GLM-4.7-Flash is de 30B-A3B-editie met mixture-of-experts-architectuur binnen de GLM-4.7-familie van Z.ai. Het schaarse ontwerp heeft ongeveer 30 miljard parameters in totaal, waarvan drie miljard geactiveerd, en de maker presenteert het als een licht model dat mogelijkheden en efficiëntie in evenwicht brengt. Het aanvaardt tekst en genereert tekst. De producent benadrukt specifiek softwareontwikkeling, schrijven in het Chinees, vertalen, verwerking van lange teksten en rolgebaseerde gesprekken. Een bruikbare briefing kan om een codevoorstel, herwerkte passage, uitleg of gestructureerd resultaat op basis van aangeleverd materiaal vragen.
Voor ontwikkeling noemt Z.ai zowel frontendtaken als taken rond toepassingslogica voor deze Flash-editie. Geef het te implementeren gedrag, de relevante bron en de voorwaarden die intact moeten blijven mee. Beschrijf bij een pagina of component de toestanden, lay-out en vereiste interactie en vraag vervolgens om bewerkbare code en uitleg bij de belangrijke keuzes. Neem bij een bestaande functie de waargenomen fout en een voorbeeld van het verwachte resultaat op. Het model produceert de voorgestelde code; die compileren, uitvoeren of de interface renderen gebeurt in een gekoppelde toepassingsomgeving.
Het door de producent gehoste profiel van de GLM-4.7-reeks vermeldt tekstinvoer, tekstuitvoer, een context van 200K tokens en maximaal 128K uitvoertokens voor Flash. De openmodelkaart en het gehoste profiel beschrijven verschillende aspecten van dezelfde benoemde editie: kenmerken van het modelcheckpoint en een dienstconfiguratie van de producent. Bereid lange invoer voor met bronkoppen, code-identificaties en duidelijke documentgrenzen en laat ruimte voor redenering en het gevraagde antwoord. Een model dat alleen tekst verwerkt, kan code schrijven voor een toepassing die afbeeldingen of camera-invoer verwerkt, maar dat geeft dit modelcheckpoint geen eigen modus voor visuele invoer.
Redeneren is standaard ingeschakeld in de GLM-4.7-reeks. De producent documenteert een schakelaar per gespreksronde, zodat een gesprek redenering kan vragen bij een moeilijke vraag en die kan uitschakelen voor een eenvoudige herwerking of een kort antwoord. Het model ondersteunt ook tussengevoegde denkstappen tussen toolaanroepen, waardoor het een teruggegeven waarneming kan interpreteren voordat het een volgende stap plant. Definieer de beschikbare tools en het vereiste eindresultaat voordat u zo'n taak start. Een documentassistent kan geselecteerde informatie opvragen, het werkelijke ophaalresultaat ontvangen en vervolgens een uitleg voorbereiden die door dat resultaat wordt onderbouwd.
Redeneringen behouden is een afzonderlijke optie voor langdurig programmeer- of agentwerk. De gids van de maker gebruikt clear_thinking=false en vereist dat de volledige, ongewijzigde reasoning_content uit eerdere assistentbeurten in de oorspronkelijke volgorde wordt teruggestuurd. Die blokken wijzigen of herschikken kan het resultaat verslechteren en het cachegedrag beïnvloeden. De standaard verschilt tussen de programmeerinterface en standaardinterface van de producent; de optie is dus een geconfigureerde werkwijze en geen automatische eigenschap van elk gesprek. Houd het zichtbare antwoord gescheiden van behouden redeneringen en bewaar het bewijsmateriaal of de tooluitvoer waarvan latere stappen afhangen.
De gedocumenteerde interface van de familie omvat streamingtekst, function calling, contextcaching en gestructureerde uitvoer zoals JSON. Geef voor een gestructureerd resultaat de vereiste velden en de betekenis van elke waarde mee; definieer voor een toolverzoek het doel, de argumenten en de voltooiingsvoorwaarde van de functie. Een gegenereerde aanroep is een verzoek aan de toepassing om te handelen, geen bewijs van uitvoering. Het eindresultaat kan een kort verslag, gegevensobject of codebestand zijn, waarbij de informatie die ervoor gebruikt is herkenbaar blijft.
