AutoGLM Phone 9B Multilingual är Z.ai:s modell för en assistent som arbetar genom ett smartphonegränssnitt. Den kombinerar en uppgift på naturligt språk med visuell förståelse av den aktuella skärmen, planerar nästa steg och producerar den information som en telefonagentmiljö använder för att agera. Arkitekturen är identisk med GLM 4.1V 9B Thinking; den namngivna utgåvan Phone Multilingual förblir ett separat modellval.
Projektöversikt. Tillverkarens Phone Agent kopplar skärmtolkning till en exekveringsloop. Miljön fångar gränssnittet, modellen resonerar om uppgiften och en komponent för enhetsstyrning utför den valda åtgärden. En ny skärmbild ger sedan återkoppling för nästa steg. Det publicerade ramverket använder Android Debug Bridge för Android-enheter och har en separat styrväg för HarmonyOS. Modellen tillhandahåller tolkning och planering; den anslutna miljön tillhandahåller den faktiska interaktionen med enheten.
Flerspråkig särart. Den ursprungliga AutoGLM Phone 9B är optimerad för kinesiska mobilapplikationer. Utgåvan Multilingual lägger till stöd för engelska användningsfall och är avsedd för applikationer som innehåller engelskt eller annat språkligt innehåll. Projektet tillhandahåller också instruktionspromptar på kinesiska och engelska. Bevara appnamn, söktermer och synlig gränssnittstext när uppgiften beskrivs; dessa detaljer hjälper till att knyta den begärda åtgärden till skärmen i stället för till en antagen översättning av den.
Åtgärdsplanering. Det publicerade ramverkets åtgärdsvokabulär omfattar att starta en applikation, trycka, skriva, svepa, gå tillbaka, återvända till hemskärmen, trycka länge, dubbeltrycka och vänta på att en sida laddas. Det finns även en åtgärd för manuellt övertagande. Använd detta som vokabulär för ett skärmbaserat arbetsflöde: öppna relevant app, hitta reglaget som behövs, ange den begärda texten och granska den nya sidan. Nästa åtgärd bör baseras på det senaste gränssnittet, eftersom ett laddningstillstånd eller en ändrad layout kan göra en tidigare observation inaktuell.
Förbered en konkret uppgift. Ange appen, den efterfrågade informationen eller det önskade resultatet och de villkor som är viktiga. För en sökuppgift tillhandahåller du den exakta sökfrågan, urvalskriterierna och önskat resultat, till exempel en lista med matchande objekt och deras synliga egenskaper. För ett kontorsarbetsflöde anger du vilken skärminformation som ska samlas in och hur den slutliga sammanfattningen ska presenteras. Inkludera den aktuella skärmbilden och tillräckligt många tidigare steg för att förklara var assistenten befinner sig i processen. Utdata kan då föreslå nästa åtgärd eller förklara vilken synlig detalj som hindrar fortsatt arbete.
Mänsklig medverkan. Det officiella ramverket tillhandahåller callbacks för bekräftelse av känsliga åtgärder och manuellt övertagande vid inloggning eller steg med verifieringskod. En applikation kan lämna tillbaka telefonen till användaren och sedan fortsätta från en nyfångad skärmbild när personen har slutfört steget. Ange ett tydligt färdigkriterium så att assistenten kan skilja mellan att hitta information, förbereda en åtgärd och nå det avsedda resultatet.
Den praktiska konfigurationen påverkar arbetsflödet. Enhetsbehörigheter, en fungerande väg för skärmbilder och textinmatning tillhandahålls av den omgivande miljön. Tillverkarens Android-konfiguration använder en särskild tangentbordskomponent för textinmatning, medan HarmonyOS-vägen använder inbyggd inmatning. Vissa skyddade skärmar kan ge en svart skärmbild. När en skärm är otillgänglig eller ett reglage är tvetydigt skaffar du en användbar vy eller mänsklig vägledning innan nästa åtgärd utformas. Ett modellsvar fastställer inte i sig att en telefonåtgärd har körts; granska den resulterande skärmen för att bekräfta framsteg.
