GLM-4.7-Flash je edícia rodiny GLM-4.7 od Z.ai s architektúrou zmesi expertov 30B-A3B. Jej riedky návrh má približne 30 miliárd parametrov celkovo a tri miliardy aktivovaných a výrobca ju predstavuje ako odľahčený model vyvažujúci schopnosti a efektívnosť. Prijíma text a generuje text. Výrobca osobitne zdôrazňuje vývoj softvéru, písanie v čínštine, preklad, spracovanie dlhých textov a konverzáciu podľa rolí. Užitočné zadanie môže žiadať návrh kódu, upravenú pasáž, vysvetlenie alebo štruktúrovaný výsledok založený na dodanom materiáli.
Pri vývoji Z.ai pre túto edíciu Flash uvádza úlohy frontendu aj aplikačnej logiky. Dodajte správanie, ktoré treba implementovať, relevantný zdroj a podmienky, ktoré musia zostať zachované. Pri stránke alebo komponente opíšte ich stavy, rozloženie a požadovanú interakciu a potom žiadajte upraviteľný kód a vysvetlenie dôležitých rozhodnutí. Pri existujúcej funkcii zahrňte pozorované zlyhanie a príklad očakávaného výsledku. Model vytvára navrhovaný kód; jeho kompilácia, spustenie alebo vykreslenie rozhrania patria pripojenému aplikačnému prostrediu.
Profil radu GLM-4.7 hostovaný výrobcom uvádza pre Flash textový vstup, textový výstup, kontext s rozsahom 200K tokenov a výstup až 128K tokenov. Karta otvoreného modelu a hostovaný profil opisujú rôzne aspekty rovnakej pomenovanej edície: vlastnosti kontrolného bodu a konfiguráciu služby výrobcu. Dlhý vstup pripravte s nadpismi zdrojov, identifikátormi kódu a jasnými hranicami dokumentov a ponechajte priestor na uvažovanie a požadovanú odpoveď. Čisto textový model môže písať kód aplikácie, ktorá spracúva obrázky alebo vstup z kamery, to však tomuto kontrolnému bodu nedáva natívny režim vizuálneho vstupu.
V rade GLM-4.7 je uvažovanie predvolene zapnuté. Výrobca dokumentuje prepínač pre jednotlivé kolá, takže konverzácia môže žiadať uvažovanie pri ťažkej otázke a vypnúť ho pri jednoduchom prepise alebo krátkej odpovedi. Podporuje aj striedanie uvažovania s volaniami nástrojov, vďaka čomu môže model vyložiť vrátené pozorovanie pred plánovaním ďalšieho kroku. Pred začatím takejto úlohy definujte dostupné nástroje a požadovaný konečný výstup. Dokumentový asistent môže požiadať o vybrané informácie, dostať skutočný výsledok získania údajov a potom pripraviť vysvetlenie podopreté týmto výsledkom.
Zachované uvažovanie je osobitná možnosť pre dlhodobú programátorskú prácu alebo prácu agentov. Sprievodca výrobcu používa clear_thinking=false a vyžaduje, aby sa úplný nezmenený reasoning_content z predchádzajúcich kôl asistenta vrátil v pôvodnom poradí. Zmena alebo preskupenie týchto blokov môže zhoršiť výsledok a ovplyvniť správanie vyrovnávacej pamäte. Predvolené nastavenie sa líši medzi programátorským a štandardným rozhraním výrobcu, takže ide o nakonfigurovaný pracovný postup, nie automatickú vlastnosť každej konverzácie. Viditeľnú odpoveď udržujte oddelene od zachovaného uvažovania a uchovajte podklady alebo výstup nástrojov, od ktorých závisia neskoršie kroky.
Zdokumentované rozhranie rodiny zahŕňa streamovanie textu, volanie funkcií, ukladanie kontextu do vyrovnávacej pamäte a štruktúrovaný výstup, napríklad JSON. Pri štruktúrovanom výsledku poskytnite povinné polia a význam každej hodnoty; pri požiadavke na nástroj definujte účel funkcie, argumenty a podmienku dokončenia. Vygenerované volanie je požiadavkou, aby aplikácia konala, nie dôkazom vykonania. Konečným výsledkom môže byť krátka správa, dátový objekt alebo výstup v podobe kódu, pričom informácie použité na jeho vytvorenie zostávajú rozpoznateľné.
