GLM-4V er Zhipu AI sin modell for visjon og språk som kombinerer et bilde med et skriftlig spørsmål. Produsentens eksempel på nativ multimodal bruk gir begge delene i én brukermelding og returnerer et tekstsvar. Veiledningen for agentutvikling identifiserer på samme måte GLM-4V som en bilde-til-tekst-modell, noe som gjør kildebildet og ordlyden i spørsmålet til de sentrale inndataene i oppgaven.
Velg bildet som inneholder bevisene som trengs for svaret og si deretter hva som skal undersøkes. Et generelt spørsmål kan be om en beskrivelse av scenen; et fokusert spørsmål kan identifisere et objekt, en etikett eller en relasjon som skal forklares. Gi nok kontekst til å avklare oppgaven, som hvilken gjenstand i et produktfoto som er viktig eller hvilket område i et skjermbilde som skal beskrives.
Produsentens eksempel bruker et JPEG-bilde kodet som en bildereferanse sammen med tekstspørsmålet. Bevar originalbildet når du forbereder forespørselen, særlig hvis en beskjæring ville fjernet etiketter eller omkringliggende kontekst. For en illustrerende støtteoppgave gir du skjermbildet og ber om en beskrivelse av den synlige tilstanden, og holder den nøyaktige meldingen på skjermen atskilt fra en foreslått forklaring av årsaken til den.
Angi om resultatet skal være en bildetekst, en kort forklaring, en ordnet beskrivelse eller et arbeidsnotat med separate observasjoner. For et inventarfoto er en illustrerende brief: «Beskriv de synlige objektene og oppstillingen deres; identifiser gjenstanden angitt i spørsmålet mitt.» For et dokumentbilde spør du om det synlige tekstutdraget og beholder bilde- eller sideidentifikatoren sammen med svaret.
Hold spørsmålet smalt nok til at de relevante bevisene fortsatt er lette å granske. Hvis neste trinn krever et navn, et tall eller en sitert etikett, ber du om dette elementet separat og sammenligner den returnerte ordlyden med originalbildet.
Produsentens agentarbeidsflyt knytter det opplastede bildet til et navngitt inndatafelt og den tilhørende ledeteksten. Behold denne forbindelsen når samtalen fortsetter. En nyttig oppfølging navngir det samme bildet og snevrer inn spørsmålet til et bestemt område eller en relasjon, slik at neste svar viser til det tiltenkte materialet.
Lagre den ferdige teksten sammen med bildeidentifikatoren, spørsmålet og eventuell områdereferanse brukt i oppgaven. Dette gir en praktisk overlevering for en samtale med visuell assistanse, en katalogbeskrivelse eller et kildeforankret dokumentnotat. Modellens rolle er å tolke det oppgitte bildet til språk; originalbildet forblir tilgjengelig for kontroll av bestemte detaljer og justering av neste spørsmål.
", "aboutText": "GLM-4V er Zhipu AI sin modell for visjon og språk som kombinerer et bilde med et skriftlig spørsmål. Produsentens eksempel på nativ multimodal bruk gir begge delene i én brukermelding og returnerer et tekstsvar. Veiledningen for agentutvikling identifiserer på samme måte GLM-4V som en bilde-til-tekst-modell, noe som gjør kildebildet og ordlyden i spørsmålet til de sentrale inndataene i oppgaven.\n\n### Plasser spørsmålet ved siden av bildet\n\nVelg bildet som inneholder bevisene som trengs for svaret og si deretter hva som skal undersøkes. Et generelt spørsmål kan be om en beskrivelse av scenen; et fokusert spørsmål kan identifisere et objekt, en etikett eller en relasjon som skal forklares. Gi nok kontekst til å avklare oppgaven, som hvilken gjenstand i et produktfoto som er viktig eller hvilket område i et skjermbilde som skal beskrives.\n\nProdusentens eksempel bruker et JPEG-bilde kodet som en bildereferanse sammen med tekstspørsmålet. Bevar originalbildet når du forbereder forespørselen, særlig hvis en beskjæring ville fjernet etiketter eller omkringliggende kontekst. For en illustrerende støtteoppgave gir du skjermbildet og ber om en beskrivelse av den synlige tilstanden, og holder den nøyaktige meldingen på skjermen atskilt fra en foreslått forklaring av årsaken til den.\n\n### Gjør den forventede skriftlige leveransen uttrykkelig\n\nAngi om resultatet skal være en bildetekst, en kort forklaring, en ordnet beskrivelse eller et arbeidsnotat med separate observasjoner. For et inventarfoto er en illustrerende brief: «Beskriv de synlige objektene og oppstillingen deres; identifiser gjenstanden angitt i spørsmålet mitt.» For et dokumentbilde spør du om det synlige tekstutdraget og beholder bilde- eller sideidentifikatoren sammen med svaret.