GLM-5.3-FlashX er FlashX-utgaven i den nativt multimodale GLM-5.3-Flash-familien fra Z.ai. Produsenten presenterer modellparet for visuell koding og profesjonelt arbeid, der tekst kombineres med bilder, video og filer mens utdataene er tekst. FlashX har et eget navn for raskere inferens i produsentens tjeneste. En nyttig brief kan be om en implementering basert på skjermbilder, en dokumentbasert analyse eller en plan som en applikasjon utfører med verktøy. Kilden oppgir begge modellkodene; tjenesteidentitetene deres forblir atskilt.
Familien bruker en hybriddesign med sparsom og lineær oppmerksomhet og beskrives med 320 milliarder parametere totalt og 18 milliarder aktiverte. Sparsom oppmerksomhet henter global informasjon, mens lineær oppmerksomhet modellerer lokale avhengigheter; produsenten beskriver også indekspooling for lang kontekst. Dette er fakta om familiearkitekturen fremfor tallformatet til hver driftet instans. Den delte profilen er én million konteksttokener og opptil 128K utdatatokener. Kildemateriale, representerte visuelle inndata, historikk, resonnering og svaret trenger alle plass i den konfigurerte arbeidsflyten.
Visuell koding står sentralt. Z.ai sine eksempler kombinerer flere sideskjermbilder eller et opptak med instruksjoner om å rekonstruere siderelasjoner, delte komponenter, navigasjon, tilstander og animasjonsatferd. Forbered referanser i rekkefølge og angi hvilke funksjoner som må virke. Be om redigerbar kildekode og en sammenligning med designet. Applikasjonen starter eller gjengir forslaget og returnerer skjermbilder eller samhandlingsresultater; modellen bruker denne tilbakemeldingen til å forbedre resultatet. Tekst og kode blir ikke en ferdig kjørende applikasjon uten disse operasjonene.
For Office- og dokumentarbeid beskriver produsenten organisering av materiale, oppretting av diagrammer og oppsett og gransking av det gjengitte resultatet. En verktøystøttet arbeidsflyt kan produsere PPTX, PDF, DOCX eller XLSX. En illustrerende rapportbrief kan gi kilder, målgruppen og nødvendige deler og deretter be om en tabell fra kilde til konklusjon og en redigerbar rapport eller presentasjon. Hold oppgitte verdier atskilt fra analytiske antakelser. Gjengivelse, lagring av filer og kontroll av formelreferanser er applikasjonsoperasjoner. For finansanalyse beskriver produsenten sammenligning av regnskaper og kunngjøringer, adskillelse av offentliggjorte verdier og antakelser og utarbeiding av en redigerbar prognose- eller verdsettelsesmodell sammen med en kildeforankret rapport gjennom tilkoblede verktøy.
Produsentens bredere eksempler omfatter videoredigering, 3D-scener, spill som kan spilles og CAD-rekonstruksjon gjennom verktøy. En videooppgave kan starte med en medieoversikt og tidslinje; en sceneoppgave kan definere oppsett, materialer og kameravisninger før den ber om et modelleringsskript. En CAD-brief trenger målreferanser og uttrykkelige antakelser for mål som ikke fastslås av bildet. Modellen tolker materialet og styrer arbeidet, mens de relevante redigerings-, gjengivelses- eller modelleringsverktøyene produserer og gransker ressursene.
Resonnering kan ikke deaktiveres i denne profilen. Kilden sier at tekstinnstillingene samsvarer med GLM-5.3 og anbefaler reasoning_effort=max, temperature 1 og top-p 0.95. Den anbefaler clear_thinking=false for bevart resonnering og både tekst- og verktøystrømming. Den tilhørende veiledningen krever at bevarte resonneringsblokker returneres fullstendig og uendret. Definer sluttresultatet før en lang analyse og hold observasjonene knyttet til trinnene som produserte dem.
