GLM-4.5V ialah model penaakulan visual Z.ai yang dibina berasaskan GLM-4.5-Air, dengan 106 bilion parameter keseluruhan dan 12 bilion yang diaktifkan. Model ini mengendalikan penaakulan imej, pemahaman video, tugas GUI, carta kompleks, dokumen panjang dan pemadanan rujukan dengan unsur visual. Profil dihoskan pengeluar menyenaraikan input imej, video, teks dan fail dengan output teks. Tugas yang berguna boleh meminta penjelasan halaman, jadual yang diekstrak, lokasi visual atau kod yang disediakan daripada tangkapan skrin. Model ini berbeza daripada GLM-4.1V-9B dan GLM-4.6V yang muncul kemudian.
Penaakulan imej meliputi pemahaman adegan, analisis berbilang imej dan hubungan ruang. Berikan label bagi setiap imej dan nyatakan soalan yang tepat. Bagi carta, kekalkan paksi, unit dan petunjuk serta tanya nilai yang kelihatan yang menyokong kesimpulan. Untuk perbandingan, kenal pasti ciri yang perlu diteliti dan susun jawapan mengikut label sumber. Model boleh menghubungkan pemerhatian visual dengan soalan bertulis; kualiti input dan hasil yang diminta penting bersama jumlah bahan yang dibekalkan.
Pemadanan visual ialah aliran kerja output khusus. Kad menerangkan kotak pembatas yang ditandai oleh token begin_of_box dan end_of_box, dengan empat koordinat yang mengenal pasti penjuru kiri atas dan kanan bawah. Nilai dinormalkan daripada 0 hingga 1,000 berdasarkan saiz imej, bukannya diberikan terus sebagai kedudukan piksel. Nyatakan objek atau kawasan yang perlu dicari dan format kotak yang diperlukan. Simpan dimensi imej asal bersama hasil supaya aplikasi boleh memetakan koordinat kembali kepada imej itu, termasuk apabila saiznya telah diubah untuk pemprosesan.
Tugas video merangkumi pembahagian segmen dan pengecaman peristiwa, manakala kerja dokumen boleh menggabungkan teks, carta, jadual dan susun atur merentas berbilang halaman. Pembuatnya mendemonstrasikan penukaran jadual dalam gambar kepada Markdown dan analisis kandungan laporan penyelidikan. Sediakan soalan konkrit, kekalkan pengecam halaman atau jujukan dan minta bukti yang menyokong setiap medan yang diekstrak atau peristiwa yang dihuraikan. Ringkasan yang dijana ialah hasil teks; pengumpulan bingkai, penyusunan fail atau penerapan suntingan dilakukan oleh persekitaran yang disambungkan.
Tugas GUI dan halaman web menggunakan pemahaman skrin untuk interaksi atau kod yang dicadangkan. Contoh pengeluar meminta HTML dan CSS daripada tangkapan skrin halaman serta mendemonstrasikan pembantu desktop yang disambungkan dengan tangkapan skrin atau rakaman. Berikan keadaan berkaitan, tindakan yang dibenarkan dan perubahan yang dikehendaki. Model menyediakan kod atau huraian tindakan, manakala aplikasi melaksanakannya dan membekalkan skrin yang berubah atau halaman yang dirender untuk penelitian lanjut.
Model ini menyokong respons dengan pemikiran dan tanpa pemikiran. Kad yang tepat menerangkan suis, dan contoh model terbuka mendayakan pemikiran secara lalai dengan tetapan templat untuk menyahdayakannya. Pastikan tetapan itu terikat pada aliran kerja yang disokong. Konfigurasi titik semakan menetapkan max_position_embeddings kepada 65,536; profil dihoskan menyenaraikan sehingga 16K token output secara berasingan. Ini menerangkan konfigurasi pengeluar yang berbeza dan tidak menetapkan tetingkap aplikasi sejagat. Pengeluar juga mendokumenkan penalaan halus titik semakan GLM-4.5V terbuka untuk tugas multimodal tersuai; ini ialah aliran kerja penyesuaian yang berasingan daripada inferens biasa. Bahan panjang dan jawapan yang diminta memerlukan ruang dalam konfigurasi yang benar-benar digunakan.