Pri písaní alebo preklade určte čitateľa, jazyk, tón a výrazy, ktoré majú zostať nezmenené. Výrobca odporúča vyskúšať Flash pri písaní v čínštine, rozprávačských dialógoch alebo dialógoch podľa rolí aj pri technickej práci. Vzorové redakčné zadanie môže poskytnúť pasáž a žiadať stručnú úpravu zachovávajúcu jej fakty; prekladové zadanie môže dodať slovník a odlíšiť citovaný text od pokynov. Pri dlhšej konverzácii zachovajte obmedzenia a určte ďalší potrebný výsledok, aby odpoveď modelu zostala prepojená s pôvodnou úlohou.
Presná karta otvoreného modelu zverejňuje odlišné nastavenia generovania pre jeho hodnotiace úlohy: predvolenú teplotu 1.0 a top-p 0.95 so samostatnými nastaveniami softvérových úloh 0.7 a 1.0. Jej príklady dĺžok generovania sú súčasťou týchto postupov, nie ďalšími univerzálnymi limitmi. Tento kontrolný bod sa odlišuje od GLM-4.7, GLM-4.7-FlashX a neskorších modelov GLM-5. Úlohu a režim odpovede prispôsobte zdokumentovaným textovým schopnostiam tejto edície a potom posúďte dodaný kód, získané hodnoty alebo upravený text podľa vstupu.
", "aboutText": "GLM-4.7-Flash je edícia rodiny GLM-4.7 od Z.ai s architektúrou zmesi expertov 30B-A3B. Jej riedky návrh má približne 30 miliárd parametrov celkovo a tri miliardy aktivovaných a výrobca ju predstavuje ako odľahčený model vyvažujúci schopnosti a efektívnosť. Prijíma text a generuje text. Výrobca osobitne zdôrazňuje vývoj softvéru, písanie v čínštine, preklad, spracovanie dlhých textov a konverzáciu podľa rolí. Užitočné zadanie môže žiadať návrh kódu, upravenú pasáž, vysvetlenie alebo štruktúrovaný výsledok založený na dodanom materiáli.\n\nPri vývoji Z.ai pre túto edíciu Flash uvádza úlohy frontendu aj aplikačnej logiky. Dodajte správanie, ktoré treba implementovať, relevantný zdroj a podmienky, ktoré musia zostať zachované. Pri stránke alebo komponente opíšte ich stavy, rozloženie a požadovanú interakciu a potom žiadajte upraviteľný kód a vysvetlenie dôležitých rozhodnutí. Pri existujúcej funkcii zahrňte pozorované zlyhanie a príklad očakávaného výsledku. Model vytvára navrhovaný kód; jeho kompilácia, spustenie alebo vykreslenie rozhrania patria pripojenému aplikačnému prostrediu.\n\nProfil radu GLM-4.7 hostovaný výrobcom uvádza pre Flash textový vstup, textový výstup, kontext s rozsahom 200K tokenov a výstup až 128K tokenov. Karta otvoreného modelu a hostovaný profil opisujú rôzne aspekty rovnakej pomenovanej edície: vlastnosti kontrolného bodu a konfiguráciu služby výrobcu. Dlhý vstup pripravte s nadpismi zdrojov, identifikátormi kódu a jasnými hranicami dokumentov a ponechajte priestor na uvažovanie a požadovanú odpoveď. Čisto textový model môže písať kód aplikácie, ktorá spracúva obrázky alebo vstup z kamery, to však tomuto kontrolnému bodu nedáva natívny režim vizuálneho vstupu.\n\nV rade GLM-4.7 je uvažovanie predvolene zapnuté. Výrobca dokumentuje prepínač pre jednotlivé kolá, takže konverzácia môže žiadať uvažovanie pri ťažkej otázke a vypnúť ho pri jednoduchom prepise alebo krátkej odpovedi. Podporuje aj striedanie uvažovania s volaniami nástrojov, vďaka čomu môže model vyložiť vrátené pozorovanie pred plánovaním ďalšieho kroku. Pred začatím takejto úlohy definujte dostupné nástroje a požadovaný konečný výstup. Dokumentový asistent môže požiadať o vybrané informácie, dostať skutočný výsledok získania údajov a potom pripraviť vysvetlenie podopreté týmto výsledkom.