GLM 5.3 Flash kombinerer forståelse av tekst, bilder, video og filer. Den produserer et tekstsvar og er ment for koding med visuell tilbakemelding, dokumentbehandling og profesjonelle oppgaver. De publiserte spesifikasjonene angir et kontekstvindu på opptil én million tokener og maksimale utdata på 128 000 tokener.
Modellen inneholder 320 milliarder parametere, med 18 milliarder aktive. Hybrid oppmerksomhet kombinerer sparsom og lineær behandling, mens spesialiserte forbindelser mellom lag bidrar til å opprettholde stabilitet når skalaen øker. Multimodalt materiale inngår i forhåndstreningen.
Visuell informasjon deltar i arbeidsflyten: en assistent undersøker et grensesnitt eller et gjengitt resultat, sammenligner det med oppgaven og foreslår rettelser. Dette forklarer produsentens vektlegging av å kontrollere det faktiske visuelle resultatet etter at kode er skrevet.
Resonnering er alltid aktivert. Dybden velges gjennom low, high og max; en deaktivert modus finnes ikke. Resonneringshistorikken kan beholdes mellom trinn i lange arbeidsflyter.
For et verktøy produserer modellen et funksjonsnavn og argumenter, applikasjonen utfører handlingen og sender resultatet tilbake. JSON egner seg til programmatisk behandling av svar: forventede felt angis gjennom instruksjoner, mens syntaks og betydningen av verdier kontrolleres separat. Strømming gjør det mulig å motta tekst gradvis.
Bufring av en gjentatt instruksjon eller historikk bidrar til å gjenbruke behandlet kontekst. Ifølge Z.ai reduserer dette gjentatt behandling i egnede oppgaver; faktisk gjenbruk bestemmes av resultatet fra den enkelte forespørselen.
Modellen kan analysere flere skjermbilder av ett produkt, relasjoner mellom sider, delte komponenter, grensesnitttilstander og animasjoner. I et agentmiljø med verktøy skriver den kode, kjører en applikasjon, gransker skjermbilder av resultatet og retter avvik. I spillutvikling dekker denne syklusen regler, bevegelse, interaksjoner, poeng og avslutning av en spilløkt.
For presentasjoner, rapporter og regneark vurderer modellen innhold sammen med oppsett: tekst, bilder, diagrammer og plassering av elementer. Gjennom verktøy kan den opprette og kontrollere PPTX-, PDF-, DOCX- og XLSX-materiale. Disse filene er applikasjonsresultater; modellens direkte svar er fortsatt tekst.
Finansanalyse omfatter arbeid med rapportering, kontroll av formelkonsistens og separat vurdering av offentliggjorte data, antakelser og konklusjoner. I arbeidsflyten produsenten beskriver, kommer dataene fra oppgavematerialet.
I et agentmiljø kan modellen analysere video, hendelsenes tidsrekkefølge, deltakernes visuelle kjennetegn og undertekster. Verktøy sørger for redigering og lagring av resultatet.
Når den arbeider med en tredimensjonal scene eller tegning, knytter den sammen romlige beskrivelser, proporsjoner og synlige resultater. Verktøysyklusen omfatter konstruksjon, gjengivelse fra et angitt synspunkt, visuell sammenligning og retting. På samme måte kan modellen analysere en applikasjonsskjerm og bidra til trinnvis grensesnittarbeid.
Disse arbeidsflytene beskriver modellegenskaper i et miljø med de nødvendige verktøyene. Hvilket materiale som godtas, bestemmes av den valgte metoden; visuell forståelse betyr ikke at behandling av video eller filer, eller oppretting av de oppgitte leveransene, automatisk er tilgjengelig i hver forespørsel.
