GLM-4-AirX je rýchly člen radu GLM-4 Air od Z.ai. Výrobca ho stavia do úlohy modelu pre nízku latenciu a súbežné aplikačné úlohy s osobitným dôrazom na plnenie pokynov, tvorbu kódu a volania funkcií. Model prijíma text a vracia text. Vlastný profil uvádza kontextové okno 8K tokenov a maximálny výstup 4K tokenov. Tieto hodnoty sa líšia od väčšieho kontextu uvádzaného pre GLM-4-Air-250414; AirX si zachováva vlastný zverejnený profil.
Pre interaktívneho asistenta to vedie k cieleným požiadavkám: vysvetliť funkciu, klasifikovať správu, extrahovať polia z dodaného odseku alebo previesť technický pokyn na stručnú odpoveď. Relevantný výňatok, aktuálnu otázku a požadovaný výsledok poskytnite spoločne. Celú konverzáciu a prípadné pozorovania nástrojov udržiavajte v aktívnom kontexte namiesto predpokladu, že sa doň zmestí rozsiahly podporný korpus.
Opis GLM-4 uvádza streamovaný text, volanie funkcií, ukladanie kontextu do vyrovnávacej pamäte, štruktúrované formáty ako JSON a integráciu nástrojov a zdrojov dát MCP. Streamovanie predkladá odpoveď počas generovania, takže aplikácia môže ukázať užitočný text pred príchodom celej odpovede. Mení spôsob doručenia, nie vstupnú alebo výstupnú modalitu modelu.
Volanie funkcií umožňuje modelu navrhnúť akciu z funkcií opísaných aplikáciou. Aplikácia akciu vykoná a vráti pozorovanie. Vhodným cyklom je malé vyhľadanie nasledované stručným vysvetlením vrátených dát. Integrácia MCP takisto závisí od nástrojov a dát poskytovaných aplikáciou. Ukladanie kontextu do vyrovnávacej pamäte sa týka opätovného využitia opakovaného vstupu; neznamená, že každá opakovaná konverzácia túto pamäť skutočne využila.
Pri výsledku JSON pred materiálmi uveďte polia a ich význam. Môžete napríklad dodať technickú požiadavku a žiadať jej kategóriu, potrebnú akciu a nezodpovedané otázky. Výsledná štruktúra je užitočná pre ďalší aplikačný krok, zatiaľ čo hodnoty treba stále overiť proti dodanému textu.
Výrobca zahŕňa medzi použitia GLM-4 preklad, sémantickú klasifikáciu, extrakciu polí z dokumentov, marketingové písanie, analytické správy a plánovanie itinerárov. Kratší profil AirX uprednostňuje bezprostredný krok takéhoto postupu. Prekladová požiadavka môže dodať krátku pasáž, publikum a terminológiu; výstupom je prepracovaná pasáž zachovávajúca povinné mená. Klasifikačná požiadavka môže poskytnúť povolené označenia a definície namiesto žiadosti o neurčený úsudok.
Pri extrakcii definujte požadované identifikátory a ďalšie polia a priložte iba relevantnú zdrojovú pasáž. Pri písaní poskytnite fakty o produkte a jeden výstup, napríklad produktový odsek alebo vetu kampane. Pri správe či itinerári odovzdávajte relevantné fakty a obmedzenia pre aktuálny krok. Ak sú potrebné čerstvé informácie, dodá ich vyhľadávací alebo dátový nástroj aplikácie; model potom pracuje s vrátenými materiálmi.
AirX sa opisuje ako predtrénovaný na 15 biliónoch tokenov vrátane rozsiahlych syntetických materiálov na uvažovanie. Následný tréning používa zosúladenie dialógu s preferenciami, zamietacie vzorkovanie a posilňované učenie na zlepšenie plnenia pokynov, tvorby kódu a používania funkcií. Výrobca ho predstavuje ako rýchlejší variant GLM-4-Air-250414 so zmenami základných komponentov zahŕňajúcich predspracovanie vstupného promptu a autoregresívne dekódovanie. Opisuje to návrh výrobcu, nie nameranú záruku latencie alebo súbežnosti konkrétneho nasadenia.