", "aboutText": "AutoGLM Phone 9B Multilingual är Z.ai:s modell för en assistent som arbetar genom ett smartphonegränssnitt. Den kombinerar en uppgift på naturligt språk med visuell förståelse av den aktuella skärmen, planerar nästa steg och producerar den information som en telefonagentmiljö använder för att agera. Arkitekturen är identisk med GLM 4.1V 9B Thinking; den namngivna utgåvan Phone Multilingual förblir ett separat modellval.\n\nProjektöversikt. Tillverkarens Phone Agent kopplar skärmtolkning till en exekveringsloop. Miljön fångar gränssnittet, modellen resonerar om uppgiften och en komponent för enhetsstyrning utför den valda åtgärden. En ny skärmbild ger sedan återkoppling för nästa steg. Det publicerade ramverket använder Android Debug Bridge för Android-enheter och har en separat styrväg för HarmonyOS. Modellen tillhandahåller tolkning och planering; den anslutna miljön tillhandahåller den faktiska interaktionen med enheten.\n\nFlerspråkig särart. Den ursprungliga AutoGLM Phone 9B är optimerad för kinesiska mobilapplikationer. Utgåvan Multilingual lägger till stöd för engelska användningsfall och är avsedd för applikationer som innehåller engelskt eller annat språkligt innehåll. Projektet tillhandahåller också instruktionspromptar på kinesiska och engelska. Bevara appnamn, söktermer och synlig gränssnittstext när uppgiften beskrivs; dessa detaljer hjälper till att knyta den begärda åtgärden till skärmen i stället för till en antagen översättning av den.\n\nÅtgärdsplanering. Det publicerade ramverkets åtgärdsvokabulär omfattar att starta en applikation, trycka, skriva, svepa, gå tillbaka, återvända till hemskärmen, trycka länge, dubbeltrycka och vänta på att en sida laddas. Det finns även en åtgärd för manuellt övertagande. Använd detta som vokabulär för ett skärmbaserat arbetsflöde: öppna relevant app, hitta reglaget som behövs, ange den begärda texten och granska den nya sidan. Nästa åtgärd bör baseras på det senaste gränssnittet, eftersom ett laddningstillstånd eller en ändrad layout kan göra en tidigare observation inaktuell.\n\nFörbered en konkret uppgift. Ange appen, den efterfrågade informationen eller det önskade resultatet och de villkor som är viktiga. För en sökuppgift tillhandahåller du den exakta sökfrågan, urvalskriterierna och önskat resultat, till exempel en lista med matchande objekt och deras synliga egenskaper. För ett kontorsarbetsflöde anger du vilken skärminformation som ska samlas in och hur den slutliga sammanfattningen ska presenteras. Inkludera den aktuella skärmbilden och tillräckligt många tidigare steg för att förklara var assistenten befinner sig i processen. Utdata kan då föreslå nästa åtgärd eller förklara vilken synlig detalj som hindrar fortsatt arbete.\n\nMänsklig medverkan. Det officiella ramverket tillhandahåller callbacks för bekräftelse av känsliga åtgärder och manuellt övertagande vid inloggning eller steg med verifieringskod. En applikation kan lämna tillbaka telefonen till användaren och sedan fortsätta från en nyfångad skärmbild när personen har slutfört steget. Ange ett tydligt färdigkriterium så att assistenten kan skilja mellan att hitta information, förbereda en åtgärd och nå det avsedda resultatet.\n\nDen praktiska konfigurationen påverkar arbetsflödet. Enhetsbehörigheter, en fungerande väg för skärmbilder och textinmatning tillhandahålls av den omgivande miljön. Tillverkarens Android-konfiguration använder en särskild tangentbordskomponent för textinmatning, medan HarmonyOS-vägen använder inbyggd inmatning. Vissa skyddade skärmar kan ge en svart skärmbild. När en skärm är otillgänglig eller ett reglage är tvetydigt skaffar du en användbar vy eller mänsklig vägledning innan nästa åtgärd utformas. Ett modellsvar fastställer inte i sig att en telefonåtgärd har körts; granska den resulterande skärmen för att bekräfta framsteg.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Plan the next phone-search step\n\nUse this text transcription of the current phone screen: app 'City Library'; search field 'Search catalog'; button 'Search'; no results shown. Goal: find books matching the exact title 'The Glass Harbor'. Propose only the next input action and the screen evidence needed afterward. Preserve the title and do not claim that a search has already run.One next-action proposal and a short description of the resulting screen evidence to inspect.The response uses the exact title and distinguishes proposed text entry from an executed search or a found book.zai-org/autoglm-phone-9b-multilingualZ.ai:s bild- och språkmodell för att förstå smartphoneskärmar och planera åtgärder i gränssnittet. Utgåvan Multilingual stöder engelska användningsfall och gränssnitt med innehåll på andra språk; en ansluten telefonagentmiljö utför de föreslagna åtgärderna.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
AutoGLM Phone 9B Multilingual är Z.ai:s modell för en assistent som arbetar genom ett smartphonegränssnitt. Den kombinerar en uppgift på naturligt språk med visuell förståelse av den aktuella skärmen, planerar nästa steg och producerar den information som en telefonagentmiljö använder för att agera. Arkitekturen är identisk med GLM 4.1V 9B Thinking; den namngivna utgåvan Phone Multilingual förblir ett separat modellval.
