GLM-Z1-Rumination-32B-0414 är den forskningsinriktade resonemangsutgåvan i Z.ai:s GLM-4-0414-serie. Den är utformad för att ägna längre tid åt öppna frågor och använda hämtad information under resonemangsprocessen. Tillverkaren beskriver jämförande forskningsskrivande och komplex informationshämtning som typiska uppgifter. Slutresultatet är text, till exempel en analytisk rapport som kopplar en fråga till beläggen som samlats in för den.
Ange ämne, omfattning och jämförelsekriterier innan materialet samlas in. För en rapport som jämför utvecklingsplaner i två städer anger du städerna, perioden och aspekterna som ska jämföras. Be om relevanta belägg, jämförelsepunkterna och en tydlig slutsats. En öppen uppgift blir lättare att granska när de förväntade avsnitten och källkraven är uttryckliga.
Tillhandahåll befintliga dokument eller utdrag med tydliga titlar och identifierare. Skilj källmaterial från instruktioner och ange hur svaret ska hantera ofullständiga eller motstridiga belägg. En rapport kan skilja ett dokumenterat faktum från en tolkning och förklara vilken källa som stöder varje väsentlig punkt.
Tillverkarens genomarbetade verktygsloop omfattar att söka med nyckelord, öppna ett sökresultat, öppna en angiven URL och avsluta informationsinsamlingen före skrivandet. Modellen väljer en åtgärd och argument; den omgivande applikationen utför hämtningen och tillhandahåller observationen. Detta är ett undersökningsflöde byggt kring modellen, inget antagande om att ett textsvar redan har sökt på webben.
För en applikation som använder det mönstret returnerar du den hämtade sidans relevanta innehåll tillsammans med titel och URL. Håll källidentifierarna konsekventa mellan turer så att en senare jämförelse hänvisar till samma dokument. Be modellen förfina sökningen när observationen inte besvarar undersökningsfrågan och ta fram slutrapporten när de efterfrågade beläggen har samlats in.
Det publicerade exemplet använder simulerade hämtningsfunktioner för att visa kontrollflödet. En fungerande applikation tillhandahåller egna hämtningsimplementationer och avgör när loopen har samlat tillräcklig information. Exemplets gräns för antal turer och genereringsbudget beskriver just det exemplet; de är inga allmängiltiga gränser för utgåvan.
Be om ett svar strukturerat kring det faktiska undersökningsproblemet: fynd, jämförelse, osäkerhet och slutsats. För en dokumentjämförelse ber du modellen identifiera vilka villkor som skiljer sig innan den föreslår en tolkning. För ett undersökningsunderlag definierar du målgruppen och frågorna det måste besvara så att den returnerade texten förblir kopplad till uppgiften.
Granska rapporten tillsammans med dess källobservationer. Kontrollera citat, datum och orsakspåståenden mot materialet som tillhandahållits loopen. Behåll frågan, hämtade textavsnitt och slutresultatet tillsammans när en rapport ska revideras senare. Det bevarar beläggen som behövs för att förstå hur slutsatsen nåddes.
Denna post behåller identiteten Rumination 32B 0414. Den vanliga resonemangsutgåvan GLM-Z1-32B-0414 och den mindre Z1-utgåvan är separat namngivna lanseringar. Tillverkarens Rumination-kort fastställer det forskningsinriktade verktygsmönstret och inferensexemplet; dess knapphändiga gränsinformation bör kompletteras med det faktiska gränssnittskontraktet när en lång förfrågan förbereds.
