GLM-4.7-Flash is de 30B-A3B mixture-of-experts-editie van Z.ai's GLM-4.7-familie. Het sparse ontwerp heeft ongeveer 30 miljard parameters in totaal en drie miljard geactiveerde parameters, en de maker presenteert het als een licht model dat mogelijkheden en efficiëntie in evenwicht brengt. Het accepteert tekst en genereert tekst. De producent benadrukt specifiek softwareontwikkeling, schrijven in het Chinees, vertalen, verwerking van lange teksten en gesprekken vanuit een rol. Een bruikbare briefing kan vragen om een codevoorstel, een herziene passage, een uitleg of een gestructureerd resultaat op basis van aangeleverd materiaal.
Voor ontwikkeling noemt Z.ai voor deze Flash-editie zowel front-endtaken als taken rond toepassingslogica. Lever het te implementeren gedrag, de relevante bron en de voorwaarden die intact moeten blijven aan. Beschrijf bij een pagina of component de toestanden, lay-out en vereiste interactie en vraag vervolgens om bewerkbare code en een uitleg van 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; compileren, uitvoeren of de interface renderen hoort bij een verbonden toepassingsomgeving.
Het door de producent gehoste profiel van de GLM-4.7-serie noemt voor Flash tekstinvoer, tekstuitvoer, een context van 200K tokens en maximaal 128K uitvoertokens. De kaart van het open model en het gehoste profiel beschrijven verschillende aspecten van dezelfde benoemde editie: checkpointeigenschappen en een dienstconfiguratie van de producent. Bereid lange invoer voor met bronkoppen, code-identificaties en duidelijke documentgrenzen en laat ruimte voor redeneren 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 checkpoint geen ingebouwde modus voor visuele invoer.
Redeneren is standaard ingeschakeld in de GLM-4.7-serie. De producent documenteert een schakelaar per beurt, zodat een gesprek bij een moeilijke vraag om redeneren kan vragen en dit bij een eenvoudige herschrijving of een kort antwoord kan uitschakelen. Ook wordt afwisselend denken tussen toolaanroepen ondersteund, zodat het model een teruggestuurde waarneming kan interpreteren voordat het een volgende stap plant. Definieer de beschikbare tools en het vereiste eindproduct voordat je zo'n taak begint. Een documentassistent kan geselecteerde informatie opvragen, het werkelijke zoekresultaat ontvangen en vervolgens een uitleg voorbereiden die door dat resultaat wordt ondersteund.
Het behouden van denkprocessen is een afzonderlijke optie voor langdurig programmeer- of agentwerk. De handleiding van de maker gebruikt clear_thinking=false en vereist dat de volledige, ongewijzigde reasoning_content uit eerdere assistentbeurten in de oorspronkelijke volgorde wordt teruggestuurd. Het wijzigen of herschikken van die blokken kan het resultaat verslechteren en het cachegedrag beïnvloeden. De standaard verschilt tussen de programmeerinterface en de standaardinterface van de producent; de optie is dus onderdeel van een ingestelde werkstroom en geen automatische eigenschap van elk gesprek. Houd het zichtbare antwoord gescheiden van bewaarde redeneringen en behoud het bewijs of de tooluitvoer waarvan latere stappen afhangen.
De gedocumenteerde interface van de familie omvat gestreamde tekst, functieaanroepen, contextcaching en gestructureerde uitvoer zoals JSON. Geef voor een gestructureerd resultaat de verplichte velden op en wat elke waarde betekent; definieer voor een toolverzoek het doel van de functie, de argumenten en de afrondingsvoorwaarde. Een gegenereerde aanroep is een verzoek aan de toepassing om te handelen, geen bewijs van uitvoering. Het eindresultaat kan een kort verslag, een gegevensobject of een codeproduct zijn, waarbij de informatie die voor het maken ervan is gebruikt herkenbaar blijft.
