GLM-Z1-32B-0414 ialah ahli siri GLM-4-0414 Z.ai yang memfokuskan penaakulan. Ia dibangunkan daripada GLM-4-32B-0414 melalui persediaan permulaan sejuk dan pembelajaran pengukuhan yang dilanjutkan, dengan usaha tambahan pada matematik, kod dan logik. Maklum balas pemeringkatan berpasangan turut digunakan untuk mengukuhkan keupayaan umum. Inputnya ialah teks, dan hasil yang kelihatan ialah penyelesaian teks, penjelasan atau fragmen program.
Tujuannya ialah tugasan yang memerlukan kesimpulan perantaraan yang saling berkaitan, bukannya ayat serta-merta. Bekalkan semua andaian dan tetapkan titik akhir yang diperlukan: terbitkan formula, terangkan algoritma, berikan justifikasi bagi had atau sediakan perubahan kod. Contoh matematik pengeluar melibatkan pemboleh ubah positif yang dihubungkan oleh persamaan dan julat yang mungkin bagi jumlahnya. Respons yang berguna perlu mengenal pasti syarat, menunjukkan peralihan yang berkaitan dan memisahkan hasil akhir dengan jelas.
GLM-Z1-Rumination-32B-0414 ialah edisi berasingan untuk penyelidikan yang lebih terbuka dengan alat carian; GLM-Z1-9B-0414 ialah saiz lain. Entri ini mengekalkan keluaran Z1 32B yang dinamakan tanpa mengambil ciri aliran kerja tambahan atau saiz daripada edisi tersebut.
Pengeluar mengesyorkan temperature 0.6, top_p 0.95 dan top_k 40. Ia turut mengesyorkan belanjawan max_new_tokens sebanyak 30,000 untuk menyediakan ruang pemikiran. Ini ialah tetapan penjanaan yang disyorkan, bukannya jaminan bahawa setiap jawapan memerlukan panjang itu atau had keras output sejagat yang didokumenkan. Contoh inferens yang berasingan dalam kad menggunakan belanjawan penjanaan yang lebih kecil dan khusus kepada permintaan.
Untuk tugasan penaakulan, sediakan ruang yang mencukupi untuk analisis dan jawapan akhir bersama-sama, dan tetapkan bentuk jawapan akhir dalam prompt. Soalan matematik boleh meminta julat atau nilai secara berasingan daripada penjelasan; soalan pengekodan boleh meminta satu pelaksanaan diikuti andaian yang penting baginya. Pastikan hasil yang diminta cukup khusus untuk disemak terhadap syarat yang dibekalkan.
Templat pengeluar memulakan penjanaan dengan penanda pemikiran <think>. Templat sembang yang diterbitkannya menyuntik penanda ini, jadi pelaksanaan perlu menggunakan templat sebenar keluaran tanpa menganggap format dialog yang tidak berkaitan boleh digunakan.
Untuk giliran seterusnya, panduan penggunaan mengekalkan jawapan akhir yang kelihatan kepada pengguna dan membuang bahan pemikiran dalaman daripada sejarah dialog yang disimpan. Ini ialah peraturan penyediaan bagi templat perbualan model sendiri. Susulan perlu mengandungi soalan semasa, bahan sumber yang diperlukan dan jawapan terdahulu yang berkaitan, bukannya pengumpulan tanpa tapisan semua analisis dalaman yang terdahulu.
Konfigurasi yang diterbitkan menetapkan max_position_embeddings kepada 32,768 dan tidak mengandungi entri rope_scaling. Panduan penggunaan mengesyorkan supaya YaRN dipertimbangkan apabila input melebihi 8,192 token. Contoh konfigurasi penskalaannya menggunakan factor 4.0 dengan original_max_position_embeddings ditetapkan kepada 32,768. Ambang cadangan, konfigurasi asas dan peluasan pilihan ialah fakta yang berbeza; ia bukan had respons yang boleh saling menggantikan.