", "aboutText": "GLM-Z1-Rumination-32B-0414 är den forskningsinriktade resonemangsutgåvan i Z.ai:s GLM-4-0414-serie. Den är utformad för att ägna längre tid åt öppna frågor och använda hämtad information under resonemangsprocessen. Tillverkaren beskriver jämförande forskningsskrivande och komplex informationshämtning som typiska uppgifter. Slutresultatet är text, till exempel en analytisk rapport som kopplar en fråga till beläggen som samlats in för den.\n\n### Definiera undersökningsfrågan\n\nAnge ämne, omfattning och jämförelsekriterier innan materialet samlas in. För en rapport som jämför utvecklingsplaner i två städer anger du städerna, perioden och aspekterna som ska jämföras. Be om relevanta belägg, jämförelsepunkterna och en tydlig slutsats. En öppen uppgift blir lättare att granska när de förväntade avsnitten och källkraven är uttryckliga.\n\nTillhandahåll befintliga dokument eller utdrag med tydliga titlar och identifierare. Skilj källmaterial från instruktioner och ange hur svaret ska hantera ofullständiga eller motstridiga belägg. En rapport kan skilja ett dokumenterat faktum från en tolkning och förklara vilken källa som stöder varje väsentlig punkt.\n\n### Sök, läs och returnera observationer\n\nTillverkarens genomarbetade verktygsloop omfattar att söka med nyckelord, öppna ett sökresultat, öppna en angiven URL och avsluta informationsinsamlingen före skrivandet. Modellen väljer en åtgärd och argument; den omgivande applikationen utför hämtningen och tillhandahåller observationen. Detta är ett undersökningsflöde byggt kring modellen, inget antagande om att ett textsvar redan har sökt på webben.\n\nFör en applikation som använder det mönstret returnerar du den hämtade sidans relevanta innehåll tillsammans med titel och URL. Håll källidentifierarna konsekventa mellan turer så att en senare jämförelse hänvisar till samma dokument. Be modellen förfina sökningen när observationen inte besvarar undersökningsfrågan och ta fram slutrapporten när de efterfrågade beläggen har samlats in.\n\nDet publicerade exemplet använder simulerade hämtningsfunktioner för att visa kontrollflödet. En fungerande applikation tillhandahåller egna hämtningsimplementationer och avgör när loopen har samlat tillräcklig information. Exemplets gräns för antal turer och genereringsbudget beskriver just det exemplet; de är inga allmängiltiga gränser för utgåvan.\n\n### Förbered och granska rapporten\n\nBe om ett svar strukturerat kring det faktiska undersökningsproblemet: fynd, jämförelse, osäkerhet och slutsats. För en dokumentjämförelse ber du modellen identifiera vilka villkor som skiljer sig innan den föreslår en tolkning. För ett undersökningsunderlag definierar du målgruppen och frågorna det måste besvara så att den returnerade texten förblir kopplad till uppgiften.\n\nGranska rapporten tillsammans med dess källobservationer. Kontrollera citat, datum och orsakspåståenden mot materialet som tillhandahållits loopen. Behåll frågan, hämtade textavsnitt och slutresultatet tillsammans när en rapport ska revideras senare. Det bevarar beläggen som behövs för att förstå hur slutsatsen nåddes.\n\n### Bevara den fasta utgåvan\n\nDenna post behåller identiteten Rumination 32B 0414. Den vanliga resonemangsutgåvan GLM-Z1-32B-0414 och den mindre Z1-utgåvan är separat namngivna lanseringar. Tillverkarens Rumination-kort fastställer det forskningsinriktade verktygsmönstret och inferensexemplet; dess knapphändiga gränsinformation bör kompletteras med det faktiska gränssnittskontraktet när en lång förfrågan förbereds.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Synthesize a source-bounded pilot comparison\n\nWrite a short research comparison from these supplied excerpts. Pilot A: staff reported faster intake, but no timing measurement was collected. Pilot B: median intake fell from 12 to 9 minutes; error counts were not recorded. Compare evidence for speed and quality, cite A or B, and state what follow-up measurement is needed before a broad conclusion.A concise comparison with findings, evidence gaps and a limited conclusion grounded in the excerpts.The report distinguishes reported impressions from measured timing and does not claim improved quality without error data.THUDM/GLM-Z1-Rumination-32B-0414GLM-Z1-Rumination-32B-0414 är en fast textresonemangsutgåva för öppna undersökningar och jämförande rapporter. Tillverkaren dokumenterar en sök- och läsloop där applikationen hämtar källor och returnerar observationer innan modellen skriver sitt resultat.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GLM-Z1-Rumination-32B-0414 är den forskningsinriktade resonemangsutgåvan i Z.ai:s GLM-4-0414-serie. Den är utformad för att ägna längre tid åt öppna frågor och använda hämtad information under resonemangsprocessen. Tillverkaren beskriver jämförande forskningsskrivande och komplex informationshämtning som typiska uppgifter. Slutresultatet är text, till exempel en analytisk rapport som kopplar en fråga till beläggen som samlats in för den.