Dajte AirX jednu ohraničenú úlohu a kompaktný očakávaný výstup. Pri kóde zahrňte funkciu, relevantné vstupné hodnoty a požadované správanie a potom požadujte opravený úsek s vysvetlením. Pri štruktúrovanej extrakcii dajte definície polí pred pasáž a žiadajte výslovné označenie chýbajúcich informácií. Výsledok plánujte v rámci zverejneného výstupného profilu 4K; rozsiahlu správu rozdeľte do cielených úloh namiesto očakávania neobmedzeného dokumentu z jednej odpovede.
", "aboutText": "### Prehľad a profil modelu\n\nGLM-4-AirX je rýchly člen radu GLM-4 Air od Z.ai. Výrobca ho stavia do úlohy modelu pre nízku latenciu a súbežné aplikačné úlohy s osobitným dôrazom na plnenie pokynov, tvorbu kódu a volania funkcií. Model prijíma text a vracia text. Vlastný profil uvádza kontextové okno 8K tokenov a maximálny výstup 4K tokenov. Tieto hodnoty sa líšia od väčšieho kontextu uvádzaného pre GLM-4-Air-250414; AirX si zachováva vlastný zverejnený profil.\n\nPre interaktívneho asistenta to vedie k cieleným požiadavkám: vysvetliť funkciu, klasifikovať správu, extrahovať polia z dodaného odseku alebo previesť technický pokyn na stručnú odpoveď. Relevantný výňatok, aktuálnu otázku a požadovaný výsledok poskytnite spoločne. Celú konverzáciu a prípadné pozorovania nástrojov udržiavajte v aktívnom kontexte namiesto predpokladu, že sa doň zmestí rozsiahly podporný korpus.\n\n### Podporované schopnosti\n\nOpis GLM-4 uvádza streamovaný text, volanie funkcií, ukladanie kontextu do vyrovnávacej pamäte, štruktúrované formáty ako JSON a integráciu nástrojov a zdrojov dát MCP. Streamovanie predkladá odpoveď počas generovania, takže aplikácia môže ukázať užitočný text pred príchodom celej odpovede. Mení spôsob doručenia, nie vstupnú alebo výstupnú modalitu modelu.\n\nVolanie funkcií umožňuje modelu navrhnúť akciu z funkcií opísaných aplikáciou. Aplikácia akciu vykoná a vráti pozorovanie. Vhodným cyklom je malé vyhľadanie nasledované stručným vysvetlením vrátených dát. Integrácia MCP takisto závisí od nástrojov a dát poskytovaných aplikáciou. Ukladanie kontextu do vyrovnávacej pamäte sa týka opätovného využitia opakovaného vstupu; neznamená, že každá opakovaná konverzácia túto pamäť skutočne využila.\n\nPri výsledku JSON pred materiálmi uveďte polia a ich význam. Môžete napríklad dodať technickú požiadavku a žiadať jej kategóriu, potrebnú akciu a nezodpovedané otázky. Výsledná štruktúra je užitočná pre ďalší aplikačný krok, zatiaľ čo hodnoty treba stále overiť proti dodanému textu.\n\n### Odporúčané scenáre\n\nVýrobca zahŕňa medzi použitia GLM-4 preklad, sémantickú klasifikáciu, extrakciu polí z dokumentov, marketingové písanie, analytické správy a plánovanie itinerárov. Kratší profil AirX uprednostňuje bezprostredný krok takéhoto postupu. Prekladová požiadavka môže dodať krátku pasáž, publikum a terminológiu; výstupom je prepracovaná pasáž zachovávajúca povinné mená. Klasifikačná požiadavka môže poskytnúť povolené označenia a definície namiesto žiadosti o neurčený úsudok.\n\nPri extrakcii definujte požadované identifikátory a ďalšie polia a priložte iba relevantnú zdrojovú pasáž. Pri písaní poskytnite fakty o produkte a jeden výstup, napríklad produktový odsek alebo vetu kampane. Pri správe či itinerári odovzdávajte relevantné fakty a obmedzenia pre aktuálny krok. Ak sú potrebné čerstvé informácie, dodá ich vyhľadávací alebo dátový nástroj aplikácie; model potom pracuje s vrátenými materiálmi.