\n\nZachované uvažovanie je osobitná možnosť pre dlhodobú programátorskú prácu alebo prácu agentov. Sprievodca výrobcu používa clear_thinking=false a vyžaduje, aby sa úplný nezmenený reasoning_content z predchádzajúcich kôl asistenta vrátil v pôvodnom poradí. Zmena alebo preskupenie týchto blokov môže zhoršiť výsledok a ovplyvniť správanie vyrovnávacej pamäte. Predvolené nastavenie sa líši medzi programátorským a štandardným rozhraním výrobcu, takže ide o nakonfigurovaný pracovný postup, nie automatickú vlastnosť každej konverzácie. Viditeľnú odpoveď udržujte oddelene od zachovaného uvažovania a uchovajte podklady alebo výstup nástrojov, od ktorých závisia neskoršie kroky.\n\nZdokumentované rozhranie rodiny zahŕňa streamovanie textu, volanie funkcií, ukladanie kontextu do vyrovnávacej pamäte a štruktúrovaný výstup, napríklad JSON. Pri štruktúrovanom výsledku poskytnite povinné polia a význam každej hodnoty; pri požiadavke na nástroj definujte účel funkcie, argumenty a podmienku dokončenia. Vygenerované volanie je požiadavkou, aby aplikácia konala, nie dôkazom vykonania. Konečným výsledkom môže byť krátka správa, dátový objekt alebo výstup v podobe kódu, pričom informácie použité na jeho vytvorenie zostávajú rozpoznateľné.\n\nPri písaní alebo preklade určte čitateľa, jazyk, tón a výrazy, ktoré majú zostať nezmenené. Výrobca odporúča vyskúšať Flash pri písaní v čínštine, rozprávačských dialógoch alebo dialógoch podľa rolí aj pri technickej práci. Vzorové redakčné zadanie môže poskytnúť pasáž a žiadať stručnú úpravu zachovávajúcu jej fakty; prekladové zadanie môže dodať slovník a odlíšiť citovaný text od pokynov. Pri dlhšej konverzácii zachovajte obmedzenia a určte ďalší potrebný výsledok, aby odpoveď modelu zostala prepojená s pôvodnou úlohou.\n\nPresná karta otvoreného modelu zverejňuje odlišné nastavenia generovania pre jeho hodnotiace úlohy: predvolenú teplotu 1.0 a top-p 0.95 so samostatnými nastaveniami softvérových úloh 0.7 a 1.0. Jej príklady dĺžok generovania sú súčasťou týchto postupov, nie ďalšími univerzálnymi limitmi. Tento kontrolný bod sa odlišuje od GLM-4.7, GLM-4.7-FlashX a neskorších modelov GLM-5. Úlohu a režim odpovede prispôsobte zdokumentovaným textovým schopnostiam tejto edície a potom posúďte dodaný kód, získané hodnoty alebo upravený text podľa vstupu.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
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 je textový model Z.ai s architektúrou zmesi expertov 30B-A3B na programovanie, dlhé texty, písanie v čínštine a preklad. Podporuje uvažovanie a pracovné postupy riadené nástrojmi s profilom hostovaným výrobcom, ktorý má kontext 200K tokenov a výstup až 128K.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
GLM-4.7-Flash je edícia rodiny GLM-4.7 od Z.ai s architektúrou zmesi expertov 30B-A3B. Jej riedky návrh má približne 30 miliárd parametrov celkovo a tri miliardy aktivovaných a výrobca ju predstavuje ako odľahčený model vyvažujúci schopnosti a efektívnosť. Prijíma text a generuje text. Výrobca osobitne zdôrazňuje vývoj softvéru, písanie v čínštine, preklad, spracovanie dlhých textov a konverzáciu podľa rolí. Užitočné zadanie môže žiadať návrh kódu, upravenú pasáž, vysvetlenie alebo štruktúrovaný výsledok založený na dodanom materiáli.
Pri vývoji Z.ai pre túto edíciu Flash uvádza úlohy frontendu aj aplikačnej logiky. Dodajte správanie, ktoré treba implementovať, relevantný zdroj a podmienky, ktoré musia zostať zachované. Pri stránke alebo komponente opíšte ich stavy, rozloženie a požadovanú interakciu a potom žiadajte upraviteľný kód a vysvetlenie dôležitých rozhodnutí. Pri existujúcej funkcii zahrňte pozorované zlyhanie a príklad očakávaného výsledku. Model vytvára navrhovaný kód; jeho kompilácia, spustenie alebo vykreslenie rozhrania patria pripojenému aplikačnému prostrediu.
