AutoGLM Phone 9B Multilingual er Z.ais modell for en assistent som arbeider gjennom et smarttelefongrensesnitt. Den kombinerer en oppgave formulert i naturlig språk med visuell forståelse av den aktuelle skjermen, planlegger neste trinn og produserer informasjonen et telefonagentmiljø bruker for å handle. Arkitekturen er identisk med GLM 4.1V 9B Thinking; den navngitte Phone Multilingual-utgaven er fortsatt et eget modellvalg.
Prosjektoversikt. Produsentens Phone Agent kobler skjermoppfatning til en utførelsessløyfe. Miljøet tar et bilde av grensesnittet, modellen resonnerer om oppgaven, og en komponent for enhetsstyring utfører den valgte operasjonen. En ny skjerm gir deretter tilbakemelding til neste trinn. Det publiserte rammeverket bruker Android Debug Bridge for Android-enheter og tilbyr en egen styringsvei for HarmonyOS. Modellen bidrar med oppfatning og planlegging; det tilkoblede miljøet står for selve samhandlingen med enheten.
Forskjellen i Multilingual-utgaven. Den opprinnelige AutoGLM Phone 9B er optimalisert for kinesiske mobilapplikasjoner. Multilingual-utgaven legger til støtte for engelskspråklige scenarioer og er beregnet på applikasjoner med innhold på engelsk eller andre språk. Prosjektet tilbyr også instruksjonsprompter på kinesisk og engelsk. Bevar appnavn, søkeord og synlig grensesnitttekst når oppgaven beskrives; disse detaljene bidrar til å knytte den forespurte handlingen til skjermen fremfor til en antatt oversettelse av den.
Handlingsplanlegging. Handlingsvokabularet i det publiserte rammeverket omfatter å starte en applikasjon, trykke, skrive, sveipe, gå tilbake, gå til startskjermen, holde inne, dobbelttrykke og vente på at en side lastes. Det har også en handling for manuell overtakelse. Bruk dette som vokabular for en skjermbasert arbeidsflyt: åpne den aktuelle appen, finn den nødvendige kontrollen, skriv inn ønsket tekst og undersøk den nye siden. Neste handling bør bygge på det nyeste grensesnittet, siden en lastetilstand eller endret utforming kan gjøre en tidligere observasjon ugyldig.
Forbered en konkret oppgave. Oppgi appen, ønsket informasjon eller resultat og betingelsene som er viktige. For en søkeoppgave bør du oppgi nøyaktig søk, utvalgskriterier og ønsket resultat, for eksempel en liste over samsvarende elementer med de synlige egenskapene deres. For en kontorarbeidsflyt bør du angi hvilken skjerminformasjon som skal samles inn, og hvordan sluttsammendraget skal presenteres. Legg ved det aktuelle skjermbildet og nok tidligere trinn til å forklare hvor assistenten er i prosessen. Resultatet kan deretter foreslå neste operasjon eller forklare hvilken synlig detalj som hindrer fremdrift.
Menneskelig deltakelse. Det offisielle rammeverket tilbyr callback-funksjoner for bekreftelse av sensitive operasjoner og manuell overtakelse under innlogging eller trinn med bekreftelseskoder. En applikasjon kan gi telefonen tilbake til brukeren og deretter fortsette fra et nytt skjermbilde når personen har fullført trinnet. Gi et tydelig fullføringskriterium, slik at assistenten kan skille mellom å finne informasjon, forberede en handling og oppnå ønsket resultat.
Det praktiske oppsettet påvirker arbeidsflyten. Enhetstillatelser, en fungerende vei for skjermbilder og tekstinndata leveres av det omkringliggende miljøet. Produsentens Android-oppsett bruker en egen tastaturkomponent for tekstinntasting, mens HarmonyOS-veien bruker innebygd inndata. Enkelte beskyttede skjermer kan gi et svart bilde. Når en skjerm ikke er tilgjengelig eller en kontroll er tvetydig, bør du skaffe en brukbar visning eller menneskelig veiledning før neste handling utformes. Et modellsvar alene fastslår ikke at en telefonoperasjon er utført; undersøk skjermen etterpå for å bekrefte fremdriften.
