Cómo GLM Z1 9B 0414 y la llamada a funciones crean aplicaciones ilimitadas

Recomienda a tus amigos Novita AI y ambos ganaréis $10 en créditos de API LLM, ¡hasta $500 en recompensas totales!

Para apoyar a la comunidad de desarrolladores, Qwen2.5-7B, Qwen 3 0.6B, Qwen 3 1.7B y Qwen 3 4B están actualmente disponibles de forma gratuita en Novita AI.

¡Prueba Novita AI ahora!

Imagina una IA que no solo te diga el clima sino que realmente lo consulte en vivo; una que no solo explique conceptos, sino que genere informes personalizados, gráficos o incluso programe una reunión por ti. Combinado con GLM Z1 9B 0414, un potente modelo ligero ajustado para razonamiento, diálogo multilingüe y generación visual (HTML/SVG), la Llamada a Funciones se vuelve aún más práctica. Juntos, permiten asistentes inteligentes.

¿Qué es la Llamada a Funciones?

https://www.youtube.com/watch?v=Qor2VZoBib0

La Llamada a Funciones permite que los modelos de lenguaje grandes (LLMs) interactúen con herramientas externas, APIs y servicios. En lugar de depender solo de los datos de entrenamiento, un modelo ahora puede:

• Decidir cuándo se necesita ayuda externa
• Elegir la función correcta a llamar
• Generar parámetros correctamente estructurados
• Incorporar los resultados en su respuesta

Piénsalo como darle a una IA una calculadora, un calendario o una aplicación de viajes para ayudar con las tareas.

Cómo funciona la Llamada a Funciones

1. Entrada del usuario → El modelo recibe y analiza la consulta
2. Selección de función → Determina la herramienta o API relevante
3. Generación de parámetros → Construye una entrada estructurada (ej. JSON)
4. Ejecución de la función → Ejecuta la función y obtiene resultados
5. Integración de la respuesta → Devuelve una respuesta completa al usuario

Ejemplo: “¿Qué tiempo hace en Tokio?”

Paso	Descripción
Entrada del usuario	“¿Qué tiempo hace en Tokio?”
Identificar necesidad	Requiere datos en tiempo real
Seleccionar función	Llamar a getWeather(location, units)
Generar parámetros	{ “location”: “Tokyo”, “units”: “celsius” }
Ejecutar API	Solicitar API del clima
Respuesta final	“Hoy en Tokio hace 22°C y está soleado.”

¿Qué es GLM Z1 9B 0414?

Especificaciones del modelo

• Parámetros: 9 mil millones (9B), diseño ligero que equilibra rendimiento y eficiencia de recursos.
• Ventana de contexto: 32K, compatible con procesamiento de texto largo y tareas complejas.

Ventajas de rendimiento

• Alta relación rendimiento-tamaño: Destaca en razonamiento matemático, tareas generales y escenarios de razonamiento complejo, ideal para implementaciones ligeras.
• Fortalezas clave:
  • Razonamiento matemático: Rendimiento sobresaliente en tareas como AIME24, AIME25 y Omni-MATH.
  • Generación de código: Buenos resultados en tareas como LCB (2408–2501).
  • Seguimiento de instrucciones y preguntas y respuestas: Destaca en tareas SysBench (ISR), IFEval y ArenaHard.
  • Integración integral de herramientas: Buen rendimiento en tareas como BFCL (v3).

Entrenamiento y optimización

• Datos de preentrenamiento: Construido sobre 15T de datos de alta calidad de GLM-4-32B, incluyendo datos sintéticos extensos de razonamiento, mejorando las capacidades lógicas y de razonamiento.
• Optimización post-entrenamiento: Utiliza alineación de preferencias humanas para optimizar el rendimiento en escenarios de diálogo.

Capacidades extendidas de GLM Z1 9B 0414

1. Soporte multilingüe

   • Soporta 26 idiomas, con rendimiento robusto en chino e inglés, ideal para aplicaciones globales.

2. Generación de texto y visualización

   • Texto a texto: Maneja diversas tareas de generación de texto.
   • Salida visual: Capaz de generar contenido HTML y SVG estructurado, mejorando la interactividad y usabilidad.

3. Fortalezas de datos y entrenamiento

   • Preentrenamiento extenso: Entrenado con 15T de datos de alta calidad que abarcan dominios amplios, incluidos datos sintéticos de razonamiento, garantizando fuertes capacidades de generalización.
   • Optimización de diálogo: Ajustado con alineación de preferencias humanas para una generación de diálogo realista y receptiva.

GLM Z1 9B 0414 + Llamada a funciones = ?