Kad mengenal pasti batasan khusus dalam penghasilan semula kod visual: HTML mentah mungkin tidak dibungkus dengan Markdown, dan pelepasan aksara boleh menyebabkan masalah perenderan. Kad itu turut menyatakan soal jawab teks tulen yang lebih lemah, pemikiran berlebihan atau berulang sekali-sekala, pengulangan semula jawapan dan ralat persepsi seperti pengiraan bilangan. Untuk tugas kod, minta format artifak yang jelas dan teliti hasil yang dirender. Untuk pengekstrakan atau analisis visual, kekalkan label kecil dan minta nilai yang berkaitan dengan bukti yang kelihatan. Ini memastikan keupayaan penaakulan dan pemadanan visual model berkaitan dengan hasil yang boleh dibandingkan dengan sumber asal.
", "aboutText": "GLM-4.5V ialah model penaakulan visual Z.ai yang dibina berasaskan GLM-4.5-Air, dengan 106 bilion parameter keseluruhan dan 12 bilion yang diaktifkan. Model ini mengendalikan penaakulan imej, pemahaman video, tugas GUI, carta kompleks, dokumen panjang dan pemadanan rujukan dengan unsur visual. Profil dihoskan pengeluar menyenaraikan input imej, video, teks dan fail dengan output teks. Tugas yang berguna boleh meminta penjelasan halaman, jadual yang diekstrak, lokasi visual atau kod yang disediakan daripada tangkapan skrin. Model ini berbeza daripada GLM-4.1V-9B dan GLM-4.6V yang muncul kemudian.\n\nPenaakulan imej meliputi pemahaman adegan, analisis berbilang imej dan hubungan ruang. Berikan label bagi setiap imej dan nyatakan soalan yang tepat. Bagi carta, kekalkan paksi, unit dan petunjuk serta tanya nilai yang kelihatan yang menyokong kesimpulan. Untuk perbandingan, kenal pasti ciri yang perlu diteliti dan susun jawapan mengikut label sumber. Model boleh menghubungkan pemerhatian visual dengan soalan bertulis; kualiti input dan hasil yang diminta penting bersama jumlah bahan yang dibekalkan.\n\nPemadanan visual ialah aliran kerja output khusus. Kad menerangkan kotak pembatas yang ditandai oleh token begin_of_box dan end_of_box, dengan empat koordinat yang mengenal pasti penjuru kiri atas dan kanan bawah. Nilai dinormalkan daripada 0 hingga 1,000 berdasarkan saiz imej, bukannya diberikan terus sebagai kedudukan piksel. Nyatakan objek atau kawasan yang perlu dicari dan format kotak yang diperlukan. Simpan dimensi imej asal bersama hasil supaya aplikasi boleh memetakan koordinat kembali kepada imej itu, termasuk apabila saiznya telah diubah untuk pemprosesan.\n\nTugas video merangkumi pembahagian segmen dan pengecaman peristiwa, manakala kerja dokumen boleh menggabungkan teks, carta, jadual dan susun atur merentas berbilang halaman. Pembuatnya mendemonstrasikan penukaran jadual dalam gambar kepada Markdown dan analisis kandungan laporan penyelidikan. Sediakan soalan konkrit, kekalkan pengecam halaman atau jujukan dan minta bukti yang menyokong setiap medan yang diekstrak atau peristiwa yang dihuraikan. Ringkasan yang dijana ialah hasil teks; pengumpulan bingkai, penyusunan fail atau penerapan suntingan dilakukan oleh persekitaran yang disambungkan.\n\nTugas GUI dan halaman web menggunakan pemahaman skrin untuk interaksi atau kod yang dicadangkan. Contoh pengeluar meminta HTML dan CSS daripada tangkapan skrin halaman serta mendemonstrasikan pembantu desktop yang disambungkan dengan tangkapan skrin atau rakaman. Berikan keadaan berkaitan, tindakan yang dibenarkan dan perubahan yang dikehendaki. Model menyediakan kod atau huraian tindakan, manakala aplikasi melaksanakannya dan membekalkan skrin yang berubah atau halaman yang dirender untuk penelitian lanjut.\n\nModel ini menyokong respons dengan pemikiran dan tanpa pemikiran. Kad yang tepat menerangkan suis, dan contoh model terbuka mendayakan pemikiran secara lalai dengan tetapan templat untuk menyahdayakannya. Pastikan tetapan itu terikat pada aliran kerja yang disokong. Konfigurasi titik semakan menetapkan max_position_embeddings kepada 65,536; profil dihoskan menyenaraikan sehingga 16K token output secara berasingan. Ini menerangkan konfigurasi pengeluar yang berbeza dan tidak menetapkan tetingkap aplikasi sejagat. Pengeluar juga mendokumenkan penalaan halus titik semakan GLM-4.5V terbuka untuk tugas multimodal tersuai; ini ialah aliran kerja penyesuaian yang berasingan daripada inferens biasa. Bahan panjang dan jawapan yang diminta memerlukan ruang dalam konfigurasi yang benar-benar digunakan.