Specificeer bij schrijven of vertalen de lezer, taal, toon en termen die ongewijzigd moeten blijven. De maker raadt aan Flash te proberen voor schrijven in het Chinees en verhalende of rolgebaseerde dialogen, naast technisch werk. Een voorbeeldbriefing voor redactie kan een passage meegeven en om een beknopte herwerking vragen die de feiten behoudt; een vertaalbriefing kan een woordenlijst meegeven en geciteerde tekst van instructies onderscheiden. Behoud bij een langer gesprek de beperkingen en benoem het volgende benodigde resultaat, zodat het antwoord van het model verbonden blijft met de oorspronkelijke taak.
De exacte openmodelkaart publiceert verschillende generatie-instellingen voor de evaluatietaken: een standaardtemperatuur van 1.0 en top-p van 0.95, met afzonderlijke instellingen voor softwaretaken van 0.7 en 1.0. De voorbeeldlengten voor generatie maken deel uit van die procedures en zijn geen aanvullende universele limieten. Het modelcheckpoint is onderscheiden van GLM-4.7, GLM-4.7-FlashX en latere GLM-5-modellen. Stem de taak en antwoordmodus af op de gedocumenteerde tekstmogelijkheden van deze editie en beoordeel vervolgens de geleverde code, geëxtraheerde waarden of herwerkte tekst aan de hand van de invoer.
", "aboutText": "GLM-4.7-Flash is de 30B-A3B-editie met mixture-of-experts-architectuur binnen de GLM-4.7-familie van Z.ai. Het schaarse ontwerp heeft ongeveer 30 miljard parameters in totaal, waarvan drie miljard geactiveerd, en de maker presenteert het als een licht model dat mogelijkheden en efficiëntie in evenwicht brengt. Het aanvaardt tekst en genereert tekst. De producent benadrukt specifiek softwareontwikkeling, schrijven in het Chinees, vertalen, verwerking van lange teksten en rolgebaseerde gesprekken. Een bruikbare briefing kan om een codevoorstel, herwerkte passage, uitleg of gestructureerd resultaat op basis van aangeleverd materiaal vragen.\n\nVoor ontwikkeling noemt Z.ai zowel frontendtaken als taken rond toepassingslogica voor deze Flash-editie. Geef het te implementeren gedrag, de relevante bron en de voorwaarden die intact moeten blijven mee. Beschrijf bij een pagina of component de toestanden, lay-out en vereiste interactie en vraag vervolgens om bewerkbare code en uitleg bij de belangrijke keuzes. Neem bij een bestaande functie de waargenomen fout en een voorbeeld van het verwachte resultaat op. Het model produceert de voorgestelde code; die compileren, uitvoeren of de interface renderen gebeurt in een gekoppelde toepassingsomgeving.\n\nHet door de producent gehoste profiel van de GLM-4.7-reeks vermeldt tekstinvoer, tekstuitvoer, een context van 200K tokens en maximaal 128K uitvoertokens voor Flash. De openmodelkaart en het gehoste profiel beschrijven verschillende aspecten van dezelfde benoemde editie: kenmerken van het modelcheckpoint en een dienstconfiguratie van de producent. Bereid lange invoer voor met bronkoppen, code-identificaties en duidelijke documentgrenzen en laat ruimte voor redenering en het gevraagde antwoord. Een model dat alleen tekst verwerkt, kan code schrijven voor een toepassing die afbeeldingen of camera-invoer verwerkt, maar dat geeft dit modelcheckpoint geen eigen modus voor visuele invoer.\n\nRedeneren is standaard ingeschakeld in de GLM-4.7-reeks. De producent documenteert een schakelaar per gespreksronde, zodat een gesprek redenering kan vragen bij een moeilijke vraag en die kan uitschakelen voor een eenvoudige herwerking of een kort antwoord. Het model ondersteunt ook tussengevoegde denkstappen tussen toolaanroepen, waardoor het een teruggegeven waarneming kan interpreteren voordat het een volgende stap plant. Definieer de beschikbare tools en het vereiste eindresultaat voordat u zo'n taak start. Een documentassistent kan geselecteerde informatie opvragen, het werkelijke ophaalresultaat ontvangen en vervolgens een uitleg voorbereiden die door dat resultaat wordt onderbouwd.