GLM-Z1-Rumination-32B-0414 er den forskningsorienterte resonneringsutgaven i Z.ais GLM-4-0414-serie. Den er utviklet for å bruke mer tid på åpne spørsmål og benytte innhentet informasjon under resonneringen. Produsenten beskriver sammenlignende forskningsskriving og komplisert informasjonsinnhenting som typiske oppgaver. Sluttleveransen er tekst, for eksempel en analytisk rapport som knytter et spørsmål til belegget som er samlet for det.
Oppgi emnet, omfanget og sammenligningskriteriene før du samler materiale. For en rapport som sammenligner utviklingsplaner i to byer, angir du byene, perioden og aspektene som skal sammenlignes. Be om det relevante belegget, sammenligningspunktene og en egen konklusjon. En åpen oppgave blir lettere å gjennomgå når forventede deler og kildekrav er uttrykkelige.
Gi eksisterende dokumenter eller utdrag med tydelige titler og identifikatorer. Skill kildemateriale fra instruksjoner, og angi hvordan svaret skal håndtere ufullstendig eller motstridende belegg. En rapport kan skille et dokumentert faktum fra en tolkning og forklare hvilken kilde som støtter hvert vesentlige punkt.
Produsentens gjennomarbeidede verktøysløyfe omfatter søk med nøkkelord, åpning av et søkeresultat, åpning av en angitt URL og avslutning av informasjonsinnhentingen før skriving. Modellen velger en handling og argumenter; den omkringliggende applikasjonen utfører innhentingen og leverer observasjonen. Dette er en forskningsarbeidsflyt bygget rundt modellen, fremfor en antakelse om at et tekstsvar allerede har søkt på nettet.
For en applikasjon som bruker dette mønsteret, returnerer du den innhentede sidens relevante innhold med tittel og URL. Hold kildeidentifikatorene konsekvente mellom samtalerunder, slik at en senere sammenligning viser til de samme dokumentene. Be modellen presisere et søk når observasjonen ikke besvarer undersøkelsesspørsmålet, og lage sluttrapporten når det etterspurte belegget er samlet.
Det publiserte eksemplet bruker simulerte innhentingsfunksjoner for å illustrere kontrollflyten. En fungerende applikasjon stiller med sine egne implementasjoner for innhenting og avgjør når sløyfen har samlet nok informasjon. Eksemplets grense for samtalerunder og genereringsbudsjett beskriver dette eksemplet; de er ikke universelle grenser for denne utgaven.
Be om et svar organisert rundt det faktiske forskningsproblemet: funn, sammenligning, usikkerhet og konklusjon. For en dokumentsammenligning ber du modellen identifisere hvilke betingelser som er forskjellige, før den foreslår en tolkning. For et forskningsnotat definerer du målgruppen og spørsmålene det må besvare, slik at den returnerte teksten forblir knyttet til oppgaven.
Gjennomgå rapporten sammen med kildeobservasjonene. Kontroller sitater, datoer og årsakspåstander opp mot materialet som ble levert til sløyfen. Behold spørsmålet, innhentede tekstutdrag og sluttresultatet samlet når en rapport skal revideres senere. Dette bevarer belegget som trengs for å forstå hvordan konklusjonen ble nådd.
Denne oppføringen beholder identiteten Rumination 32B 0414. Den vanlige resonneringsutgaven GLM-Z1-32B-0414 og den mindre Z1-utgaven er separat navngitte utgivelser. Produsentens Rumination-kort fastslår det forskningsorienterte verktøymønsteret og inferenseksemplet; den sparsomme informasjonen om grenser bør suppleres med den faktiske grensesnittkontrakten når du forbereder en lang forespørsel.
