GLM-4.7-Flash to edycja 30B-A3B o architekturze mixture-of-experts w rodzinie GLM-4.7 firmy Z.ai. Rzadka architektura ma około 30 miliardów parametrów ogółem i trzy miliardy aktywowanych, a producent przedstawia ją jako lekki model równoważący możliwości i efektywność. Przyjmuje i generuje tekst. Producent szczególnie wyróżnia tworzenie oprogramowania, pisanie po chińsku, tłumaczenie, przetwarzanie długich tekstów i rozmowy oparte na rolach. Przydatny brief może żądać propozycji kodu, poprawionego fragmentu, wyjaśnienia lub uporządkowanego wyniku opartego na dostarczonym materiale.
W programowaniu Z.ai wskazuje dla tej edycji Flash zarówno zadania frontendowe, jak i logikę aplikacji. Podaj zachowanie do wdrożenia, istotne źródła i warunki, które muszą pozostać nienaruszone. Dla strony lub komponentu opisz stany, układ i wymaganą interakcję, a następnie poproś o edytowalny kod i wyjaśnienie ważnych wyborów. Dla istniejącej funkcji dołącz zaobserwowane niepowodzenie i przykład oczekiwanego wyniku. Model tworzy proponowany kod; kompilacja, uruchomienie lub renderowanie interfejsu należą do podłączonego środowiska aplikacji.
Hostowany przez producenta profil serii GLM-4.7 podaje dla Flash wejście tekstowe, wyjście tekstowe, kontekst 200K tokenów i do 128K tokenów wyjścia. Karta otwartego modelu i profil hostowany opisują różne aspekty tej samej nazwanej edycji: cechy migawki i konfigurację usługi producenta. Przygotuj długie wejście z nagłówkami źródeł, identyfikatorami kodu i jasnymi granicami dokumentów, pozostawiając miejsce na rozumowanie i żądaną odpowiedź. Model wyłącznie tekstowy może pisać kod aplikacji przetwarzającej obrazy lub wejście z kamery, ale nie nadaje to tej migawce natywnego trybu wejścia wizualnego.
Rozumowanie w serii GLM-4.7 jest domyślnie włączone. Producent dokumentuje przełącznik dla każdej tury, więc rozmowa może żądać rozumowania przy trudnym pytaniu i wyłączać je dla prostego przeredagowania lub krótkiej odpowiedzi. Obsługuje też przeplatane myślenie między wywołaniami narzędzi, umożliwiając interpretację zwróconej obserwacji przed zaplanowaniem kolejnego kroku. Przed takim zadaniem określ dostępne narzędzia i wymagany materiał końcowy. Asystent dokumentowy może poprosić o wybrane informacje, otrzymać rzeczywisty wynik pobrania i przygotować wyjaśnienie poparte tym wynikiem.
Zachowywanie myślenia to osobna opcja dla długotrwałego programowania lub pracy agentów. Przewodnik producenta używa clear_thinking=false i wymaga zwracania pełnego, niezmienionego reasoning_content z wcześniejszych tur asystenta w pierwotnej kolejności. Zmienianie lub przestawianie tych bloków może pogorszyć wynik i wpłynąć na działanie pamięci podręcznej. Wartość domyślna różni się między interfejsem programistycznym a standardowym producenta, więc opcja jest skonfigurowanym procesem, nie automatyczną właściwością każdej rozmowy. Oddziel widoczną odpowiedź od zachowanego rozumowania i utrzymuj dowody lub wyjście narzędzi, od których zależą późniejsze kroki.
Udokumentowany interfejs rodziny obejmuje strumieniowanie tekstu, wywoływanie funkcji, buforowanie kontekstu i wyjście strukturalne, takie jak JSON. Dla wyniku strukturalnego podaj wymagane pola i znaczenie każdej wartości; dla żądania narzędziowego określ cel funkcji, argumenty i warunek ukończenia. Wygenerowane wywołanie to prośba o działanie aplikacji, a nie dowód wykonania. Wynikiem końcowym może być krótki raport, obiekt danych lub kod, przy czym użyte informacje nadal muszą być rozpoznawalne.
Dla pisania lub tłumaczenia określ czytelnika, język, ton i terminy pozostające bez zmian. Producent zaleca wypróbowanie Flash w pisaniu po chińsku oraz dialogach narracyjnych lub opartych na rolach, obok pracy technicznej. Przykładowy brief redakcyjny może zawierać fragment i żądać zwięzłej wersji zachowującej fakty; brief tłumaczenia może podawać glosariusz i odróżniać cytowany tekst od instrukcji. Przy dłuższej rozmowie zachowaj ograniczenia i wskaż następny potrzebny wynik, aby odpowiedź pozostała powiązana z pierwotnym zadaniem.