\n\nHold spørsmålet smalt nok til at de relevante bevisene fortsatt er lette å granske. Hvis neste trinn krever et navn, et tall eller en sitert etikett, ber du om dette elementet separat og sammenligner den returnerte ordlyden med originalbildet.\n\n### Ta bildet med inn i en visuell samtale\n\nProdusentens agentarbeidsflyt knytter det opplastede bildet til et navngitt inndatafelt og den tilhørende ledeteksten. Behold denne forbindelsen når samtalen fortsetter. En nyttig oppfølging navngir det samme bildet og snevrer inn spørsmålet til et bestemt område eller en relasjon, slik at neste svar viser til det tiltenkte materialet.\n\nLagre den ferdige teksten sammen med bildeidentifikatoren, spørsmålet og eventuell områdereferanse brukt i oppgaven. Dette gir en praktisk overlevering for en samtale med visuell assistanse, en katalogbeskrivelse eller et kildeforankret dokumentnotat. Modellens rolle er å tolke det oppgitte bildet til språk; originalbildet forblir tilgjengelig for kontroll av bestemte detaljer og justering av neste spørsmål.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Explain a transcribed screen state\n\nUse this screenshot transcription only: heading 'Export orders'; format 'CSV'; button 'Download' disabled; note 'Select at least one order'; selected count '0'. Write a two-sentence help message explaining the visible state and the next user step. Keep the visible note separate from any cause you cannot verify.Two help sentences grounded in the selected count, disabled button and selection note.The message asks the user to select an order and introduces no unsupported account, network or permission diagnosis.glm-4vGLM-4V er Zhipu AI sin modell for visjon og språk som lar deg stille spørsmål om et bilde og få et skriftlig svar. Gi bildet sammen med en fokusert tekstledetekst for å lage en beskrivelse, tolke en synlig detalj eller utarbeide et visuelt notat knyttet til bevismaterialet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GLM-4V er Zhipu AI sin modell for visjon og språk som kombinerer et bilde med et skriftlig spørsmål. Produsentens eksempel på nativ multimodal bruk gir begge delene i én brukermelding og returnerer et tekstsvar. Veiledningen for agentutvikling identifiserer på samme måte GLM-4V som en bilde-til-tekst-modell, noe som gjør kildebildet og ordlyden i spørsmålet til de sentrale inndataene i oppgaven.
Velg bildet som inneholder bevisene som trengs for svaret og si deretter hva som skal undersøkes. Et generelt spørsmål kan be om en beskrivelse av scenen; et fokusert spørsmål kan identifisere et objekt, en etikett eller en relasjon som skal forklares. Gi nok kontekst til å avklare oppgaven, som hvilken gjenstand i et produktfoto som er viktig eller hvilket område i et skjermbilde som skal beskrives.
Produsentens eksempel bruker et JPEG-bilde kodet som en bildereferanse sammen med tekstspørsmålet. Bevar originalbildet når du forbereder forespørselen, særlig hvis en beskjæring ville fjernet etiketter eller omkringliggende kontekst. For en illustrerende støtteoppgave gir du skjermbildet og ber om en beskrivelse av den synlige tilstanden, og holder den nøyaktige meldingen på skjermen atskilt fra en foreslått forklaring av årsaken til den.
Angi om resultatet skal være en bildetekst, en kort forklaring, en ordnet beskrivelse eller et arbeidsnotat med separate observasjoner. For et inventarfoto er en illustrerende brief: «Beskriv de synlige objektene og oppstillingen deres; identifiser gjenstanden angitt i spørsmålet mitt.» For et dokumentbilde spør du om det synlige tekstutdraget og beholder bilde- eller sideidentifikatoren sammen med svaret.
Hold spørsmålet smalt nok til at de relevante bevisene fortsatt er lette å granske. Hvis neste trinn krever et navn, et tall eller en sitert etikett, ber du om dette elementet separat og sammenligner den returnerte ordlyden med originalbildet.
Produsentens agentarbeidsflyt knytter det opplastede bildet til et navngitt inndatafelt og den tilhørende ledeteksten. Behold denne forbindelsen når samtalen fortsetter. En nyttig oppfølging navngir det samme bildet og snevrer inn spørsmålet til et bestemt område eller en relasjon, slik at neste svar viser til det tiltenkte materialet.