Produsenten oppgir funksjonskall, kontekstbufring, strukturerte utdata og innebygd visuell forståelse. Gi verktøybeskrivelser og nødvendige utdatafelt uttrykkelig. For en grensesnittoppgave ber du om hvilke sidetilstander som er dekket, gjenstående avvik og hva den faktiske sammenligningen av gjengitte resultater viste. For analyse skiller du mellom kildefakta, antakelser og konklusjoner. FlashX støtter disse multimodale arbeidsflytene, med kjøring, gjengivelse og filhåndtering levert av den tilkoblede applikasjonen.
", "aboutText": "GLM-5.3-FlashX er FlashX-utgaven i den nativt multimodale GLM-5.3-Flash-familien fra Z.ai. Produsenten presenterer modellparet for visuell koding og profesjonelt arbeid, der tekst kombineres med bilder, video og filer mens utdataene er tekst. FlashX har et eget navn for raskere inferens i produsentens tjeneste. En nyttig brief kan be om en implementering basert på skjermbilder, en dokumentbasert analyse eller en plan som en applikasjon utfører med verktøy. Kilden oppgir begge modellkodene; tjenesteidentitetene deres forblir atskilt.\n\nFamilien bruker en hybriddesign med sparsom og lineær oppmerksomhet og beskrives med 320 milliarder parametere totalt og 18 milliarder aktiverte. Sparsom oppmerksomhet henter global informasjon, mens lineær oppmerksomhet modellerer lokale avhengigheter; produsenten beskriver også indekspooling for lang kontekst. Dette er fakta om familiearkitekturen fremfor tallformatet til hver driftet instans. Den delte profilen er én million konteksttokener og opptil 128K utdatatokener. Kildemateriale, representerte visuelle inndata, historikk, resonnering og svaret trenger alle plass i den konfigurerte arbeidsflyten.\n\nVisuell koding står sentralt. Z.ai sine eksempler kombinerer flere sideskjermbilder eller et opptak med instruksjoner om å rekonstruere siderelasjoner, delte komponenter, navigasjon, tilstander og animasjonsatferd. Forbered referanser i rekkefølge og angi hvilke funksjoner som må virke. Be om redigerbar kildekode og en sammenligning med designet. Applikasjonen starter eller gjengir forslaget og returnerer skjermbilder eller samhandlingsresultater; modellen bruker denne tilbakemeldingen til å forbedre resultatet. Tekst og kode blir ikke en ferdig kjørende applikasjon uten disse operasjonene.\n\nFor Office- og dokumentarbeid beskriver produsenten organisering av materiale, oppretting av diagrammer og oppsett og gransking av det gjengitte resultatet. En verktøystøttet arbeidsflyt kan produsere PPTX, PDF, DOCX eller XLSX. En illustrerende rapportbrief kan gi kilder, målgruppen og nødvendige deler og deretter be om en tabell fra kilde til konklusjon og en redigerbar rapport eller presentasjon. Hold oppgitte verdier atskilt fra analytiske antakelser. Gjengivelse, lagring av filer og kontroll av formelreferanser er applikasjonsoperasjoner. For finansanalyse beskriver produsenten sammenligning av regnskaper og kunngjøringer, adskillelse av offentliggjorte verdier og antakelser og utarbeiding av en redigerbar prognose- eller verdsettelsesmodell sammen med en kildeforankret rapport gjennom tilkoblede verktøy.\n\nProdusentens bredere eksempler omfatter videoredigering, 3D-scener, spill som kan spilles og CAD-rekonstruksjon gjennom verktøy. En videooppgave kan starte med en medieoversikt og tidslinje; en sceneoppgave kan definere oppsett, materialer og kameravisninger før den ber om et modelleringsskript. En CAD-brief trenger målreferanser og uttrykkelige antakelser for mål som ikke fastslås av bildet. Modellen tolker materialet og styrer arbeidet, mens de relevante redigerings-, gjengivelses- eller modelleringsverktøyene produserer og gransker ressursene.\n\nResonnering kan ikke deaktiveres i denne profilen. Kilden sier at tekstinnstillingene samsvarer med GLM-5.3 og anbefaler reasoning_effort=max, temperature 1 og top-p 0.95. Den anbefaler clear_thinking=false for bevart resonnering og både tekst- og verktøystrømming. Den tilhørende veiledningen krever at bevarte resonneringsblokker returneres fullstendig og uendret. Definer sluttresultatet før en lang analyse og hold observasjonene knyttet til trinnene som produserte dem.