GLM-Z1-Rumination-32B-0414 is de onderzoeksgerichte redeneereditie in de GLM-4-0414-serie van Z.ai. Het is ontworpen om langer over open vragen na te denken en tijdens het redeneren opgehaalde informatie te gebruiken. De maker noemt vergelijkend onderzoeksschrijven en complexe retrieval als kenmerkende taken. Het eindproduct is tekst, zoals een analytisch rapport dat een vraag verbindt met het daarvoor verzamelde bewijsmateriaal.
Geef het onderwerp, de afbakening en de vergelijkingscriteria voordat je materiaal verzamelt. Specificeer voor een rapport dat ontwikkelingsplannen in twee steden vergelijkt de steden, de periode en de te vergelijken aspecten. Vraag om het relevante bewijs, de vergelijkingspunten en een afzonderlijke conclusie. Een open taak wordt eenvoudiger te beoordelen wanneer de verwachte secties en broneisen expliciet zijn.
Lever bestaande documenten of fragmenten aan met duidelijke titels en identificatoren. Scheid bronmateriaal van instructies en vermeld hoe het antwoord onvolledig of tegenstrijdig bewijsmateriaal moet behandelen. Een rapport kan een gedocumenteerd feit onderscheiden van een interpretatie en uitleggen welke bron elk wezenlijk punt ondersteunt.
De uitgewerkte toolcyclus van de maker omvat zoeken op trefwoord, het openen van een zoekresultaat, het openen van een opgegeven URL en het afronden van de informatieverzameling vóór het schrijven. Het model kiest een actie en argumenten; de omringende toepassing voert de retrieval uit en levert de observatie. Dit is een onderzoeksworkflow rond het model, geen aanname dat een tekstrespons al op het web heeft gebrowsed.
Geef voor een toepassing die dit patroon gebruikt de relevante inhoud van de opgehaalde pagina terug met titel en URL. Houd de bronidentificatoren consistent tussen beurten, zodat een latere vergelijking naar dezelfde documenten verwijst. Vraag het model een zoekopdracht te verfijnen wanneer de observatie de onderzoeksvraag niet beantwoordt en het eindrapport te produceren zodra het gevraagde bewijs is verzameld.
Het gepubliceerde voorbeeld gebruikt gesimuleerde retrievalfuncties om de besturingsstroom te illustreren. Een werkende toepassing levert eigen retrievalimplementaties en bepaalt wanneer de cyclus voldoende informatie heeft verzameld. De beurtlimiet en het generatiebudget van het voorbeeld beschrijven dat voorbeeld; het zijn geen universele limieten van deze editie.
Vraag om een antwoord dat rond het daadwerkelijke onderzoeksprobleem is opgebouwd: bevindingen, vergelijking, onzekerheid en conclusie. Vraag bij een documentvergelijking het model eerst vast te stellen welke voorwaarden verschillen voordat het een interpretatie voorstelt. Definieer voor een onderzoeksnotitie de doelgroep en de vragen die deze moet beantwoorden, zodat de teruggegeven tekst met de taak verbonden blijft.
Beoordeel het rapport naast de bronobservaties. Controleer citaten, datums en causale beweringen aan de hand van het materiaal dat aan de cyclus is geleverd. Bewaar de vraag, opgehaalde passages en het eindresultaat samen wanneer een rapport later wordt herzien. Zo blijft het bewijsmateriaal behouden dat nodig is om te begrijpen hoe de conclusie tot stand kwam.
Deze vermelding behoudt de identiteit Rumination 32B 0414. De gewone redeneereditie GLM-Z1-32B-0414 en de kleinere Z1-editie zijn afzonderlijk benoemde releases. De Rumination-modelkaart van de maker legt het onderzoeksgerichte toolpatroon en inferentievoorbeeld vast; de beperkte informatie over limieten moet bij het voorbereiden van een lang verzoek worden aangevuld met het daadwerkelijke interfacecontract.
