GLM-4-Flash is een van de afzonderlijk benoemde GLM-4-taalmodelprofielen van Zhipu AI. De oorspronkelijke GLM-4 API-introductie van de maker noemt Flash naast GLM-4-0520, Air en AirX. De huidige GLM-4-documentatie beschrijft Flash ook als de eerdere taalmodelreeks waaruit afzonderlijk benoemde verbeterde en gedateerde Flash-profielen voortkwamen.
Geef de vraag en de tekst die nodig is om die te beantwoorden. Een compact verzoek kan vragen om een korte uitleg, een samenvatting van een bericht of een herschrijving voor een bepaalde doelgroep. Vermeld welke informatie het antwoord moet behouden en welke lengte of structuur het bruikbaar maakt in het gesprek.
Geef voor een voorbeeldantwoord van de klantenservice het bericht van de gebruiker en de goedgekeurde feiten voor het antwoord. Vraag om een beknopt antwoord op de gestelde vraag en bewaar het oorspronkelijke bericht naast het concept. Zo blijft een latere correctie gericht op een specifiek feit of specifieke formulering.
De bredere GLM-4-richtlijnen van de producent bevelen semantische classificatie aan. Geef voor een kleine classificatietaak de categoriedefinities en een duidelijke regel voor een dubbelzinnig bericht. Vraag om de gekozen categorie met een korte uitleg op basis van de aangeleverde tekst.
Een voorbeeldtaak voor een inbox kan onderscheid maken tussen een vraag, een wijzigingsverzoek en een bevestiging. Bewaar de oorspronkelijke berichtidentificator bij de teruggegeven beslissing. Vermeld bij een bericht met meerdere bedoelingen hoe die in het gevraagde resultaat moeten worden weergegeven, in plaats van te vertrouwen op een onuitgesproken categorieregel.
De gespreksvoorbeelden van de fabrikant voor GLM-4 geven geschreven inhoud terug op basis van aangeleverde berichten. Kies een resultaat dat bij een gerichte interactie past: een antwoord van één alinea, een korte lijst kernpunten of een herziene zin die de goedgekeurde schrijfwijze van namen en cijfers behoudt.
Benoem bij het samenvatten van een passage de feiten die in de kortere versie behouden moeten blijven. Geef bij herschrijven aan welke details vaststaan en welke aspecten van toon of structuur mogen veranderen. Deze voorbereidingskeuzes geven de voltooide tekst een concreet doel en houden het onderliggende materiaal beschikbaar voor controle.
GLM-4-Flash, FlashX en Flash-250414 zijn afzonderlijk benoemde producentprofielen. Bewaar de gekozen Flash-naam bij de prompt en uitvoer wanneer u het gesprek voortzet of een reeks antwoorden beoordeelt. De volgende instructie kan naar het aanvaarde concept verwijzen en een specifieke wijziging vragen, zoals een onduidelijke formulering vervangen of een ontbrekende kwalificatie herstellen.
Sla het beknopte antwoord of classificatieresultaat op met de bronidentificator. Vergelijk geëxtraheerde namen, waarden en categorieverklaringen met de invoer en neem het gecorrigeerde resultaat daarna mee naar de volgende gespreks- of documentstap.
", "aboutText": "GLM-4-Flash is een van de afzonderlijk benoemde GLM-4-taalmodelprofielen van Zhipu AI. De oorspronkelijke GLM-4 API-introductie van de maker noemt Flash naast GLM-4-0520, Air en AirX. De huidige GLM-4-documentatie beschrijft Flash ook als de eerdere taalmodelreeks waaruit afzonderlijk benoemde verbeterde en gedateerde Flash-profielen voortkwamen.\n\n### Baken een gerichte taak duidelijk af\n\nGeef de vraag en de tekst die nodig is om die te beantwoorden. Een compact verzoek kan vragen om een korte uitleg, een samenvatting van een bericht of een herschrijving voor een bepaalde doelgroep. Vermeld welke informatie het antwoord moet behouden en welke lengte of structuur het bruikbaar maakt in het gesprek.\n\nGeef voor een voorbeeldantwoord van de klantenservice het bericht van de gebruiker en de goedgekeurde feiten voor het antwoord. Vraag om een beknopt antwoord op de gestelde vraag en bewaar het oorspronkelijke bericht naast het concept. Zo blijft een latere correctie gericht op een specifiek feit of specifieke formulering.\n\n### Definieer categorieën voordat u een beslissing vraagt\n\nDe bredere GLM-4-richtlijnen van de producent bevelen semantische classificatie aan. Geef voor een kleine classificatietaak de categoriedefinities en een duidelijke regel voor een dubbelzinnig bericht. Vraag om de gekozen categorie met een korte uitleg op basis van de aangeleverde tekst.\n\nEen voorbeeldtaak voor een inbox kan onderscheid maken tussen een vraag, een wijzigingsverzoek en een bevestiging. Bewaar de oorspronkelijke berichtidentificator bij de teruggegeven beslissing. Vermeld bij een bericht met meerdere bedoelingen hoe die in het gevraagde resultaat moeten worden weergegeven, in plaats van te vertrouwen op een onuitgesproken categorieregel.