\n\n### Podrobná príprava a zameranie na rýchlosť\n\nAirX sa opisuje ako predtrénovaný na 15 biliónoch tokenov vrátane rozsiahlych syntetických materiálov na uvažovanie. Následný tréning používa zosúladenie dialógu s preferenciami, zamietacie vzorkovanie a posilňované učenie na zlepšenie plnenia pokynov, tvorby kódu a používania funkcií. Výrobca ho predstavuje ako rýchlejší variant GLM-4-Air-250414 so zmenami základných komponentov zahŕňajúcich predspracovanie vstupného promptu a autoregresívne dekódovanie. Opisuje to návrh výrobcu, nie nameranú záruku latencie alebo súbežnosti konkrétneho nasadenia.\n\n### Príprava užitočnej požiadavky\n\nDajte AirX jednu ohraničenú úlohu a kompaktný očakávaný výstup. Pri kóde zahrňte funkciu, relevantné vstupné hodnoty a požadované správanie a potom požadujte opravený úsek s vysvetlením. Pri štruktúrovanej extrakcii dajte definície polí pred pasáž a žiadajte výslovné označenie chýbajúcich informácií. Výsledok plánujte v rámci zverejneného výstupného profilu 4K; rozsiahlu správu rozdeľte do cielených úloh namiesto očakávania neobmedzeného dokumentu z jednej odpovede.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "6293206a11324db0fb687d9dd3a2464b609c7407a3b159f8b254e6b0d49d8c29", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sk", "methods": [ { "html": "glm-4-airxGLM-4-AirX je textový model Z.ai zameraný na rýchlosť pre dialóg s nízkou latenciou, programovanie a postupy s podporou nástrojov. Zverejnený profil špecifikuje kontext 8K a až 4K výstupu, takže sa hodí na cielené úlohy so stručnými štruktúrovanými výsledkami.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
GLM-4-AirX je rýchly člen radu GLM-4 Air od Z.ai. Výrobca ho stavia do úlohy modelu pre nízku latenciu a súbežné aplikačné úlohy s osobitným dôrazom na plnenie pokynov, tvorbu kódu a volania funkcií. Model prijíma text a vracia text. Vlastný profil uvádza kontextové okno 8K tokenov a maximálny výstup 4K tokenov. Tieto hodnoty sa líšia od väčšieho kontextu uvádzaného pre GLM-4-Air-250414; AirX si zachováva vlastný zverejnený profil.
Pre interaktívneho asistenta to vedie k cieleným požiadavkám: vysvetliť funkciu, klasifikovať správu, extrahovať polia z dodaného odseku alebo previesť technický pokyn na stručnú odpoveď. Relevantný výňatok, aktuálnu otázku a požadovaný výsledok poskytnite spoločne. Celú konverzáciu a prípadné pozorovania nástrojov udržiavajte v aktívnom kontexte namiesto predpokladu, že sa doň zmestí rozsiahly podporný korpus.
Opis GLM-4 uvádza streamovaný text, volanie funkcií, ukladanie kontextu do vyrovnávacej pamäte, štruktúrované formáty ako JSON a integráciu nástrojov a zdrojov dát MCP. Streamovanie predkladá odpoveď počas generovania, takže aplikácia môže ukázať užitočný text pred príchodom celej odpovede. Mení spôsob doručenia, nie vstupnú alebo výstupnú modalitu modelu.
Volanie funkcií umožňuje modelu navrhnúť akciu z funkcií opísaných aplikáciou. Aplikácia akciu vykoná a vráti pozorovanie. Vhodným cyklom je malé vyhľadanie nasledované stručným vysvetlením vrátených dát. Integrácia MCP takisto závisí od nástrojov a dát poskytovaných aplikáciou. Ukladanie kontextu do vyrovnávacej pamäte sa týka opätovného využitia opakovaného vstupu; neznamená, že každá opakovaná konverzácia túto pamäť skutočne využila.
Pri výsledku JSON pred materiálmi uveďte polia a ich význam. Môžete napríklad dodať technickú požiadavku a žiadať jej kategóriu, potrebnú akciu a nezodpovedané otázky. Výsledná štruktúra je užitočná pre ďalší aplikačný krok, zatiaľ čo hodnoty treba stále overiť proti dodanému textu.