Profil radu GLM-4.7 hostovaný výrobcom uvádza pre Flash textový vstup, textový výstup, kontext s rozsahom 200K tokenov a výstup až 128K tokenov. Karta otvoreného modelu a hostovaný profil opisujú rôzne aspekty rovnakej pomenovanej edície: vlastnosti kontrolného bodu a konfiguráciu služby výrobcu. Dlhý vstup pripravte s nadpismi zdrojov, identifikátormi kódu a jasnými hranicami dokumentov a ponechajte priestor na uvažovanie a požadovanú odpoveď. Čisto textový model môže písať kód aplikácie, ktorá spracúva obrázky alebo vstup z kamery, to však tomuto kontrolnému bodu nedáva natívny režim vizuálneho vstupu.
V rade GLM-4.7 je uvažovanie predvolene zapnuté. Výrobca dokumentuje prepínač pre jednotlivé kolá, takže konverzácia môže žiadať uvažovanie pri ťažkej otázke a vypnúť ho pri jednoduchom prepise alebo krátkej odpovedi. Podporuje aj striedanie uvažovania s volaniami nástrojov, vďaka čomu môže model vyložiť vrátené pozorovanie pred plánovaním ďalšieho kroku. Pred začatím takejto úlohy definujte dostupné nástroje a požadovaný konečný výstup. Dokumentový asistent môže požiadať o vybrané informácie, dostať skutočný výsledok získania údajov a potom pripraviť vysvetlenie podopreté týmto výsledkom.
Zachované uvažovanie je osobitná možnosť pre dlhodobú programátorskú prácu alebo prácu agentov. Sprievodca výrobcu používa clear_thinking=false a vyžaduje, aby sa úplný nezmenený reasoning_content z predchádzajúcich kôl asistenta vrátil v pôvodnom poradí. Zmena alebo preskupenie týchto blokov môže zhoršiť výsledok a ovplyvniť správanie vyrovnávacej pamäte. Predvolené nastavenie sa líši medzi programátorským a štandardným rozhraním výrobcu, takže ide o nakonfigurovaný pracovný postup, nie automatickú vlastnosť každej konverzácie. Viditeľnú odpoveď udržujte oddelene od zachovaného uvažovania a uchovajte podklady alebo výstup nástrojov, od ktorých závisia neskoršie kroky.
Zdokumentované rozhranie rodiny zahŕňa streamovanie textu, volanie funkcií, ukladanie kontextu do vyrovnávacej pamäte a štruktúrovaný výstup, napríklad JSON. Pri štruktúrovanom výsledku poskytnite povinné polia a význam každej hodnoty; pri požiadavke na nástroj definujte účel funkcie, argumenty a podmienku dokončenia. Vygenerované volanie je požiadavkou, aby aplikácia konala, nie dôkazom vykonania. Konečným výsledkom môže byť krátka správa, dátový objekt alebo výstup v podobe kódu, pričom informácie použité na jeho vytvorenie zostávajú rozpoznateľné.
Pri písaní alebo preklade určte čitateľa, jazyk, tón a výrazy, ktoré majú zostať nezmenené. Výrobca odporúča vyskúšať Flash pri písaní v čínštine, rozprávačských dialógoch alebo dialógoch podľa rolí aj pri technickej práci. Vzorové redakčné zadanie môže poskytnúť pasáž a žiadať stručnú úpravu zachovávajúcu jej fakty; prekladové zadanie môže dodať slovník a odlíšiť citovaný text od pokynov. Pri dlhšej konverzácii zachovajte obmedzenia a určte ďalší potrebný výsledok, aby odpoveď modelu zostala prepojená s pôvodnou úlohou.