", "aboutText": "GLM-Z1-Rumination-32B-0414 er den forskningsorienterte resonneringsutgaven i Z.ais GLM-4-0414-serie. Den er utviklet for å bruke mer tid på åpne spørsmål og benytte innhentet informasjon under resonneringen. Produsenten beskriver sammenlignende forskningsskriving og komplisert informasjonsinnhenting som typiske oppgaver. Sluttleveransen er tekst, for eksempel en analytisk rapport som knytter et spørsmål til belegget som er samlet for det.\n\n### Definer undersøkelsesspørsmålet\n\nOppgi emnet, omfanget og sammenligningskriteriene før du samler materiale. For en rapport som sammenligner utviklingsplaner i to byer, angir du byene, perioden og aspektene som skal sammenlignes. Be om det relevante belegget, sammenligningspunktene og en egen konklusjon. En åpen oppgave blir lettere å gjennomgå når forventede deler og kildekrav er uttrykkelige.\n\nGi eksisterende dokumenter eller utdrag med tydelige titler og identifikatorer. Skill kildemateriale fra instruksjoner, og angi hvordan svaret skal håndtere ufullstendig eller motstridende belegg. En rapport kan skille et dokumentert faktum fra en tolkning og forklare hvilken kilde som støtter hvert vesentlige punkt.\n\n### Søk, les og returner observasjoner\n\nProdusentens gjennomarbeidede verktøysløyfe omfatter søk med nøkkelord, åpning av et søkeresultat, åpning av en angitt URL og avslutning av informasjonsinnhentingen før skriving. Modellen velger en handling og argumenter; den omkringliggende applikasjonen utfører innhentingen og leverer observasjonen. Dette er en forskningsarbeidsflyt bygget rundt modellen, fremfor en antakelse om at et tekstsvar allerede har søkt på nettet.\n\nFor en applikasjon som bruker dette mønsteret, returnerer du den innhentede sidens relevante innhold med tittel og URL. Hold kildeidentifikatorene konsekvente mellom samtalerunder, slik at en senere sammenligning viser til de samme dokumentene. Be modellen presisere et søk når observasjonen ikke besvarer undersøkelsesspørsmålet, og lage sluttrapporten når det etterspurte belegget er samlet.\n\nDet publiserte eksemplet bruker simulerte innhentingsfunksjoner for å illustrere kontrollflyten. En fungerende applikasjon stiller med sine egne implementasjoner for innhenting og avgjør når sløyfen har samlet nok informasjon. Eksemplets grense for samtalerunder og genereringsbudsjett beskriver dette eksemplet; de er ikke universelle grenser for denne utgaven.\n\n### Forbered og gjennomgå rapporten\n\nBe om et svar organisert rundt det faktiske forskningsproblemet: funn, sammenligning, usikkerhet og konklusjon. For en dokumentsammenligning ber du modellen identifisere hvilke betingelser som er forskjellige, før den foreslår en tolkning. For et forskningsnotat definerer du målgruppen og spørsmålene det må besvare, slik at den returnerte teksten forblir knyttet til oppgaven.\n\nGjennomgå rapporten sammen med kildeobservasjonene. Kontroller sitater, datoer og årsakspåstander opp mot materialet som ble levert til sløyfen. Behold spørsmålet, innhentede tekstutdrag og sluttresultatet samlet når en rapport skal revideres senere. Dette bevarer belegget som trengs for å forstå hvordan konklusjonen ble nådd.\n\n### Behold den faste utgaven\n\nDenne oppføringen beholder identiteten Rumination 32B 0414. Den vanlige resonneringsutgaven GLM-Z1-32B-0414 og den mindre Z1-utgaven er separat navngitte utgivelser. Produsentens Rumination-kort fastslår det forskningsorienterte verktøymønsteret og inferenseksemplet; den sparsomme informasjonen om grenser bør suppleres med den faktiske grensesnittkontrakten når du forbereder en lang forespørsel.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Synthesize a source-bounded pilot comparison\n\nWrite a short research comparison from these supplied excerpts. Pilot A: staff reported faster intake, but no timing measurement was collected. Pilot B: median intake fell from 12 to 9 minutes; error counts were not recorded. Compare evidence for speed and quality, cite A or B, and state what follow-up measurement is needed before a broad conclusion.A concise comparison with findings, evidence gaps and a limited conclusion grounded in the excerpts.The report distinguishes reported impressions from measured timing and does not claim improved quality without error data.THUDM/GLM-Z1-Rumination-32B-0414GLM-Z1-Rumination-32B-0414 er en fast tekstresonneringsutgave for åpne undersøkelser og sammenlignende rapporter. Produsenten dokumenterer en søke- og lesesløyfe der applikasjonen henter kilder og returnerer observasjoner før modellen skriver resultatet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GLM-Z1-Rumination-32B-0414 er den forskningsorienterte resonneringsutgaven i Z.ais GLM-4-0414-serie. Den er utviklet for å bruke mer tid på åpne spørsmål og benytte innhentet informasjon under resonneringen. Produsenten beskriver sammenlignende forskningsskriving og komplisert informasjonsinnhenting som typiske oppgaver. Sluttleveransen er tekst, for eksempel en analytisk rapport som knytter et spørsmål til belegget som er samlet for det.