", "aboutText": "GLM-Z1-Rumination-32B-0414 is de onderzoeksgerichte redeneereditie in de GLM-4-0414-serie van Z.ai. Het is ontworpen om langer over open vragen na te denken en tijdens het redeneren opgehaalde informatie te gebruiken. De maker noemt vergelijkend onderzoeksschrijven en complexe retrieval als kenmerkende taken. Het eindproduct is tekst, zoals een analytisch rapport dat een vraag verbindt met het daarvoor verzamelde bewijsmateriaal.\n\n### Definieer de onderzoeksvraag\n\nGeef het onderwerp, de afbakening en de vergelijkingscriteria voordat je materiaal verzamelt. Specificeer voor een rapport dat ontwikkelingsplannen in twee steden vergelijkt de steden, de periode en de te vergelijken aspecten. Vraag om het relevante bewijs, de vergelijkingspunten en een afzonderlijke conclusie. Een open taak wordt eenvoudiger te beoordelen wanneer de verwachte secties en broneisen expliciet zijn.\n\nLever bestaande documenten of fragmenten aan met duidelijke titels en identificatoren. Scheid bronmateriaal van instructies en vermeld hoe het antwoord onvolledig of tegenstrijdig bewijsmateriaal moet behandelen. Een rapport kan een gedocumenteerd feit onderscheiden van een interpretatie en uitleggen welke bron elk wezenlijk punt ondersteunt.\n\n### Zoek, lees en geef observaties terug\n\nDe uitgewerkte toolcyclus van de maker omvat zoeken op trefwoord, het openen van een zoekresultaat, het openen van een opgegeven URL en het afronden van de informatieverzameling vóór het schrijven. Het model kiest een actie en argumenten; de omringende toepassing voert de retrieval uit en levert de observatie. Dit is een onderzoeksworkflow rond het model, geen aanname dat een tekstrespons al op het web heeft gebrowsed.\n\nGeef voor een toepassing die dit patroon gebruikt de relevante inhoud van de opgehaalde pagina terug met titel en URL. Houd de bronidentificatoren consistent tussen beurten, zodat een latere vergelijking naar dezelfde documenten verwijst. Vraag het model een zoekopdracht te verfijnen wanneer de observatie de onderzoeksvraag niet beantwoordt en het eindrapport te produceren zodra het gevraagde bewijs is verzameld.\n\nHet gepubliceerde voorbeeld gebruikt gesimuleerde retrievalfuncties om de besturingsstroom te illustreren. Een werkende toepassing levert eigen retrievalimplementaties en bepaalt wanneer de cyclus voldoende informatie heeft verzameld. De beurtlimiet en het generatiebudget van het voorbeeld beschrijven dat voorbeeld; het zijn geen universele limieten van deze editie.\n\n### Bereid het rapport voor en beoordeel het\n\nVraag om een antwoord dat rond het daadwerkelijke onderzoeksprobleem is opgebouwd: bevindingen, vergelijking, onzekerheid en conclusie. Vraag bij een documentvergelijking het model eerst vast te stellen welke voorwaarden verschillen voordat het een interpretatie voorstelt. Definieer voor een onderzoeksnotitie de doelgroep en de vragen die deze moet beantwoorden, zodat de teruggegeven tekst met de taak verbonden blijft.\n\nBeoordeel het rapport naast de bronobservaties. Controleer citaten, datums en causale beweringen aan de hand van het materiaal dat aan de cyclus is geleverd. Bewaar de vraag, opgehaalde passages en het eindresultaat samen wanneer een rapport later wordt herzien. Zo blijft het bewijsmateriaal behouden dat nodig is om te begrijpen hoe de conclusie tot stand kwam.\n\n### Behoud de vaste editie\n\nDeze vermelding behoudt de identiteit Rumination 32B 0414. De gewone redeneereditie GLM-Z1-32B-0414 en de kleinere Z1-editie zijn afzonderlijk benoemde releases. De Rumination-modelkaart van de maker legt het onderzoeksgerichte toolpatroon en inferentievoorbeeld vast; de beperkte informatie over limieten moet bij het voorbereiden van een lang verzoek worden aangevuld met het daadwerkelijke interfacecontract.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Synthesize a source-bounded pilot comparison\n\nWrite a short research comparison from these supplied excerpts. Pilot A: staff reported faster intake, but no timing measurement was collected. Pilot B: median intake fell from 12 to 9 minutes; error counts were not recorded. Compare evidence for speed and quality, cite A or B, and state what follow-up measurement is needed before a broad conclusion.A concise comparison with findings, evidence gaps and a limited conclusion grounded in the excerpts.The report distinguishes reported impressions from measured timing and does not claim improved quality without error data.THUDM/GLM-Z1-Rumination-32B-0414GLM-Z1-Rumination-32B-0414 is een vaste editie voor tekstueel redeneren, gericht op open onderzoek en vergelijkende rapporten. De maker documenteert een zoek- en leescyclus waarin de toepassing bronnen ophaalt en observaties teruggeeft voordat het model zijn resultaat schrijft.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GLM-Z1-Rumination-32B-0414 is de onderzoeksgerichte redeneereditie in de GLM-4-0414-serie van Z.ai. Het is ontworpen om langer over open vragen na te denken en tijdens het redeneren opgehaalde informatie te gebruiken. De maker noemt vergelijkend onderzoeksschrijven en complexe retrieval als kenmerkende taken. Het eindproduct is tekst, zoals een analytisch rapport dat een vraag verbindt met het daarvoor verzamelde bewijsmateriaal.
