GLM 5.3 Prime är den accelererade textversionen i Z.ai:s GLM 5.3-familj. Den tar emot och returnerar text med fokus på kodning, strömmande kodgenerering, realtidssamtal och agentuppgifter över flera turer. Den publicerade profilen beskriver accelererad inferens med den underliggande versionens förmågor bevarade. En användbar begäran knyter ihop uppgiften, dess underlag och leveransen som behövs härnäst, exempelvis en patch, en förklaring eller en föreslagen åtgärdssekvens.
Resonemang förblir aktiverat i denna profil. De dokumenterade ansträngningsnivåerna är low, high och max, med max som standard. Välj avsett djup tillsammans med uppgiften: en fokuserad kodgranskning behöver relevant logik och observerat beteende, medan en ändring på projektnivå behöver omgivande gränssnitt, begränsningar och acceptansvillkor. Håll det faktiska resultatet åtskilt från modellens mellanliggande analys så att läsaren kan granska det föreslagna svaret eller ändringen direkt.
Det publicerade kontextfönstret är 1 000 000 token, med upp till 131 072 kompletteringstoken. Organisera en lång brief i namngivna avsnitt: källmaterial, fastställda beslut, öppna frågor och begärd leverans. Behåll exakta fil- eller avsnittsidentifierare när svaret måste hänvisa tillbaka till underlag. En stor arbetskontext hjälper till att hålla relaterat material samlat; en fokuserad fråga gör materialet användbart.
För kodning tillhandahåller du befintligt beteende, det felande exemplet och avsett beteende efter ändringen. Be om en konkret korrigering och dess valideringssteg. För en agentuppgift över flera turer för du vidare färdigt arbete och de senaste observationerna, så att ett senare steg kan fortsätta från resultatet i stället för att rekonstruera uppgiften ur en växande konversation.
Det publicerade värdavtalet omfattar funktionsverktyg och JSON-svarsformatering. Definiera verktygen eller resultatfälten som arbetsflödet behöver. Ett verktygsanrop namnger en åtgärd som den omgivande applikationen ska utföra; den returnerade observationen blir underlag för nästa modellsteg. Det dokumenterade JSON-läget stöder JSON-utdata utan att framtvinga ett JSON-schema, så validera obligatoriska fält, typer och värden i applikationen.
För en extraktionsuppgift tillhandahåller du källtexten och fälten som ska returneras, inklusive hur saknade värden ska anges. För en planeringsuppgift begär du nästa åtgärd, dess indata och den observation som skulle fastställa färdigställande. Spara svaret med dess källidentifierare och eventuella faktiska verktygsresultat så att leveransen förblir knuten till arbetet den beskriver.
", "aboutText": "GLM 5.3 Prime är den accelererade textversionen i Z.ai:s GLM 5.3-familj. Den tar emot och returnerar text med fokus på kodning, strömmande kodgenerering, realtidssamtal och agentuppgifter över flera turer. Den publicerade profilen beskriver accelererad inferens med den underliggande versionens förmågor bevarade. En användbar begäran knyter ihop uppgiften, dess underlag och leveransen som behövs härnäst, exempelvis en patch, en förklaring eller en föreslagen åtgärdssekvens.\n\n### Resonemang för en utökad uppgift\n\nResonemang förblir aktiverat i denna profil. De dokumenterade ansträngningsnivåerna är low, high och max, med max som standard. Välj avsett djup tillsammans med uppgiften: en fokuserad kodgranskning behöver relevant logik och observerat beteende, medan en ändring på projektnivå behöver omgivande gränssnitt, begränsningar och acceptansvillkor. Håll det faktiska resultatet åtskilt från modellens mellanliggande analys så att läsaren kan granska det föreslagna svaret eller ändringen direkt.\n\n### Lång kontext och avgränsad utdata\n\nDet publicerade kontextfönstret är 1 000 000 token, med upp till 131 072 kompletteringstoken. Organisera en lång brief i namngivna avsnitt: källmaterial, fastställda beslut, öppna frågor och begärd leverans. Behåll exakta fil- eller avsnittsidentifierare när svaret måste hänvisa tillbaka till underlag. En stor arbetskontext hjälper till att hålla relaterat material samlat; en fokuserad fråga gör materialet användbart.\n\nFör kodning tillhandahåller du befintligt beteende, det felande exemplet och avsett beteende efter ändringen. Be om en konkret korrigering och dess valideringssteg. För en agentuppgift över flera turer för du vidare färdigt arbete och de senaste observationerna, så att ett senare steg kan fortsätta från resultatet i stället för att rekonstruera uppgiften ur en växande konversation.