GLM 5.3 Prime ialah edisi teks dipercepat bagi keluarga GLM 5.3 daripada Z.ai. Model ini menerima teks dan mengembalikan teks, dengan tumpuan pada pengekodan, penjanaan kod penstriman, perbualan masa nyata dan tugas ejen berbilang giliran. Profil terbitannya menerangkan pecutan inferens sambil mengekalkan keupayaan edisi asasnya. Permintaan yang berguna menghubungkan tugas, buktinya dan artifak yang diperlukan seterusnya, seperti tampalan, penjelasan atau urutan tindakan yang dicadangkan.
Penaakulan kekal didayakan dalam profil ini. Pilihan usaha yang didokumenkan ialah low, high dan max, dengan max sebagai lalai. Pilih kedalaman yang dimaksudkan bersama tugas: semakan kod tertumpu memerlukan logik berkaitan dan tingkah laku yang diperhatikan, manakala perubahan peringkat projek memerlukan antara muka sekeliling, kekangan dan syarat penerimaan. Asingkan hasil sebenar daripada analisis perantaraan model supaya pembaca boleh meneliti jawapan atau perubahan yang dicadangkan secara langsung.
Tetingkap konteks yang diterbitkan ialah 1,000,000 token, dengan sehingga 131,072 token pelengkapan. Susun taklimat panjang menjadi bahagian bernama: bahan sumber, keputusan yang telah ditetapkan, soalan terbuka dan hasil yang diminta. Kekalkan pengecam fail atau petikan yang tepat apabila jawapan mesti merujuk semula kepada bukti. Konteks kerja yang besar membantu mengekalkan bahan berkaitan bersama; soalan yang tertumpu menjadikan bahan itu berguna.
Untuk pengekodan, bekalkan tingkah laku sedia ada, contoh yang gagal dan tingkah laku yang dimaksudkan selepas perubahan. Minta pembetulan konkrit dan langkah pengesahannya. Untuk tugas ejen berbilang giliran, bawa ke hadapan kerja yang telah diselesaikan dan pemerhatian terkini supaya langkah kemudian boleh menyambung daripada hasil, bukannya membina semula tugas daripada perbualan yang semakin panjang.
Kontrak pengehosan yang diterbitkan merangkumi alat fungsi dan pemformatan respons JSON. Takrifkan alat atau medan hasil yang diperlukan oleh aliran kerja. Panggilan alat menamakan tindakan untuk dilaksanakan oleh aplikasi sekeliling; pemerhatian yang dikembalikan menjadi bukti untuk langkah model seterusnya. Mod JSON yang didokumenkan menyokong output JSON tanpa menguatkuasakan skema JSON, maka sahkan medan wajib, jenis dan nilai dalam aplikasi.
Untuk tugas pengekstrakan, bekalkan teks sumber dan medan yang perlu dikembalikan, termasuk cara nilai yang tiada perlu dipaparkan. Untuk tugas perancangan, minta tindakan seterusnya, inputnya dan pemerhatian yang akan membuktikan penyelesaian. Simpan jawapan bersama pengecam sumber dan sebarang hasil alat sebenar supaya artifak yang disampaikan kekal berkaitan dengan kerja yang dihuraikannya.