Ange ämne, omfattning och jämförelsekriterier innan materialet samlas in. För en rapport som jämför utvecklingsplaner i två städer anger du städerna, perioden och aspekterna som ska jämföras. Be om relevanta belägg, jämförelsepunkterna och en tydlig slutsats. En öppen uppgift blir lättare att granska när de förväntade avsnitten och källkraven är uttryckliga.
Tillhandahåll befintliga dokument eller utdrag med tydliga titlar och identifierare. Skilj källmaterial från instruktioner och ange hur svaret ska hantera ofullständiga eller motstridiga belägg. En rapport kan skilja ett dokumenterat faktum från en tolkning och förklara vilken källa som stöder varje väsentlig punkt.
Tillverkarens genomarbetade verktygsloop omfattar att söka med nyckelord, öppna ett sökresultat, öppna en angiven URL och avsluta informationsinsamlingen före skrivandet. Modellen väljer en åtgärd och argument; den omgivande applikationen utför hämtningen och tillhandahåller observationen. Detta är ett undersökningsflöde byggt kring modellen, inget antagande om att ett textsvar redan har sökt på webben.
För en applikation som använder det mönstret returnerar du den hämtade sidans relevanta innehåll tillsammans med titel och URL. Håll källidentifierarna konsekventa mellan turer så att en senare jämförelse hänvisar till samma dokument. Be modellen förfina sökningen när observationen inte besvarar undersökningsfrågan och ta fram slutrapporten när de efterfrågade beläggen har samlats in.
Det publicerade exemplet använder simulerade hämtningsfunktioner för att visa kontrollflödet. En fungerande applikation tillhandahåller egna hämtningsimplementationer och avgör när loopen har samlat tillräcklig information. Exemplets gräns för antal turer och genereringsbudget beskriver just det exemplet; de är inga allmängiltiga gränser för utgåvan.
Be om ett svar strukturerat kring det faktiska undersökningsproblemet: fynd, jämförelse, osäkerhet och slutsats. För en dokumentjämförelse ber du modellen identifiera vilka villkor som skiljer sig innan den föreslår en tolkning. För ett undersökningsunderlag definierar du målgruppen och frågorna det måste besvara så att den returnerade texten förblir kopplad till uppgiften.
Granska rapporten tillsammans med dess källobservationer. Kontrollera citat, datum och orsakspåståenden mot materialet som tillhandahållits loopen. Behåll frågan, hämtade textavsnitt och slutresultatet tillsammans när en rapport ska revideras senare. Det bevarar beläggen som behövs för att förstå hur slutsatsen nåddes.
Denna post behåller identiteten Rumination 32B 0414. Den vanliga resonemangsutgåvan GLM-Z1-32B-0414 och den mindre Z1-utgåvan är separat namngivna lanseringar. Tillverkarens Rumination-kort fastställer det forskningsinriktade verktygsmönstret och inferensexemplet; dess knapphändiga gränsinformation bör kompletteras med det faktiska gränssnittskontraktet när en lång förfrågan förbereds.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser THUDM/GLM-Z1-Rumination-32B-0414 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00014 / 1K token Utdata · Utdatatoken $0.00014 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "THUDM/GLM-Z1-Rumination-32B-0414", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='THUDM/GLM-Z1-Rumination-32B-0414',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='THUDM/GLM-Z1-Rumination-32B-0414',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra THUDM/GLM-Z1-Rumination-32B-0414
Använd metodsökvägarna som visas ovan.
THUDM/GLM-Z1-Rumination-32B-0414GLM-Z1-Rumination-32B-0414 är en fast textresonemangsutgåva för öppna undersökningar och jämförande rapporter. Tillverkaren dokumenterar en sök- och läsloop där applikationen hämtar källor och returnerar observationer innan modellen skriver sitt resultat.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GLM-Z1-Rumination-32B-0414 är den forskningsinriktade resonemangsutgåvan i Z.ai:s GLM-4-0414-serie. Den är utformad för att ägna längre tid åt öppna frågor och använda hämtad information under resonemangsprocessen. Tillverkaren beskriver jämförande forskningsskrivande och komplex informationshämtning som typiska uppgifter. Slutresultatet är text, till exempel en analytisk rapport som kopplar en fråga till beläggen som samlats in för den.