Dokładna karta otwartego modelu publikuje różne ustawienia generowania dla zadań ewaluacyjnych: domyślne temperature 1.0 i top-p 0.95 oraz osobne ustawienia zadań programistycznych 0.7 i 1.0. Przykładowe długości generowania są częścią tych procedur, nie dodatkowymi uniwersalnymi limitami. Migawka jest odrębna od GLM-4.7, GLM-4.7-FlashX i późniejszych modeli GLM-5. Dopasuj zadanie i tryb odpowiedzi do udokumentowanych możliwości tekstowych tej edycji, a następnie oceń dostarczony kod, wyodrębnione wartości lub poprawiony tekst względem wejścia.
", "aboutText": "GLM-4.7-Flash to edycja 30B-A3B o architekturze mixture-of-experts w rodzinie GLM-4.7 firmy Z.ai. Rzadka architektura ma około 30 miliardów parametrów ogółem i trzy miliardy aktywowanych, a producent przedstawia ją jako lekki model równoważący możliwości i efektywność. Przyjmuje i generuje tekst. Producent szczególnie wyróżnia tworzenie oprogramowania, pisanie po chińsku, tłumaczenie, przetwarzanie długich tekstów i rozmowy oparte na rolach. Przydatny brief może żądać propozycji kodu, poprawionego fragmentu, wyjaśnienia lub uporządkowanego wyniku opartego na dostarczonym materiale.\n\nW programowaniu Z.ai wskazuje dla tej edycji Flash zarówno zadania frontendowe, jak i logikę aplikacji. Podaj zachowanie do wdrożenia, istotne źródła i warunki, które muszą pozostać nienaruszone. Dla strony lub komponentu opisz stany, układ i wymaganą interakcję, a następnie poproś o edytowalny kod i wyjaśnienie ważnych wyborów. Dla istniejącej funkcji dołącz zaobserwowane niepowodzenie i przykład oczekiwanego wyniku. Model tworzy proponowany kod; kompilacja, uruchomienie lub renderowanie interfejsu należą do podłączonego środowiska aplikacji.\n\nHostowany przez producenta profil serii GLM-4.7 podaje dla Flash wejście tekstowe, wyjście tekstowe, kontekst 200K tokenów i do 128K tokenów wyjścia. Karta otwartego modelu i profil hostowany opisują różne aspekty tej samej nazwanej edycji: cechy migawki i konfigurację usługi producenta. Przygotuj długie wejście z nagłówkami źródeł, identyfikatorami kodu i jasnymi granicami dokumentów, pozostawiając miejsce na rozumowanie i żądaną odpowiedź. Model wyłącznie tekstowy może pisać kod aplikacji przetwarzającej obrazy lub wejście z kamery, ale nie nadaje to tej migawce natywnego trybu wejścia wizualnego.\n\nRozumowanie w serii GLM-4.7 jest domyślnie włączone. Producent dokumentuje przełącznik dla każdej tury, więc rozmowa może żądać rozumowania przy trudnym pytaniu i wyłączać je dla prostego przeredagowania lub krótkiej odpowiedzi. Obsługuje też przeplatane myślenie między wywołaniami narzędzi, umożliwiając interpretację zwróconej obserwacji przed zaplanowaniem kolejnego kroku. Przed takim zadaniem określ dostępne narzędzia i wymagany materiał końcowy. Asystent dokumentowy może poprosić o wybrane informacje, otrzymać rzeczywisty wynik pobrania i przygotować wyjaśnienie poparte tym wynikiem.\n\nZachowywanie myślenia to osobna opcja dla długotrwałego programowania lub pracy agentów. Przewodnik producenta używa clear_thinking=false i wymaga zwracania pełnego, niezmienionego reasoning_content z wcześniejszych tur asystenta w pierwotnej kolejności. Zmienianie lub przestawianie tych bloków może pogorszyć wynik i wpłynąć na działanie pamięci podręcznej. Wartość domyślna różni się między interfejsem programistycznym a standardowym producenta, więc opcja jest skonfigurowanym procesem, nie automatyczną właściwością każdej rozmowy. Oddziel widoczną odpowiedź od zachowanego rozumowania i utrzymuj dowody lub wyjście narzędzi, od których zależą późniejsze kroki.\n\nUdokumentowany interfejs rodziny obejmuje strumieniowanie tekstu, wywoływanie funkcji, buforowanie kontekstu i wyjście strukturalne, takie jak JSON. Dla wyniku strukturalnego podaj wymagane pola i znaczenie każdej wartości; dla żądania narzędziowego określ cel funkcji, argumenty i warunek ukończenia. Wygenerowane wywołanie to prośba o działanie aplikacji, a nie dowód wykonania. Wynikiem końcowym może być krótki raport, obiekt danych lub kod, przy czym użyte informacje nadal muszą być rozpoznawalne.