Usiamo i cookie. Cookie e memoria del browser ti mantengono connesso e ricordano le tue preferenze. Con il tuo consenso misuriamo anche come viene usato il sito. Puoi in qualsiasi momento. Consulta la nostra cookie policy.
z-ai/glm-5.3-flashx-legalUsa il tuo saldo ai prezzi indicati sopra. I nuovi account partono con utilizzo gratuito.
Impostazioni
Z.ai: GLM 5.3 FlashX Legal è un modello di testo di Z.ai, costruito come variante per il dominio legale di GLM-5.3-FlashX. È un modello nativamente multimodale, il che significa che è stato progettato fin dall'inizio per gestire più di un tipo di input, invece di avere la visione aggiunta in un secondo momento. Z.ai aggiunge mid-training e post-training sul dominio legale con reinforcement learning sopra il modello base FlashX, ed è questo che distingue questa variante dalla release general-purpose. Se stai costruendo qualcosa che tocca contratti, depositi, corrispondenza o ricerca legale, questa è la versione del modello che Z.ai intende farti usare.
Il modello accetta testo, immagini e video come input, e restituisce testo. Questa combinazione conta più di quanto possa sembrare a prima vista: un contratto scansionato arriva come immagine, una deposizione o un'udienza registrata arriva come video, e una libreria di clausole arriva come testo, e tutti e tre possono entrare nello stesso modello. La finestra di contesto è di 1.048.576 token, con un output massimo di 131.072 token. Quel limite di input è abbastanza ampio da contenere interi insiemi di documenti invece di singoli file, il che cambia il modo in cui strutturi una richiesta. Puoi passare un accordo completo, le sue modifiche e la corrispondenza correlata in una sola chiamata invece di suddividere e ricucire i risultati.
Gli usi pratici derivano direttamente da queste capacità. Rivedere accordi lunghi rispetto a un playbook, estrarre termini definiti, obblighi e date da documenti scansionati o fotografati, riassumere procedimenti registrati, confrontare una bozza con un modello standard, e rispondere a domande basate su un corpus di depositi sono tutti casi naturali. L'ampia disponibilità di output supporta lavori che producono testo sostanziale invece di una risposta breve, come redigere un memo o una motivazione di redline. Poiché immagini e video sono accettati insieme al testo, puoi indirizzare il modello verso il materiale sorgente nella forma in cui il tuo team lo archivia effettivamente.
Lo chiami tramite l'API compatibile con OpenAI di api14 usando il model id "z-ai/glm-5.3-flashx-legal". Punta il tuo client OpenAI esistente al base URL di api14 e passa quell'id nel campo model. I parametri di richiesta supportati sono include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, structured_outputs, temperature, tool_choice, tools, top_k e top_p. I controlli di reasoning ti permettono di decidere quanta deliberazione interna fa il modello prima di rispondere, il che è utile quando l'accuratezza conta più della latenza. Structured outputs e response_format vale la pena usarli quando ti servono campi analizzati invece di prosa, e tools e tool_choice permettono al modello di chiamare funzioni che definisci, così puoi collegarlo a sistemi di retrieval o di gestione documentale.
Questa community non ha ancora discussioni. Apri la prima su Z.ai: GLM 5.3 FlashX Legal.
Una cosa da valutare è che questa è una variante per il dominio legale. Se il tuo carico di lavoro è generazione di testo generale, riassunto o chat senza contenuto legale, il modello generale GLM-5.3-FlashX è la scelta più ovvia, e il tuning di dominio qui è improbabile che aiuti. L'output è solo testo, quindi qualsiasi cosa richieda immagini o audio generati necessita di un modello diverso. L'elenco dei parametri supportati non include tutte le opzioni che alcuni client compatibili con OpenAI inviano, quindi controlla che la tua richiesta usi solo i parametri sopra prima di fare debug di un errore.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "z-ai/glm-5.3-flashx-legal",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
include_reasoningmax_tokensreasoningreasoning_effortresponse_formatstructured_outputstemperaturetool_choicetoolstop_ktop_p