Presná karta otvoreného modelu zverejňuje odlišné nastavenia generovania pre jeho hodnotiace úlohy: predvolenú teplotu 1.0 a top-p 0.95 so samostatnými nastaveniami softvérových úloh 0.7 a 1.0. Jej príklady dĺžok generovania sú súčasťou týchto postupov, nie ďalšími univerzálnymi limitmi. Tento kontrolný bod sa odlišuje od GLM-4.7, GLM-4.7-FlashX a neskorších modelov GLM-5. Úlohu a režim odpovede prispôsobte zdokumentovaným textovým schopnostiam tejto edície a potom posúďte dodaný kód, získané hodnoty alebo upravený text podľa vstupu.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity z-ai/glm-4.7-flash | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Príklady: system, user, assistant, tool, function Podmienky: Tieto roly sú výslovne zastúpené typmi kompatibility v zdrojovom kóde; presný súbor rolí zostáva závislý od modelu. Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring|content_part[]|null | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_calls | Typtool_call[] | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_call_id | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: role=tool; použite skutočne vrátené ID | Predvolené— |
Polemessages[].name | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].reasoning_content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Posielajte späť skutočne vrátené uvažovanie, ak ho tento model používa | Predvolené— |
Polemessages[].reasoning_details | Typobject|array | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polemax_completion_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polestream_options.include_usage | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletemperature | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletop_p | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polestop | Typstring|string[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools | Typfunction_tool[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools[].type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity function Závisí od modelu | Predvolené— |
Poletools[].function.name | Typstring | PožiadavkaPovinné | Hodnoty a limity Platí, keď: poskytnutý nástroj typu funkcia | Predvolené— |
Poletools[].function.description | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletools[].function.parameters | TypJSON_schema | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletool_choice | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleparallel_tool_calls | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleresponse_format | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning_effort | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleservice_tier | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleinstructions | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Pole kompatibility | Predvolené— |
Polefunctions | Typfunction[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polefunction_call | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleprompt_cache_options | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemodalities | Typstring[] | PožiadavkaVoliteľné | Hodnoty a limity text | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa na tejto textovej trase Ultra odmieta | Predvolené— |
Polecache_control.ttl | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Hodnota 1h sa v skutočne používaných poliach cache promptov odmieta | Predvolené— |
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, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Špecifikáciazávisí od modelu; používateľské nástroje typu funkcia sa líšia od nástrojov prevádzkovaných službou |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
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 $0.000144 / 1K tokenov Výstup · Výstupné tokeny $0.000858 / 1K tokenov Vstup · Čítanie cache $0.00002 / 1K tokenov Vstup · Zápis do cache $0 / 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 $0.000144 / 1K tokenov Výstup · Výstupné tokeny $0.000858 / 1K tokenov Vstup · Čítanie cache $0.00002 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "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 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 z-ai/glm-4.7-flash
Použite cesty metód uvedené vyššie.
z-ai/glm-4.7-flashGLM-4.7-Flash je textový model Z.ai s architektúrou zmesi expertov 30B-A3B na programovanie, dlhé texty, písanie v čínštine a preklad. Podporuje uvažovanie a pracovné postupy riadené nástrojmi s profilom hostovaným výrobcom, ktorý má kontext 200K tokenov a výstup až 128K.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
GLM-4.7-Flash je edícia rodiny GLM-4.7 od Z.ai s architektúrou zmesi expertov 30B-A3B. Jej riedky návrh má približne 30 miliárd parametrov celkovo a tri miliardy aktivovaných a výrobca ju predstavuje ako odľahčený model vyvažujúci schopnosti a efektívnosť. Prijíma text a generuje text. Výrobca osobitne zdôrazňuje vývoj softvéru, písanie v čínštine, preklad, spracovanie dlhých textov a konverzáciu podľa rolí. Užitočné zadanie môže žiadať návrh kódu, upravenú pasáž, vysvetlenie alebo štruktúrovaný výsledok založený na dodanom materiáli.
Pri vývoji Z.ai pre túto edíciu Flash uvádza úlohy frontendu aj aplikačnej logiky. Dodajte správanie, ktoré treba implementovať, relevantný zdroj a podmienky, ktoré musia zostať zachované. Pri stránke alebo komponente opíšte ich stavy, rozloženie a požadovanú interakciu a potom žiadajte upraviteľný kód a vysvetlenie dôležitých rozhodnutí. Pri existujúcej funkcii zahrňte pozorované zlyhanie a príklad očakávaného výsledku. Model vytvára navrhovaný kód; jeho kompilácia, spustenie alebo vykreslenie rozhrania patria pripojenému aplikačnému prostrediu.
Profil radu GLM-4.7 hostovaný výrobcom uvádza pre Flash textový vstup, textový výstup, kontext s rozsahom 200K tokenov a výstup až 128K tokenov. Karta otvoreného modelu a hostovaný profil opisujú rôzne aspekty rovnakej pomenovanej edície: vlastnosti kontrolného bodu a konfiguráciu služby výrobcu. Dlhý vstup pripravte s nadpismi zdrojov, identifikátormi kódu a jasnými hranicami dokumentov a ponechajte priestor na uvažovanie a požadovanú odpoveď. Čisto textový model môže písať kód aplikácie, ktorá spracúva obrázky alebo vstup z kamery, to však tomuto kontrolnému bodu nedáva natívny režim vizuálneho vstupu.