Specificeer bij schrijven of vertalen de lezer, taal, toon en termen die ongewijzigd moeten blijven. De maker beveelt aan Flash naast technisch werk ook te proberen voor schrijven in het Chinees en voor verhalende of rolgebonden dialogen. Een voorbeeldbriefing voor redactie kan een passage aanleveren en vragen om een beknopte herziening die de feiten behoudt; een vertaalbriefing kan een woordenlijst aanleveren en geciteerde tekst van instructies onderscheiden. Behoud in een langer gesprek de randvoorwaarden en benoem het volgende benodigde resultaat, zodat het antwoord van het model verbonden blijft met de oorspronkelijke taak.
De specifieke kaart van het open model publiceert verschillende generatie-instellingen voor evaluatietaken: een standaardtemperatuur van 1.0 en top-p van 0.95, met afzonderlijke instellingen voor softwaretaken van 0.7 en 1.0. De generatievoorbeelden met hun lengtes maken deel uit van die procedures en zijn geen aanvullende universele limieten. Het checkpoint verschilt 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 daarna de geleverde code, geëxtraheerde waarden of herziene tekst aan de hand van de invoer.
", "aboutText": "GLM-4.7-Flash is de 30B-A3B mixture-of-experts-editie van Z.ai's GLM-4.7-familie. Het sparse ontwerp heeft ongeveer 30 miljard parameters in totaal en drie miljard geactiveerde parameters, en de maker presenteert het als een licht model dat mogelijkheden en efficiëntie in evenwicht brengt. Het accepteert tekst en genereert tekst. De producent benadrukt specifiek softwareontwikkeling, schrijven in het Chinees, vertalen, verwerking van lange teksten en gesprekken vanuit een rol. Een bruikbare briefing kan vragen om een codevoorstel, een herziene passage, een uitleg of een gestructureerd resultaat op basis van aangeleverd materiaal.\n\nVoor ontwikkeling noemt Z.ai voor deze Flash-editie zowel front-endtaken als taken rond toepassingslogica. Lever het te implementeren gedrag, de relevante bron en de voorwaarden die intact moeten blijven aan. Beschrijf bij een pagina of component de toestanden, lay-out en vereiste interactie en vraag vervolgens om bewerkbare code en een uitleg van 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; compileren, uitvoeren of de interface renderen hoort bij een verbonden toepassingsomgeving.\n\nHet door de producent gehoste profiel van de GLM-4.7-serie noemt voor Flash tekstinvoer, tekstuitvoer, een context van 200K tokens en maximaal 128K uitvoertokens. De kaart van het open model en het gehoste profiel beschrijven verschillende aspecten van dezelfde benoemde editie: checkpointeigenschappen en een dienstconfiguratie van de producent. Bereid lange invoer voor met bronkoppen, code-identificaties en duidelijke documentgrenzen en laat ruimte voor redeneren 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 checkpoint geen ingebouwde modus voor visuele invoer.\n\nRedeneren is standaard ingeschakeld in de GLM-4.7-serie. De producent documenteert een schakelaar per beurt, zodat een gesprek bij een moeilijke vraag om redeneren kan vragen en dit bij een eenvoudige herschrijving of een kort antwoord kan uitschakelen. Ook wordt afwisselend denken tussen toolaanroepen ondersteund, zodat het model een teruggestuurde waarneming kan interpreteren voordat het een volgende stap plant. Definieer de beschikbare tools en het vereiste eindproduct voordat je zo'n taak begint. Een documentassistent kan geselecteerde informatie opvragen, het werkelijke zoekresultaat ontvangen en vervolgens een uitleg voorbereiden die door dat resultaat wordt ondersteund.\n\nHet behouden van denkprocessen is een afzonderlijke optie voor langdurig programmeer- of agentwerk. De handleiding van de maker gebruikt clear_thinking=false en vereist dat de volledige, ongewijzigde reasoning_content uit eerdere assistentbeurten in de oorspronkelijke volgorde wordt teruggestuurd. Het wijzigen of herschikken van die blokken kan het resultaat verslechteren en het cachegedrag beïnvloeden. De standaard verschilt tussen de programmeerinterface en de standaardinterface van de producent; de optie is dus onderdeel van een ingestelde werkstroom en geen automatische eigenschap van elk gesprek. Houd het zichtbare antwoord gescheiden van bewaarde redeneringen en behoud het bewijs of de tooluitvoer waarvan latere stappen afhangen.