\n\n### Verktyg och strukturerade resultat\n\nDet publicerade värdavtalet omfattar funktionsverktyg och JSON-svarsformatering. Definiera verktygen eller resultatfälten som arbetsflödet behöver. Ett verktygsanrop namnger en åtgärd som den omgivande applikationen ska utföra; den returnerade observationen blir underlag för nästa modellsteg. Det dokumenterade JSON-läget stöder JSON-utdata utan att framtvinga ett JSON-schema, så validera obligatoriska fält, typer och värden i applikationen.\n\nFör en extraktionsuppgift tillhandahåller du källtexten och fälten som ska returneras, inklusive hur saknade värden ska anges. För en planeringsuppgift begär du nästa åtgärd, dess indata och den observation som skulle fastställa färdigställande. Spara svaret med dess källidentifierare och eventuella faktiska verktygsresultat så att leveransen förblir knuten till arbetet den beskriver.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Choose the next debugging action\n\nContinue this debugging task from supplied observations. Goal: imports preserve accented names. [SOURCE] CSV is read with encoding='ascii', errors='replace'. [TEST] 'José' becomes 'Jos?'. [DECISION] Input files are UTF-8. Propose the next code change, identify its exact inputs and define the observation that would establish completion. Include one negative case for malformed UTF-8; do not report an unexecuted pass.A focused code proposal plus a next-action record containing inputs, expected verification evidence and a malformed-input case.Check the proposal preserves accented text and makes malformed-input handling explicit rather than silently replacing bytes.z-ai/glm-5.3-primeGLM 5.3 Prime är Z.ai:s accelererade textmodell för kodning, samtal och utökade agentarbetsflöden. Den förenar en kontext på en miljon token med alltid aktiverat resonemang och stöder nivåerna low, high och max, med max som dokumenterad standard.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GLM 5.3 Prime är den accelererade textversionen i Z.ai:s GLM 5.3-familj. Den tar emot och returnerar text med fokus på kodning, strömmande kodgenerering, realtidssamtal och agentuppgifter över flera turer. Den publicerade profilen beskriver accelererad inferens med den underliggande versionens förmågor bevarade. En användbar begäran knyter ihop uppgiften, dess underlag och leveransen som behövs härnäst, exempelvis en patch, en förklaring eller en föreslagen åtgärdssekvens.
Resonemang förblir aktiverat i denna profil. De dokumenterade ansträngningsnivåerna är low, high och max, med max som standard. Välj avsett djup tillsammans med uppgiften: en fokuserad kodgranskning behöver relevant logik och observerat beteende, medan en ändring på projektnivå behöver omgivande gränssnitt, begränsningar och acceptansvillkor. Håll det faktiska resultatet åtskilt från modellens mellanliggande analys så att läsaren kan granska det föreslagna svaret eller ändringen direkt.
Det publicerade kontextfönstret är 1 000 000 token, med upp till 131 072 kompletteringstoken. Organisera en lång brief i namngivna avsnitt: källmaterial, fastställda beslut, öppna frågor och begärd leverans. Behåll exakta fil- eller avsnittsidentifierare när svaret måste hänvisa tillbaka till underlag. En stor arbetskontext hjälper till att hålla relaterat material samlat; en fokuserad fråga gör materialet användbart.
För kodning tillhandahåller du befintligt beteende, det felande exemplet och avsett beteende efter ändringen. Be om en konkret korrigering och dess valideringssteg. För en agentuppgift över flera turer för du vidare färdigt arbete och de senaste observationerna, så att ett senare steg kan fortsätta från resultatet i stället för att rekonstruera uppgiften ur en växande konversation.
Det publicerade värdavtalet omfattar funktionsverktyg och JSON-svarsformatering. Definiera verktygen eller resultatfälten som arbetsflödet behöver. Ett verktygsanrop namnger en åtgärd som den omgivande applikationen ska utföra; den returnerade observationen blir underlag för nästa modellsteg. Det dokumenterade JSON-läget stöder JSON-utdata utan att framtvinga ett JSON-schema, så validera obligatoriska fält, typer och värden i applikationen.