", "aboutText": "AutoGLM Phone 9B Multilingual er Z.ais modell for en assistent som arbeider gjennom et smarttelefongrensesnitt. Den kombinerer en oppgave formulert i naturlig språk med visuell forståelse av den aktuelle skjermen, planlegger neste trinn og produserer informasjonen et telefonagentmiljø bruker for å handle. Arkitekturen er identisk med GLM 4.1V 9B Thinking; den navngitte Phone Multilingual-utgaven er fortsatt et eget modellvalg.\n\nProsjektoversikt. Produsentens Phone Agent kobler skjermoppfatning til en utførelsessløyfe. Miljøet tar et bilde av grensesnittet, modellen resonnerer om oppgaven, og en komponent for enhetsstyring utfører den valgte operasjonen. En ny skjerm gir deretter tilbakemelding til neste trinn. Det publiserte rammeverket bruker Android Debug Bridge for Android-enheter og tilbyr en egen styringsvei for HarmonyOS. Modellen bidrar med oppfatning og planlegging; det tilkoblede miljøet står for selve samhandlingen med enheten.\n\nForskjellen i Multilingual-utgaven. Den opprinnelige AutoGLM Phone 9B er optimalisert for kinesiske mobilapplikasjoner. Multilingual-utgaven legger til støtte for engelskspråklige scenarioer og er beregnet på applikasjoner med innhold på engelsk eller andre språk. Prosjektet tilbyr også instruksjonsprompter på kinesisk og engelsk. Bevar appnavn, søkeord og synlig grensesnitttekst når oppgaven beskrives; disse detaljene bidrar til å knytte den forespurte handlingen til skjermen fremfor til en antatt oversettelse av den.\n\nHandlingsplanlegging. Handlingsvokabularet i det publiserte rammeverket omfatter å starte en applikasjon, trykke, skrive, sveipe, gå tilbake, gå til startskjermen, holde inne, dobbelttrykke og vente på at en side lastes. Det har også en handling for manuell overtakelse. Bruk dette som vokabular for en skjermbasert arbeidsflyt: åpne den aktuelle appen, finn den nødvendige kontrollen, skriv inn ønsket tekst og undersøk den nye siden. Neste handling bør bygge på det nyeste grensesnittet, siden en lastetilstand eller endret utforming kan gjøre en tidligere observasjon ugyldig.\n\nForbered en konkret oppgave. Oppgi appen, ønsket informasjon eller resultat og betingelsene som er viktige. For en søkeoppgave bør du oppgi nøyaktig søk, utvalgskriterier og ønsket resultat, for eksempel en liste over samsvarende elementer med de synlige egenskapene deres. For en kontorarbeidsflyt bør du angi hvilken skjerminformasjon som skal samles inn, og hvordan sluttsammendraget skal presenteres. Legg ved det aktuelle skjermbildet og nok tidligere trinn til å forklare hvor assistenten er i prosessen. Resultatet kan deretter foreslå neste operasjon eller forklare hvilken synlig detalj som hindrer fremdrift.\n\nMenneskelig deltakelse. Det offisielle rammeverket tilbyr callback-funksjoner for bekreftelse av sensitive operasjoner og manuell overtakelse under innlogging eller trinn med bekreftelseskoder. En applikasjon kan gi telefonen tilbake til brukeren og deretter fortsette fra et nytt skjermbilde når personen har fullført trinnet. Gi et tydelig fullføringskriterium, slik at assistenten kan skille mellom å finne informasjon, forberede en handling og oppnå ønsket resultat.\n\nDet praktiske oppsettet påvirker arbeidsflyten. Enhetstillatelser, en fungerende vei for skjermbilder og tekstinndata leveres av det omkringliggende miljøet. Produsentens Android-oppsett bruker en egen tastaturkomponent for tekstinntasting, mens HarmonyOS-veien bruker innebygd inndata. Enkelte beskyttede skjermer kan gi et svart bilde. Når en skjerm ikke er tilgjengelig eller en kontroll er tvetydig, bør du skaffe en brukbar visning eller menneskelig veiledning før neste handling utformes. Et modellsvar alene fastslår ikke at en telefonoperasjon er utført; undersøk skjermen etterpå for å bekrefte fremdriften.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Plan the next phone-search step\n\nUse this text transcription of the current phone screen: app 'City Library'; search field 'Search catalog'; button 'Search'; no results shown. Goal: find books matching the exact title 'The Glass Harbor'. Propose only the next input action and the screen evidence needed afterward. Preserve the title and do not claim that a search has already run.One next-action proposal and a short description of the resulting screen evidence to inspect.The response uses the exact title and distinguishes proposed text entry from an executed search or a found book.zai-org/autoglm-phone-9b-multilingualZ.ais syns- og språkmodell for å forstå smarttelefonskjermer og planlegge grensesnitthandlinger. Multilingual-utgaven støtter engelskspråklige scenarioer og grensesnitt med innhold på andre språk; et tilkoblet telefonagentmiljø utfører de foreslåtte operasjonene.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
AutoGLM Phone 9B Multilingual er Z.ais modell for en assistent som arbeider gjennom et smarttelefongrensesnitt. Den kombinerer en oppgave formulert i naturlig språk med visuell forståelse av den aktuelle skjermen, planlegger neste trinn og produserer informasjonen et telefonagentmiljø bruker for å handle. Arkitekturen er identisk med GLM 4.1V 9B Thinking; den navngitte Phone Multilingual-utgaven er fortsatt et eget modellvalg.
