GLM-4-Flash er en av Zhipu AI sine separat navngitte GLM-4-språkmodellprofiler. Produsentens opprinnelige GLM-4-API-introduksjon lister Flash sammen med GLM-4-0520, Air og AirX. Den nåværende GLM-4-dokumentasjonen identifiserer også Flash som den tidligere språkmodellserien som separat navngitte forbedrede og daterte Flash-profiler utviklet seg fra.
Gi spørsmålet og teksten som trengs for å besvare det. En kort forespørsel kan be om en kort forklaring, et sammendrag av en melding eller en omskriving for en bestemt målgruppe. Angi informasjonen svaret skal beholde, og lengden eller strukturen som gjør det nyttig i samtalen.
For et illustrerende supportsvar gir du brukerens melding og de godkjente faktaene for svaret. Be om et kort svar som tar opp det stilte spørsmålet, og behold originalmeldingen ved siden av utkastet. Dette holder en senere rettelse konsentrert om et bestemt faktum eller uttrykk.
Produsentens bredere GLM-4-veiledning anbefaler semantisk klassifisering. For en liten klassifiseringsoppgave gir du kategoridefinisjonene og en tydelig regel for en tvetydig melding. Be om valgt kategori med en kort forklaring basert på teksten som er gitt.
En illustrerende innboksoppgave kan skille mellom et spørsmål, en ønsket endring og en bekreftelse. Behold identifikatoren til originalmeldingen med den returnerte beslutningen. Når en melding har flere formål, angir du hvordan de skal representeres i det ønskede resultatet fremfor å støtte deg på en uuttalt kategoriregel.
Produsentens GLM-4-samtaleeksempler returnerer skriftlig innhold fra oppgitte meldinger. Velg en leveranse som passer til en målrettet interaksjon: et svar i ett avsnitt, en kort liste med hovedpunkter eller en revidert setning som beholder godkjent ordlyd for navn og tall.
For å oppsummere et avsnitt identifiserer du faktaene som skal bevares i den kortere versjonen. For omskriving angir du hvilke detaljer som er faste, og hvilke sider ved tone eller struktur som kan endres. Disse forberedelsesvalgene gir den ferdige teksten et konkret formål og beholder grunnmaterialet tilgjengelig for kontroll.
GLM-4-Flash, FlashX og Flash-250414 er separat navngitte produsentprofiler. Behold det valgte Flash-navnet med prompten og utdataene når samtalen fortsetter eller et sett svar gjennomgås. Neste instruksjon kan vise til det godtatte utkastet og rette seg mot en bestemt endring, som å erstatte et uklart uttrykk eller gjeninnføre et manglende forbehold.
Lagre det korte svaret eller klassifiseringsresultatet med kildeidentifikatoren. Sammenlign uttrukne navn, verdier og kategoriforklaringer med inndataene, og ta deretter den rettede leveransen videre til neste samtale- eller dokumenttrinn.
", "aboutText": "GLM-4-Flash er en av Zhipu AI sine separat navngitte GLM-4-språkmodellprofiler. Produsentens opprinnelige GLM-4-API-introduksjon lister Flash sammen med GLM-4-0520, Air og AirX. Den nåværende GLM-4-dokumentasjonen identifiserer også Flash som den tidligere språkmodellserien som separat navngitte forbedrede og daterte Flash-profiler utviklet seg fra.\n\n### Gi en målrettet oppgave en tydelig avgrensning\n\nGi spørsmålet og teksten som trengs for å besvare det. En kort forespørsel kan be om en kort forklaring, et sammendrag av en melding eller en omskriving for en bestemt målgruppe. Angi informasjonen svaret skal beholde, og lengden eller strukturen som gjør det nyttig i samtalen.\n\nFor et illustrerende supportsvar gir du brukerens melding og de godkjente faktaene for svaret. Be om et kort svar som tar opp det stilte spørsmålet, og behold originalmeldingen ved siden av utkastet. Dette holder en senere rettelse konsentrert om et bestemt faktum eller uttrykk.\n\n### Definer kategorier før du ber om en beslutning\n\nProdusentens bredere GLM-4-veiledning anbefaler semantisk klassifisering. For en liten klassifiseringsoppgave gir du kategoridefinisjonene og en tydelig regel for en tvetydig melding. Be om valgt kategori med en kort forklaring basert på teksten som er gitt.\n\nEn illustrerende innboksoppgave kan skille mellom et spørsmål, en ønsket endring og en bekreftelse. Behold identifikatoren til originalmeldingen med den returnerte beslutningen. Når en melding har flere formål, angir du hvordan de skal representeres i det ønskede resultatet fremfor å støtte deg på en uuttalt kategoriregel.