\n\nProdusenten oppgir funksjonskall, kontekstbufring, strukturerte utdata og innebygd visuell forståelse. Gi verktøybeskrivelser og nødvendige utdatafelt uttrykkelig. For en grensesnittoppgave ber du om hvilke sidetilstander som er dekket, gjenstående avvik og hva den faktiske sammenligningen av gjengitte resultater viste. For analyse skiller du mellom kildefakta, antakelser og konklusjoner. FlashX støtter disse multimodale arbeidsflytene, med kjøring, gjengivelse og filhåndtering levert av den tilkoblede applikasjonen.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Implement a text-specified form state\n\nCreate editable HTML and JavaScript for this form behavior: an email field and a Subscribe button; blank submission shows 'Enter your email' and preserves the current input; nonblank submission shows a local confirmation without sending a request. Include a short state checklist. No screenshot is supplied, and do not claim the form was rendered or deployed.Editable form source and a checklist of empty, corrected and confirmation states.Blank submission must keep the field value and show the requested message; the proposal must not send a network request.z-ai/glm-5.3-flashxGLM-5.3-FlashX er Z.ai sin multimodale modell for visuell koding, dokumentarbeid og verktøystøttede agenter. Produsentprofilen tar imot bilder, video, tekst og filer, returnerer tekst og angir en kontekst på 1M med opptil 128K utdatatokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GLM-5.3-FlashX er FlashX-utgaven i den nativt multimodale GLM-5.3-Flash-familien fra Z.ai. Produsenten presenterer modellparet for visuell koding og profesjonelt arbeid, der tekst kombineres med bilder, video og filer mens utdataene er tekst. FlashX har et eget navn for raskere inferens i produsentens tjeneste. En nyttig brief kan be om en implementering basert på skjermbilder, en dokumentbasert analyse eller en plan som en applikasjon utfører med verktøy. Kilden oppgir begge modellkodene; tjenesteidentitetene deres forblir atskilt.
Familien bruker en hybriddesign med sparsom og lineær oppmerksomhet og beskrives med 320 milliarder parametere totalt og 18 milliarder aktiverte. Sparsom oppmerksomhet henter global informasjon, mens lineær oppmerksomhet modellerer lokale avhengigheter; produsenten beskriver også indekspooling for lang kontekst. Dette er fakta om familiearkitekturen fremfor tallformatet til hver driftet instans. Den delte profilen er én million konteksttokener og opptil 128K utdatatokener. Kildemateriale, representerte visuelle inndata, historikk, resonnering og svaret trenger alle plass i den konfigurerte arbeidsflyten.
Visuell koding står sentralt. Z.ai sine eksempler kombinerer flere sideskjermbilder eller et opptak med instruksjoner om å rekonstruere siderelasjoner, delte komponenter, navigasjon, tilstander og animasjonsatferd. Forbered referanser i rekkefølge og angi hvilke funksjoner som må virke. Be om redigerbar kildekode og en sammenligning med designet. Applikasjonen starter eller gjengir forslaget og returnerer skjermbilder eller samhandlingsresultater; modellen bruker denne tilbakemeldingen til å forbedre resultatet. Tekst og kode blir ikke en ferdig kjørende applikasjon uten disse operasjonene.
For Office- og dokumentarbeid beskriver produsenten organisering av materiale, oppretting av diagrammer og oppsett og gransking av det gjengitte resultatet. En verktøystøttet arbeidsflyt kan produsere PPTX, PDF, DOCX eller XLSX. En illustrerende rapportbrief kan gi kilder, målgruppen og nødvendige deler og deretter be om en tabell fra kilde til konklusjon og en redigerbar rapport eller presentasjon. Hold oppgitte verdier atskilt fra analytiske antakelser. Gjengivelse, lagring av filer og kontroll av formelreferanser er applikasjonsoperasjoner. For finansanalyse beskriver produsenten sammenligning av regnskaper og kunngjøringer, adskillelse av offentliggjorte verdier og antakelser og utarbeiding av en redigerbar prognose- eller verdsettelsesmodell sammen med en kildeforankret rapport gjennom tilkoblede verktøy.
