Z.ai: GLM Flash Latest

GLM Flash Latest é um modelo de geração de texto da Z.ai, publicado sob o id de modelo ~z-ai/glm-flash-latest. O nome reflete como o endpoint se comporta: ele sempre redireciona para o modelo mais recente da família GLM Flash, então uma requisição feita hoje e uma requisição feita mais tarde podem ser atendidas por versões subjacentes diferentes conforme a Z.ai atualiza a família. Se você quer o comportamento mais recente do GLM Flash sem acompanhar números de versão por conta própria, este alias é a forma pretendida de obtê-lo.

O modelo aceita texto, imagens e vídeo como entrada, e produz texto como saída. Sua janela de contexto é de 1.048.576 tokens, com saída máxima de 943.718 tokens. Essa combinação de uma janela de entrada muito grande e uma permissão de saída muito grande significa que você pode enviar documentos longos, transcrições ou mídia junto com suas instruções e ainda deixar espaço substancial para a resposta do modelo. Como imagens e vídeo são aceitos no lado da entrada, os prompts podem misturar material escrito com material visual em uma única requisição.

Essas capacidades apontam para um conjunto bastante específico de usos. Trabalho com contexto longo é o encaixe óbvio: resumir ou extrair informações estruturadas de relatórios extensos, bases de código, logs ou coleções de livros que não caberiam em uma janela menor. A entrada multimodal suporta tarefas como descrever ou raciocinar sobre imagens e clipes de vídeo, por exemplo transformar filmagens ou capturas de tela em resumos escritos, legendas ou notas estruturadas. O grande orçamento de saída também se adequa a tarefas de geração em que a própria resposta é longa, como redigir documentos ou produzir análises detalhadas em vez de respostas curtas.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "~z-ai/glm-flash-latest". Como a interface segue o formato de chat completions da OpenAI, bibliotecas de cliente e códigos OpenAI existentes geralmente funcionam apenas com a base URL e o id de modelo alterados. O modelo suporta um amplo conjunto de parâmetros de requisição: temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, max_tokens, stop, seed, logit_bias, logprobs e top_logprobs. Ele também suporta response_format e structured_outputs para saída restrita, tools, tool_choice e parallel_tool_calls para chamada de funções, e os controles de raciocínio reasoning, reasoning_effort e include_reasoning.

Uma consideração prática é o comportamento do alias: como o endpoint redireciona para o modelo GLM Flash mais recente, o modelo subjacente exato pode mudar com o tempo, o que é conveniente para se manter atualizado, mas menos adequado se você precisa de uma versão congelada e reproduzível para testes de regressão. O modelo é somente texto no lado da saída, então tarefas que exigem imagens geradas, áudio ou outra saída não textual ficam fora do seu escopo. Dentro da geração de texto, porém, a combinação de uma janela de entrada de um milhão de tokens, entrada multimodal e uma grande permissão de saída cobre uma ampla variedade de cargas de trabalho de desenvolvedores.