Projektöversikt. Tillverkarens Phone Agent kopplar skärmtolkning till en exekveringsloop. Miljön fångar gränssnittet, modellen resonerar om uppgiften och en komponent för enhetsstyrning utför den valda åtgärden. En ny skärmbild ger sedan återkoppling för nästa steg. Det publicerade ramverket använder Android Debug Bridge för Android-enheter och har en separat styrväg för HarmonyOS. Modellen tillhandahåller tolkning och planering; den anslutna miljön tillhandahåller den faktiska interaktionen med enheten.
Flerspråkig särart. Den ursprungliga AutoGLM Phone 9B är optimerad för kinesiska mobilapplikationer. Utgåvan Multilingual lägger till stöd för engelska användningsfall och är avsedd för applikationer som innehåller engelskt eller annat språkligt innehåll. Projektet tillhandahåller också instruktionspromptar på kinesiska och engelska. Bevara appnamn, söktermer och synlig gränssnittstext när uppgiften beskrivs; dessa detaljer hjälper till att knyta den begärda åtgärden till skärmen i stället för till en antagen översättning av den.
Åtgärdsplanering. Det publicerade ramverkets åtgärdsvokabulär omfattar att starta en applikation, trycka, skriva, svepa, gå tillbaka, återvända till hemskärmen, trycka länge, dubbeltrycka och vänta på att en sida laddas. Det finns även en åtgärd för manuellt övertagande. Använd detta som vokabulär för ett skärmbaserat arbetsflöde: öppna relevant app, hitta reglaget som behövs, ange den begärda texten och granska den nya sidan. Nästa åtgärd bör baseras på det senaste gränssnittet, eftersom ett laddningstillstånd eller en ändrad layout kan göra en tidigare observation inaktuell.
Förbered en konkret uppgift. Ange appen, den efterfrågade informationen eller det önskade resultatet och de villkor som är viktiga. För en sökuppgift tillhandahåller du den exakta sökfrågan, urvalskriterierna och önskat resultat, till exempel en lista med matchande objekt och deras synliga egenskaper. För ett kontorsarbetsflöde anger du vilken skärminformation som ska samlas in och hur den slutliga sammanfattningen ska presenteras. Inkludera den aktuella skärmbilden och tillräckligt många tidigare steg för att förklara var assistenten befinner sig i processen. Utdata kan då föreslå nästa åtgärd eller förklara vilken synlig detalj som hindrar fortsatt arbete.
Mänsklig medverkan. Det officiella ramverket tillhandahåller callbacks för bekräftelse av känsliga åtgärder och manuellt övertagande vid inloggning eller steg med verifieringskod. En applikation kan lämna tillbaka telefonen till användaren och sedan fortsätta från en nyfångad skärmbild när personen har slutfört steget. Ange ett tydligt färdigkriterium så att assistenten kan skilja mellan att hitta information, förbereda en åtgärd och nå det avsedda resultatet.
Den praktiska konfigurationen påverkar arbetsflödet. Enhetsbehörigheter, en fungerande väg för skärmbilder och textinmatning tillhandahålls av den omgivande miljön. Tillverkarens Android-konfiguration använder en särskild tangentbordskomponent för textinmatning, medan HarmonyOS-vägen använder inbyggd inmatning. Vissa skyddade skärmar kan ge en svart skärmbild. När en skärm är otillgänglig eller ett reglage är tvetydigt skaffar du en användbar vy eller mänsklig vägledning innan nästa åtgärd utformas. Ett modellsvar fastställer inte i sig att en telefonåtgärd har körts; granska den resulterande skärmen för att bekräfta framsteg.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser zai-org/autoglm-phone-9b-multilingual | 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 $0.000072 / 1K token Utdata · Utdatatoken $0.000286 / 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": "zai-org/autoglm-phone-9b-multilingual", "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='zai-org/autoglm-phone-9b-multilingual',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='zai-org/autoglm-phone-9b-multilingual',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 zai-org/autoglm-phone-9b-multilingual
Använd metodsökvägarna som visas ovan.
zai-org/autoglm-phone-9b-multilingualZ.ai:s bild- och språkmodell för att förstå smartphoneskärmar och planera åtgärder i gränssnittet. Utgåvan Multilingual stöder engelska användningsfall och gränssnitt med innehåll på andra språk; en ansluten telefonagentmiljö utför de föreslagna åtgärderna.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
AutoGLM Phone 9B Multilingual är Z.ai:s modell för en assistent som arbetar genom ett smartphonegränssnitt. Den kombinerar en uppgift på naturligt språk med visuell förståelse av den aktuella skärmen, planerar nästa steg och producerar den information som en telefonagentmiljö använder för att agera. Arkitekturen är identisk med GLM 4.1V 9B Thinking; den namngivna utgåvan Phone Multilingual förblir ett separat modellval.