V rade GLM-4.7 je uvažovanie predvolene zapnuté. Výrobca dokumentuje prepínač pre jednotlivé kolá, takže konverzácia môže žiadať uvažovanie pri ťažkej otázke a vypnúť ho pri jednoduchom prepise alebo krátkej odpovedi. Podporuje aj striedanie uvažovania s volaniami nástrojov, vďaka čomu môže model vyložiť vrátené pozorovanie pred plánovaním ďalšieho kroku. Pred začatím takejto úlohy definujte dostupné nástroje a požadovaný konečný výstup. Dokumentový asistent môže požiadať o vybrané informácie, dostať skutočný výsledok získania údajov a potom pripraviť vysvetlenie podopreté týmto výsledkom.
Zachované uvažovanie je osobitná možnosť pre dlhodobú programátorskú prácu alebo prácu agentov. Sprievodca výrobcu používa clear_thinking=false a vyžaduje, aby sa úplný nezmenený reasoning_content z predchádzajúcich kôl asistenta vrátil v pôvodnom poradí. Zmena alebo preskupenie týchto blokov môže zhoršiť výsledok a ovplyvniť správanie vyrovnávacej pamäte. Predvolené nastavenie sa líši medzi programátorským a štandardným rozhraním výrobcu, takže ide o nakonfigurovaný pracovný postup, nie automatickú vlastnosť každej konverzácie. Viditeľnú odpoveď udržujte oddelene od zachovaného uvažovania a uchovajte podklady alebo výstup nástrojov, od ktorých závisia neskoršie kroky.
Zdokumentované rozhranie rodiny zahŕňa streamovanie textu, volanie funkcií, ukladanie kontextu do vyrovnávacej pamäte a štruktúrovaný výstup, napríklad JSON. Pri štruktúrovanom výsledku poskytnite povinné polia a význam každej hodnoty; pri požiadavke na nástroj definujte účel funkcie, argumenty a podmienku dokončenia. Vygenerované volanie je požiadavkou, aby aplikácia konala, nie dôkazom vykonania. Konečným výsledkom môže byť krátka správa, dátový objekt alebo výstup v podobe kódu, pričom informácie použité na jeho vytvorenie zostávajú rozpoznateľné.
Pri písaní alebo preklade určte čitateľa, jazyk, tón a výrazy, ktoré majú zostať nezmenené. Výrobca odporúča vyskúšať Flash pri písaní v čínštine, rozprávačských dialógoch alebo dialógoch podľa rolí aj pri technickej práci. Vzorové redakčné zadanie môže poskytnúť pasáž a žiadať stručnú úpravu zachovávajúcu jej fakty; prekladové zadanie môže dodať slovník a odlíšiť citovaný text od pokynov. Pri dlhšej konverzácii zachovajte obmedzenia a určte ďalší potrebný výsledok, aby odpoveď modelu zostala prepojená s pôvodnou úlohou.
Presná karta otvoreného modelu zverejňuje odlišné nastavenia generovania pre jeho hodnotiace úlohy: predvolenú teplotu 1.0 a top-p 0.95 so samostatnými nastaveniami softvérových úloh 0.7 a 1.0. Jej príklady dĺžok generovania sú súčasťou týchto postupov, nie ďalšími univerzálnymi limitmi. Tento kontrolný bod sa odlišuje od GLM-4.7, GLM-4.7-FlashX a neskorších modelov GLM-5. Úlohu a režim odpovede prispôsobte zdokumentovaným textovým schopnostiam tejto edície a potom posúďte dodaný kód, získané hodnoty alebo upravený text podľa vstupu.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity z-ai/glm-4.7-flash | 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 $0.000144 / 1K tokenov Výstup · Výstupné tokeny $0.000858 / 1K tokenov Vstup · Čítanie cache $0.00002 / 1K tokenov Vstup · Zápis do cache $0 / 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 $0.000144 / 1K tokenov Výstup · Výstupné tokeny $0.000858 / 1K tokenov Vstup · Čítanie cache $0.00002 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "z-ai/glm-4.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 z-ai/glm-4.7-flash
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
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.