YaRN statik mempengaruhi semua teks dan mungkin sedikit mengurangkan prestasi pada input pendek, jadi pengeluar mengesyorkan pengaktifannya apabila diperlukan. Untuk bahan panjang, berikan takrif dan petikan yang berkaitan dalam input yang diasingkan dengan jelas serta tinggalkan belanjawan penjanaan yang sesuai dalam konteks aktif. Konfigurasi perlu mengikut sokongan pelaksanaan yang dipilih terhadap prosedur penskalaan pengeluar, tanpa menganggap gandaan aritmetik sebagai tetingkap konteks yang tersedia secara automatik.
Contoh inferens model menggunakan soalan pengguna dan templat sembang khusus keluaran. Untuk matematik, kekalkan takrif pemboleh ubah dan nyatakan proposisi yang perlu dibuktikan. Untuk kod, berikan fragmen berkaitan, tingkah laku yang diperlukan dan kes yang sedang dibincangkan. Minta artifak akhir yang berasingan—bukti, formula, pelaksanaan atau penjelasan—supaya penaakulan boleh dinilai melalui hasil tugasan. Panduan khusus Z1 menyatakan penaakulan teks dan penyediaannya; ia tidak menetapkan kontrak alat natif tambahan atau input imej untuk edisi ini.
", "aboutText": "### Pengenalan\n\nGLM-Z1-32B-0414 ialah ahli siri GLM-4-0414 Z.ai yang memfokuskan penaakulan. Ia dibangunkan daripada GLM-4-32B-0414 melalui persediaan permulaan sejuk dan pembelajaran pengukuhan yang dilanjutkan, dengan usaha tambahan pada matematik, kod dan logik. Maklum balas pemeringkatan berpasangan turut digunakan untuk mengukuhkan keupayaan umum. Inputnya ialah teks, dan hasil yang kelihatan ialah penyelesaian teks, penjelasan atau fragmen program.\n\nTujuannya ialah tugasan yang memerlukan kesimpulan perantaraan yang saling berkaitan, bukannya ayat serta-merta. Bekalkan semua andaian dan tetapkan titik akhir yang diperlukan: terbitkan formula, terangkan algoritma, berikan justifikasi bagi had atau sediakan perubahan kod. Contoh matematik pengeluar melibatkan pemboleh ubah positif yang dihubungkan oleh persamaan dan julat yang mungkin bagi jumlahnya. Respons yang berguna perlu mengenal pasti syarat, menunjukkan peralihan yang berkaitan dan memisahkan hasil akhir dengan jelas.\n\nGLM-Z1-Rumination-32B-0414 ialah edisi berasingan untuk penyelidikan yang lebih terbuka dengan alat carian; GLM-Z1-9B-0414 ialah saiz lain. Entri ini mengekalkan keluaran Z1 32B yang dinamakan tanpa mengambil ciri aliran kerja tambahan atau saiz daripada edisi tersebut.\n\n### Panduan penggunaan: pensampelan\n\nPengeluar mengesyorkan temperature 0.6, top_p 0.95 dan top_k 40. Ia turut mengesyorkan belanjawan max_new_tokens sebanyak 30,000 untuk menyediakan ruang pemikiran. Ini ialah tetapan penjanaan yang disyorkan, bukannya jaminan bahawa setiap jawapan memerlukan panjang itu atau had keras output sejagat yang didokumenkan. Contoh inferens yang berasingan dalam kad menggunakan belanjawan penjanaan yang lebih kecil dan khusus kepada permintaan.\n\nUntuk tugasan penaakulan, sediakan ruang yang mencukupi untuk analisis dan jawapan akhir bersama-sama, dan tetapkan bentuk jawapan akhir dalam prompt. Soalan matematik boleh meminta julat atau nilai secara berasingan daripada penjelasan; soalan pengekodan boleh meminta satu pelaksanaan diikuti andaian yang penting baginya. Pastikan hasil yang diminta cukup khusus untuk disemak terhadap syarat yang dibekalkan.\n\n### Panduan penggunaan: pemikiran dan sejarah dialog\n\nTemplat pengeluar memulakan penjanaan dengan penanda pemikiran `Contoh teknikal dalam bahasa Inggeris
Derive a safe batch bound\n\nA buffer holds at most 96 records. Every batch adds b records, where b is a positive integer, and 12 records must remain free. Derive the largest number of complete batches that fit as a formula in b. Explain the rounding and calculate the result for b = 10, keeping the reserved space separate from usable capacity.A formula using a floor, an explanation of usable capacity and a checked numeric example.Verify the formula reserves 12 records and a further full batch would exceed usable capacity in the example.THUDM/GLM-Z1-32B-0414GLM-Z1-32B-0414 ialah edisi tetap penaakulan teks Z.ai untuk matematik, pengaturcaraan dan logik. Pengeluarnya membekalkan panduan jelas tentang pemikiran, sejarah dialog, pensampelan dan penskalaan konteks panjang pilihan, supaya tugasan rumit boleh disediakan untuk keluaran khusus ini.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GLM-Z1-32B-0414 ialah ahli siri GLM-4-0414 Z.ai yang memfokuskan penaakulan. Ia dibangunkan daripada GLM-4-32B-0414 melalui persediaan permulaan sejuk dan pembelajaran pengukuhan yang dilanjutkan, dengan usaha tambahan pada matematik, kod dan logik. Maklum balas pemeringkatan berpasangan turut digunakan untuk mengukuhkan keupayaan umum. Inputnya ialah teks, dan hasil yang kelihatan ialah penyelesaian teks, penjelasan atau fragmen program.