Geef het onderwerp, de afbakening en de vergelijkingscriteria voordat je materiaal verzamelt. Specificeer voor een rapport dat ontwikkelingsplannen in twee steden vergelijkt de steden, de periode en de te vergelijken aspecten. Vraag om het relevante bewijs, de vergelijkingspunten en een afzonderlijke conclusie. Een open taak wordt eenvoudiger te beoordelen wanneer de verwachte secties en broneisen expliciet zijn.
Lever bestaande documenten of fragmenten aan met duidelijke titels en identificatoren. Scheid bronmateriaal van instructies en vermeld hoe het antwoord onvolledig of tegenstrijdig bewijsmateriaal moet behandelen. Een rapport kan een gedocumenteerd feit onderscheiden van een interpretatie en uitleggen welke bron elk wezenlijk punt ondersteunt.
De uitgewerkte toolcyclus van de maker omvat zoeken op trefwoord, het openen van een zoekresultaat, het openen van een opgegeven URL en het afronden van de informatieverzameling vóór het schrijven. Het model kiest een actie en argumenten; de omringende toepassing voert de retrieval uit en levert de observatie. Dit is een onderzoeksworkflow rond het model, geen aanname dat een tekstrespons al op het web heeft gebrowsed.
Geef voor een toepassing die dit patroon gebruikt de relevante inhoud van de opgehaalde pagina terug met titel en URL. Houd de bronidentificatoren consistent tussen beurten, zodat een latere vergelijking naar dezelfde documenten verwijst. Vraag het model een zoekopdracht te verfijnen wanneer de observatie de onderzoeksvraag niet beantwoordt en het eindrapport te produceren zodra het gevraagde bewijs is verzameld.
Het gepubliceerde voorbeeld gebruikt gesimuleerde retrievalfuncties om de besturingsstroom te illustreren. Een werkende toepassing levert eigen retrievalimplementaties en bepaalt wanneer de cyclus voldoende informatie heeft verzameld. De beurtlimiet en het generatiebudget van het voorbeeld beschrijven dat voorbeeld; het zijn geen universele limieten van deze editie.
Vraag om een antwoord dat rond het daadwerkelijke onderzoeksprobleem is opgebouwd: bevindingen, vergelijking, onzekerheid en conclusie. Vraag bij een documentvergelijking het model eerst vast te stellen welke voorwaarden verschillen voordat het een interpretatie voorstelt. Definieer voor een onderzoeksnotitie de doelgroep en de vragen die deze moet beantwoorden, zodat de teruggegeven tekst met de taak verbonden blijft.
Beoordeel het rapport naast de bronobservaties. Controleer citaten, datums en causale beweringen aan de hand van het materiaal dat aan de cyclus is geleverd. Bewaar de vraag, opgehaalde passages en het eindresultaat samen wanneer een rapport later wordt herzien. Zo blijft het bewijsmateriaal behouden dat nodig is om te begrijpen hoe de conclusie tot stand kwam.
Deze vermelding behoudt de identiteit Rumination 32B 0414. De gewone redeneereditie GLM-Z1-32B-0414 en de kleinere Z1-editie zijn afzonderlijk benoemde releases. De Rumination-modelkaart van de maker legt het onderzoeksgerichte toolpatroon en inferentievoorbeeld vast; de beperkte informatie over limieten moet bij het voorbereiden van een lang verzoek worden aangevuld met het daadwerkelijke interfacecontract.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten THUDM/GLM-Z1-Rumination-32B-0414 | 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 $0.00014 / 1K tokens Uitvoer · Uitvoertokens $0.00014 / 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": "THUDM/GLM-Z1-Rumination-32B-0414", "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='THUDM/GLM-Z1-Rumination-32B-0414',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='THUDM/GLM-Z1-Rumination-32B-0414',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 THUDM/GLM-Z1-Rumination-32B-0414
Gebruik de hierboven getoonde methodepaden.
THUDM/GLM-Z1-Rumination-32B-0414GLM-Z1-Rumination-32B-0414 is een vaste editie voor tekstueel redeneren, gericht op open onderzoek en vergelijkende rapporten. De maker documenteert een zoek- en leescyclus waarin de toepassing bronnen ophaalt en observaties teruggeeft voordat het model zijn resultaat schrijft.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GLM-Z1-Rumination-32B-0414 is de onderzoeksgerichte redeneereditie in de GLM-4-0414-serie van Z.ai. Het is ontworpen om langer over open vragen na te denken en tijdens het redeneren opgehaalde informatie te gebruiken. De maker noemt vergelijkend onderzoeksschrijven en complexe retrieval als kenmerkende taken. Het eindproduct is tekst, zoals een analytisch rapport dat een vraag verbindt met het daarvoor verzamelde bewijsmateriaal.