1. Aplicaciones multilingües

• Traducción en tiempo real:
  Utilizando la Llamada a Funciones para integrar APIs de traducción, permitiendo traducciones instantáneas y precisas en los 26 idiomas compatibles.
  • Aplicaciones:
    • Sistemas de atención al cliente multilingües.
    • Subtítulos en tiempo real para conferencias y transmisiones globales.
• Chatbots multilingües:
  Manejar conversaciones en múltiples idiomas sin problemas, aprovechando la optimización del diálogo y la Llamada a Funciones para precisión cultural y contextual.
  • Aplicaciones:
    • Plataformas globales de comercio electrónico.
    • Chatbots educativos multilingües.

2. Generación de texto dinámico

• Personalización de contenido:
  Usa la Llamada a Funciones para acceder a datos del usuario y generar recomendaciones o informes personalizados en lenguaje natural.
  • Aplicaciones:
    • Planes de aprendizaje personalizados para plataformas educativas.
    • Contenido de marketing adaptado para comercio electrónico.
• Generación automatizada de informes:
  Combina generación de texto con Llamada a Funciones para obtener datos en tiempo real (ej. ventas, análisis) y producir informes empresariales estructurados.
  • Aplicaciones:
    • Paneles de inteligencia empresarial.
    • Resúmenes financieros u operativos.

3. Aplicaciones impulsadas por visualización

• Generación de contenido interactivo:
  Aprovecha la Llamada a Funciones para generar elementos HTML y SVG estructurados para mayor interactividad y visualización.
  • Aplicaciones:
    • Gráficos y diagramas dinámicos para plataformas de análisis de datos.
    • Módulos de aprendizaje interactivos o infografías para herramientas educativas.
• Automatización de contenido web:
  Genera automáticamente componentes visuales para páginas web o aplicaciones dinámicas.
  • Aplicaciones:
    • Creación automatizada de boletines.
    • Asistentes interactivos de diseño web.

4. Asistentes inteligentes impulsados por diálogo

• Asistentes inteligentes con acceso a datos en tiempo real:
  Usa optimización de diálogo y Llamada a Funciones para recuperar datos en tiempo real (ej. clima, noticias, precios de acciones) y proporcionar respuestas accionables.
  • Aplicaciones:
    • Asistentes personales virtuales.
    • Planificadores de viajes y eventos en tiempo real.
• Automatización de tareas:
  La Llamada a Funciones permite a los asistentes ejecutar tareas como programar reuniones, enviar correos electrónicos o gestionar dispositivos IoT.
  • Aplicaciones:
    • Sistemas de hogar inteligente (ej. control de luces, termostatos).
    • Herramientas de automatización de oficina (ej. programación de reuniones, borradores de correos electrónicos).

5. Aplicaciones avanzadas de entrenamiento y razonamiento

• Herramientas educativas:
  Combina habilidades de razonamiento con Llamada a Funciones para obtener y analizar contenido educativo, crear cuestionarios o resolver problemas matemáticos.
  • Aplicaciones:
    • Plataformas de aprendizaje adaptativo.
    • Asistentes de tutoría en matemáticas y ciencias.
• Asistencia en investigación científica:
  Genera conocimientos o analiza conjuntos de datos utilizando preentrenamiento de razonamiento y Llamada a Funciones para la recuperación externa de datos.
  • Aplicaciones:
    • Herramientas para investigadores en campos científicos o técnicos.
    • Asistentes automatizados de revisión de literatura.

6. Aplicaciones multimodales

• Asistentes de contenido multimodal:
  Integra generación de texto y capacidades visuales para producir resultados multimodales como explicaciones visuales o guías interactivas.
  • Aplicaciones:
    • Herramientas interactivas de diagnóstico médico (ej. combinando explicaciones de texto con elementos visuales anotados).
    • Instrucciones de montaje o reparación de productos con texto y diagramas.
• Generación de contenido creativo:
  Usa capacidades de salida visual para crear imágenes artísticas, infografías o anuncios.
  • Aplicaciones:
    • Asistentes de escritura creativa o diseño.
    • Creación de textos publicitarios y gráficos para campañas de marketing.

Cómo usar la Llamada a Funciones de GLM Z1 9B 0414 a través de Novita AI

Novita AI ha lanzado compatibilidad con descripciones de capacidades para cada LLM, que puedes ver directamente en la [consola](https://novita.ai/models-console/?utm_source=blog_llm&utm_medium=article&utm_campaign=/ llama-4-maverick-function-calling/) y [documentación](https://novita.ai/docs/guides/llm-function-calling/?utm_source=blog_llm&utm_medium=article&utm_campaign= llama-4-maverick-function-calling).