", "aboutText": "### En multimodal modell for arbeid\n\nGLM 5.3 Flash kombinerer forståelse av tekst, bilder, video og filer. Den produserer et tekstsvar og er ment for koding med visuell tilbakemelding, dokumentbehandling og profesjonelle oppgaver. De publiserte spesifikasjonene angir et kontekstvindu på opptil én million tokener og maksimale utdata på 128 000 tokener.\n\n### Arkitektur for lang kontekst\n\nModellen inneholder 320 milliarder parametere, med 18 milliarder aktive. Hybrid oppmerksomhet kombinerer sparsom og lineær behandling, mens spesialiserte forbindelser mellom lag bidrar til å opprettholde stabilitet når skalaen øker. Multimodalt materiale inngår i forhåndstreningen.\n\nVisuell informasjon deltar i arbeidsflyten: en assistent undersøker et grensesnitt eller et gjengitt resultat, sammenligner det med oppgaven og foreslår rettelser. Dette forklarer produsentens vektlegging av å kontrollere det faktiske visuelle resultatet etter at kode er skrevet.\n\n### Resonnering, verktøy og data\n\nResonnering er alltid aktivert. Dybden velges gjennom `low`, `high` og `max`; en deaktivert modus finnes ikke. Resonneringshistorikken kan beholdes mellom trinn i lange arbeidsflyter.\n\nFor et verktøy produserer modellen et funksjonsnavn og argumenter, applikasjonen utfører handlingen og sender resultatet tilbake. JSON egner seg til programmatisk behandling av svar: forventede felt angis gjennom instruksjoner, mens syntaks og betydningen av verdier kontrolleres separat. Strømming gjør det mulig å motta tekst gradvis.\n\nBufring av en gjentatt instruksjon eller historikk bidrar til å gjenbruke behandlet kontekst. Ifølge Z.ai reduserer dette gjentatt behandling i egnede oppgaver; faktisk gjenbruk bestemmes av resultatet fra den enkelte forespørselen.\n\n### Utvikling fra en visuell ledetekst\n\nModellen kan analysere flere skjermbilder av ett produkt, relasjoner mellom sider, delte komponenter, grensesnitttilstander og animasjoner. I et agentmiljø med verktøy skriver den kode, kjører en applikasjon, gransker skjermbilder av resultatet og retter avvik. I spillutvikling dekker denne syklusen regler, bevegelse, interaksjoner, poeng og avslutning av en spilløkt.\n\n### Dokumenter og profesjonell analyse\n\nFor presentasjoner, rapporter og regneark vurderer modellen innhold sammen med oppsett: tekst, bilder, diagrammer og plassering av elementer. Gjennom verktøy kan den opprette og kontrollere PPTX-, PDF-, DOCX- og XLSX-materiale. Disse filene er applikasjonsresultater; modellens direkte svar er fortsatt tekst.\n\nFinansanalyse omfatter arbeid med rapportering, kontroll av formelkonsistens og separat vurdering av offentliggjorte data, antakelser og konklusjoner. I arbeidsflyten produsenten beskriver, kommer dataene fra oppgavematerialet.\n\n### Video, tredimensjonale scener og grensesnitt\n\nI et agentmiljø kan modellen analysere video, hendelsenes tidsrekkefølge, deltakernes visuelle kjennetegn og undertekster. Verktøy sørger for redigering og lagring av resultatet.\n\nNår den arbeider med en tredimensjonal scene eller tegning, knytter den sammen romlige beskrivelser, proporsjoner og synlige resultater. Verktøysyklusen omfatter konstruksjon, gjengivelse fra et angitt synspunkt, visuell sammenligning og retting. På samme måte kan modellen analysere en applikasjonsskjerm og bidra til trinnvis grensesnittarbeid.\n\nDisse arbeidsflytene beskriver modellegenskaper i et miljø med de nødvendige verktøyene. Hvilket materiale som godtas, bestemmes av den valgte metoden; visuell forståelse betyr ikke at behandling av video eller filer, eller oppretting av de oppgitte leveransene, automatisk er tilgjengelig i hver forespørsel.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "7d298799cbfb54dbef75f34eb421b172f686fcbae83ab971341db0b763bc84b3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "z-ai/glm-5.3-flash:batchGLM 5.3 Flash er en multimodal Z.ai-modell for visuell utvikling, dokumentanalyse og agentarbeid med tekst som resultat.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GLM 5.3 Flash kombinerer forståelse av tekst, bilder, video og filer. Den produserer et tekstsvar og er ment for koding med visuell tilbakemelding, dokumentbehandling og profesjonelle oppgaver. De publiserte spesifikasjonene angir et kontekstvindu på opptil én million tokener og maksimale utdata på 128 000 tokener.