Produsentens bredere eksempler omfatter videoredigering, 3D-scener, spill som kan spilles og CAD-rekonstruksjon gjennom verktøy. En videooppgave kan starte med en medieoversikt og tidslinje; en sceneoppgave kan definere oppsett, materialer og kameravisninger før den ber om et modelleringsskript. En CAD-brief trenger målreferanser og uttrykkelige antakelser for mål som ikke fastslås av bildet. Modellen tolker materialet og styrer arbeidet, mens de relevante redigerings-, gjengivelses- eller modelleringsverktøyene produserer og gransker ressursene.
Resonnering kan ikke deaktiveres i denne profilen. Kilden sier at tekstinnstillingene samsvarer med GLM-5.3 og anbefaler reasoning_effort=max, temperature 1 og top-p 0.95. Den anbefaler clear_thinking=false for bevart resonnering og både tekst- og verktøystrømming. Den tilhørende veiledningen krever at bevarte resonneringsblokker returneres fullstendig og uendret. Definer sluttresultatet før en lang analyse og hold observasjonene knyttet til trinnene som produserte dem.
Produsenten oppgir funksjonskall, kontekstbufring, strukturerte utdata og innebygd visuell forståelse. Gi verktøybeskrivelser og nødvendige utdatafelt uttrykkelig. For en grensesnittoppgave ber du om hvilke sidetilstander som er dekket, gjenstående avvik og hva den faktiske sammenligningen av gjengitte resultater viste. For analyse skiller du mellom kildefakta, antakelser og konklusjoner. FlashX støtter disse multimodale arbeidsflytene, med kjøring, gjengivelse og filhåndtering levert av den tilkoblede applikasjonen.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser z-ai/glm-5.3-flashx | 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.
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 $0.00074 / 1K tokener Utdata · Utgående tokener $0.0025 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00018 / 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 $0.00074 / 1K tokener Utdata · Utgående tokener $0.0025 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00018 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "z-ai/glm-5.3-flashx", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='z-ai/glm-5.3-flashx',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='z-ai/glm-5.3-flashx',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 z-ai/glm-5.3-flashx
Bruk metodestiene som vises ovenfor.
z-ai/glm-5.3-flashxGLM-5.3-FlashX er Z.ai sin multimodale modell for visuell koding, dokumentarbeid og verktøystøttede agenter. Produsentprofilen tar imot bilder, video, tekst og filer, returnerer tekst og angir en kontekst på 1M med opptil 128K utdatatokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GLM-5.3-FlashX er FlashX-utgaven i den nativt multimodale GLM-5.3-Flash-familien fra Z.ai. Produsenten presenterer modellparet for visuell koding og profesjonelt arbeid, der tekst kombineres med bilder, video og filer mens utdataene er tekst. FlashX har et eget navn for raskere inferens i produsentens tjeneste. En nyttig brief kan be om en implementering basert på skjermbilder, en dokumentbasert analyse eller en plan som en applikasjon utfører med verktøy. Kilden oppgir begge modellkodene; tjenesteidentitetene deres forblir atskilt.
Familien bruker en hybriddesign med sparsom og lineær oppmerksomhet og beskrives med 320 milliarder parametere totalt og 18 milliarder aktiverte. Sparsom oppmerksomhet henter global informasjon, mens lineær oppmerksomhet modellerer lokale avhengigheter; produsenten beskriver også indekspooling for lang kontekst. Dette er fakta om familiearkitekturen fremfor tallformatet til hver driftet instans. Den delte profilen er én million konteksttokener og opptil 128K utdatatokener. Kildemateriale, representerte visuelle inndata, historikk, resonnering og svaret trenger alle plass i den konfigurerte arbeidsflyten.