\n\nDla pisania lub tłumaczenia określ czytelnika, język, ton i terminy pozostające bez zmian. Producent zaleca wypróbowanie Flash w pisaniu po chińsku oraz dialogach narracyjnych lub opartych na rolach, obok pracy technicznej. Przykładowy brief redakcyjny może zawierać fragment i żądać zwięzłej wersji zachowującej fakty; brief tłumaczenia może podawać glosariusz i odróżniać cytowany tekst od instrukcji. Przy dłuższej rozmowie zachowaj ograniczenia i wskaż następny potrzebny wynik, aby odpowiedź pozostała powiązana z pierwotnym zadaniem.\n\nDokładna karta otwartego modelu publikuje różne ustawienia generowania dla zadań ewaluacyjnych: domyślne temperature 1.0 i top-p 0.95 oraz osobne ustawienia zadań programistycznych 0.7 i 1.0. Przykładowe długości generowania są częścią tych procedur, nie dodatkowymi uniwersalnymi limitami. Migawka jest odrębna od GLM-4.7, GLM-4.7-FlashX i późniejszych modeli GLM-5. Dopasuj zadanie i tryb odpowiedzi do udokumentowanych możliwości tekstowych tej edycji, a następnie oceń dostarczony kod, wyodrębnione wartości lub poprawiony tekst względem wejścia.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
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 to tekstowy model mixture-of-experts 30B-A3B firmy Z.ai do programowania, długich tekstów, pisania po chińsku i tłumaczeń. Obsługuje rozumowanie i przepływy sterowane narzędziami, z profilem hostowanym przez producenta o kontekście 200K tokenów i wyjściu do 128K.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GLM-4.7-Flash to edycja 30B-A3B o architekturze mixture-of-experts w rodzinie GLM-4.7 firmy Z.ai. Rzadka architektura ma około 30 miliardów parametrów ogółem i trzy miliardy aktywowanych, a producent przedstawia ją jako lekki model równoważący możliwości i efektywność. Przyjmuje i generuje tekst. Producent szczególnie wyróżnia tworzenie oprogramowania, pisanie po chińsku, tłumaczenie, przetwarzanie długich tekstów i rozmowy oparte na rolach. Przydatny brief może żądać propozycji kodu, poprawionego fragmentu, wyjaśnienia lub uporządkowanego wyniku opartego na dostarczonym materiale.
W programowaniu Z.ai wskazuje dla tej edycji Flash zarówno zadania frontendowe, jak i logikę aplikacji. Podaj zachowanie do wdrożenia, istotne źródła i warunki, które muszą pozostać nienaruszone. Dla strony lub komponentu opisz stany, układ i wymaganą interakcję, a następnie poproś o edytowalny kod i wyjaśnienie ważnych wyborów. Dla istniejącej funkcji dołącz zaobserwowane niepowodzenie i przykład oczekiwanego wyniku. Model tworzy proponowany kod; kompilacja, uruchomienie lub renderowanie interfejsu należą do podłączonego środowiska aplikacji.
Hostowany przez producenta profil serii GLM-4.7 podaje dla Flash wejście tekstowe, wyjście tekstowe, kontekst 200K tokenów i do 128K tokenów wyjścia. Karta otwartego modelu i profil hostowany opisują różne aspekty tej samej nazwanej edycji: cechy migawki i konfigurację usługi producenta. Przygotuj długie wejście z nagłówkami źródeł, identyfikatorami kodu i jasnymi granicami dokumentów, pozostawiając miejsce na rozumowanie i żądaną odpowiedź. Model wyłącznie tekstowy może pisać kod aplikacji przetwarzającej obrazy lub wejście z kamery, ale nie nadaje to tej migawce natywnego trybu wejścia wizualnego.
Rozumowanie w serii GLM-4.7 jest domyślnie włączone. Producent dokumentuje przełącznik dla każdej tury, więc rozmowa może żądać rozumowania przy trudnym pytaniu i wyłączać je dla prostego przeredagowania lub krótkiej odpowiedzi. Obsługuje też przeplatane myślenie między wywołaniami narzędzi, umożliwiając interpretację zwróconej obserwacji przed zaplanowaniem kolejnego kroku. Przed takim zadaniem określ dostępne narzędzia i wymagany materiał końcowy. Asystent dokumentowy może poprosić o wybrane informacje, otrzymać rzeczywisty wynik pobrania i przygotować wyjaśnienie poparte tym wynikiem.