Tujuannya ialah tugasan yang memerlukan kesimpulan perantaraan yang saling berkaitan, bukannya ayat serta-merta. Bekalkan semua andaian dan tetapkan titik akhir yang diperlukan: terbitkan formula, terangkan algoritma, berikan justifikasi bagi had atau sediakan perubahan kod. Contoh matematik pengeluar melibatkan pemboleh ubah positif yang dihubungkan oleh persamaan dan julat yang mungkin bagi jumlahnya. Respons yang berguna perlu mengenal pasti syarat, menunjukkan peralihan yang berkaitan dan memisahkan hasil akhir dengan jelas.
GLM-Z1-Rumination-32B-0414 ialah edisi berasingan untuk penyelidikan yang lebih terbuka dengan alat carian; GLM-Z1-9B-0414 ialah saiz lain. Entri ini mengekalkan keluaran Z1 32B yang dinamakan tanpa mengambil ciri aliran kerja tambahan atau saiz daripada edisi tersebut.
Pengeluar mengesyorkan temperature 0.6, top_p 0.95 dan top_k 40. Ia turut mengesyorkan belanjawan max_new_tokens sebanyak 30,000 untuk menyediakan ruang pemikiran. Ini ialah tetapan penjanaan yang disyorkan, bukannya jaminan bahawa setiap jawapan memerlukan panjang itu atau had keras output sejagat yang didokumenkan. Contoh inferens yang berasingan dalam kad menggunakan belanjawan penjanaan yang lebih kecil dan khusus kepada permintaan.
Untuk tugasan penaakulan, sediakan ruang yang mencukupi untuk analisis dan jawapan akhir bersama-sama, dan tetapkan bentuk jawapan akhir dalam prompt. Soalan matematik boleh meminta julat atau nilai secara berasingan daripada penjelasan; soalan pengekodan boleh meminta satu pelaksanaan diikuti andaian yang penting baginya. Pastikan hasil yang diminta cukup khusus untuk disemak terhadap syarat yang dibekalkan.
Templat pengeluar memulakan penjanaan dengan penanda pemikiran <think>. Templat sembang yang diterbitkannya menyuntik penanda ini, jadi pelaksanaan perlu menggunakan templat sebenar keluaran tanpa menganggap format dialog yang tidak berkaitan boleh digunakan.
Untuk giliran seterusnya, panduan penggunaan mengekalkan jawapan akhir yang kelihatan kepada pengguna dan membuang bahan pemikiran dalaman daripada sejarah dialog yang disimpan. Ini ialah peraturan penyediaan bagi templat perbualan model sendiri. Susulan perlu mengandungi soalan semasa, bahan sumber yang diperlukan dan jawapan terdahulu yang berkaitan, bukannya pengumpulan tanpa tapisan semua analisis dalaman yang terdahulu.