Modellen inneholder 320 milliarder parametere, med 18 milliarder aktive. Hybrid oppmerksomhet kombinerer sparsom og lineær behandling, mens spesialiserte forbindelser mellom lag bidrar til å opprettholde stabilitet når skalaen øker. Multimodalt materiale inngår i forhåndstreningen.
Visuell informasjon deltar i arbeidsflyten: en assistent undersøker et grensesnitt eller et gjengitt resultat, sammenligner det med oppgaven og foreslår rettelser. Dette forklarer produsentens vektlegging av å kontrollere det faktiske visuelle resultatet etter at kode er skrevet.
Resonnering er alltid aktivert. Dybden velges gjennom low, high og max; en deaktivert modus finnes ikke. Resonneringshistorikken kan beholdes mellom trinn i lange arbeidsflyter.
For et verktøy produserer modellen et funksjonsnavn og argumenter, applikasjonen utfører handlingen og sender resultatet tilbake. JSON egner seg til programmatisk behandling av svar: forventede felt angis gjennom instruksjoner, mens syntaks og betydningen av verdier kontrolleres separat. Strømming gjør det mulig å motta tekst gradvis.
Bufring av en gjentatt instruksjon eller historikk bidrar til å gjenbruke behandlet kontekst. Ifølge Z.ai reduserer dette gjentatt behandling i egnede oppgaver; faktisk gjenbruk bestemmes av resultatet fra den enkelte forespørselen.
Modellen kan analysere flere skjermbilder av ett produkt, relasjoner mellom sider, delte komponenter, grensesnitttilstander og animasjoner. I et agentmiljø med verktøy skriver den kode, kjører en applikasjon, gransker skjermbilder av resultatet og retter avvik. I spillutvikling dekker denne syklusen regler, bevegelse, interaksjoner, poeng og avslutning av en spilløkt.
For presentasjoner, rapporter og regneark vurderer modellen innhold sammen med oppsett: tekst, bilder, diagrammer og plassering av elementer. Gjennom verktøy kan den opprette og kontrollere PPTX-, PDF-, DOCX- og XLSX-materiale. Disse filene er applikasjonsresultater; modellens direkte svar er fortsatt tekst.
Finansanalyse omfatter arbeid med rapportering, kontroll av formelkonsistens og separat vurdering av offentliggjorte data, antakelser og konklusjoner. I arbeidsflyten produsenten beskriver, kommer dataene fra oppgavematerialet.
I et agentmiljø kan modellen analysere video, hendelsenes tidsrekkefølge, deltakernes visuelle kjennetegn og undertekster. Verktøy sørger for redigering og lagring av resultatet.
Når den arbeider med en tredimensjonal scene eller tegning, knytter den sammen romlige beskrivelser, proporsjoner og synlige resultater. Verktøysyklusen omfatter konstruksjon, gjengivelse fra et angitt synspunkt, visuell sammenligning og retting. På samme måte kan modellen analysere en applikasjonsskjerm og bidra til trinnvis grensesnittarbeid.
Disse arbeidsflytene beskriver modellegenskaper i et miljø med de nødvendige verktøyene. Hvilket materiale som godtas, bestemmes av den valgte metoden; visuell forståelse betyr ikke at behandling av video eller filer, eller oppretting av de oppgitte leveransene, automatisk er tilgjengelig i hver forespørsel.