Zachowywanie myślenia to osobna opcja dla długotrwałego programowania lub pracy agentów. Przewodnik producenta używa clear_thinking=false i wymaga zwracania pełnego, niezmienionego reasoning_content z wcześniejszych tur asystenta w pierwotnej kolejności. Zmienianie lub przestawianie tych bloków może pogorszyć wynik i wpłynąć na działanie pamięci podręcznej. Wartość domyślna różni się między interfejsem programistycznym a standardowym producenta, więc opcja jest skonfigurowanym procesem, nie automatyczną właściwością każdej rozmowy. Oddziel widoczną odpowiedź od zachowanego rozumowania i utrzymuj dowody lub wyjście narzędzi, od których zależą późniejsze kroki.
Udokumentowany interfejs rodziny obejmuje strumieniowanie tekstu, wywoływanie funkcji, buforowanie kontekstu i wyjście strukturalne, takie jak JSON. Dla wyniku strukturalnego podaj wymagane pola i znaczenie każdej wartości; dla żądania narzędziowego określ cel funkcji, argumenty i warunek ukończenia. Wygenerowane wywołanie to prośba o działanie aplikacji, a nie dowód wykonania. Wynikiem końcowym może być krótki raport, obiekt danych lub kod, przy czym użyte informacje nadal muszą być rozpoznawalne.
Dla pisania lub tłumaczenia określ czytelnika, język, ton i terminy pozostające bez zmian. Producent zaleca wypróbowanie Flash w pisaniu po chińsku oraz dialogach narracyjnych lub opartych na rolach, obok pracy technicznej. Przykładowy brief redakcyjny może zawierać fragment i żądać zwięzłej wersji zachowującej fakty; brief tłumaczenia może podawać glosariusz i odróżniać cytowany tekst od instrukcji. Przy dłuższej rozmowie zachowaj ograniczenia i wskaż następny potrzebny wynik, aby odpowiedź pozostała powiązana z pierwotnym zadaniem.
Dokładna karta otwartego modelu publikuje różne ustawienia generowania dla zadań ewaluacyjnych: domyślne temperature 1.0 i top-p 0.95 oraz osobne ustawienia zadań programistycznych 0.7 i 1.0. Przykładowe długości generowania są częścią tych procedur, nie dodatkowymi uniwersalnymi limitami. Migawka jest odrębna od GLM-4.7, GLM-4.7-FlashX i późniejszych modeli GLM-5. Dopasuj zadanie i tryb odpowiedzi do udokumentowanych możliwości tekstowych tej edycji, a następnie oceń dostarczony kod, wyodrębnione wartości lub poprawiony tekst względem wejścia.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity z-ai/glm-4.7-flash | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.000144 / 1K tokenów Wyjście · Tokeny wyjściowe $0.000858 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.000144 / 1K tokenów Wyjście · Tokeny wyjściowe $0.000858 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra z-ai/glm-4.7-flash
Użyj ścieżek metod podanych powyżej.
z-ai/glm-4.7-flashGLM-4.7-Flash to tekstowy model mixture-of-experts 30B-A3B firmy Z.ai do programowania, długich tekstów, pisania po chińsku i tłumaczeń. Obsługuje rozumowanie i przepływy sterowane narzędziami, z profilem hostowanym przez producenta o kontekście 200K tokenów i wyjściu do 128K.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GLM-4.7-Flash to edycja 30B-A3B o architekturze mixture-of-experts w rodzinie GLM-4.7 firmy Z.ai. Rzadka architektura ma około 30 miliardów parametrów ogółem i trzy miliardy aktywowanych, a producent przedstawia ją jako lekki model równoważący możliwości i efektywność. Przyjmuje i generuje tekst. Producent szczególnie wyróżnia tworzenie oprogramowania, pisanie po chińsku, tłumaczenie, przetwarzanie długich tekstów i rozmowy oparte na rolach. Przydatny brief może żądać propozycji kodu, poprawionego fragmentu, wyjaśnienia lub uporządkowanego wyniku opartego na dostarczonym materiale.
W programowaniu Z.ai wskazuje dla tej edycji Flash zarówno zadania frontendowe, jak i logikę aplikacji. Podaj zachowanie do wdrożenia, istotne źródła i warunki, które muszą pozostać nienaruszone. Dla strony lub komponentu opisz stany, układ i wymaganą interakcję, a następnie poproś o edytowalny kod i wyjaśnienie ważnych wyborów. Dla istniejącej funkcji dołącz zaobserwowane niepowodzenie i przykład oczekiwanego wyniku. Model tworzy proponowany kod; kompilacja, uruchomienie lub renderowanie interfejsu należą do podłączonego środowiska aplikacji.