Oppgi emnet, omfanget og sammenligningskriteriene før du samler materiale. For en rapport som sammenligner utviklingsplaner i to byer, angir du byene, perioden og aspektene som skal sammenlignes. Be om det relevante belegget, sammenligningspunktene og en egen konklusjon. En åpen oppgave blir lettere å gjennomgå når forventede deler og kildekrav er uttrykkelige.
Gi eksisterende dokumenter eller utdrag med tydelige titler og identifikatorer. Skill kildemateriale fra instruksjoner, og angi hvordan svaret skal håndtere ufullstendig eller motstridende belegg. En rapport kan skille et dokumentert faktum fra en tolkning og forklare hvilken kilde som støtter hvert vesentlige punkt.
Produsentens gjennomarbeidede verktøysløyfe omfatter søk med nøkkelord, åpning av et søkeresultat, åpning av en angitt URL og avslutning av informasjonsinnhentingen før skriving. Modellen velger en handling og argumenter; den omkringliggende applikasjonen utfører innhentingen og leverer observasjonen. Dette er en forskningsarbeidsflyt bygget rundt modellen, fremfor en antakelse om at et tekstsvar allerede har søkt på nettet.
For en applikasjon som bruker dette mønsteret, returnerer du den innhentede sidens relevante innhold med tittel og URL. Hold kildeidentifikatorene konsekvente mellom samtalerunder, slik at en senere sammenligning viser til de samme dokumentene. Be modellen presisere et søk når observasjonen ikke besvarer undersøkelsesspørsmålet, og lage sluttrapporten når det etterspurte belegget er samlet.
Det publiserte eksemplet bruker simulerte innhentingsfunksjoner for å illustrere kontrollflyten. En fungerende applikasjon stiller med sine egne implementasjoner for innhenting og avgjør når sløyfen har samlet nok informasjon. Eksemplets grense for samtalerunder og genereringsbudsjett beskriver dette eksemplet; de er ikke universelle grenser for denne utgaven.
Be om et svar organisert rundt det faktiske forskningsproblemet: funn, sammenligning, usikkerhet og konklusjon. For en dokumentsammenligning ber du modellen identifisere hvilke betingelser som er forskjellige, før den foreslår en tolkning. For et forskningsnotat definerer du målgruppen og spørsmålene det må besvare, slik at den returnerte teksten forblir knyttet til oppgaven.
Gjennomgå rapporten sammen med kildeobservasjonene. Kontroller sitater, datoer og årsakspåstander opp mot materialet som ble levert til sløyfen. Behold spørsmålet, innhentede tekstutdrag og sluttresultatet samlet når en rapport skal revideres senere. Dette bevarer belegget som trengs for å forstå hvordan konklusjonen ble nådd.
Denne oppføringen beholder identiteten Rumination 32B 0414. Den vanlige resonneringsutgaven GLM-Z1-32B-0414 og den mindre Z1-utgaven er separat navngitte utgivelser. Produsentens Rumination-kort fastslår det forskningsorienterte verktøymønsteret og inferenseksemplet; den sparsomme informasjonen om grenser bør suppleres med den faktiske grensesnittkontrakten når du forbereder en lang forespørsel.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser THUDM/GLM-Z1-Rumination-32B-0414 | 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 $0.00014 / 1K tokener Utdata · Utgående tokener $0.00014 / 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": "THUDM/GLM-Z1-Rumination-32B-0414", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='THUDM/GLM-Z1-Rumination-32B-0414',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='THUDM/GLM-Z1-Rumination-32B-0414',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 THUDM/GLM-Z1-Rumination-32B-0414
Bruk metodestiene som vises ovenfor.
THUDM/GLM-Z1-Rumination-32B-0414GLM-Z1-Rumination-32B-0414 er en fast tekstresonneringsutgave for åpne undersøkelser og sammenlignende rapporter. Produsenten dokumenterer en søke- og lesesløyfe der applikasjonen henter kilder og returnerer observasjoner før modellen skriver resultatet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GLM-Z1-Rumination-32B-0414 er den forskningsorienterte resonneringsutgaven i Z.ais GLM-4-0414-serie. Den er utviklet for å bruke mer tid på åpne spørsmål og benytte innhentet informasjon under resonneringen. Produsenten beskriver sammenlignende forskningsskriving og komplisert informasjonsinnhenting som typiske oppgaver. Sluttleveransen er tekst, for eksempel en analytisk rapport som knytter et spørsmål til belegget som er samlet for det.