\n\nRedeneringen behouden is een afzonderlijke optie voor langdurig programmeer- of agentwerk. De gids van de maker gebruikt clear_thinking=false en vereist dat de volledige, ongewijzigde reasoning_content uit eerdere assistentbeurten in de oorspronkelijke volgorde wordt teruggestuurd. Die blokken wijzigen of herschikken kan het resultaat verslechteren en het cachegedrag beïnvloeden. De standaard verschilt tussen de programmeerinterface en standaardinterface van de producent; de optie is dus een geconfigureerde werkwijze en geen automatische eigenschap van elk gesprek. Houd het zichtbare antwoord gescheiden van behouden redeneringen en bewaar het bewijsmateriaal of de tooluitvoer waarvan latere stappen afhangen.\n\nDe gedocumenteerde interface van de familie omvat streamingtekst, function calling, contextcaching en gestructureerde uitvoer zoals JSON. Geef voor een gestructureerd resultaat de vereiste velden en de betekenis van elke waarde mee; definieer voor een toolverzoek het doel, de argumenten en de voltooiingsvoorwaarde van de functie. Een gegenereerde aanroep is een verzoek aan de toepassing om te handelen, geen bewijs van uitvoering. Het eindresultaat kan een kort verslag, gegevensobject of codebestand zijn, waarbij de informatie die ervoor gebruikt is herkenbaar blijft.\n\nSpecificeer bij schrijven of vertalen de lezer, taal, toon en termen die ongewijzigd moeten blijven. De maker raadt aan Flash te proberen voor schrijven in het Chinees en verhalende of rolgebaseerde dialogen, naast technisch werk. Een voorbeeldbriefing voor redactie kan een passage meegeven en om een beknopte herwerking vragen die de feiten behoudt; een vertaalbriefing kan een woordenlijst meegeven en geciteerde tekst van instructies onderscheiden. Behoud bij een langer gesprek de beperkingen en benoem het volgende benodigde resultaat, zodat het antwoord van het model verbonden blijft met de oorspronkelijke taak.\n\nDe exacte openmodelkaart publiceert verschillende generatie-instellingen voor de evaluatietaken: een standaardtemperatuur van 1.0 en top-p van 0.95, met afzonderlijke instellingen voor softwaretaken van 0.7 en 1.0. De voorbeeldlengten voor generatie maken deel uit van die procedures en zijn geen aanvullende universele limieten. Het modelcheckpoint is onderscheiden van GLM-4.7, GLM-4.7-FlashX en latere GLM-5-modellen. Stem de taak en antwoordmodus af op de gedocumenteerde tekstmogelijkheden van deze editie en beoordeel vervolgens de geleverde code, geëxtraheerde waarden of herwerkte tekst aan de hand van de invoer.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Translate a notice with a fixed glossary\n\nTranslate this Chinese notice into English: '订单已审核，但尚未发货。更改收货地址需要重新审核。' Use this glossary consistently: 审核 = review; 发货 = dispatch; 收货地址 = delivery address. Write a clear customer-facing notice and preserve the distinction between completed review and pending dispatch. Do not add a dispatch date or an approval guarantee.A concise English notice applying the glossary and preserving the two different order states.The translation retains the requirement for another review after an address change and does not state that dispatch occurred.z-ai/glm-4.7-flashGLM-4.7-Flash is het 30B-A3B-tekstmodel van Z.ai met een mixture-of-experts-architectuur voor programmeren, lange teksten, schrijven in het Chinees en vertalen. Het ondersteunt redenering en toolgestuurde werkwijzen, met een door de producent gehost profiel van 200K contexttokens en maximaal 128K uitvoer.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GLM-4.7-Flash is de 30B-A3B-editie met mixture-of-experts-architectuur binnen de GLM-4.7-familie van Z.ai. Het schaarse ontwerp heeft ongeveer 30 miljard parameters in totaal, waarvan drie miljard geactiveerd, en de maker presenteert het als een licht model dat mogelijkheden en efficiëntie in evenwicht brengt. Het aanvaardt tekst en genereert tekst. De producent benadrukt specifiek softwareontwikkeling, schrijven in het Chinees, vertalen, verwerking van lange teksten en rolgebaseerde gesprekken. Een bruikbare briefing kan om een codevoorstel, herwerkte passage, uitleg of gestructureerd resultaat op basis van aangeleverd materiaal vragen.