\n\nDe gedocumenteerde interface van de familie omvat gestreamde tekst, functieaanroepen, contextcaching en gestructureerde uitvoer zoals JSON. Geef voor een gestructureerd resultaat de verplichte velden op en wat elke waarde betekent; definieer voor een toolverzoek het doel van de functie, de argumenten en de afrondingsvoorwaarde. Een gegenereerde aanroep is een verzoek aan de toepassing om te handelen, geen bewijs van uitvoering. Het eindresultaat kan een kort verslag, een gegevensobject of een codeproduct zijn, waarbij de informatie die voor het maken ervan is gebruikt herkenbaar blijft.\n\nSpecificeer bij schrijven of vertalen de lezer, taal, toon en termen die ongewijzigd moeten blijven. De maker beveelt aan Flash naast technisch werk ook te proberen voor schrijven in het Chinees en voor verhalende of rolgebonden dialogen. Een voorbeeldbriefing voor redactie kan een passage aanleveren en vragen om een beknopte herziening die de feiten behoudt; een vertaalbriefing kan een woordenlijst aanleveren en geciteerde tekst van instructies onderscheiden. Behoud in een langer gesprek de randvoorwaarden en benoem het volgende benodigde resultaat, zodat het antwoord van het model verbonden blijft met de oorspronkelijke taak.\n\nDe specifieke kaart van het open model publiceert verschillende generatie-instellingen voor evaluatietaken: een standaardtemperatuur van 1.0 en top-p van 0.95, met afzonderlijke instellingen voor softwaretaken van 0.7 en 1.0. De generatievoorbeelden met hun lengtes maken deel uit van die procedures en zijn geen aanvullende universele limieten. Het checkpoint verschilt 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 daarna de geleverde code, geëxtraheerde waarden of herziene 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 mixture-of-experts-tekstmodel van Z.ai voor programmeren, lange teksten, schrijven in het Chinees en vertalen. Het ondersteunt redeneren en door tools aangestuurde werkstromen, 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 mixture-of-experts-editie van Z.ai's GLM-4.7-familie. Het sparse ontwerp heeft ongeveer 30 miljard parameters in totaal en drie miljard geactiveerde parameters, en de maker presenteert het als een licht model dat mogelijkheden en efficiëntie in evenwicht brengt. Het accepteert tekst en genereert tekst. De producent benadrukt specifiek softwareontwikkeling, schrijven in het Chinees, vertalen, verwerking van lange teksten en gesprekken vanuit een rol. Een bruikbare briefing kan vragen om een codevoorstel, een herziene passage, een uitleg of een gestructureerd resultaat op basis van aangeleverd materiaal.
Voor ontwikkeling noemt Z.ai voor deze Flash-editie zowel front-endtaken als taken rond toepassingslogica. Lever het te implementeren gedrag, de relevante bron en de voorwaarden die intact moeten blijven aan. Beschrijf bij een pagina of component de toestanden, lay-out en vereiste interactie en vraag vervolgens om bewerkbare code en een uitleg van 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; compileren, uitvoeren of de interface renderen hoort bij een verbonden toepassingsomgeving.
Het door de producent gehoste profiel van de GLM-4.7-serie noemt voor Flash tekstinvoer, tekstuitvoer, een context van 200K tokens en maximaal 128K uitvoertokens. De kaart van het open model en het gehoste profiel beschrijven verschillende aspecten van dezelfde benoemde editie: checkpointeigenschappen en een dienstconfiguratie van de producent. Bereid lange invoer voor met bronkoppen, code-identificaties en duidelijke documentgrenzen en laat ruimte voor redeneren 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 checkpoint geen ingebouwde modus voor visuele invoer.