Oppgi emnet, omfanget og sammenligningskriteriene før du samler materiale. For en rapport som sammenligner utviklingsplaner i to byer, angir du byene, perioden og aspektene som skal sammenlignes. Be om det relevante belegget, sammenligningspunktene og en egen konklusjon. En åpen oppgave blir lettere å gjennomgå når forventede deler og kildekrav er uttrykkelige.
Gi eksisterende dokumenter eller utdrag med tydelige titler og identifikatorer. Skill kildemateriale fra instruksjoner, og angi hvordan svaret skal håndtere ufullstendig eller motstridende belegg. En rapport kan skille et dokumentert faktum fra en tolkning og forklare hvilken kilde som støtter hvert vesentlige punkt.
Produsentens gjennomarbeidede verktøysløyfe omfatter søk med nøkkelord, åpning av et søkeresultat, åpning av en angitt URL og avslutning av informasjonsinnhentingen før skriving. Modellen velger en handling og argumenter; den omkringliggende applikasjonen utfører innhentingen og leverer observasjonen. Dette er en forskningsarbeidsflyt bygget rundt modellen, fremfor en antakelse om at et tekstsvar allerede har søkt på nettet.
For en applikasjon som bruker dette mønsteret, returnerer du den innhentede sidens relevante innhold med tittel og URL. Hold kildeidentifikatorene konsekvente mellom samtalerunder, slik at en senere sammenligning viser til de samme dokumentene. Be modellen presisere et søk når observasjonen ikke besvarer undersøkelsesspørsmålet, og lage sluttrapporten når det etterspurte belegget er samlet.
Det publiserte eksemplet bruker simulerte innhentingsfunksjoner for å illustrere kontrollflyten. En fungerende applikasjon stiller med sine egne implementasjoner for innhenting og avgjør når sløyfen har samlet nok informasjon. Eksemplets grense for samtalerunder og genereringsbudsjett beskriver dette eksemplet; de er ikke universelle grenser for denne utgaven.
Be om et svar organisert rundt det faktiske forskningsproblemet: funn, sammenligning, usikkerhet og konklusjon. For en dokumentsammenligning ber du modellen identifisere hvilke betingelser som er forskjellige, før den foreslår en tolkning. For et forskningsnotat definerer du målgruppen og spørsmålene det må besvare, slik at den returnerte teksten forblir knyttet til oppgaven.
Gjennomgå rapporten sammen med kildeobservasjonene. Kontroller sitater, datoer og årsakspåstander opp mot materialet som ble levert til sløyfen. Behold spørsmålet, innhentede tekstutdrag og sluttresultatet samlet når en rapport skal revideres senere. Dette bevarer belegget som trengs for å forstå hvordan konklusjonen ble nådd.
Denne oppføringen beholder identiteten Rumination 32B 0414. Den vanlige resonneringsutgaven GLM-Z1-32B-0414 og den mindre Z1-utgaven er separat navngitte utgivelser. Produsentens Rumination-kort fastslår det forskningsorienterte verktøymønsteret og inferenseksemplet; den sparsomme informasjonen om grenser bør suppleres med den faktiske grensesnittkontrakten når du forbereder en lang forespørsel.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser THUDM/GLM-Z1-Rumination-32B-0414 | 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 $0.00014 / 1K tokener Utdata · Utgående tokener $0.00014 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "THUDM/GLM-Z1-Rumination-32B-0414",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'THUDM/GLM-Z1-Rumination-32B-0414', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'THUDM/GLM-Z1-Rumination-32B-0414', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 THUDM/GLM-Z1-Rumination-32B-0414
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Synthesize a source-bounded pilot comparison\n\nWrite a short research comparison from these supplied excerpts. Pilot A: staff reported faster intake, but no timing measurement was collected. Pilot B: median intake fell from 12 to 9 minutes; error counts were not recorded. Compare evidence for speed and quality, cite A or B, and state what follow-up measurement is needed before a broad conclusion.A concise comparison with findings, evidence gaps and a limited conclusion grounded in the excerpts.The report distinguishes reported impressions from measured timing and does not claim improved quality without error data.