Voor ontwikkeling noemt Z.ai zowel frontendtaken als taken rond toepassingslogica voor deze Flash-editie. Geef het te implementeren gedrag, de relevante bron en de voorwaarden die intact moeten blijven mee. Beschrijf bij een pagina of component de toestanden, lay-out en vereiste interactie en vraag vervolgens om bewerkbare code en uitleg bij de belangrijke keuzes. Neem bij een bestaande functie de waargenomen fout en een voorbeeld van het verwachte resultaat op. Het model produceert de voorgestelde code; die compileren, uitvoeren of de interface renderen gebeurt in een gekoppelde toepassingsomgeving.
Het door de producent gehoste profiel van de GLM-4.7-reeks vermeldt tekstinvoer, tekstuitvoer, een context van 200K tokens en maximaal 128K uitvoertokens voor Flash. De openmodelkaart en het gehoste profiel beschrijven verschillende aspecten van dezelfde benoemde editie: kenmerken van het modelcheckpoint en een dienstconfiguratie van de producent. Bereid lange invoer voor met bronkoppen, code-identificaties en duidelijke documentgrenzen en laat ruimte voor redenering en het gevraagde antwoord. Een model dat alleen tekst verwerkt, kan code schrijven voor een toepassing die afbeeldingen of camera-invoer verwerkt, maar dat geeft dit modelcheckpoint geen eigen modus voor visuele invoer.
Redeneren is standaard ingeschakeld in de GLM-4.7-reeks. De producent documenteert een schakelaar per gespreksronde, zodat een gesprek redenering kan vragen bij een moeilijke vraag en die kan uitschakelen voor een eenvoudige herwerking of een kort antwoord. Het model ondersteunt ook tussengevoegde denkstappen tussen toolaanroepen, waardoor het een teruggegeven waarneming kan interpreteren voordat het een volgende stap plant. Definieer de beschikbare tools en het vereiste eindresultaat voordat u zo'n taak start. Een documentassistent kan geselecteerde informatie opvragen, het werkelijke ophaalresultaat ontvangen en vervolgens een uitleg voorbereiden die door dat resultaat wordt onderbouwd.
Redeneringen behouden is een afzonderlijke optie voor langdurig programmeer- of agentwerk. De gids van de maker gebruikt clear_thinking=false en vereist dat de volledige, ongewijzigde reasoning_content uit eerdere assistentbeurten in de oorspronkelijke volgorde wordt teruggestuurd. Die blokken wijzigen of herschikken kan het resultaat verslechteren en het cachegedrag beïnvloeden. De standaard verschilt tussen de programmeerinterface en standaardinterface van de producent; de optie is dus een geconfigureerde werkwijze en geen automatische eigenschap van elk gesprek. Houd het zichtbare antwoord gescheiden van behouden redeneringen en bewaar het bewijsmateriaal of de tooluitvoer waarvan latere stappen afhangen.
De gedocumenteerde interface van de familie omvat streamingtekst, function calling, contextcaching en gestructureerde uitvoer zoals JSON. Geef voor een gestructureerd resultaat de vereiste velden en de betekenis van elke waarde mee; definieer voor een toolverzoek het doel, de argumenten en de voltooiingsvoorwaarde van de functie. Een gegenereerde aanroep is een verzoek aan de toepassing om te handelen, geen bewijs van uitvoering. Het eindresultaat kan een kort verslag, gegevensobject of codebestand zijn, waarbij de informatie die ervoor gebruikt is herkenbaar blijft.