\n\nKad mengenal pasti batasan khusus dalam penghasilan semula kod visual: HTML mentah mungkin tidak dibungkus dengan Markdown, dan pelepasan aksara boleh menyebabkan masalah perenderan. Kad itu turut menyatakan soal jawab teks tulen yang lebih lemah, pemikiran berlebihan atau berulang sekali-sekala, pengulangan semula jawapan dan ralat persepsi seperti pengiraan bilangan. Untuk tugas kod, minta format artifak yang jelas dan teliti hasil yang dirender. Untuk pengekstrakan atau analisis visual, kekalkan label kecil dan minta nilai yang berkaitan dengan bukti yang kelihatan. Ini memastikan keupayaan penaakulan dan pemadanan visual model berkaitan dengan hasil yang boleh dibandingkan dengan sumber asal.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Format a transcribed report table\n\nFrom this text transcription of page V5, produce a Markdown table: 'Experiment | control | treated; run 1 | 12 | 15; run 2 | 11 | unreadable.' Add a difference column only where both values are available. Keep V5 with the result and separate the extracted values from the calculated differences. No image is supplied.A source-labeled Markdown table with extracted numbers, calculated differences and explicit unknown values.The unreadable treated value and its difference must remain unknown rather than be estimated.z-ai/glm-4.5vGLM-4.5V ialah model penaakulan visual 106B-A12B daripada Z.ai untuk imej, video, dokumen kompleks dan tugas GUI. Model ini mengembalikan teks, menyokong pemikiran dan respons langsung, serta boleh menentukan lokasi unsur visual dengan koordinat yang dinormalkan daripada 0 hingga 1,000.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GLM-4.5V ialah model penaakulan visual Z.ai yang dibina berasaskan GLM-4.5-Air, dengan 106 bilion parameter keseluruhan dan 12 bilion yang diaktifkan. Model ini mengendalikan penaakulan imej, pemahaman video, tugas GUI, carta kompleks, dokumen panjang dan pemadanan rujukan dengan unsur visual. Profil dihoskan pengeluar menyenaraikan input imej, video, teks dan fail dengan output teks. Tugas yang berguna boleh meminta penjelasan halaman, jadual yang diekstrak, lokasi visual atau kod yang disediakan daripada tangkapan skrin. Model ini berbeza daripada GLM-4.1V-9B dan GLM-4.6V yang muncul kemudian.
Penaakulan imej meliputi pemahaman adegan, analisis berbilang imej dan hubungan ruang. Berikan label bagi setiap imej dan nyatakan soalan yang tepat. Bagi carta, kekalkan paksi, unit dan petunjuk serta tanya nilai yang kelihatan yang menyokong kesimpulan. Untuk perbandingan, kenal pasti ciri yang perlu diteliti dan susun jawapan mengikut label sumber. Model boleh menghubungkan pemerhatian visual dengan soalan bertulis; kualiti input dan hasil yang diminta penting bersama jumlah bahan yang dibekalkan.
Pemadanan visual ialah aliran kerja output khusus. Kad menerangkan kotak pembatas yang ditandai oleh token begin_of_box dan end_of_box, dengan empat koordinat yang mengenal pasti penjuru kiri atas dan kanan bawah. Nilai dinormalkan daripada 0 hingga 1,000 berdasarkan saiz imej, bukannya diberikan terus sebagai kedudukan piksel. Nyatakan objek atau kawasan yang perlu dicari dan format kotak yang diperlukan. Simpan dimensi imej asal bersama hasil supaya aplikasi boleh memetakan koordinat kembali kepada imej itu, termasuk apabila saiznya telah diubah untuk pemprosesan.
Tugas video merangkumi pembahagian segmen dan pengecaman peristiwa, manakala kerja dokumen boleh menggabungkan teks, carta, jadual dan susun atur merentas berbilang halaman. Pembuatnya mendemonstrasikan penukaran jadual dalam gambar kepada Markdown dan analisis kandungan laporan penyelidikan. Sediakan soalan konkrit, kekalkan pengecam halaman atau jujukan dan minta bukti yang menyokong setiap medan yang diekstrak atau peristiwa yang dihuraikan. Ringkasan yang dijana ialah hasil teks; pengumpulan bingkai, penyusunan fail atau penerapan suntingan dilakukan oleh persekitaran yang disambungkan.