\n\n### Maak een beknopt tekstresultaat\n\nDe gespreksvoorbeelden van de fabrikant voor GLM-4 geven geschreven inhoud terug op basis van aangeleverde berichten. Kies een resultaat dat bij een gerichte interactie past: een antwoord van één alinea, een korte lijst kernpunten of een herziene zin die de goedgekeurde schrijfwijze van namen en cijfers behoudt.\n\nBenoem bij het samenvatten van een passage de feiten die in de kortere versie behouden moeten blijven. Geef bij herschrijven aan welke details vaststaan en welke aspecten van toon of structuur mogen veranderen. Deze voorbereidingskeuzes geven de voltooide tekst een concreet doel en houden het onderliggende materiaal beschikbaar voor controle.\n\n### Houd het Flash-profiel en de taak bij elkaar\n\nGLM-4-Flash, FlashX en Flash-250414 zijn afzonderlijk benoemde producentprofielen. Bewaar de gekozen Flash-naam bij de prompt en uitvoer wanneer u het gesprek voortzet of een reeks antwoorden beoordeelt. De volgende instructie kan naar het aanvaarde concept verwijzen en een specifieke wijziging vragen, zoals een onduidelijke formulering vervangen of een ontbrekende kwalificatie herstellen.\n\nSla het beknopte antwoord of classificatieresultaat op met de bronidentificator. Vergelijk geëxtraheerde namen, waarden en categorieverklaringen met de invoer en neem het gecorrigeerde resultaat daarna mee naar de volgende gespreks- of documentstap. ", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Draft a concise booking reply\n\nWrite a concise reply to this customer: "Can our group arrive at 09:00?" Approved facts: reception opens at 09:30; luggage may be left from 09:30; room access starts at 15:00. Keep the reply to two sentences. Answer the early-arrival question clearly without promising an earlier room or unattended luggage storage.A two-sentence customer reply using only the approved reception, luggage and room-access times.Check that 09:00 is not accepted and room access remains 15:00.glm-4-flashGLM-4-Flash is een GLM-4-taalmodelprofiel van Zhipu AI voor schriftelijke gesprekken en gerichte teksttaken. Geef een duidelijke vraag of compacte bronpassage om een korte uitleg, een classificatiebeslissing of een beknopt herschreven antwoord te maken.
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-Flash is een van de afzonderlijk benoemde GLM-4-taalmodelprofielen van Zhipu AI. De oorspronkelijke GLM-4 API-introductie van de maker noemt Flash naast GLM-4-0520, Air en AirX. De huidige GLM-4-documentatie beschrijft Flash ook als de eerdere taalmodelreeks waaruit afzonderlijk benoemde verbeterde en gedateerde Flash-profielen voortkwamen.
Geef de vraag en de tekst die nodig is om die te beantwoorden. Een compact verzoek kan vragen om een korte uitleg, een samenvatting van een bericht of een herschrijving voor een bepaalde doelgroep. Vermeld welke informatie het antwoord moet behouden en welke lengte of structuur het bruikbaar maakt in het gesprek.
Geef voor een voorbeeldantwoord van de klantenservice het bericht van de gebruiker en de goedgekeurde feiten voor het antwoord. Vraag om een beknopt antwoord op de gestelde vraag en bewaar het oorspronkelijke bericht naast het concept. Zo blijft een latere correctie gericht op een specifiek feit of specifieke formulering.
De bredere GLM-4-richtlijnen van de producent bevelen semantische classificatie aan. Geef voor een kleine classificatietaak de categoriedefinities en een duidelijke regel voor een dubbelzinnig bericht. Vraag om de gekozen categorie met een korte uitleg op basis van de aangeleverde tekst.
Een voorbeeldtaak voor een inbox kan onderscheid maken tussen een vraag, een wijzigingsverzoek en een bevestiging. Bewaar de oorspronkelijke berichtidentificator bij de teruggegeven beslissing. Vermeld bij een bericht met meerdere bedoelingen hoe die in het gevraagde resultaat moeten worden weergegeven, in plaats van te vertrouwen op een onuitgesproken categorieregel.
De gespreksvoorbeelden van de fabrikant voor GLM-4 geven geschreven inhoud terug op basis van aangeleverde berichten. Kies een resultaat dat bij een gerichte interactie past: een antwoord van één alinea, een korte lijst kernpunten of een herziene zin die de goedgekeurde schrijfwijze van namen en cijfers behoudt.
Benoem bij het samenvatten van een passage de feiten die in de kortere versie behouden moeten blijven. Geef bij herschrijven aan welke details vaststaan en welke aspecten van toon of structuur mogen veranderen. Deze voorbereidingskeuzes geven de voltooide tekst een concreet doel en houden het onderliggende materiaal beschikbaar voor controle.