Konfigurasi yang diterbitkan menetapkan max_position_embeddings kepada 32,768 dan tidak mengandungi entri rope_scaling. Panduan penggunaan mengesyorkan supaya YaRN dipertimbangkan apabila input melebihi 8,192 token. Contoh konfigurasi penskalaannya menggunakan factor 4.0 dengan original_max_position_embeddings ditetapkan kepada 32,768. Ambang cadangan, konfigurasi asas dan peluasan pilihan ialah fakta yang berbeza; ia bukan had respons yang boleh saling menggantikan.
YaRN statik mempengaruhi semua teks dan mungkin sedikit mengurangkan prestasi pada input pendek, jadi pengeluar mengesyorkan pengaktifannya apabila diperlukan. Untuk bahan panjang, berikan takrif dan petikan yang berkaitan dalam input yang diasingkan dengan jelas serta tinggalkan belanjawan penjanaan yang sesuai dalam konteks aktif. Konfigurasi perlu mengikut sokongan pelaksanaan yang dipilih terhadap prosedur penskalaan pengeluar, tanpa menganggap gandaan aritmetik sebagai tetingkap konteks yang tersedia secara automatik.
Contoh inferens model menggunakan soalan pengguna dan templat sembang khusus keluaran. Untuk matematik, kekalkan takrif pemboleh ubah dan nyatakan proposisi yang perlu dibuktikan. Untuk kod, berikan fragmen berkaitan, tingkah laku yang diperlukan dan kes yang sedang dibincangkan. Minta artifak akhir yang berasingan—bukti, formula, pelaksanaan atau penjelasan—supaya penaakulan boleh dinilai melalui hasil tugasan. Panduan khusus Z1 menyatakan penaakulan teks dan penyediaannya; ia tidak menetapkan kontrak alat natif tambahan atau input imej untuk edisi ini.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had THUDM/GLM-Z1-32B-0414 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.00014 / 1K token Output · Token output $0.00014 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "THUDM/GLM-Z1-32B-0414", "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='THUDM/GLM-Z1-32B-0414',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='THUDM/GLM-Z1-32B-0414',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra THUDM/GLM-Z1-32B-0414
Gunakan laluan kaedah yang dipaparkan di atas.
THUDM/GLM-Z1-32B-0414GLM-Z1-32B-0414 ialah edisi tetap penaakulan teks Z.ai untuk matematik, pengaturcaraan dan logik. Pengeluarnya membekalkan panduan jelas tentang pemikiran, sejarah dialog, pensampelan dan penskalaan konteks panjang pilihan, supaya tugasan rumit boleh disediakan untuk keluaran khusus ini.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GLM-Z1-32B-0414 ialah ahli siri GLM-4-0414 Z.ai yang memfokuskan penaakulan. Ia dibangunkan daripada GLM-4-32B-0414 melalui persediaan permulaan sejuk dan pembelajaran pengukuhan yang dilanjutkan, dengan usaha tambahan pada matematik, kod dan logik. Maklum balas pemeringkatan berpasangan turut digunakan untuk mengukuhkan keupayaan umum. Inputnya ialah teks, dan hasil yang kelihatan ialah penyelesaian teks, penjelasan atau fragmen program.
Tujuannya ialah tugasan yang memerlukan kesimpulan perantaraan yang saling berkaitan, bukannya ayat serta-merta. Bekalkan semua andaian dan tetapkan titik akhir yang diperlukan: terbitkan formula, terangkan algoritma, berikan justifikasi bagi had atau sediakan perubahan kod. Contoh matematik pengeluar melibatkan pemboleh ubah positif yang dihubungkan oleh persamaan dan julat yang mungkin bagi jumlahnya. Respons yang berguna perlu mengenal pasti syarat, menunjukkan peralihan yang berkaitan dan memisahkan hasil akhir dengan jelas.
GLM-Z1-Rumination-32B-0414 ialah edisi berasingan untuk penyelidikan yang lebih terbuka dengan alat carian; GLM-Z1-9B-0414 ialah saiz lain. Entri ini mengekalkan keluaran Z1 32B yang dinamakan tanpa mengambil ciri aliran kerja tambahan atau saiz daripada edisi tersebut.
