dalį, tikrąjį funkcijos call_id, šifruotą samprotavimą ir naudojimo duomenis. Srautinio perdavimo metu išsaugokite visą įvykio / elemento tapatybę.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasstatus | Tipasstring |
Laukasoutput[] | Tipasmessage|reasoning|function_call|other item |
Laukasoutput[].content[] | Tipascontent part |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glmZ.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/chat/completionsAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="glm",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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='glm',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/messagestexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring|content_block[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukassystem | Tipasstring|content_block[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Riba taikoma: konkretus pasirinkto modelio / kortelės limitas | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop_sequences | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas įrankis | Numatyta— |
Laukastools[].description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].input_schema | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.budget_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasoutput_config.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmetadata | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukascache_control | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content arba type=text blokas
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/messagesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-5",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-5",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='glm-5',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/responsestexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5 | Numatyta— |
Laukasinput | Tipasstring|input_item[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos message, reasoning, function_call, function_call_output | Numatyta— |
Laukasinput[].content | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output; išsaugokite tikrąjį grąžintą call_id | Numatyta— |
Laukasinput[].output | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output | Numatyta— |
Laukasmax_output_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.summary | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.verbosity | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinclude | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstore | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprevious_response_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos ID reikalavimas: Tik tikrasis atsakymo ID iš palaikomo tęsinio Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_key | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
įvesties tekstas arba input_text dalis
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, input |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/responsesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="glm-5", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-5", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="glm-5", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną išvesties elementą ir turinio dalį, tikrąjį funkcijos call_id, šifruotą samprotavimą ir naudojimo duomenis. Srautinio perdavimo metu išsaugokite visą įvykio / elemento tapatybę.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasstatus | Tipasstring |
Laukasoutput[] | Tipasmessage|reasoning|function_call|other item |
Laukasoutput[].content[] | Tipascontent part |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/chat/completionsAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="glm-5",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-5",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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='glm-5',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.1Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/messagestexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5.1 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring|content_block[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukassystem | Tipasstring|content_block[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Riba taikoma: konkretus pasirinkto modelio / kortelės limitas | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop_sequences | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas įrankis | Numatyta— |
Laukastools[].description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].input_schema | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.budget_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasoutput_config.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmetadata | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukascache_control | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content arba type=text blokas
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/messagesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.1", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-5.1",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-5.1",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='glm-5.1',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.1Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/responsestexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5.1 | Numatyta— |
Laukasinput | Tipasstring|input_item[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos message, reasoning, function_call, function_call_output | Numatyta— |
Laukasinput[].content | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output; išsaugokite tikrąjį grąžintą call_id | Numatyta— |
Laukasinput[].output | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output | Numatyta— |
Laukasmax_output_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.summary | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.verbosity | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinclude | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstore | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprevious_response_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos ID reikalavimas: Tik tikrasis atsakymo ID iš palaikomo tęsinio Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_key | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
įvesties tekstas arba input_text dalis
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, input |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/responsesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.1", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="glm-5.1", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-5.1", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="glm-5.1", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną išvesties elementą ir turinio dalį, tikrąjį funkcijos call_id, šifruotą samprotavimą ir naudojimo duomenis. Srautinio perdavimo metu išsaugokite visą įvykio / elemento tapatybę.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasstatus | Tipasstring |
Laukasoutput[] | Tipasmessage|reasoning|function_call|other item |
Laukasoutput[].content[] | Tipascontent part |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.1Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5.1 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/chat/completionsAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.1", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="glm-5.1",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-5.1",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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='glm-5.1',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.2Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/messagestexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5.2 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring|content_block[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukassystem | Tipasstring|content_block[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Riba taikoma: konkretus pasirinkto modelio / kortelės limitas | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop_sequences | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas įrankis | Numatyta— |
Laukastools[].description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].input_schema | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.budget_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasoutput_config.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmetadata | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukascache_control | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content arba type=text blokas