Projektöversikt. Tillverkarens Phone Agent kopplar skärmtolkning till en exekveringsloop. Miljön fångar gränssnittet, modellen resonerar om uppgiften och en komponent för enhetsstyrning utför den valda åtgärden. En ny skärmbild ger sedan återkoppling för nästa steg. Det publicerade ramverket använder Android Debug Bridge för Android-enheter och har en separat styrväg för HarmonyOS. Modellen tillhandahåller tolkning och planering; den anslutna miljön tillhandahåller den faktiska interaktionen med enheten.
Flerspråkig särart. Den ursprungliga AutoGLM Phone 9B är optimerad för kinesiska mobilapplikationer. Utgåvan Multilingual lägger till stöd för engelska användningsfall och är avsedd för applikationer som innehåller engelskt eller annat språkligt innehåll. Projektet tillhandahåller också instruktionspromptar på kinesiska och engelska. Bevara appnamn, söktermer och synlig gränssnittstext när uppgiften beskrivs; dessa detaljer hjälper till att knyta den begärda åtgärden till skärmen i stället för till en antagen översättning av den.
Åtgärdsplanering. Det publicerade ramverkets åtgärdsvokabulär omfattar att starta en applikation, trycka, skriva, svepa, gå tillbaka, återvända till hemskärmen, trycka länge, dubbeltrycka och vänta på att en sida laddas. Det finns även en åtgärd för manuellt övertagande. Använd detta som vokabulär för ett skärmbaserat arbetsflöde: öppna relevant app, hitta reglaget som behövs, ange den begärda texten och granska den nya sidan. Nästa åtgärd bör baseras på det senaste gränssnittet, eftersom ett laddningstillstånd eller en ändrad layout kan göra en tidigare observation inaktuell.
Förbered en konkret uppgift. Ange appen, den efterfrågade informationen eller det önskade resultatet och de villkor som är viktiga. För en sökuppgift tillhandahåller du den exakta sökfrågan, urvalskriterierna och önskat resultat, till exempel en lista med matchande objekt och deras synliga egenskaper. För ett kontorsarbetsflöde anger du vilken skärminformation som ska samlas in och hur den slutliga sammanfattningen ska presenteras. Inkludera den aktuella skärmbilden och tillräckligt många tidigare steg för att förklara var assistenten befinner sig i processen. Utdata kan då föreslå nästa åtgärd eller förklara vilken synlig detalj som hindrar fortsatt arbete.
Mänsklig medverkan. Det officiella ramverket tillhandahåller callbacks för bekräftelse av känsliga åtgärder och manuellt övertagande vid inloggning eller steg med verifieringskod. En applikation kan lämna tillbaka telefonen till användaren och sedan fortsätta från en nyfångad skärmbild när personen har slutfört steget. Ange ett tydligt färdigkriterium så att assistenten kan skilja mellan att hitta information, förbereda en åtgärd och nå det avsedda resultatet.
Den praktiska konfigurationen påverkar arbetsflödet. Enhetsbehörigheter, en fungerande väg för skärmbilder och textinmatning tillhandahålls av den omgivande miljön. Tillverkarens Android-konfiguration använder en särskild tangentbordskomponent för textinmatning, medan HarmonyOS-vägen använder inbyggd inmatning. Vissa skyddade skärmar kan ge en svart skärmbild. När en skärm är otillgänglig eller ett reglage är tvetydigt skaffar du en användbar vy eller mänsklig vägledning innan nästa åtgärd utformas. Ett modellsvar fastställer inte i sig att en telefonåtgärd har körts; granska den resulterande skärmen för att bekräfta framsteg.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser zai-org/autoglm-phone-9b-multilingual | 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 $0.000072 / 1K token Utdata · Utdatatoken $0.000286 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "zai-org/autoglm-phone-9b-multilingual",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'zai-org/autoglm-phone-9b-multilingual', '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': 'zai-org/autoglm-phone-9b-multilingual', '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 zai-org/autoglm-phone-9b-multilingual
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Plan the next phone-search step\n\nUse this text transcription of the current phone screen: app 'City Library'; search field 'Search catalog'; button 'Search'; no results shown. Goal: find books matching the exact title 'The Glass Harbor'. Propose only the next input action and the screen evidence needed afterward. Preserve the title and do not claim that a search has already run.One next-action proposal and a short description of the resulting screen evidence to inspect.The response uses the exact title and distinguishes proposed text entry from an executed search or a found book.