", "aboutText": "GLM 5.3 Prime ialah edisi teks dipercepat bagi keluarga GLM 5.3 daripada Z.ai. Model ini menerima teks dan mengembalikan teks, dengan tumpuan pada pengekodan, penjanaan kod penstriman, perbualan masa nyata dan tugas ejen berbilang giliran. Profil terbitannya menerangkan pecutan inferens sambil mengekalkan keupayaan edisi asasnya. Permintaan yang berguna menghubungkan tugas, buktinya dan artifak yang diperlukan seterusnya, seperti tampalan, penjelasan atau urutan tindakan yang dicadangkan.\n\n### Penaakulan untuk tugas berpanjangan\n\nPenaakulan kekal didayakan dalam profil ini. Pilihan usaha yang didokumenkan ialah low, high dan max, dengan max sebagai lalai. Pilih kedalaman yang dimaksudkan bersama tugas: semakan kod tertumpu memerlukan logik berkaitan dan tingkah laku yang diperhatikan, manakala perubahan peringkat projek memerlukan antara muka sekeliling, kekangan dan syarat penerimaan. Asingkan hasil sebenar daripada analisis perantaraan model supaya pembaca boleh meneliti jawapan atau perubahan yang dicadangkan secara langsung.\n\n### Konteks panjang dan output berhad\n\nTetingkap konteks yang diterbitkan ialah 1,000,000 token, dengan sehingga 131,072 token pelengkapan. Susun taklimat panjang menjadi bahagian bernama: bahan sumber, keputusan yang telah ditetapkan, soalan terbuka dan hasil yang diminta. Kekalkan pengecam fail atau petikan yang tepat apabila jawapan mesti merujuk semula kepada bukti. Konteks kerja yang besar membantu mengekalkan bahan berkaitan bersama; soalan yang tertumpu menjadikan bahan itu berguna.\n\nUntuk pengekodan, bekalkan tingkah laku sedia ada, contoh yang gagal dan tingkah laku yang dimaksudkan selepas perubahan. Minta pembetulan konkrit dan langkah pengesahannya. Untuk tugas ejen berbilang giliran, bawa ke hadapan kerja yang telah diselesaikan dan pemerhatian terkini supaya langkah kemudian boleh menyambung daripada hasil, bukannya membina semula tugas daripada perbualan yang semakin panjang.\n\n### Alat dan hasil berstruktur\n\nKontrak pengehosan yang diterbitkan merangkumi alat fungsi dan pemformatan respons JSON. Takrifkan alat atau medan hasil yang diperlukan oleh aliran kerja. Panggilan alat menamakan tindakan untuk dilaksanakan oleh aplikasi sekeliling; pemerhatian yang dikembalikan menjadi bukti untuk langkah model seterusnya. Mod JSON yang didokumenkan menyokong output JSON tanpa menguatkuasakan skema JSON, maka sahkan medan wajib, jenis dan nilai dalam aplikasi.\n\nUntuk tugas pengekstrakan, bekalkan teks sumber dan medan yang perlu dikembalikan, termasuk cara nilai yang tiada perlu dipaparkan. Untuk tugas perancangan, minta tindakan seterusnya, inputnya dan pemerhatian yang akan membuktikan penyelesaian. Simpan jawapan bersama pengecam sumber dan sebarang hasil alat sebenar supaya artifak yang disampaikan kekal berkaitan dengan kerja yang dihuraikannya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Choose the next debugging action\n\nContinue this debugging task from supplied observations. Goal: imports preserve accented names. [SOURCE] CSV is read with encoding='ascii', errors='replace'. [TEST] 'José' becomes 'Jos?'. [DECISION] Input files are UTF-8. Propose the next code change, identify its exact inputs and define the observation that would establish completion. Include one negative case for malformed UTF-8; do not report an unexecuted pass.A focused code proposal plus a next-action record containing inputs, expected verification evidence and a malformed-input case.Check the proposal preserves accented text and makes malformed-input handling explicit rather than silently replacing bytes.z-ai/glm-5.3-primeGLM 5.3 Prime ialah model teks dipercepat Z.ai untuk pengekodan, perbualan dan aliran kerja ejen yang berpanjangan. Model ini menggabungkan konteks sejuta token dengan penaakulan yang sentiasa aktif dan menyokong usaha low, high serta max, dengan max sebagai lalai yang didokumenkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GLM 5.3 Prime ialah edisi teks dipercepat bagi keluarga GLM 5.3 daripada Z.ai. Model ini menerima teks dan mengembalikan teks, dengan tumpuan pada pengekodan, penjanaan kod penstriman, perbualan masa nyata dan tugas ejen berbilang giliran. Profil terbitannya menerangkan pecutan inferens sambil mengekalkan keupayaan edisi asasnya. Permintaan yang berguna menghubungkan tugas, buktinya dan artifak yang diperlukan seterusnya, seperti tampalan, penjelasan atau urutan tindakan yang dicadangkan.