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/messagesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.2", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-5.2",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-5.2",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='glm-5.2',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.2Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/responsestexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5.2 | Numatyta— |
Laukasinput | Tipasstring|input_item[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos message, reasoning, function_call, function_call_output | Numatyta— |
Laukasinput[].content | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output; išsaugokite tikrąjį grąžintą call_id | Numatyta— |
Laukasinput[].output | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output | Numatyta— |
Laukasmax_output_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.summary | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.verbosity | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinclude | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstore | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprevious_response_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos ID reikalavimas: Tik tikrasis atsakymo ID iš palaikomo tęsinio Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_key | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
įvesties tekstas arba input_text dalis
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, input |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/responsesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.2", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="glm-5.2", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-5.2", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="glm-5.2", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną išvesties elementą ir turinio dalį, tikrąjį funkcijos call_id, šifruotą samprotavimą ir naudojimo duomenis. Srautinio perdavimo metu išsaugokite visą įvykio / elemento tapatybę.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasstatus | Tipasstring |
Laukasoutput[] | Tipasmessage|reasoning|function_call|other item |
Laukasoutput[].content[] | Tipascontent part |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-5.2Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-5.2 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/chat/completionsAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-5.2", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="glm-5.2",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-5.2",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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='glm-5.2',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-latestZ.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/messagestexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-latest | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring|content_block[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukassystem | Tipasstring|content_block[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Riba taikoma: konkretus pasirinkto modelio / kortelės limitas | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop_sequences | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas įrankis | Numatyta— |
Laukastools[].description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].input_schema | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.budget_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasoutput_config.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmetadata | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukascache_control | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content arba type=text blokas
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/messagesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-latest", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="glm-latest",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "glm-latest",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='glm-latest',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-latestZ.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/responsestexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-latest | Numatyta— |
Laukasinput | Tipasstring|input_item[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos message, reasoning, function_call, function_call_output | Numatyta— |
Laukasinput[].content | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output; išsaugokite tikrąjį grąžintą call_id | Numatyta— |
Laukasinput[].output | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output | Numatyta— |
Laukasmax_output_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.summary | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.verbosity | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinclude | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstore | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprevious_response_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos ID reikalavimas: Tik tikrasis atsakymo ID iš palaikomo tęsinio Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_key | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
įvesties tekstas arba input_text dalis
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, input |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/responsesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-latest", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="glm-latest", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "glm-latest", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="glm-latest", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną išvesties elementą ir turinio dalį, tikrąjį funkcijos call_id, šifruotą samprotavimą ir naudojimo duomenis. Srautinio perdavimo metu išsaugokite visą įvykio / elemento tapatybę.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasstatus | Tipasstring |
Laukasoutput[] | Tipasmessage|reasoning|function_call|other item |
Laukasoutput[].content[] | Tipascontent part |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
glm-latestZ.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-latest | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/chat/completionsAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-latest", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="glm-latest",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "glm-latest",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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='glm-latest',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
z-ai/glm-5.3Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos z-ai/glm-5.3 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos function Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmodalities | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos text | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas | Numatyta— |
Laukascache_control.ttl | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrascontrol_scope | Specifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Gyvavimo ciklas: synchronous_or_streamed
Siųskite tikslų modelio ID kartu su messages.
Konteksto ilgis nėra išvesties limitas.
Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${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", "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',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',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
z-ai/glm-5.3Z.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos z-ai/glm-5.3 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "z-ai/glm-5.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
~z-ai/glm-latestZ.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos ~z-ai/glm-latest | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos function Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmodalities | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos text | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas | Numatyta— |
Laukascache_control.ttl | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrascontrol_scope | Specifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Gyvavimo ciklas: synchronous_or_streamed
Siųskite tikslų modelio ID kartu su messages.
Konteksto ilgis nėra išvesties limitas.
Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${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-latest", "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-latest',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-latest',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
~z-ai/glm-latestZ.ai GLM 5.3 – tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai, darbui terminale ir ilgalaikiams agentams. Jis palaiko gamintojo dokumentuotą 1M žetonų kontekstą, iki 128K išvesties žetonų, funkcijų iškvietimą ir low/high/max samprotavimo pastangas; samprotavimas įjungtas visą laiką.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Z.ai GLM 5.3 – didelio masto tekstinio samprotavimo modelis sudėtingai programinės įrangos inžinerijai ir ilgalaikiam agentų darbui. Gamintojas teigia, kad naudojamas tas pats bazinis modelis kaip GLM 5.2, o naujas pagerėjimas pasiektas papildomu mokymu. Leidimas orientuotas į stipresnį programavimą, terminalo operacijas ir platesnes užduotis su keliais priklausomais žingsniais. Jis priima tekstą ir generuoja tekstą, įskaitant kodą, paaiškinimus, planus bei įrankių iškvietimo prašymus prie įrankių prijungtoje programoje.
Dokumentuotas samprotavimo režimas visada įjungtas. GLM 5.3 siūlo tris pastangų lygius: low, high ir max; numatytasis – max. Sudėtingam programavimui gamintojas rekomenduoja max; low suteikia lengvesnį samprotavimo variantą paprastesniems žingsniams. Pasirinktą lygį derinkite su aiškiu galutiniu rezultatu ir užbaigimo kriterijais. Pavyzdžiui: „Išnagrinėk šiuos failus ir nesėkmingus rezultatus, atsek priežastį paveiktuose moduliuose, pasiūlyk viešąją sąsają išsaugantį pataisymą ir paaiškink, kurios patikros įrodo, kad regresija pašalinta.“
Gamintojas nurodo 1M žetonų konteksto langą ir didžiausią 128K žetonų išvesties ilgį. Ilgą medžiagą sutvarkykite pagal ryšį, kurį modelis turi ištirti. Išsaugokite failų pavadinimus, aktualias apibrėžtis, šaltinių žymenis ir stebėjimų tvarką, o taikomame darbiniame kontekste palikite vietos samprotavimui bei galutiniam atsakymui. Didelis langas naudingas tarpmodulinėms priklausomybėms ar ilgai agento stebėjimų sekai; jis nepaverčia netikslingo nesusijusios medžiagos archyvo aiškiai apibrėžta užduotimi.
Darbui su saugykla pateikite laukiamą veikimą, aktualų šaltinio tekstą, priklausomybių versijas ir tikrąją klaidos išvestį. Prieš siūlydamas pataisą modelis turėtų įvardyti paveiktą veikimą. Refaktorizavimui įvardykite sąsają ir invariantus, kurie turi išlikti. Naudingame atsakyme yra pataisytas kodas, paaiškinimas, kodėl pakeitimas sprendžia stebėtą problemą, ir rezultatui patikrinti reikalingi atvejai. Tikruosius rezultatus grąžinkite į įrankiais susietą darbo eigą, kad kitas žingsnis remtųsi pasikeitusia būsena, o ne ankstesniu pasiūlymu.
Našumo užduočiai pateikite apkrovą, atskaitos rezultatą ir matavimus, pavyzdžiui, trukmes, profilius ar atminties paskirstymo įrašus. Z.ai aprašo mokymo užduotis, apimančias kliūčių diagnostiką, optimizavimą, eksperimentus ir teisingumą išsaugančius rezultatus. Praktinė užklausa: „Naudok šį profilį svarbiausiai našumo kliūčiai nustatyti, pasiūlyk vieną išmatuojamą pakeitimą ir paaiškink, koks rezultatas pateisintų jo išlaikymą.“ Našumo hipotezę atskirkite nuo užfiksuoto pagerėjimo. Tikrindami rezultatą išsaugokite tą pačią apkrovą ir aktualias sąlygas.