Geef het onderwerp, de afbakening en de vergelijkingscriteria voordat je materiaal verzamelt. Specificeer voor een rapport dat ontwikkelingsplannen in twee steden vergelijkt de steden, de periode en de te vergelijken aspecten. Vraag om het relevante bewijs, de vergelijkingspunten en een afzonderlijke conclusie. Een open taak wordt eenvoudiger te beoordelen wanneer de verwachte secties en broneisen expliciet zijn.
Lever bestaande documenten of fragmenten aan met duidelijke titels en identificatoren. Scheid bronmateriaal van instructies en vermeld hoe het antwoord onvolledig of tegenstrijdig bewijsmateriaal moet behandelen. Een rapport kan een gedocumenteerd feit onderscheiden van een interpretatie en uitleggen welke bron elk wezenlijk punt ondersteunt.
De uitgewerkte toolcyclus van de maker omvat zoeken op trefwoord, het openen van een zoekresultaat, het openen van een opgegeven URL en het afronden van de informatieverzameling vóór het schrijven. Het model kiest een actie en argumenten; de omringende toepassing voert de retrieval uit en levert de observatie. Dit is een onderzoeksworkflow rond het model, geen aanname dat een tekstrespons al op het web heeft gebrowsed.
Geef voor een toepassing die dit patroon gebruikt de relevante inhoud van de opgehaalde pagina terug met titel en URL. Houd de bronidentificatoren consistent tussen beurten, zodat een latere vergelijking naar dezelfde documenten verwijst. Vraag het model een zoekopdracht te verfijnen wanneer de observatie de onderzoeksvraag niet beantwoordt en het eindrapport te produceren zodra het gevraagde bewijs is verzameld.
Het gepubliceerde voorbeeld gebruikt gesimuleerde retrievalfuncties om de besturingsstroom te illustreren. Een werkende toepassing levert eigen retrievalimplementaties en bepaalt wanneer de cyclus voldoende informatie heeft verzameld. De beurtlimiet en het generatiebudget van het voorbeeld beschrijven dat voorbeeld; het zijn geen universele limieten van deze editie.
Vraag om een antwoord dat rond het daadwerkelijke onderzoeksprobleem is opgebouwd: bevindingen, vergelijking, onzekerheid en conclusie. Vraag bij een documentvergelijking het model eerst vast te stellen welke voorwaarden verschillen voordat het een interpretatie voorstelt. Definieer voor een onderzoeksnotitie de doelgroep en de vragen die deze moet beantwoorden, zodat de teruggegeven tekst met de taak verbonden blijft.
Beoordeel het rapport naast de bronobservaties. Controleer citaten, datums en causale beweringen aan de hand van het materiaal dat aan de cyclus is geleverd. Bewaar de vraag, opgehaalde passages en het eindresultaat samen wanneer een rapport later wordt herzien. Zo blijft het bewijsmateriaal behouden dat nodig is om te begrijpen hoe de conclusie tot stand kwam.
Deze vermelding behoudt de identiteit Rumination 32B 0414. De gewone redeneereditie GLM-Z1-32B-0414 en de kleinere Z1-editie zijn afzonderlijk benoemde releases. De Rumination-modelkaart van de maker legt het onderzoeksgerichte toolpatroon en inferentievoorbeeld vast; de beperkte informatie over limieten moet bij het voorbereiden van een lang verzoek worden aangevuld met het daadwerkelijke interfacecontract.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten THUDM/GLM-Z1-Rumination-32B-0414 | 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 $0.00014 / 1K tokens Uitvoer · Uitvoertokens $0.00014 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "THUDM/GLM-Z1-Rumination-32B-0414",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'THUDM/GLM-Z1-Rumination-32B-0414', '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': 'THUDM/GLM-Z1-Rumination-32B-0414', '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 THUDM/GLM-Z1-Rumination-32B-0414
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Synthesize a source-bounded pilot comparison\n\nWrite a short research comparison from these supplied excerpts. Pilot A: staff reported faster intake, but no timing measurement was collected. Pilot B: median intake fell from 12 to 9 minutes; error counts were not recorded. Compare evidence for speed and quality, cite A or B, and state what follow-up measurement is needed before a broad conclusion.A concise comparison with findings, evidence gaps and a limited conclusion grounded in the excerpts.The report distinguishes reported impressions from measured timing and does not claim improved quality without error data.