GLM-4-Flash, FlashX en Flash-250414 zijn afzonderlijk benoemde producentprofielen. Bewaar de gekozen Flash-naam bij de prompt en uitvoer wanneer u het gesprek voortzet of een reeks antwoorden beoordeelt. De volgende instructie kan naar het aanvaarde concept verwijzen en een specifieke wijziging vragen, zoals een onduidelijke formulering vervangen of een ontbrekende kwalificatie herstellen.
Sla het beknopte antwoord of classificatieresultaat op met de bronidentificator. Vergelijk geëxtraheerde namen, waarden en categorieverklaringen met de invoer en neem het gecorrigeerde resultaat daarna mee naar de volgende gespreks- of documentstap.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten glm-4-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.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.000028 / 1K tokens Uitvoer · Uitvoertokens $0.000028 / 1K tokens Invoer · Cache lezen $0 / 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": "glm-4-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='glm-4-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='glm-4-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 glm-4-flash
Gebruik de hierboven getoonde methodepaden.
glm-4-flashGLM-4-Flash is een GLM-4-taalmodelprofiel van Zhipu AI voor schriftelijke gesprekken en gerichte teksttaken. Geef een duidelijke vraag of compacte bronpassage om een korte uitleg, een classificatiebeslissing of een beknopt herschreven antwoord te maken.
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-Flash is een van de afzonderlijk benoemde GLM-4-taalmodelprofielen van Zhipu AI. De oorspronkelijke GLM-4 API-introductie van de maker noemt Flash naast GLM-4-0520, Air en AirX. De huidige GLM-4-documentatie beschrijft Flash ook als de eerdere taalmodelreeks waaruit afzonderlijk benoemde verbeterde en gedateerde Flash-profielen voortkwamen.
Geef de vraag en de tekst die nodig is om die te beantwoorden. Een compact verzoek kan vragen om een korte uitleg, een samenvatting van een bericht of een herschrijving voor een bepaalde doelgroep. Vermeld welke informatie het antwoord moet behouden en welke lengte of structuur het bruikbaar maakt in het gesprek.
Geef voor een voorbeeldantwoord van de klantenservice het bericht van de gebruiker en de goedgekeurde feiten voor het antwoord. Vraag om een beknopt antwoord op de gestelde vraag en bewaar het oorspronkelijke bericht naast het concept. Zo blijft een latere correctie gericht op een specifiek feit of specifieke formulering.
De bredere GLM-4-richtlijnen van de producent bevelen semantische classificatie aan. Geef voor een kleine classificatietaak de categoriedefinities en een duidelijke regel voor een dubbelzinnig bericht. Vraag om de gekozen categorie met een korte uitleg op basis van de aangeleverde tekst.
Een voorbeeldtaak voor een inbox kan onderscheid maken tussen een vraag, een wijzigingsverzoek en een bevestiging. Bewaar de oorspronkelijke berichtidentificator bij de teruggegeven beslissing. Vermeld bij een bericht met meerdere bedoelingen hoe die in het gevraagde resultaat moeten worden weergegeven, in plaats van te vertrouwen op een onuitgesproken categorieregel.
De gespreksvoorbeelden van de fabrikant voor GLM-4 geven geschreven inhoud terug op basis van aangeleverde berichten. Kies een resultaat dat bij een gerichte interactie past: een antwoord van één alinea, een korte lijst kernpunten of een herziene zin die de goedgekeurde schrijfwijze van namen en cijfers behoudt.
Benoem bij het samenvatten van een passage de feiten die in de kortere versie behouden moeten blijven. Geef bij herschrijven aan welke details vaststaan en welke aspecten van toon of structuur mogen veranderen. Deze voorbereidingskeuzes geven de voltooide tekst een concreet doel en houden het onderliggende materiaal beschikbaar voor controle.
GLM-4-Flash, FlashX en Flash-250414 zijn afzonderlijk benoemde producentprofielen. Bewaar de gekozen Flash-naam bij de prompt en uitvoer wanneer u het gesprek voortzet of een reeks antwoorden beoordeelt. De volgende instructie kan naar het aanvaarde concept verwijzen en een specifieke wijziging vragen, zoals een onduidelijke formulering vervangen of een ontbrekende kwalificatie herstellen.
Sla het beknopte antwoord of classificatieresultaat op met de bronidentificator. Vergelijk geëxtraheerde namen, waarden en categorieverklaringen met de invoer en neem het gecorrigeerde resultaat daarna mee naar de volgende gespreks- of documentstap.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten glm-4-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.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.000028 / 1K tokens Uitvoer · Uitvoertokens $0.000028 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "glm-4-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'glm-4-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': 'glm-4-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 glm-4-flash
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Draft a concise booking reply\n\nWrite a concise reply to this customer: "Can our group arrive at 09:00?" Approved facts: reception opens at 09:30; luggage may be left from 09:30; room access starts at 15:00. Keep the reply to two sentences. Answer the early-arrival question clearly without promising an earlier room or unattended luggage storage.A two-sentence customer reply using only the approved reception, luggage and room-access times.Check that 09:00 is not accepted and room access remains 15:00.