\n\n### Lag en kortfattet tekstleveranse\n\nProdusentens GLM-4-samtaleeksempler returnerer skriftlig innhold fra oppgitte meldinger. Velg en leveranse som passer til en målrettet interaksjon: et svar i ett avsnitt, en kort liste med hovedpunkter eller en revidert setning som beholder godkjent ordlyd for navn og tall.\n\nFor å oppsummere et avsnitt identifiserer du faktaene som skal bevares i den kortere versjonen. For omskriving angir du hvilke detaljer som er faste, og hvilke sider ved tone eller struktur som kan endres. Disse forberedelsesvalgene gir den ferdige teksten et konkret formål og beholder grunnmaterialet tilgjengelig for kontroll.\n\n### Hold Flash-profilen og oppgaven sammen\n\nGLM-4-Flash, FlashX og Flash-250414 er separat navngitte produsentprofiler. Behold det valgte Flash-navnet med prompten og utdataene når samtalen fortsetter eller et sett svar gjennomgås. Neste instruksjon kan vise til det godtatte utkastet og rette seg mot en bestemt endring, som å erstatte et uklart uttrykk eller gjeninnføre et manglende forbehold.\n\nLagre det korte svaret eller klassifiseringsresultatet med kildeidentifikatoren. Sammenlign uttrukne navn, verdier og kategoriforklaringer med inndataene, og ta deretter den rettede leveransen videre til neste samtale- eller dokumenttrinn. ", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Draft a concise booking reply\n\nWrite a concise reply to this customer: "Can our group arrive at 09:00?" Approved facts: reception opens at 09:30; luggage may be left from 09:30; room access starts at 15:00. Keep the reply to two sentences. Answer the early-arrival question clearly without promising an earlier room or unattended luggage storage.A two-sentence customer reply using only the approved reception, luggage and room-access times.Check that 09:00 is not accepted and room access remains 15:00.glm-4-flashGLM-4-Flash er en GLM-4-språkmodellprofil fra Zhipu AI for skriftlig samtale og målrettede tekstoppgaver. Gi den et tydelig spørsmål eller et kort kildeavsnitt for å lage en kort forklaring, en klassifiseringsbeslutning eller et kortfattet omskrevet svar.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GLM-4-Flash er en av Zhipu AI sine separat navngitte GLM-4-språkmodellprofiler. Produsentens opprinnelige GLM-4-API-introduksjon lister Flash sammen med GLM-4-0520, Air og AirX. Den nåværende GLM-4-dokumentasjonen identifiserer også Flash som den tidligere språkmodellserien som separat navngitte forbedrede og daterte Flash-profiler utviklet seg fra.
Gi spørsmålet og teksten som trengs for å besvare det. En kort forespørsel kan be om en kort forklaring, et sammendrag av en melding eller en omskriving for en bestemt målgruppe. Angi informasjonen svaret skal beholde, og lengden eller strukturen som gjør det nyttig i samtalen.
For et illustrerende supportsvar gir du brukerens melding og de godkjente faktaene for svaret. Be om et kort svar som tar opp det stilte spørsmålet, og behold originalmeldingen ved siden av utkastet. Dette holder en senere rettelse konsentrert om et bestemt faktum eller uttrykk.
Produsentens bredere GLM-4-veiledning anbefaler semantisk klassifisering. For en liten klassifiseringsoppgave gir du kategoridefinisjonene og en tydelig regel for en tvetydig melding. Be om valgt kategori med en kort forklaring basert på teksten som er gitt.
En illustrerende innboksoppgave kan skille mellom et spørsmål, en ønsket endring og en bekreftelse. Behold identifikatoren til originalmeldingen med den returnerte beslutningen. Når en melding har flere formål, angir du hvordan de skal representeres i det ønskede resultatet fremfor å støtte deg på en uuttalt kategoriregel.
Produsentens GLM-4-samtaleeksempler returnerer skriftlig innhold fra oppgitte meldinger. Velg en leveranse som passer til en målrettet interaksjon: et svar i ett avsnitt, en kort liste med hovedpunkter eller en revidert setning som beholder godkjent ordlyd for navn og tall.
For å oppsummere et avsnitt identifiserer du faktaene som skal bevares i den kortere versjonen. For omskriving angir du hvilke detaljer som er faste, og hvilke sider ved tone eller struktur som kan endres. Disse forberedelsesvalgene gir den ferdige teksten et konkret formål og beholder grunnmaterialet tilgjengelig for kontroll.