Pengeluar mengesyorkan temperature 0.6, top_p 0.95 dan top_k 40. Ia turut mengesyorkan belanjawan max_new_tokens sebanyak 30,000 untuk menyediakan ruang pemikiran. Ini ialah tetapan penjanaan yang disyorkan, bukannya jaminan bahawa setiap jawapan memerlukan panjang itu atau had keras output sejagat yang didokumenkan. Contoh inferens yang berasingan dalam kad menggunakan belanjawan penjanaan yang lebih kecil dan khusus kepada permintaan.
Untuk tugasan penaakulan, sediakan ruang yang mencukupi untuk analisis dan jawapan akhir bersama-sama, dan tetapkan bentuk jawapan akhir dalam prompt. Soalan matematik boleh meminta julat atau nilai secara berasingan daripada penjelasan; soalan pengekodan boleh meminta satu pelaksanaan diikuti andaian yang penting baginya. Pastikan hasil yang diminta cukup khusus untuk disemak terhadap syarat yang dibekalkan.
Templat pengeluar memulakan penjanaan dengan penanda pemikiran <think>. Templat sembang yang diterbitkannya menyuntik penanda ini, jadi pelaksanaan perlu menggunakan templat sebenar keluaran tanpa menganggap format dialog yang tidak berkaitan boleh digunakan.
Untuk giliran seterusnya, panduan penggunaan mengekalkan jawapan akhir yang kelihatan kepada pengguna dan membuang bahan pemikiran dalaman daripada sejarah dialog yang disimpan. Ini ialah peraturan penyediaan bagi templat perbualan model sendiri. Susulan perlu mengandungi soalan semasa, bahan sumber yang diperlukan dan jawapan terdahulu yang berkaitan, bukannya pengumpulan tanpa tapisan semua analisis dalaman yang terdahulu.
Konfigurasi yang diterbitkan menetapkan max_position_embeddings kepada 32,768 dan tidak mengandungi entri rope_scaling. Panduan penggunaan mengesyorkan supaya YaRN dipertimbangkan apabila input melebihi 8,192 token. Contoh konfigurasi penskalaannya menggunakan factor 4.0 dengan original_max_position_embeddings ditetapkan kepada 32,768. Ambang cadangan, konfigurasi asas dan peluasan pilihan ialah fakta yang berbeza; ia bukan had respons yang boleh saling menggantikan.
YaRN statik mempengaruhi semua teks dan mungkin sedikit mengurangkan prestasi pada input pendek, jadi pengeluar mengesyorkan pengaktifannya apabila diperlukan. Untuk bahan panjang, berikan takrif dan petikan yang berkaitan dalam input yang diasingkan dengan jelas serta tinggalkan belanjawan penjanaan yang sesuai dalam konteks aktif. Konfigurasi perlu mengikut sokongan pelaksanaan yang dipilih terhadap prosedur penskalaan pengeluar, tanpa menganggap gandaan aritmetik sebagai tetingkap konteks yang tersedia secara automatik.
Contoh inferens model menggunakan soalan pengguna dan templat sembang khusus keluaran. Untuk matematik, kekalkan takrif pemboleh ubah dan nyatakan proposisi yang perlu dibuktikan. Untuk kod, berikan fragmen berkaitan, tingkah laku yang diperlukan dan kes yang sedang dibincangkan. Minta artifak akhir yang berasingan—bukti, formula, pelaksanaan atau penjelasan—supaya penaakulan boleh dinilai melalui hasil tugasan. Panduan khusus Z1 menyatakan penaakulan teks dan penyediaannya; ia tidak menetapkan kontrak alat natif tambahan atau input imej untuk edisi ini.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had THUDM/GLM-Z1-32B-0414 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.00014 / 1K token Output · Token output $0.00014 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "THUDM/GLM-Z1-32B-0414",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'THUDM/GLM-Z1-32B-0414', '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': 'THUDM/GLM-Z1-32B-0414', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra THUDM/GLM-Z1-32B-0414
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Derive a safe batch bound\n\nA buffer holds at most 96 records. Every batch adds b records, where b is a positive integer, and 12 records must remain free. Derive the largest number of complete batches that fit as a formula in b. Explain the rounding and calculate the result for b = 10, keeping the reserved space separate from usable capacity.A formula using a floor, an explanation of usable capacity and a checked numeric example.Verify the formula reserves 12 records and a further full batch would exceed usable capacity in the example.