Výrobca zahŕňa medzi použitia GLM-4 preklad, sémantickú klasifikáciu, extrakciu polí z dokumentov, marketingové písanie, analytické správy a plánovanie itinerárov. Kratší profil AirX uprednostňuje bezprostredný krok takéhoto postupu. Prekladová požiadavka môže dodať krátku pasáž, publikum a terminológiu; výstupom je prepracovaná pasáž zachovávajúca povinné mená. Klasifikačná požiadavka môže poskytnúť povolené označenia a definície namiesto žiadosti o neurčený úsudok.
Pri extrakcii definujte požadované identifikátory a ďalšie polia a priložte iba relevantnú zdrojovú pasáž. Pri písaní poskytnite fakty o produkte a jeden výstup, napríklad produktový odsek alebo vetu kampane. Pri správe či itinerári odovzdávajte relevantné fakty a obmedzenia pre aktuálny krok. Ak sú potrebné čerstvé informácie, dodá ich vyhľadávací alebo dátový nástroj aplikácie; model potom pracuje s vrátenými materiálmi.
AirX sa opisuje ako predtrénovaný na 15 biliónoch tokenov vrátane rozsiahlych syntetických materiálov na uvažovanie. Následný tréning používa zosúladenie dialógu s preferenciami, zamietacie vzorkovanie a posilňované učenie na zlepšenie plnenia pokynov, tvorby kódu a používania funkcií. Výrobca ho predstavuje ako rýchlejší variant GLM-4-Air-250414 so zmenami základných komponentov zahŕňajúcich predspracovanie vstupného promptu a autoregresívne dekódovanie. Opisuje to návrh výrobcu, nie nameranú záruku latencie alebo súbežnosti konkrétneho nasadenia.
Dajte AirX jednu ohraničenú úlohu a kompaktný očakávaný výstup. Pri kóde zahrňte funkciu, relevantné vstupné hodnoty a požadované správanie a potom požadujte opravený úsek s vysvetlením. Pri štruktúrovanej extrakcii dajte definície polí pred pasáž a žiadajte výslovné označenie chýbajúcich informácií. Výsledok plánujte v rámci zverejneného výstupného profilu 4K; rozsiahlu správu rozdeľte do cielených úloh namiesto očakávania neobmedzeného dokumentu z jednej odpovede.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity glm-4-airx | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Textová konverzácia | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream |
Parametercontrol_scope | ŠpecifikáciaTextová konverzácia; stream je logická hodnota a predvolene má hodnotu false. |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Aliasy metódy: /chat/completions
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Počet tokenov kontextu väčší než | Tokeny kontextu, najviac (vrátane hranice) | Poplatok |
|---|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Počet tokenov kontextu väčší než— | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0028 / 1K tokenov Výstup · Výstupné tokeny $0.0028 / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| KonfiguráciaPásmo dĺžky požiadavky 1 | Sadzobník— | Počet tokenov kontextu väčší než0 | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0028 / 1K tokenov Výstup · Výstupné tokeny $0.0028 / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"glm-4-airx","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="glm-4-airx", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| 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 |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra glm-4-airx
/chat/completions
glm-4-airxGLM-4-AirX je textový model Z.ai zameraný na rýchlosť pre dialóg s nízkou latenciou, programovanie a postupy s podporou nástrojov. Zverejnený profil špecifikuje kontext 8K a až 4K výstupu, takže sa hodí na cielené úlohy so stručnými štruktúrovanými výsledkami.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
GLM-4-AirX je rýchly člen radu GLM-4 Air od Z.ai. Výrobca ho stavia do úlohy modelu pre nízku latenciu a súbežné aplikačné úlohy s osobitným dôrazom na plnenie pokynov, tvorbu kódu a volania funkcií. Model prijíma text a vracia text. Vlastný profil uvádza kontextové okno 8K tokenov a maximálny výstup 4K tokenov. Tieto hodnoty sa líšia od väčšieho kontextu uvádzaného pre GLM-4-Air-250414; AirX si zachováva vlastný zverejnený profil.
Pre interaktívneho asistenta to vedie k cieleným požiadavkám: vysvetliť funkciu, klasifikovať správu, extrahovať polia z dodaného odseku alebo previesť technický pokyn na stručnú odpoveď. Relevantný výňatok, aktuálnu otázku a požadovaný výsledok poskytnite spoločne. Celú konverzáciu a prípadné pozorovania nástrojov udržiavajte v aktívnom kontexte namiesto predpokladu, že sa doň zmestí rozsiahly podporný korpus.