Paso 1: Inicia sesión en Novita AI

Una vez que estés en la página principal de Novita AI, simplemente haz clic en el botón “Iniciar sesión” o “Comenzar” en la parte superior derecha. Puedes iniciar sesión fácilmente con Google, GitHub, Hugging Face o simplemente con tu correo electrónico—¡tú eliges!

¡Prueba Novita AI ahora!

Paso 2: ¡Haz clic en “Model API” en la consola!

Una vez que hayas iniciado sesión, serás dirigido al panel de Novita Console. Desde la parte superior, haz clic en “Model API”. Esta sección te da acceso a una lista completa de modelos disponibles, junto con información detallada sobre sus capacidades, incluyendo si soportan Llamada a Funciones y Salidas Estructuradas.

Paso 3: ¡Elige tu modelo y verifica!

Simplemente encuentra el modelo que te interesa, haz clic en él y aparecerá un panel a la derecha. En “Capacidades compatibles”, verás instantáneamente si Llamada a Funciones y Salidas Estructuradas están soportadas.

Paso 4: Inicializa el cliente

Primero, debes inicializar el cliente con tu clave de API de Novita.

from openai import OpenAI
import json

client = OpenAI(
    base_url="https://api.novita.ai/v3/openai",
    # Obtén la clave de API de Novita AI desde: https://novita.ai/settings/key-management.
    api_key="<YOUR Novita AI API Key>",
)

model = "thudm/glm-z1-9b-0414"

Paso 5: Define la función a ser llamada

A continuación, define la función de Python que el modelo puede llamar. En este ejemplo, es una función para obtener información del clima.

# Ejemplo de función para simular la obtención de datos meteorológicos.
def get_weather(location):
    """Recupera el clima actual para una ubicación determinada."""
    print("Llamando a la función get_weather con ubicación: ", location)
    # En una aplicación real, llamarías a una API meteorológica externa aquí.
    # Este es un ejemplo simplificado que devuelve datos fijos.
    return json.dumps({"location": location, "temperature": "60 grados Fahrenheit"})

Paso 6: Construye la solicitud API con herramientas y mensaje de usuario

Ahora, crea la solicitud API al endpoint de Novita. Esta solicitud incluye el parámetro tools, que define las funciones que el modelo puede usar, y el mensaje del usuario.

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Obtener el clima de una ubicación, el usuario debe proporcionar una ubicación primero",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "La ciudad y el estado, ej. San Francisco, CA",
                    }
                },
                "required": ["location"]
            },
        }
    },
]

messages = [
    {
        "role": "user",
        "content": "¿Qué clima hace en San Francisco?"
    }
]

# Enviemos la solicitud e imprimamos la respuesta.
response = client.chat.completions.create(
    model=model,
    messages=messages,
    tools=tools,
)

# Por favor, verifica si la respuesta contiene llamadas a herramientas si estás en producción.
tool_call = response.choices[0].message.tool_calls[0]
print(tool_call.model_dump())

Salida:

{'id': '0', 'function': {'arguments': '{"location": "San Francisco, CA"}', 'name': 'get_weather'}, 'type': 'function'}

Llamada a Funciones + GLM Z1 9B = un asistente inteligente, modular y multilingüe que puede hablar, pensar y actuar. Ya sea que estés creando paneles en tiempo real, bots de idiomas o herramientas científicas, esta combinación une el razonamiento de los LLM con la acción. Gracias al soporte plug-and-play de Novita AI, los desarrolladores ahora pueden incorporar fácilmente estas capacidades en sus productos con un código mínimo y máxima flexibilidad.

Preguntas frecuentes

¿Qué permite exactamente la Llamada a Funciones?

La Llamada a Funciones permite que los LLMs elijan, ejecuten y respondan con resultados de herramientas externas como APIs meteorológicas, bases de datos o funciones personalizadas.

¿Qué hace que GLM Z1 9B sea especial para la Llamada a Funciones?

Su fuerza en razonamiento, soporte multilingüe y generación de HTML/SVG lo hacen ideal para aplicaciones dinámicas, interactivas y globales.

¿Es difícil implementar la Llamada a Funciones?

No. Con Novita AI, solo defines una función, proporcionas un esquema y usas su API para integrar la respuesta del modelo con la salida de la herramienta.

Novita AI es la plataforma en la nube todo en uno que impulsa tus ambiciones de IA. APIs integradas, servidorless, instancias de GPU — las herramientas rentables que necesitas. Elimina la infraestructura, comienza gratis y haz realidad tu visión de IA.

Lectura recomendada

• Guía para acceder a DeepSeek V3: Localmente y a través de API
• Qwen 3 32B vs QWQ 32B: Comparación lista para desarrolladores
• Llama 4 Maverick vs Gemma 3 27B: Potencia vs Eficiencia