Visuell koding står sentralt. Z.ai sine eksempler kombinerer flere sideskjermbilder eller et opptak med instruksjoner om å rekonstruere siderelasjoner, delte komponenter, navigasjon, tilstander og animasjonsatferd. Forbered referanser i rekkefølge og angi hvilke funksjoner som må virke. Be om redigerbar kildekode og en sammenligning med designet. Applikasjonen starter eller gjengir forslaget og returnerer skjermbilder eller samhandlingsresultater; modellen bruker denne tilbakemeldingen til å forbedre resultatet. Tekst og kode blir ikke en ferdig kjørende applikasjon uten disse operasjonene.
For Office- og dokumentarbeid beskriver produsenten organisering av materiale, oppretting av diagrammer og oppsett og gransking av det gjengitte resultatet. En verktøystøttet arbeidsflyt kan produsere PPTX, PDF, DOCX eller XLSX. En illustrerende rapportbrief kan gi kilder, målgruppen og nødvendige deler og deretter be om en tabell fra kilde til konklusjon og en redigerbar rapport eller presentasjon. Hold oppgitte verdier atskilt fra analytiske antakelser. Gjengivelse, lagring av filer og kontroll av formelreferanser er applikasjonsoperasjoner. For finansanalyse beskriver produsenten sammenligning av regnskaper og kunngjøringer, adskillelse av offentliggjorte verdier og antakelser og utarbeiding av en redigerbar prognose- eller verdsettelsesmodell sammen med en kildeforankret rapport gjennom tilkoblede verktøy.
Produsentens bredere eksempler omfatter videoredigering, 3D-scener, spill som kan spilles og CAD-rekonstruksjon gjennom verktøy. En videooppgave kan starte med en medieoversikt og tidslinje; en sceneoppgave kan definere oppsett, materialer og kameravisninger før den ber om et modelleringsskript. En CAD-brief trenger målreferanser og uttrykkelige antakelser for mål som ikke fastslås av bildet. Modellen tolker materialet og styrer arbeidet, mens de relevante redigerings-, gjengivelses- eller modelleringsverktøyene produserer og gransker ressursene.
Resonnering kan ikke deaktiveres i denne profilen. Kilden sier at tekstinnstillingene samsvarer med GLM-5.3 og anbefaler reasoning_effort=max, temperature 1 og top-p 0.95. Den anbefaler clear_thinking=false for bevart resonnering og både tekst- og verktøystrømming. Den tilhørende veiledningen krever at bevarte resonneringsblokker returneres fullstendig og uendret. Definer sluttresultatet før en lang analyse og hold observasjonene knyttet til trinnene som produserte dem.
Produsenten oppgir funksjonskall, kontekstbufring, strukturerte utdata og innebygd visuell forståelse. Gi verktøybeskrivelser og nødvendige utdatafelt uttrykkelig. For en grensesnittoppgave ber du om hvilke sidetilstander som er dekket, gjenstående avvik og hva den faktiske sammenligningen av gjengitte resultater viste. For analyse skiller du mellom kildefakta, antakelser og konklusjoner. FlashX støtter disse multimodale arbeidsflytene, med kjøring, gjengivelse og filhåndtering levert av den tilkoblede applikasjonen.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser z-ai/glm-5.3-flashx | 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.
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 $0.00074 / 1K tokener Utdata · Utgående tokener $0.0025 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00018 / 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 $0.00074 / 1K tokener Utdata · Utgående tokener $0.0025 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00018 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "z-ai/glm-5.3-flashx",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'z-ai/glm-5.3-flashx', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'z-ai/glm-5.3-flashx', '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 z-ai/glm-5.3-flashx
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Implement a text-specified form state\n\nCreate editable HTML and JavaScript for this form behavior: an email field and a Subscribe button; blank submission shows 'Enter your email' and preserves the current input; nonblank submission shows a local confirmation without sending a request. Include a short state checklist. No screenshot is supplied, and do not claim the form was rendered or deployed.Editable form source and a checklist of empty, corrected and confirmation states.Blank submission must keep the field value and show the requested message; the proposal must not send a network request.