Prosjektoversikt. Produsentens Phone Agent kobler skjermoppfatning til en utførelsessløyfe. Miljøet tar et bilde av grensesnittet, modellen resonnerer om oppgaven, og en komponent for enhetsstyring utfører den valgte operasjonen. En ny skjerm gir deretter tilbakemelding til neste trinn. Det publiserte rammeverket bruker Android Debug Bridge for Android-enheter og tilbyr en egen styringsvei for HarmonyOS. Modellen bidrar med oppfatning og planlegging; det tilkoblede miljøet står for selve samhandlingen med enheten.
Forskjellen i Multilingual-utgaven. Den opprinnelige AutoGLM Phone 9B er optimalisert for kinesiske mobilapplikasjoner. Multilingual-utgaven legger til støtte for engelskspråklige scenarioer og er beregnet på applikasjoner med innhold på engelsk eller andre språk. Prosjektet tilbyr også instruksjonsprompter på kinesisk og engelsk. Bevar appnavn, søkeord og synlig grensesnitttekst når oppgaven beskrives; disse detaljene bidrar til å knytte den forespurte handlingen til skjermen fremfor til en antatt oversettelse av den.
Handlingsplanlegging. Handlingsvokabularet i det publiserte rammeverket omfatter å starte en applikasjon, trykke, skrive, sveipe, gå tilbake, gå til startskjermen, holde inne, dobbelttrykke og vente på at en side lastes. Det har også en handling for manuell overtakelse. Bruk dette som vokabular for en skjermbasert arbeidsflyt: åpne den aktuelle appen, finn den nødvendige kontrollen, skriv inn ønsket tekst og undersøk den nye siden. Neste handling bør bygge på det nyeste grensesnittet, siden en lastetilstand eller endret utforming kan gjøre en tidligere observasjon ugyldig.
Forbered en konkret oppgave. Oppgi appen, ønsket informasjon eller resultat og betingelsene som er viktige. For en søkeoppgave bør du oppgi nøyaktig søk, utvalgskriterier og ønsket resultat, for eksempel en liste over samsvarende elementer med de synlige egenskapene deres. For en kontorarbeidsflyt bør du angi hvilken skjerminformasjon som skal samles inn, og hvordan sluttsammendraget skal presenteres. Legg ved det aktuelle skjermbildet og nok tidligere trinn til å forklare hvor assistenten er i prosessen. Resultatet kan deretter foreslå neste operasjon eller forklare hvilken synlig detalj som hindrer fremdrift.
Menneskelig deltakelse. Det offisielle rammeverket tilbyr callback-funksjoner for bekreftelse av sensitive operasjoner og manuell overtakelse under innlogging eller trinn med bekreftelseskoder. En applikasjon kan gi telefonen tilbake til brukeren og deretter fortsette fra et nytt skjermbilde når personen har fullført trinnet. Gi et tydelig fullføringskriterium, slik at assistenten kan skille mellom å finne informasjon, forberede en handling og oppnå ønsket resultat.
Det praktiske oppsettet påvirker arbeidsflyten. Enhetstillatelser, en fungerende vei for skjermbilder og tekstinndata leveres av det omkringliggende miljøet. Produsentens Android-oppsett bruker en egen tastaturkomponent for tekstinntasting, mens HarmonyOS-veien bruker innebygd inndata. Enkelte beskyttede skjermer kan gi et svart bilde. Når en skjerm ikke er tilgjengelig eller en kontroll er tvetydig, bør du skaffe en brukbar visning eller menneskelig veiledning før neste handling utformes. Et modellsvar alene fastslår ikke at en telefonoperasjon er utført; undersøk skjermen etterpå for å bekrefte fremdriften.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser zai-org/autoglm-phone-9b-multilingual | 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 $0.000072 / 1K tokener Utdata · Utgående tokener $0.000286 / 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": "zai-org/autoglm-phone-9b-multilingual", "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='zai-org/autoglm-phone-9b-multilingual',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='zai-org/autoglm-phone-9b-multilingual',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 zai-org/autoglm-phone-9b-multilingual
Bruk metodestiene som vises ovenfor.
zai-org/autoglm-phone-9b-multilingualZ.ais syns- og språkmodell for å forstå smarttelefonskjermer og planlegge grensesnitthandlinger. Multilingual-utgaven støtter engelskspråklige scenarioer og grensesnitt med innhold på andre språk; et tilkoblet telefonagentmiljø utfører de foreslåtte operasjonene.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
AutoGLM Phone 9B Multilingual er Z.ais modell for en assistent som arbeider gjennom et smarttelefongrensesnitt. Den kombinerer en oppgave formulert i naturlig språk med visuell forståelse av den aktuelle skjermen, planlegger neste trinn og produserer informasjonen et telefonagentmiljø bruker for å handle. Arkitekturen er identisk med GLM 4.1V 9B Thinking; den navngitte Phone Multilingual-utgaven er fortsatt et eget modellvalg.