Tugas GUI dan halaman web menggunakan pemahaman skrin untuk interaksi atau kod yang dicadangkan. Contoh pengeluar meminta HTML dan CSS daripada tangkapan skrin halaman serta mendemonstrasikan pembantu desktop yang disambungkan dengan tangkapan skrin atau rakaman. Berikan keadaan berkaitan, tindakan yang dibenarkan dan perubahan yang dikehendaki. Model menyediakan kod atau huraian tindakan, manakala aplikasi melaksanakannya dan membekalkan skrin yang berubah atau halaman yang dirender untuk penelitian lanjut.
Model ini menyokong respons dengan pemikiran dan tanpa pemikiran. Kad yang tepat menerangkan suis, dan contoh model terbuka mendayakan pemikiran secara lalai dengan tetapan templat untuk menyahdayakannya. Pastikan tetapan itu terikat pada aliran kerja yang disokong. Konfigurasi titik semakan menetapkan max_position_embeddings kepada 65,536; profil dihoskan menyenaraikan sehingga 16K token output secara berasingan. Ini menerangkan konfigurasi pengeluar yang berbeza dan tidak menetapkan tetingkap aplikasi sejagat. Pengeluar juga mendokumenkan penalaan halus titik semakan GLM-4.5V terbuka untuk tugas multimodal tersuai; ini ialah aliran kerja penyesuaian yang berasingan daripada inferens biasa. Bahan panjang dan jawapan yang diminta memerlukan ruang dalam konfigurasi yang benar-benar digunakan.
Kad mengenal pasti batasan khusus dalam penghasilan semula kod visual: HTML mentah mungkin tidak dibungkus dengan Markdown, dan pelepasan aksara boleh menyebabkan masalah perenderan. Kad itu turut menyatakan soal jawab teks tulen yang lebih lemah, pemikiran berlebihan atau berulang sekali-sekala, pengulangan semula jawapan dan ralat persepsi seperti pengiraan bilangan. Untuk tugas kod, minta format artifak yang jelas dan teliti hasil yang dirender. Untuk pengekstrakan atau analisis visual, kekalkan label kecil dan minta nilai yang berkaitan dengan bukti yang kelihatan. Ini memastikan keupayaan penaakulan dan pemadanan visual model berkaitan dengan hasil yang boleh dibandingkan dengan sumber asal.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had z-ai/glm-4.5v | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0012 / 1K token Output · Token output $0.0036 / 1K token Input · Bacaan cache $0.00022 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0012 / 1K token Output · Token output $0.0036 / 1K token Input · Bacaan cache $0.00022 / 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": "z-ai/glm-4.5v", "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-4.5v',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-4.5v',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 z-ai/glm-4.5v
Gunakan laluan kaedah yang dipaparkan di atas.
z-ai/glm-4.5vGLM-4.5V ialah model penaakulan visual 106B-A12B daripada Z.ai untuk imej, video, dokumen kompleks dan tugas GUI. Model ini mengembalikan teks, menyokong pemikiran dan respons langsung, serta boleh menentukan lokasi unsur visual dengan koordinat yang dinormalkan daripada 0 hingga 1,000.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GLM-4.5V ialah model penaakulan visual Z.ai yang dibina berasaskan GLM-4.5-Air, dengan 106 bilion parameter keseluruhan dan 12 bilion yang diaktifkan. Model ini mengendalikan penaakulan imej, pemahaman video, tugas GUI, carta kompleks, dokumen panjang dan pemadanan rujukan dengan unsur visual. Profil dihoskan pengeluar menyenaraikan input imej, video, teks dan fail dengan output teks. Tugas yang berguna boleh meminta penjelasan halaman, jadual yang diekstrak, lokasi visual atau kod yang disediakan daripada tangkapan skrin. Model ini berbeza daripada GLM-4.1V-9B dan GLM-4.6V yang muncul kemudian.
Penaakulan imej meliputi pemahaman adegan, analisis berbilang imej dan hubungan ruang. Berikan label bagi setiap imej dan nyatakan soalan yang tepat. Bagi carta, kekalkan paksi, unit dan petunjuk serta tanya nilai yang kelihatan yang menyokong kesimpulan. Untuk perbandingan, kenal pasti ciri yang perlu diteliti dan susun jawapan mengikut label sumber. Model boleh menghubungkan pemerhatian visual dengan soalan bertulis; kualiti input dan hasil yang diminta penting bersama jumlah bahan yang dibekalkan.