Penaakulan kekal didayakan dalam profil ini. Pilihan usaha yang didokumenkan ialah low, high dan max, dengan max sebagai lalai. Pilih kedalaman yang dimaksudkan bersama tugas: semakan kod tertumpu memerlukan logik berkaitan dan tingkah laku yang diperhatikan, manakala perubahan peringkat projek memerlukan antara muka sekeliling, kekangan dan syarat penerimaan. Asingkan hasil sebenar daripada analisis perantaraan model supaya pembaca boleh meneliti jawapan atau perubahan yang dicadangkan secara langsung.
Tetingkap konteks yang diterbitkan ialah 1,000,000 token, dengan sehingga 131,072 token pelengkapan. Susun taklimat panjang menjadi bahagian bernama: bahan sumber, keputusan yang telah ditetapkan, soalan terbuka dan hasil yang diminta. Kekalkan pengecam fail atau petikan yang tepat apabila jawapan mesti merujuk semula kepada bukti. Konteks kerja yang besar membantu mengekalkan bahan berkaitan bersama; soalan yang tertumpu menjadikan bahan itu berguna.
Untuk pengekodan, bekalkan tingkah laku sedia ada, contoh yang gagal dan tingkah laku yang dimaksudkan selepas perubahan. Minta pembetulan konkrit dan langkah pengesahannya. Untuk tugas ejen berbilang giliran, bawa ke hadapan kerja yang telah diselesaikan dan pemerhatian terkini supaya langkah kemudian boleh menyambung daripada hasil, bukannya membina semula tugas daripada perbualan yang semakin panjang.
Kontrak pengehosan yang diterbitkan merangkumi alat fungsi dan pemformatan respons JSON. Takrifkan alat atau medan hasil yang diperlukan oleh aliran kerja. Panggilan alat menamakan tindakan untuk dilaksanakan oleh aplikasi sekeliling; pemerhatian yang dikembalikan menjadi bukti untuk langkah model seterusnya. Mod JSON yang didokumenkan menyokong output JSON tanpa menguatkuasakan skema JSON, maka sahkan medan wajib, jenis dan nilai dalam aplikasi.
Untuk tugas pengekstrakan, bekalkan teks sumber dan medan yang perlu dikembalikan, termasuk cara nilai yang tiada perlu dipaparkan. Untuk tugas perancangan, minta tindakan seterusnya, inputnya dan pemerhatian yang akan membuktikan penyelesaian. Simpan jawapan bersama pengecam sumber dan sebarang hasil alat sebenar supaya artifak yang disampaikan kekal berkaitan dengan kerja yang dihuraikannya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had z-ai/glm-5.3-prime | 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 $0.0056 / 1K token Output · Token output $0.0176 / 1K token Input · Bacaan cache $0.00112 / 1K token Input · Penulisan cache — / 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 $0.0056 / 1K token Output · Token output $0.0176 / 1K token Input · Bacaan cache $0.00112 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${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-5.3-prime", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='z-ai/glm-5.3-prime',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='z-ai/glm-5.3-prime',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-5.3-prime
Gunakan laluan kaedah yang dipaparkan di atas.
z-ai/glm-5.3-primeGLM 5.3 Prime ialah model teks dipercepat Z.ai untuk pengekodan, perbualan dan aliran kerja ejen yang berpanjangan. Model ini menggabungkan konteks sejuta token dengan penaakulan yang sentiasa aktif dan menyokong usaha low, high serta max, dengan max sebagai lalai yang didokumenkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GLM 5.3 Prime ialah edisi teks dipercepat bagi keluarga GLM 5.3 daripada Z.ai. Model ini menerima teks dan mengembalikan teks, dengan tumpuan pada pengekodan, penjanaan kod penstriman, perbualan masa nyata dan tugas ejen berbilang giliran. Profil terbitannya menerangkan pecutan inferens sambil mengekalkan keupayaan edisi asasnya. Permintaan yang berguna menghubungkan tugas, buktinya dan artifak yang diperlukan seterusnya, seperti tampalan, penjelasan atau urutan tindakan yang dicadangkan.