Opis GLM-4 uvádza streamovaný text, volanie funkcií, ukladanie kontextu do vyrovnávacej pamäte, štruktúrované formáty ako JSON a integráciu nástrojov a zdrojov dát MCP. Streamovanie predkladá odpoveď počas generovania, takže aplikácia môže ukázať užitočný text pred príchodom celej odpovede. Mení spôsob doručenia, nie vstupnú alebo výstupnú modalitu modelu.
Volanie funkcií umožňuje modelu navrhnúť akciu z funkcií opísaných aplikáciou. Aplikácia akciu vykoná a vráti pozorovanie. Vhodným cyklom je malé vyhľadanie nasledované stručným vysvetlením vrátených dát. Integrácia MCP takisto závisí od nástrojov a dát poskytovaných aplikáciou. Ukladanie kontextu do vyrovnávacej pamäte sa týka opätovného využitia opakovaného vstupu; neznamená, že každá opakovaná konverzácia túto pamäť skutočne využila.
Pri výsledku JSON pred materiálmi uveďte polia a ich význam. Môžete napríklad dodať technickú požiadavku a žiadať jej kategóriu, potrebnú akciu a nezodpovedané otázky. Výsledná štruktúra je užitočná pre ďalší aplikačný krok, zatiaľ čo hodnoty treba stále overiť proti dodanému textu.
Výrobca zahŕňa medzi použitia GLM-4 preklad, sémantickú klasifikáciu, extrakciu polí z dokumentov, marketingové písanie, analytické správy a plánovanie itinerárov. Kratší profil AirX uprednostňuje bezprostredný krok takéhoto postupu. Prekladová požiadavka môže dodať krátku pasáž, publikum a terminológiu; výstupom je prepracovaná pasáž zachovávajúca povinné mená. Klasifikačná požiadavka môže poskytnúť povolené označenia a definície namiesto žiadosti o neurčený úsudok.
Pri extrakcii definujte požadované identifikátory a ďalšie polia a priložte iba relevantnú zdrojovú pasáž. Pri písaní poskytnite fakty o produkte a jeden výstup, napríklad produktový odsek alebo vetu kampane. Pri správe či itinerári odovzdávajte relevantné fakty a obmedzenia pre aktuálny krok. Ak sú potrebné čerstvé informácie, dodá ich vyhľadávací alebo dátový nástroj aplikácie; model potom pracuje s vrátenými materiálmi.
AirX sa opisuje ako predtrénovaný na 15 biliónoch tokenov vrátane rozsiahlych syntetických materiálov na uvažovanie. Následný tréning používa zosúladenie dialógu s preferenciami, zamietacie vzorkovanie a posilňované učenie na zlepšenie plnenia pokynov, tvorby kódu a používania funkcií. Výrobca ho predstavuje ako rýchlejší variant GLM-4-Air-250414 so zmenami základných komponentov zahŕňajúcich predspracovanie vstupného promptu a autoregresívne dekódovanie. Opisuje to návrh výrobcu, nie nameranú záruku latencie alebo súbežnosti konkrétneho nasadenia.
Dajte AirX jednu ohraničenú úlohu a kompaktný očakávaný výstup. Pri kóde zahrňte funkciu, relevantné vstupné hodnoty a požadované správanie a potom požadujte opravený úsek s vysvetlením. Pri štruktúrovanej extrakcii dajte definície polí pred pasáž a žiadajte výslovné označenie chýbajúcich informácií. Výsledok plánujte v rámci zverejneného výstupného profilu 4K; rozsiahlu správu rozdeľte do cielených úloh namiesto očakávania neobmedzeného dokumentu z jednej odpovede.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity glm-4-airx | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Počet tokenov kontextu väčší než | Tokeny kontextu, najviac (vrátane hranice) | Poplatok |
|---|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Počet tokenov kontextu väčší než— | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0028 / 1K tokenov Výstup · Výstupné tokeny $0.0028 / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| KonfiguráciaPásmo dĺžky požiadavky 1 | Sadzobník— | Počet tokenov kontextu väčší než0 | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0028 / 1K tokenov Výstup · Výstupné tokeny $0.0028 / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "glm-4-airx",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4-airx', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'glm-4-airx', '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 alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra glm-4-airx
/chat/completions