Redeneren is standaard ingeschakeld in de GLM-4.7-serie. De producent documenteert een schakelaar per beurt, zodat een gesprek bij een moeilijke vraag om redeneren kan vragen en dit bij een eenvoudige herschrijving of een kort antwoord kan uitschakelen. Ook wordt afwisselend denken tussen toolaanroepen ondersteund, zodat het model een teruggestuurde waarneming kan interpreteren voordat het een volgende stap plant. Definieer de beschikbare tools en het vereiste eindproduct voordat je zo'n taak begint. Een documentassistent kan geselecteerde informatie opvragen, het werkelijke zoekresultaat ontvangen en vervolgens een uitleg voorbereiden die door dat resultaat wordt ondersteund.
Het behouden van denkprocessen is een afzonderlijke optie voor langdurig programmeer- of agentwerk. De handleiding van de maker gebruikt clear_thinking=false en vereist dat de volledige, ongewijzigde reasoning_content uit eerdere assistentbeurten in de oorspronkelijke volgorde wordt teruggestuurd. Het wijzigen of herschikken van die blokken kan het resultaat verslechteren en het cachegedrag beïnvloeden. De standaard verschilt tussen de programmeerinterface en de standaardinterface van de producent; de optie is dus onderdeel van een ingestelde werkstroom en geen automatische eigenschap van elk gesprek. Houd het zichtbare antwoord gescheiden van bewaarde redeneringen en behoud het bewijs of de tooluitvoer waarvan latere stappen afhangen.
De gedocumenteerde interface van de familie omvat gestreamde tekst, functieaanroepen, contextcaching en gestructureerde uitvoer zoals JSON. Geef voor een gestructureerd resultaat de verplichte velden op en wat elke waarde betekent; definieer voor een toolverzoek het doel van de functie, de argumenten en de afrondingsvoorwaarde. Een gegenereerde aanroep is een verzoek aan de toepassing om te handelen, geen bewijs van uitvoering. Het eindresultaat kan een kort verslag, een gegevensobject of een codeproduct zijn, waarbij de informatie die voor het maken ervan is gebruikt herkenbaar blijft.
Specificeer bij schrijven of vertalen de lezer, taal, toon en termen die ongewijzigd moeten blijven. De maker beveelt aan Flash naast technisch werk ook te proberen voor schrijven in het Chinees en voor verhalende of rolgebonden dialogen. Een voorbeeldbriefing voor redactie kan een passage aanleveren en vragen om een beknopte herziening die de feiten behoudt; een vertaalbriefing kan een woordenlijst aanleveren en geciteerde tekst van instructies onderscheiden. Behoud in een langer gesprek de randvoorwaarden en benoem het volgende benodigde resultaat, zodat het antwoord van het model verbonden blijft met de oorspronkelijke taak.
De specifieke kaart van het open model publiceert verschillende generatie-instellingen voor evaluatietaken: een standaardtemperatuur van 1.0 en top-p van 0.95, met afzonderlijke instellingen voor softwaretaken van 0.7 en 1.0. De generatievoorbeelden met hun lengtes maken deel uit van die procedures en zijn geen aanvullende universele limieten. Het checkpoint verschilt 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 daarna de geleverde code, geëxtraheerde waarden of herziene 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 |
| ConfiguratieNiveau 1 voor aanvraaglengte | 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 mixture-of-experts-tekstmodel van Z.ai voor programmeren, lange teksten, schrijven in het Chinees en vertalen. Het ondersteunt redeneren en door tools aangestuurde werkstromen, 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 mixture-of-experts-editie van Z.ai's GLM-4.7-familie. Het sparse ontwerp heeft ongeveer 30 miljard parameters in totaal en drie miljard geactiveerde parameters, en de maker presenteert het als een licht model dat mogelijkheden en efficiëntie in evenwicht brengt. Het accepteert tekst en genereert tekst. De producent benadrukt specifiek softwareontwikkeling, schrijven in het Chinees, vertalen, verwerking van lange teksten en gesprekken vanuit een rol. Een bruikbare briefing kan vragen om een codevoorstel, een herziene passage, een uitleg of een gestructureerd resultaat op basis van aangeleverd materiaal.
Voor ontwikkeling noemt Z.ai voor deze Flash-editie zowel front-endtaken als taken rond toepassingslogica. Lever het te implementeren gedrag, de relevante bron en de voorwaarden die intact moeten blijven aan. Beschrijf bij een pagina of component de toestanden, lay-out en vereiste interactie en vraag vervolgens om bewerkbare code en een uitleg van 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; compileren, uitvoeren of de interface renderen hoort bij een verbonden toepassingsomgeving.