Hostowany przez producenta profil serii GLM-4.7 podaje dla Flash wejście tekstowe, wyjście tekstowe, kontekst 200K tokenów i do 128K tokenów wyjścia. Karta otwartego modelu i profil hostowany opisują różne aspekty tej samej nazwanej edycji: cechy migawki i konfigurację usługi producenta. Przygotuj długie wejście z nagłówkami źródeł, identyfikatorami kodu i jasnymi granicami dokumentów, pozostawiając miejsce na rozumowanie i żądaną odpowiedź. Model wyłącznie tekstowy może pisać kod aplikacji przetwarzającej obrazy lub wejście z kamery, ale nie nadaje to tej migawce natywnego trybu wejścia wizualnego.
Rozumowanie w serii GLM-4.7 jest domyślnie włączone. Producent dokumentuje przełącznik dla każdej tury, więc rozmowa może żądać rozumowania przy trudnym pytaniu i wyłączać je dla prostego przeredagowania lub krótkiej odpowiedzi. Obsługuje też przeplatane myślenie między wywołaniami narzędzi, umożliwiając interpretację zwróconej obserwacji przed zaplanowaniem kolejnego kroku. Przed takim zadaniem określ dostępne narzędzia i wymagany materiał końcowy. Asystent dokumentowy może poprosić o wybrane informacje, otrzymać rzeczywisty wynik pobrania i przygotować wyjaśnienie poparte tym wynikiem.
Zachowywanie myślenia to osobna opcja dla długotrwałego programowania lub pracy agentów. Przewodnik producenta używa clear_thinking=false i wymaga zwracania pełnego, niezmienionego reasoning_content z wcześniejszych tur asystenta w pierwotnej kolejności. Zmienianie lub przestawianie tych bloków może pogorszyć wynik i wpłynąć na działanie pamięci podręcznej. Wartość domyślna różni się między interfejsem programistycznym a standardowym producenta, więc opcja jest skonfigurowanym procesem, nie automatyczną właściwością każdej rozmowy. Oddziel widoczną odpowiedź od zachowanego rozumowania i utrzymuj dowody lub wyjście narzędzi, od których zależą późniejsze kroki.
Udokumentowany interfejs rodziny obejmuje strumieniowanie tekstu, wywoływanie funkcji, buforowanie kontekstu i wyjście strukturalne, takie jak JSON. Dla wyniku strukturalnego podaj wymagane pola i znaczenie każdej wartości; dla żądania narzędziowego określ cel funkcji, argumenty i warunek ukończenia. Wygenerowane wywołanie to prośba o działanie aplikacji, a nie dowód wykonania. Wynikiem końcowym może być krótki raport, obiekt danych lub kod, przy czym użyte informacje nadal muszą być rozpoznawalne.
Dla pisania lub tłumaczenia określ czytelnika, język, ton i terminy pozostające bez zmian. Producent zaleca wypróbowanie Flash w pisaniu po chińsku oraz dialogach narracyjnych lub opartych na rolach, obok pracy technicznej. Przykładowy brief redakcyjny może zawierać fragment i żądać zwięzłej wersji zachowującej fakty; brief tłumaczenia może podawać glosariusz i odróżniać cytowany tekst od instrukcji. Przy dłuższej rozmowie zachowaj ograniczenia i wskaż następny potrzebny wynik, aby odpowiedź pozostała powiązana z pierwotnym zadaniem.
Dokładna karta otwartego modelu publikuje różne ustawienia generowania dla zadań ewaluacyjnych: domyślne temperature 1.0 i top-p 0.95 oraz osobne ustawienia zadań programistycznych 0.7 i 1.0. Przykładowe długości generowania są częścią tych procedur, nie dodatkowymi uniwersalnymi limitami. Migawka jest odrębna od GLM-4.7, GLM-4.7-FlashX i późniejszych modeli GLM-5. Dopasuj zadanie i tryb odpowiedzi do udokumentowanych możliwości tekstowych tej edycji, a następnie oceń dostarczony kod, wyodrębnione wartości lub poprawiony tekst względem wejścia.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity z-ai/glm-4.7-flash | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.000144 / 1K tokenów Wyjście · Tokeny wyjściowe $0.000858 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.000144 / 1K tokenów Wyjście · Tokeny wyjściowe $0.000858 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "z-ai/glm-4.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra z-ai/glm-4.7-flash
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
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.