Specificeer bij schrijven of vertalen de lezer, taal, toon en termen die ongewijzigd moeten blijven. De maker raadt aan Flash te proberen voor schrijven in het Chinees en verhalende of rolgebaseerde dialogen, naast technisch werk. Een voorbeeldbriefing voor redactie kan een passage meegeven en om een beknopte herwerking vragen die de feiten behoudt; een vertaalbriefing kan een woordenlijst meegeven en geciteerde tekst van instructies onderscheiden. Behoud bij een langer gesprek de beperkingen en benoem het volgende benodigde resultaat, zodat het antwoord van het model verbonden blijft met de oorspronkelijke taak.
De exacte openmodelkaart publiceert verschillende generatie-instellingen voor de evaluatietaken: een standaardtemperatuur van 1.0 en top-p van 0.95, met afzonderlijke instellingen voor softwaretaken van 0.7 en 1.0. De voorbeeldlengten voor generatie maken deel uit van die procedures en zijn geen aanvullende universele limieten. Het modelcheckpoint is onderscheiden van GLM-4.7, GLM-4.7-FlashX en latere GLM-5-modellen. Stem de taak en antwoordmodus af op de gedocumenteerde tekstmogelijkheden van deze editie en beoordeel vervolgens de geleverde code, geëxtraheerde waarden of herwerkte tekst aan de hand van de invoer.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten z-ai/glm-4.7-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.000144 / 1K tokens Uitvoer · Uitvoertokens $0.000858 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.000144 / 1K tokens Uitvoer · Uitvoertokens $0.000858 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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-4.7-flash", "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-4.7-flash',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-4.7-flash',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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra z-ai/glm-4.7-flash
Gebruik de hierboven getoonde methodepaden.
z-ai/glm-4.7-flashGLM-4.7-Flash is het 30B-A3B-tekstmodel van Z.ai met een mixture-of-experts-architectuur voor programmeren, lange teksten, schrijven in het Chinees en vertalen. Het ondersteunt redenering en toolgestuurde werkwijzen, met een door de producent gehost profiel van 200K contexttokens en maximaal 128K uitvoer.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GLM-4.7-Flash is de 30B-A3B-editie met mixture-of-experts-architectuur binnen de GLM-4.7-familie van Z.ai. Het schaarse ontwerp heeft ongeveer 30 miljard parameters in totaal, waarvan drie miljard geactiveerd, en de maker presenteert het als een licht model dat mogelijkheden en efficiëntie in evenwicht brengt. Het aanvaardt tekst en genereert tekst. De producent benadrukt specifiek softwareontwikkeling, schrijven in het Chinees, vertalen, verwerking van lange teksten en rolgebaseerde gesprekken. Een bruikbare briefing kan om een codevoorstel, herwerkte passage, uitleg of gestructureerd resultaat op basis van aangeleverd materiaal vragen.
Voor ontwikkeling noemt Z.ai zowel frontendtaken als taken rond toepassingslogica voor deze Flash-editie. Geef het te implementeren gedrag, de relevante bron en de voorwaarden die intact moeten blijven mee. Beschrijf bij een pagina of component de toestanden, lay-out en vereiste interactie en vraag vervolgens om bewerkbare code en uitleg bij de belangrijke keuzes. Neem bij een bestaande functie de waargenomen fout en een voorbeeld van het verwachte resultaat op. Het model produceert de voorgestelde code; die compileren, uitvoeren of de interface renderen gebeurt in een gekoppelde toepassingsomgeving.
Het door de producent gehoste profiel van de GLM-4.7-reeks vermeldt tekstinvoer, tekstuitvoer, een context van 200K tokens en maximaal 128K uitvoertokens voor Flash. De openmodelkaart en het gehoste profiel beschrijven verschillende aspecten van dezelfde benoemde editie: kenmerken van het modelcheckpoint en een dienstconfiguratie van de producent. Bereid lange invoer voor met bronkoppen, code-identificaties en duidelijke documentgrenzen en laat ruimte voor redenering en het gevraagde antwoord. Een model dat alleen tekst verwerkt, kan code schrijven voor een toepassing die afbeeldingen of camera-invoer verwerkt, maar dat geeft dit modelcheckpoint geen eigen modus voor visuele invoer.