Leidime taip pat plėtojamos pažeidžiamumų analizės galimybės. Gynybinei šaltinio peržiūrai pateikite aktualų kodą, numatytas pasitikėjimo ribas ir vykdymo sąlygas. Paprašykite radinio, siejančio įtariamą problemą su paveikta įvestimi, veikimu ir tiksline taisymo priemone. Galimą silpnybę atskirkite nuo atkurto gedimo ir išsaugokite jai patvirtinti naudotą stebėjimą. Ataskaita naudingesnė, kai pirmenybė teikiama konkretiems įrodymams ir siūlomiems pataisymams, o ne kiekvienas įtartinas šablonas laikomas patvirtintu pažeidžiamumu.
Funkcijų iškvietimas leidžia aplinkinei programai suteikti modeliui išorines operacijas. Apibrėžkite kiekvieno įrankio paskirtį, argumentus ir laukiamą rezultatą, tada kitam žingsniui grąžinkite tikrąjį įrankio stebėjimą. Modelis gali samprotauti apie rezultatą ir spręsti, kaip jis keičia užduotį. Siūlomi veiksmai, įvykdytos operacijos ir neišspręstos patikros turi būti atskiriami. Gamintojas taip pat dokumentuoja srautinius atsakymus, atskirai grąžinančius samprotavimo ir atsakymo fragmentus; prieš laikydami jį galutine ataskaita ar kodo paaiškinimu, surinkite užbaigtą atsakymą.
Vietinio modelio kortelėje pateikta konkreti istorijos nustatymo detalė: pokalbio šablonas pagal numatytuosius nustatymus išsaugo mąstymą, o įprastiems pokalbiams gamintojas rekomenduoja aiškiai išvalyti seną mąstymą. Naudojimo atvejui taikykite tinkamą pokalbio struktūrą, išsaugodami tęsimui reikalingus tikrus užbaigtus atsakymus ir įrankių rezultatus. GLM 5.2 ar atskirų GLM 5.3 Flash leidimų samprotavimo valdymo nustatymų nelaikykite sukeičiamais su šio modelio low/high/max valdikliais.
Struktūriniams rezultatams nurodykite laukiamus laukus, tipus ir šaltinių taisykles. Naudingas rezultatas gali būti defektų lentelė, pakeitimų planas ar stebėjimus apibendrinantis JSON objektas. Prieš naudodami programoje patikrinkite ir struktūrą, ir reikšmes. Galutinis rezultatas turėtų įvardyti atsakymą ar pataisytą kūrinį, jį pagrindžiančius įrodymus ir likusias prielaidas. Didesnės samprotavimo pastangos neįrodo, kad įrankis buvo vykdytas, siūloma pataisa praėjo patikras ar faktinį teiginį pagrindžia kas nors už pateiktos medžiagos ribų.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos ~z-ai/glm-latest | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0028 / 1K tokenų Išvestis · Išvesties tokenai $0.0088 / 1K tokenų Įvestis · Talpyklos skaitymas $0.00052 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "~z-ai/glm-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-latest', '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-latest', '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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest
Ailoot Ultra glm-5.3, z-ai/glm-5.3, ~z-ai/glm-latest
/chat/completions
z-ai/glm-5.3, glm, glm-5, glm-5.1, glm-5.2, glm-latest, ~z-ai/glm-latest, glm-5.3, glm-5.3
Techninis pavyzdys anglų kalba
Target a measured bottleneck\n\nProfile P1 for one import: parsing 0.4 s, per-row database lookups 8.1 s, writing 0.8 s. The import handles 10,000 rows, including repeated customer IDs. Propose one correctness-preserving optimization, describe what lookup behavior must remain identical and define a same-workload check before claiming an improvement.A bottleneck hypothesis, one proposed change and a correctness plus timing comparison plan.The proposal must use P1 without inventing an observed speedup or losing missing-customer behavior.