Lagre den ferdige teksten sammen med bildeidentifikatoren, spørsmålet og eventuell områdereferanse brukt i oppgaven. Dette gir en praktisk overlevering for en samtale med visuell assistanse, en katalogbeskrivelse eller et kildeforankret dokumentnotat. Modellens rolle er å tolke det oppgitte bildet til språk; originalbildet forblir tilgjengelig for kontroll av bestemte detaljer og justering av neste spørsmål.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser glm-4v | 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 $0.014 / 1K tokener Utdata · Utgående tokener $0.014 / 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-4v", "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-4v',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-4v',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-4v
Bruk metodestiene som vises ovenfor.
glm-4vGLM-4V er Zhipu AI sin modell for visjon og språk som lar deg stille spørsmål om et bilde og få et skriftlig svar. Gi bildet sammen med en fokusert tekstledetekst for å lage en beskrivelse, tolke en synlig detalj eller utarbeide et visuelt notat knyttet til bevismaterialet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GLM-4V er Zhipu AI sin modell for visjon og språk som kombinerer et bilde med et skriftlig spørsmål. Produsentens eksempel på nativ multimodal bruk gir begge delene i én brukermelding og returnerer et tekstsvar. Veiledningen for agentutvikling identifiserer på samme måte GLM-4V som en bilde-til-tekst-modell, noe som gjør kildebildet og ordlyden i spørsmålet til de sentrale inndataene i oppgaven.
Velg bildet som inneholder bevisene som trengs for svaret og si deretter hva som skal undersøkes. Et generelt spørsmål kan be om en beskrivelse av scenen; et fokusert spørsmål kan identifisere et objekt, en etikett eller en relasjon som skal forklares. Gi nok kontekst til å avklare oppgaven, som hvilken gjenstand i et produktfoto som er viktig eller hvilket område i et skjermbilde som skal beskrives.
Produsentens eksempel bruker et JPEG-bilde kodet som en bildereferanse sammen med tekstspørsmålet. Bevar originalbildet når du forbereder forespørselen, særlig hvis en beskjæring ville fjernet etiketter eller omkringliggende kontekst. For en illustrerende støtteoppgave gir du skjermbildet og ber om en beskrivelse av den synlige tilstanden, og holder den nøyaktige meldingen på skjermen atskilt fra en foreslått forklaring av årsaken til den.
Angi om resultatet skal være en bildetekst, en kort forklaring, en ordnet beskrivelse eller et arbeidsnotat med separate observasjoner. For et inventarfoto er en illustrerende brief: «Beskriv de synlige objektene og oppstillingen deres; identifiser gjenstanden angitt i spørsmålet mitt.» For et dokumentbilde spør du om det synlige tekstutdraget og beholder bilde- eller sideidentifikatoren sammen med svaret.
Hold spørsmålet smalt nok til at de relevante bevisene fortsatt er lette å granske. Hvis neste trinn krever et navn, et tall eller en sitert etikett, ber du om dette elementet separat og sammenligner den returnerte ordlyden med originalbildet.
Produsentens agentarbeidsflyt knytter det opplastede bildet til et navngitt inndatafelt og den tilhørende ledeteksten. Behold denne forbindelsen når samtalen fortsetter. En nyttig oppfølging navngir det samme bildet og snevrer inn spørsmålet til et bestemt område eller en relasjon, slik at neste svar viser til det tiltenkte materialet.
Lagre den ferdige teksten sammen med bildeidentifikatoren, spørsmålet og eventuell områdereferanse brukt i oppgaven. Dette gir en praktisk overlevering for en samtale med visuell assistanse, en katalogbeskrivelse eller et kildeforankret dokumentnotat. Modellens rolle er å tolke det oppgitte bildet til språk; originalbildet forblir tilgjengelig for kontroll av bestemte detaljer og justering av neste spørsmål.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser glm-4v | 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 $0.014 / 1K tokener Utdata · Utgående tokener $0.014 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "glm-4v",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4v', '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-4v', '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-4v
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Explain a transcribed screen state\n\nUse this screenshot transcription only: heading 'Export orders'; format 'CSV'; button 'Download' disabled; note 'Select at least one order'; selected count '0'. Write a two-sentence help message explaining the visible state and the next user step. Keep the visible note separate from any cause you cannot verify.Two help sentences grounded in the selected count, disabled button and selection note.The message asks the user to select an order and introduces no unsupported account, network or permission diagnosis.