POST /v1/batchestexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrevd | Verdier & grenser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser z-ai/glm-5.3-flash:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltcompletion_window | Typestring | KravValgfritt | Verdier & grenser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfritt | Verdier & grenser | Standard— |
Feltrequests[].body.model | Typestring | KravValgfritt | Verdier & grenser z-ai/glm-5.3-flash:batch, z-ai/glm-5.3-flash | Standard— |
Feltprovider.only | Typestring[] | KravValgfritt | Verdier & grenser deepinfra/fp4 | Standard— |
Feltprovider.allow_fallbacks | Typeboolean|null | KravValgfritt | Verdier & grenser false, null | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtaleendpoint, model, requests |
Parametermaterial_types | Avtaletext |
Parameterrepresentation | Avtalerequests[] direkte i forespørselen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Avtale/v1/chat/completions |
Parameterfile_material | AvtaleKlienten kan lese det faktiske UTF-8-kodede JSONL-innholdet lokalt inn i requests[]. Feltet purpose for opplasting, input_file_id og filreferanser brukes ikke. Manglende eller tomt kundemateriale stopper klargjøringen før POST. |
Parameterserialization_order | Avtaleendpoint, model, provider (hvis angitt), completion_window (hvis angitt), requests til slutt |
Parameteroptional_controls | Avtaleprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | AvtaleForespørselsinnhold for tekstbasert Chat Completions lagt direkte inn i det dokumenterte Batch-formatet. |
Livssyklus: asynchronous
GET /v1/batches/{operation_id} · faktisk response.id fra den opprinnelige opprettelsen; samme bruker/nøkkel/gruppe
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00012 / 1K tokener Utdata · Utgående tokener $0.0004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000024 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00012 / 1K tokener Utdata · Utgående tokener $0.0004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000024 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"z-ai/glm-5.3-flash:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['z-ai/glm-5.3-flash:batch', 'z-ai/glm-5.3-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"z-ai/glm-5.3-flash:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON fra results[].response.body direkte i svaret
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBehold alle fullstendige returnerte svar, filer og innholdsdeler.
Bevar hele den opprinnelige statusresponsen i JSON, alle resultater og custom_id-verdier samt hele svar- eller feilinnholdet. Lagre fullførte results[] som JSONL uten filtrering.
Bevar den opprinnelige operasjons-ID-en. 503 result_pending_check har X-Should-Retry:false; send aldri den opprinnelige batchen på nytt når utfallet er ukjent.
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Feltid | Typestring |
Feltmodel | Typestring |
Feltendpoint | Typestring |
Feltstatus | Typestring |
Feltrequest_counts | Typeobject |
Feltresults[].id | Typestring |
Feltresults[].response.status_code | Typeinteger |
Feltresults[].response.request_id | Typestring |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldig struktur i det dokumenterte formatet med innebygde forespørsler, dupliserte nøkler, ugyldig elementidentitet eller konflikt med modellens konfigurerte funksjoner. | Neste trinnRett de angitte feltene før du sender en ny forespørsel. |
Svar401 · authentication_error | VilkårUgyldig API-nøkkel. | Neste trinnBruk den autoriserte Ailoot-nøkkelen. |
Svar403 · permission_error | VilkårGruppen for batchbehandling er ikke tilgjengelig. | Neste trinnKontroller tilgangsrettighetene til nøkkelen/gruppen. |
Svar422 · invalid_request_error | VilkårBatch belastes saldoen; opprettelse via abonnement avvises. | Neste trinnBruk den autoriserte gruppen som belastes saldoen. |
Svar422 · price_unavailable | VilkårDet kan ikke beregnes en pris for batchens inndata. | Neste trinnBevar svaret; bruk de dokumenterte inndataene for API-familien. |
Svar402 · billing_error | VilkårBeløpsreservasjon for batchbehandling er ikke tilgjengelig. | Neste trinnLøs problemet som hindrer forespørselen i å bli godkjent før du sender en ny forespørsel. |
Svar503 · price_unavailable | VilkårPris for Batch-metoden eller systemets innebygde satser er ikke tilgjengelige. | Neste trinnBevar svaret; ikke erstatt prisene. |
Svar503 · api_error | VilkårDen nøyaktige leverandørruten er ikke tilgjengelig. | Neste trinnBevar svaret slik at ruten kan repareres. |
Svar503 · result_pending_check | VilkårDet opprinnelige resultatet må kontrolleres; X-Should-Retry:false. | Neste trinnBevar opprinnelig operation_id/id og les statusen; gjenta aldri den opprinnelige POST-forespørselen. |
Svar404 · not_found | VilkårStatusoperasjonen for batchen finnes ikke eller tilhører en annen identitet. | Neste trinnBruk nøyaktig den opprinnelige id-verdien og samme bruker/nøkkel/gruppe. |
Ailoot Ultra z-ai/glm-5.3-flash:batch
Bruk metodestiene som vises ovenfor.