Penaakulan kekal didayakan dalam profil ini. Pilihan usaha yang didokumenkan ialah low, high dan max, dengan max sebagai lalai. Pilih kedalaman yang dimaksudkan bersama tugas: semakan kod tertumpu memerlukan logik berkaitan dan tingkah laku yang diperhatikan, manakala perubahan peringkat projek memerlukan antara muka sekeliling, kekangan dan syarat penerimaan. Asingkan hasil sebenar daripada analisis perantaraan model supaya pembaca boleh meneliti jawapan atau perubahan yang dicadangkan secara langsung.
Tetingkap konteks yang diterbitkan ialah 1,000,000 token, dengan sehingga 131,072 token pelengkapan. Susun taklimat panjang menjadi bahagian bernama: bahan sumber, keputusan yang telah ditetapkan, soalan terbuka dan hasil yang diminta. Kekalkan pengecam fail atau petikan yang tepat apabila jawapan mesti merujuk semula kepada bukti. Konteks kerja yang besar membantu mengekalkan bahan berkaitan bersama; soalan yang tertumpu menjadikan bahan itu berguna.
Untuk pengekodan, bekalkan tingkah laku sedia ada, contoh yang gagal dan tingkah laku yang dimaksudkan selepas perubahan. Minta pembetulan konkrit dan langkah pengesahannya. Untuk tugas ejen berbilang giliran, bawa ke hadapan kerja yang telah diselesaikan dan pemerhatian terkini supaya langkah kemudian boleh menyambung daripada hasil, bukannya membina semula tugas daripada perbualan yang semakin panjang.
Kontrak pengehosan yang diterbitkan merangkumi alat fungsi dan pemformatan respons JSON. Takrifkan alat atau medan hasil yang diperlukan oleh aliran kerja. Panggilan alat menamakan tindakan untuk dilaksanakan oleh aplikasi sekeliling; pemerhatian yang dikembalikan menjadi bukti untuk langkah model seterusnya. Mod JSON yang didokumenkan menyokong output JSON tanpa menguatkuasakan skema JSON, maka sahkan medan wajib, jenis dan nilai dalam aplikasi.
Untuk tugas pengekstrakan, bekalkan teks sumber dan medan yang perlu dikembalikan, termasuk cara nilai yang tiada perlu dipaparkan. Untuk tugas perancangan, minta tindakan seterusnya, inputnya dan pemerhatian yang akan membuktikan penyelesaian. Simpan jawapan bersama pengecam sumber dan sebarang hasil alat sebenar supaya artifak yang disampaikan kekal berkaitan dengan kerja yang dihuraikannya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had z-ai/glm-5.3-prime | 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 $0.0056 / 1K token Output · Token output $0.0176 / 1K token Input · Bacaan cache $0.00112 / 1K token Input · Penulisan cache — / 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 $0.0056 / 1K token Output · Token output $0.0176 / 1K token Input · Bacaan cache $0.00112 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "z-ai/glm-5.3-prime",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'z-ai/glm-5.3-prime', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'z-ai/glm-5.3-prime', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-5.3-prime
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Choose the next debugging action\n\nContinue this debugging task from supplied observations. Goal: imports preserve accented names. [SOURCE] CSV is read with encoding='ascii', errors='replace'. [TEST] 'José' becomes 'Jos?'. [DECISION] Input files are UTF-8. Propose the next code change, identify its exact inputs and define the observation that would establish completion. Include one negative case for malformed UTF-8; do not report an unexecuted pass.A focused code proposal plus a next-action record containing inputs, expected verification evidence and a malformed-input case.Check the proposal preserves accented text and makes malformed-input handling explicit rather than silently replacing bytes.