Pemadanan visual ialah aliran kerja output khusus. Kad menerangkan kotak pembatas yang ditandai oleh token begin_of_box dan end_of_box, dengan empat koordinat yang mengenal pasti penjuru kiri atas dan kanan bawah. Nilai dinormalkan daripada 0 hingga 1,000 berdasarkan saiz imej, bukannya diberikan terus sebagai kedudukan piksel. Nyatakan objek atau kawasan yang perlu dicari dan format kotak yang diperlukan. Simpan dimensi imej asal bersama hasil supaya aplikasi boleh memetakan koordinat kembali kepada imej itu, termasuk apabila saiznya telah diubah untuk pemprosesan.
Tugas video merangkumi pembahagian segmen dan pengecaman peristiwa, manakala kerja dokumen boleh menggabungkan teks, carta, jadual dan susun atur merentas berbilang halaman. Pembuatnya mendemonstrasikan penukaran jadual dalam gambar kepada Markdown dan analisis kandungan laporan penyelidikan. Sediakan soalan konkrit, kekalkan pengecam halaman atau jujukan dan minta bukti yang menyokong setiap medan yang diekstrak atau peristiwa yang dihuraikan. Ringkasan yang dijana ialah hasil teks; pengumpulan bingkai, penyusunan fail atau penerapan suntingan dilakukan oleh persekitaran yang disambungkan.
Tugas GUI dan halaman web menggunakan pemahaman skrin untuk interaksi atau kod yang dicadangkan. Contoh pengeluar meminta HTML dan CSS daripada tangkapan skrin halaman serta mendemonstrasikan pembantu desktop yang disambungkan dengan tangkapan skrin atau rakaman. Berikan keadaan berkaitan, tindakan yang dibenarkan dan perubahan yang dikehendaki. Model menyediakan kod atau huraian tindakan, manakala aplikasi melaksanakannya dan membekalkan skrin yang berubah atau halaman yang dirender untuk penelitian lanjut.
Model ini menyokong respons dengan pemikiran dan tanpa pemikiran. Kad yang tepat menerangkan suis, dan contoh model terbuka mendayakan pemikiran secara lalai dengan tetapan templat untuk menyahdayakannya. Pastikan tetapan itu terikat pada aliran kerja yang disokong. Konfigurasi titik semakan menetapkan max_position_embeddings kepada 65,536; profil dihoskan menyenaraikan sehingga 16K token output secara berasingan. Ini menerangkan konfigurasi pengeluar yang berbeza dan tidak menetapkan tetingkap aplikasi sejagat. Pengeluar juga mendokumenkan penalaan halus titik semakan GLM-4.5V terbuka untuk tugas multimodal tersuai; ini ialah aliran kerja penyesuaian yang berasingan daripada inferens biasa. Bahan panjang dan jawapan yang diminta memerlukan ruang dalam konfigurasi yang benar-benar digunakan.
Kad mengenal pasti batasan khusus dalam penghasilan semula kod visual: HTML mentah mungkin tidak dibungkus dengan Markdown, dan pelepasan aksara boleh menyebabkan masalah perenderan. Kad itu turut menyatakan soal jawab teks tulen yang lebih lemah, pemikiran berlebihan atau berulang sekali-sekala, pengulangan semula jawapan dan ralat persepsi seperti pengiraan bilangan. Untuk tugas kod, minta format artifak yang jelas dan teliti hasil yang dirender. Untuk pengekstrakan atau analisis visual, kekalkan label kecil dan minta nilai yang berkaitan dengan bukti yang kelihatan. Ini memastikan keupayaan penaakulan dan pemadanan visual model berkaitan dengan hasil yang boleh dibandingkan dengan sumber asal.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had z-ai/glm-4.5v | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0012 / 1K token Output · Token output $0.0036 / 1K token Input · Bacaan cache $0.00022 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0012 / 1K token Output · Token output $0.0036 / 1K token Input · Bacaan cache $0.00022 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "z-ai/glm-4.5v",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.5v', '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-4.5v', '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 z-ai/glm-4.5v
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Format a transcribed report table\n\nFrom this text transcription of page V5, produce a Markdown table: 'Experiment | control | treated; run 1 | 12 | 15; run 2 | 11 | unreadable.' Add a difference column only where both values are available. Keep V5 with the result and separate the extracted values from the calculated differences. No image is supplied.A source-labeled Markdown table with extracted numbers, calculated differences and explicit unknown values.The unreadable treated value and its difference must remain unknown rather than be estimated.