Redeneren is standaard ingeschakeld in de GLM-4.7-reeks. De producent documenteert een schakelaar per gespreksronde, zodat een gesprek redenering kan vragen bij een moeilijke vraag en die kan uitschakelen voor een eenvoudige herwerking of een kort antwoord. Het model ondersteunt ook tussengevoegde denkstappen tussen toolaanroepen, waardoor het een teruggegeven waarneming kan interpreteren voordat het een volgende stap plant. Definieer de beschikbare tools en het vereiste eindresultaat voordat u zo'n taak start. Een documentassistent kan geselecteerde informatie opvragen, het werkelijke ophaalresultaat ontvangen en vervolgens een uitleg voorbereiden die door dat resultaat wordt onderbouwd.
Redeneringen behouden is een afzonderlijke optie voor langdurig programmeer- of agentwerk. De gids van de maker gebruikt clear_thinking=false en vereist dat de volledige, ongewijzigde reasoning_content uit eerdere assistentbeurten in de oorspronkelijke volgorde wordt teruggestuurd. Die blokken wijzigen of herschikken kan het resultaat verslechteren en het cachegedrag beïnvloeden. De standaard verschilt tussen de programmeerinterface en standaardinterface van de producent; de optie is dus een geconfigureerde werkwijze en geen automatische eigenschap van elk gesprek. Houd het zichtbare antwoord gescheiden van behouden redeneringen en bewaar het bewijsmateriaal of de tooluitvoer waarvan latere stappen afhangen.
De gedocumenteerde interface van de familie omvat streamingtekst, function calling, contextcaching en gestructureerde uitvoer zoals JSON. Geef voor een gestructureerd resultaat de vereiste velden en de betekenis van elke waarde mee; definieer voor een toolverzoek het doel, de argumenten en de voltooiingsvoorwaarde van de functie. Een gegenereerde aanroep is een verzoek aan de toepassing om te handelen, geen bewijs van uitvoering. Het eindresultaat kan een kort verslag, gegevensobject of codebestand zijn, waarbij de informatie die ervoor gebruikt is herkenbaar blijft.
Specificeer bij schrijven of vertalen de lezer, taal, toon en termen die ongewijzigd moeten blijven. De maker raadt aan Flash te proberen voor schrijven in het Chinees en verhalende of rolgebaseerde dialogen, naast technisch werk. Een voorbeeldbriefing voor redactie kan een passage meegeven en om een beknopte herwerking vragen die de feiten behoudt; een vertaalbriefing kan een woordenlijst meegeven en geciteerde tekst van instructies onderscheiden. Behoud bij een langer gesprek de beperkingen en benoem het volgende benodigde resultaat, zodat het antwoord van het model verbonden blijft met de oorspronkelijke taak.
De exacte openmodelkaart publiceert verschillende generatie-instellingen voor de evaluatietaken: een standaardtemperatuur van 1.0 en top-p van 0.95, met afzonderlijke instellingen voor softwaretaken van 0.7 en 1.0. De voorbeeldlengten voor generatie maken deel uit van die procedures en zijn geen aanvullende universele limieten. Het modelcheckpoint is onderscheiden van GLM-4.7, GLM-4.7-FlashX en latere GLM-5-modellen. Stem de taak en antwoordmodus af op de gedocumenteerde tekstmogelijkheden van deze editie en beoordeel vervolgens de geleverde code, geëxtraheerde waarden of herwerkte tekst aan de hand van de invoer.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten z-ai/glm-4.7-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.000144 / 1K tokens Uitvoer · Uitvoertokens $0.000858 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.000144 / 1K tokens Uitvoer · Uitvoertokens $0.000858 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "z-ai/glm-4.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.7-flash', '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-4.7-flash', '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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra z-ai/glm-4.7-flash
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Translate a notice with a fixed glossary\n\nTranslate this Chinese notice into English: '订单已审核，但尚未发货。更改收货地址需要重新审核。' Use this glossary consistently: 审核 = review; 发货 = dispatch; 收货地址 = delivery address. Write a clear customer-facing notice and preserve the distinction between completed review and pending dispatch. Do not add a dispatch date or an approval guarantee.A concise English notice applying the glossary and preserving the two different order states.The translation retains the requirement for another review after an address change and does not state that dispatch occurred.