För en extraktionsuppgift tillhandahåller du källtexten och fälten som ska returneras, inklusive hur saknade värden ska anges. För en planeringsuppgift begär du nästa åtgärd, dess indata och den observation som skulle fastställa färdigställande. Spara svaret med dess källidentifierare och eventuella faktiska verktygsresultat så att leveransen förblir knuten till arbetet den beskriver.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser z-ai/glm-5.3-prime | 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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0056 / 1K token Utdata · Utdatatoken $0.0176 / 1K token Indata · Cacheläsning $0.00112 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0056 / 1K token Utdata · Utdatatoken $0.0176 / 1K token Indata · Cacheläsning $0.00112 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "z-ai/glm-5.3-prime", "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-5.3-prime',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-5.3-prime',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 z-ai/glm-5.3-prime
Använd metodsökvägarna som visas ovan.
z-ai/glm-5.3-primeGLM 5.3 Prime är Z.ai:s accelererade textmodell för kodning, samtal och utökade agentarbetsflöden. Den förenar en kontext på en miljon token med alltid aktiverat resonemang och stöder nivåerna low, high och max, med max som dokumenterad standard.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GLM 5.3 Prime är den accelererade textversionen i Z.ai:s GLM 5.3-familj. Den tar emot och returnerar text med fokus på kodning, strömmande kodgenerering, realtidssamtal och agentuppgifter över flera turer. Den publicerade profilen beskriver accelererad inferens med den underliggande versionens förmågor bevarade. En användbar begäran knyter ihop uppgiften, dess underlag och leveransen som behövs härnäst, exempelvis en patch, en förklaring eller en föreslagen åtgärdssekvens.
Resonemang förblir aktiverat i denna profil. De dokumenterade ansträngningsnivåerna är low, high och max, med max som standard. Välj avsett djup tillsammans med uppgiften: en fokuserad kodgranskning behöver relevant logik och observerat beteende, medan en ändring på projektnivå behöver omgivande gränssnitt, begränsningar och acceptansvillkor. Håll det faktiska resultatet åtskilt från modellens mellanliggande analys så att läsaren kan granska det föreslagna svaret eller ändringen direkt.
Det publicerade kontextfönstret är 1 000 000 token, med upp till 131 072 kompletteringstoken. Organisera en lång brief i namngivna avsnitt: källmaterial, fastställda beslut, öppna frågor och begärd leverans. Behåll exakta fil- eller avsnittsidentifierare när svaret måste hänvisa tillbaka till underlag. En stor arbetskontext hjälper till att hålla relaterat material samlat; en fokuserad fråga gör materialet användbart.
För kodning tillhandahåller du befintligt beteende, det felande exemplet och avsett beteende efter ändringen. Be om en konkret korrigering och dess valideringssteg. För en agentuppgift över flera turer för du vidare färdigt arbete och de senaste observationerna, så att ett senare steg kan fortsätta från resultatet i stället för att rekonstruera uppgiften ur en växande konversation.
Det publicerade värdavtalet omfattar funktionsverktyg och JSON-svarsformatering. Definiera verktygen eller resultatfälten som arbetsflödet behöver. Ett verktygsanrop namnger en åtgärd som den omgivande applikationen ska utföra; den returnerade observationen blir underlag för nästa modellsteg. Det dokumenterade JSON-läget stöder JSON-utdata utan att framtvinga ett JSON-schema, så validera obligatoriska fält, typer och värden i applikationen.
För en extraktionsuppgift tillhandahåller du källtexten och fälten som ska returneras, inklusive hur saknade värden ska anges. För en planeringsuppgift begär du nästa åtgärd, dess indata och den observation som skulle fastställa färdigställande. Spara svaret med dess källidentifierare och eventuella faktiska verktygsresultat så att leveransen förblir knuten till arbetet den beskriver.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser z-ai/glm-5.3-prime | 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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0056 / 1K token Utdata · Utdatatoken $0.0176 / 1K token Indata · Cacheläsning $0.00112 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0056 / 1K token Utdata · Utdatatoken $0.0176 / 1K token Indata · Cacheläsning $0.00112 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "z-ai/glm-5.3-prime",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.3-prime', '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-5.3-prime', '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 z-ai/glm-5.3-prime
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Choose the next debugging action\n\nContinue this debugging task from supplied observations. Goal: imports preserve accented names. [SOURCE] CSV is read with encoding='ascii', errors='replace'. [TEST] 'José' becomes 'Jos?'. [DECISION] Input files are UTF-8. Propose the next code change, identify its exact inputs and define the observation that would establish completion. Include one negative case for malformed UTF-8; do not report an unexecuted pass.A focused code proposal plus a next-action record containing inputs, expected verification evidence and a malformed-input case.Check the proposal preserves accented text and makes malformed-input handling explicit rather than silently replacing bytes.