GLM-4-Flash, FlashX og Flash-250414 er separat navngitte produsentprofiler. Behold det valgte Flash-navnet med prompten og utdataene når samtalen fortsetter eller et sett svar gjennomgås. Neste instruksjon kan vise til det godtatte utkastet og rette seg mot en bestemt endring, som å erstatte et uklart uttrykk eller gjeninnføre et manglende forbehold.
Lagre det korte svaret eller klassifiseringsresultatet med kildeidentifikatoren. Sammenlign uttrukne navn, verdier og kategoriforklaringer med inndataene, og ta deretter den rettede leveransen videre til neste samtale- eller dokumenttrinn.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser glm-4-flash | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.000028 / 1K tokener Utdata · Utgående tokener $0.000028 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-4-flash", "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='glm-4-flash',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='glm-4-flash',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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra glm-4-flash
Bruk metodestiene som vises ovenfor.
glm-4-flashGLM-4-Flash er en GLM-4-språkmodellprofil fra Zhipu AI for skriftlig samtale og målrettede tekstoppgaver. Gi den et tydelig spørsmål eller et kort kildeavsnitt for å lage en kort forklaring, en klassifiseringsbeslutning eller et kortfattet omskrevet svar.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GLM-4-Flash er en av Zhipu AI sine separat navngitte GLM-4-språkmodellprofiler. Produsentens opprinnelige GLM-4-API-introduksjon lister Flash sammen med GLM-4-0520, Air og AirX. Den nåværende GLM-4-dokumentasjonen identifiserer også Flash som den tidligere språkmodellserien som separat navngitte forbedrede og daterte Flash-profiler utviklet seg fra.
Gi spørsmålet og teksten som trengs for å besvare det. En kort forespørsel kan be om en kort forklaring, et sammendrag av en melding eller en omskriving for en bestemt målgruppe. Angi informasjonen svaret skal beholde, og lengden eller strukturen som gjør det nyttig i samtalen.
For et illustrerende supportsvar gir du brukerens melding og de godkjente faktaene for svaret. Be om et kort svar som tar opp det stilte spørsmålet, og behold originalmeldingen ved siden av utkastet. Dette holder en senere rettelse konsentrert om et bestemt faktum eller uttrykk.
Produsentens bredere GLM-4-veiledning anbefaler semantisk klassifisering. For en liten klassifiseringsoppgave gir du kategoridefinisjonene og en tydelig regel for en tvetydig melding. Be om valgt kategori med en kort forklaring basert på teksten som er gitt.
En illustrerende innboksoppgave kan skille mellom et spørsmål, en ønsket endring og en bekreftelse. Behold identifikatoren til originalmeldingen med den returnerte beslutningen. Når en melding har flere formål, angir du hvordan de skal representeres i det ønskede resultatet fremfor å støtte deg på en uuttalt kategoriregel.
Produsentens GLM-4-samtaleeksempler returnerer skriftlig innhold fra oppgitte meldinger. Velg en leveranse som passer til en målrettet interaksjon: et svar i ett avsnitt, en kort liste med hovedpunkter eller en revidert setning som beholder godkjent ordlyd for navn og tall.
For å oppsummere et avsnitt identifiserer du faktaene som skal bevares i den kortere versjonen. For omskriving angir du hvilke detaljer som er faste, og hvilke sider ved tone eller struktur som kan endres. Disse forberedelsesvalgene gir den ferdige teksten et konkret formål og beholder grunnmaterialet tilgjengelig for kontroll.
GLM-4-Flash, FlashX og Flash-250414 er separat navngitte produsentprofiler. Behold det valgte Flash-navnet med prompten og utdataene når samtalen fortsetter eller et sett svar gjennomgås. Neste instruksjon kan vise til det godtatte utkastet og rette seg mot en bestemt endring, som å erstatte et uklart uttrykk eller gjeninnføre et manglende forbehold.
Lagre det korte svaret eller klassifiseringsresultatet med kildeidentifikatoren. Sammenlign uttrukne navn, verdier og kategoriforklaringer med inndataene, og ta deretter den rettede leveransen videre til neste samtale- eller dokumenttrinn.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser glm-4-flash | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.000028 / 1K tokener Utdata · Utgående tokener $0.000028 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "glm-4-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4-flash', '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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra glm-4-flash
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Draft a concise booking reply\n\nWrite a concise reply to this customer: "Can our group arrive at 09:00?" Approved facts: reception opens at 09:30; luggage may be left from 09:30; room access starts at 15:00. Keep the reply to two sentences. Answer the early-arrival question clearly without promising an earlier room or unattended luggage storage.A two-sentence customer reply using only the approved reception, luggage and room-access times.Check that 09:00 is not accepted and room access remains 15:00.