Prosjektoversikt. Produsentens Phone Agent kobler skjermoppfatning til en utførelsessløyfe. Miljøet tar et bilde av grensesnittet, modellen resonnerer om oppgaven, og en komponent for enhetsstyring utfører den valgte operasjonen. En ny skjerm gir deretter tilbakemelding til neste trinn. Det publiserte rammeverket bruker Android Debug Bridge for Android-enheter og tilbyr en egen styringsvei for HarmonyOS. Modellen bidrar med oppfatning og planlegging; det tilkoblede miljøet står for selve samhandlingen med enheten.
Forskjellen i Multilingual-utgaven. Den opprinnelige AutoGLM Phone 9B er optimalisert for kinesiske mobilapplikasjoner. Multilingual-utgaven legger til støtte for engelskspråklige scenarioer og er beregnet på applikasjoner med innhold på engelsk eller andre språk. Prosjektet tilbyr også instruksjonsprompter på kinesisk og engelsk. Bevar appnavn, søkeord og synlig grensesnitttekst når oppgaven beskrives; disse detaljene bidrar til å knytte den forespurte handlingen til skjermen fremfor til en antatt oversettelse av den.
Handlingsplanlegging. Handlingsvokabularet i det publiserte rammeverket omfatter å starte en applikasjon, trykke, skrive, sveipe, gå tilbake, gå til startskjermen, holde inne, dobbelttrykke og vente på at en side lastes. Det har også en handling for manuell overtakelse. Bruk dette som vokabular for en skjermbasert arbeidsflyt: åpne den aktuelle appen, finn den nødvendige kontrollen, skriv inn ønsket tekst og undersøk den nye siden. Neste handling bør bygge på det nyeste grensesnittet, siden en lastetilstand eller endret utforming kan gjøre en tidligere observasjon ugyldig.
Forbered en konkret oppgave. Oppgi appen, ønsket informasjon eller resultat og betingelsene som er viktige. For en søkeoppgave bør du oppgi nøyaktig søk, utvalgskriterier og ønsket resultat, for eksempel en liste over samsvarende elementer med de synlige egenskapene deres. For en kontorarbeidsflyt bør du angi hvilken skjerminformasjon som skal samles inn, og hvordan sluttsammendraget skal presenteres. Legg ved det aktuelle skjermbildet og nok tidligere trinn til å forklare hvor assistenten er i prosessen. Resultatet kan deretter foreslå neste operasjon eller forklare hvilken synlig detalj som hindrer fremdrift.
Menneskelig deltakelse. Det offisielle rammeverket tilbyr callback-funksjoner for bekreftelse av sensitive operasjoner og manuell overtakelse under innlogging eller trinn med bekreftelseskoder. En applikasjon kan gi telefonen tilbake til brukeren og deretter fortsette fra et nytt skjermbilde når personen har fullført trinnet. Gi et tydelig fullføringskriterium, slik at assistenten kan skille mellom å finne informasjon, forberede en handling og oppnå ønsket resultat.
Det praktiske oppsettet påvirker arbeidsflyten. Enhetstillatelser, en fungerende vei for skjermbilder og tekstinndata leveres av det omkringliggende miljøet. Produsentens Android-oppsett bruker en egen tastaturkomponent for tekstinntasting, mens HarmonyOS-veien bruker innebygd inndata. Enkelte beskyttede skjermer kan gi et svart bilde. Når en skjerm ikke er tilgjengelig eller en kontroll er tvetydig, bør du skaffe en brukbar visning eller menneskelig veiledning før neste handling utformes. Et modellsvar alene fastslår ikke at en telefonoperasjon er utført; undersøk skjermen etterpå for å bekrefte fremdriften.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser zai-org/autoglm-phone-9b-multilingual | 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 $0.000072 / 1K tokener Utdata · Utgående tokener $0.000286 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "zai-org/autoglm-phone-9b-multilingual",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'zai-org/autoglm-phone-9b-multilingual', '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': 'zai-org/autoglm-phone-9b-multilingual', '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 zai-org/autoglm-phone-9b-multilingual
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Plan the next phone-search step\n\nUse this text transcription of the current phone screen: app 'City Library'; search field 'Search catalog'; button 'Search'; no results shown. Goal: find books matching the exact title 'The Glass Harbor'. Propose only the next input action and the screen evidence needed afterward. Preserve the title and do not claim that a search has already run.One next-action proposal and a short description of the resulting screen evidence to inspect.The response uses the exact title and distinguishes proposed text entry from an executed search or a found book.