Het door de producent gehoste profiel van de GLM-4.7-serie noemt voor Flash tekstinvoer, tekstuitvoer, een context van 200K tokens en maximaal 128K uitvoertokens. De kaart van het open model en het gehoste profiel beschrijven verschillende aspecten van dezelfde benoemde editie: checkpointeigenschappen en een dienstconfiguratie van de producent. Bereid lange invoer voor met bronkoppen, code-identificaties en duidelijke documentgrenzen en laat ruimte voor redeneren 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 checkpoint geen ingebouwde modus voor visuele invoer.
Redeneren is standaard ingeschakeld in de GLM-4.7-serie. De producent documenteert een schakelaar per beurt, zodat een gesprek bij een moeilijke vraag om redeneren kan vragen en dit bij een eenvoudige herschrijving of een kort antwoord kan uitschakelen. Ook wordt afwisselend denken tussen toolaanroepen ondersteund, zodat het model een teruggestuurde waarneming kan interpreteren voordat het een volgende stap plant. Definieer de beschikbare tools en het vereiste eindproduct voordat je zo'n taak begint. Een documentassistent kan geselecteerde informatie opvragen, het werkelijke zoekresultaat ontvangen en vervolgens een uitleg voorbereiden die door dat resultaat wordt ondersteund.
Het behouden van denkprocessen is een afzonderlijke optie voor langdurig programmeer- of agentwerk. De handleiding van de maker gebruikt clear_thinking=false en vereist dat de volledige, ongewijzigde reasoning_content uit eerdere assistentbeurten in de oorspronkelijke volgorde wordt teruggestuurd. Het wijzigen of herschikken van die blokken kan het resultaat verslechteren en het cachegedrag beïnvloeden. De standaard verschilt tussen de programmeerinterface en de standaardinterface van de producent; de optie is dus onderdeel van een ingestelde werkstroom en geen automatische eigenschap van elk gesprek. Houd het zichtbare antwoord gescheiden van bewaarde redeneringen en behoud het bewijs of de tooluitvoer waarvan latere stappen afhangen.
De gedocumenteerde interface van de familie omvat gestreamde tekst, functieaanroepen, contextcaching en gestructureerde uitvoer zoals JSON. Geef voor een gestructureerd resultaat de verplichte velden op en wat elke waarde betekent; definieer voor een toolverzoek het doel van de functie, de argumenten en de afrondingsvoorwaarde. Een gegenereerde aanroep is een verzoek aan de toepassing om te handelen, geen bewijs van uitvoering. Het eindresultaat kan een kort verslag, een gegevensobject of een codeproduct zijn, waarbij de informatie die voor het maken ervan is gebruikt herkenbaar blijft.
Specificeer bij schrijven of vertalen de lezer, taal, toon en termen die ongewijzigd moeten blijven. De maker beveelt aan Flash naast technisch werk ook te proberen voor schrijven in het Chinees en voor verhalende of rolgebonden dialogen. Een voorbeeldbriefing voor redactie kan een passage aanleveren en vragen om een beknopte herziening die de feiten behoudt; een vertaalbriefing kan een woordenlijst aanleveren en geciteerde tekst van instructies onderscheiden. Behoud in een langer gesprek de randvoorwaarden en benoem het volgende benodigde resultaat, zodat het antwoord van het model verbonden blijft met de oorspronkelijke taak.
De specifieke kaart van het open model publiceert verschillende generatie-instellingen voor evaluatietaken: een standaardtemperatuur van 1.0 en top-p van 0.95, met afzonderlijke instellingen voor softwaretaken van 0.7 en 1.0. De generatievoorbeelden met hun lengtes maken deel uit van die procedures en zijn geen aanvullende universele limieten. Het checkpoint verschilt 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 daarna de geleverde code, geëxtraheerde waarden of herziene 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 |
| ConfiguratieNiveau 1 voor aanvraaglengte | 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.