Ange ämne, omfattning och jämförelsekriterier innan materialet samlas in. För en rapport som jämför utvecklingsplaner i två städer anger du städerna, perioden och aspekterna som ska jämföras. Be om relevanta belägg, jämförelsepunkterna och en tydlig slutsats. En öppen uppgift blir lättare att granska när de förväntade avsnitten och källkraven är uttryckliga.
Tillhandahåll befintliga dokument eller utdrag med tydliga titlar och identifierare. Skilj källmaterial från instruktioner och ange hur svaret ska hantera ofullständiga eller motstridiga belägg. En rapport kan skilja ett dokumenterat faktum från en tolkning och förklara vilken källa som stöder varje väsentlig punkt.
Tillverkarens genomarbetade verktygsloop omfattar att söka med nyckelord, öppna ett sökresultat, öppna en angiven URL och avsluta informationsinsamlingen före skrivandet. Modellen väljer en åtgärd och argument; den omgivande applikationen utför hämtningen och tillhandahåller observationen. Detta är ett undersökningsflöde byggt kring modellen, inget antagande om att ett textsvar redan har sökt på webben.
För en applikation som använder det mönstret returnerar du den hämtade sidans relevanta innehåll tillsammans med titel och URL. Håll källidentifierarna konsekventa mellan turer så att en senare jämförelse hänvisar till samma dokument. Be modellen förfina sökningen när observationen inte besvarar undersökningsfrågan och ta fram slutrapporten när de efterfrågade beläggen har samlats in.
Det publicerade exemplet använder simulerade hämtningsfunktioner för att visa kontrollflödet. En fungerande applikation tillhandahåller egna hämtningsimplementationer och avgör när loopen har samlat tillräcklig information. Exemplets gräns för antal turer och genereringsbudget beskriver just det exemplet; de är inga allmängiltiga gränser för utgåvan.
Be om ett svar strukturerat kring det faktiska undersökningsproblemet: fynd, jämförelse, osäkerhet och slutsats. För en dokumentjämförelse ber du modellen identifiera vilka villkor som skiljer sig innan den föreslår en tolkning. För ett undersökningsunderlag definierar du målgruppen och frågorna det måste besvara så att den returnerade texten förblir kopplad till uppgiften.
Granska rapporten tillsammans med dess källobservationer. Kontrollera citat, datum och orsakspåståenden mot materialet som tillhandahållits loopen. Behåll frågan, hämtade textavsnitt och slutresultatet tillsammans när en rapport ska revideras senare. Det bevarar beläggen som behövs för att förstå hur slutsatsen nåddes.
Denna post behåller identiteten Rumination 32B 0414. Den vanliga resonemangsutgåvan GLM-Z1-32B-0414 och den mindre Z1-utgåvan är separat namngivna lanseringar. Tillverkarens Rumination-kort fastställer det forskningsinriktade verktygsmönstret och inferensexemplet; dess knapphändiga gränsinformation bör kompletteras med det faktiska gränssnittskontraktet när en lång förfrågan förbereds.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser THUDM/GLM-Z1-Rumination-32B-0414 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00014 / 1K token Utdata · Utdatatoken $0.00014 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "THUDM/GLM-Z1-Rumination-32B-0414",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'THUDM/GLM-Z1-Rumination-32B-0414', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'THUDM/GLM-Z1-Rumination-32B-0414', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra THUDM/GLM-Z1-Rumination-32B-0414
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Synthesize a source-bounded pilot comparison\n\nWrite a short research comparison from these supplied excerpts. Pilot A: staff reported faster intake, but no timing measurement was collected. Pilot B: median intake fell from 12 to 9 minutes; error counts were not recorded. Compare evidence for speed and quality, cite A or B, and state what follow-up measurement is needed before a broad conclusion.A concise comparison with findings, evidence gaps and a limited conclusion grounded in the excerpts.The report distinguishes reported impressions from measured timing and does not claim improved quality without error data.