Как GLM Z1 9B 0414 и вызов функций создают безграничные приложения

Порекомендуйте друзьям Novita AI, и вы оба получите по $10 кредитов LLM API — до $500 суммарного вознаграждения.

В поддержку сообщества разработчиков Qwen2.5-7B, Qwen 3 0.6B, Qwen 3 1.7B, Qwen 3 4B сейчас доступны бесплатно на Novita AI.

Попробуйте Novita AI прямо сейчас!

Представьте себе ИИ, который не просто сообщает вам погоду, а проверяет её в реальном времени; который не только объясняет концепции, но и генерирует персонализированные отчёты, диаграммы или даже назначает за вас встречу. В паре с GLM Z1 9B 0414 — мощной лёгкой моделью, оптимизированной для рассуждений, многоязычного диалога и визуальной генерации (HTML/SVG), — вызов функций становится ещё более практичным. Вместе они позволяют создавать умных ассистентов.

Что такое вызов функций?

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

Вызов функций позволяет большим языковым моделям (LLM) взаимодействовать с внешними инструментами, API и сервисами. Вместо того чтобы полагаться только на обучающие данные, модель теперь может:

• Решать, когда требуется внешняя помощь
• Выбирать правильную функцию для вызова
• Генерировать правильно структурированные параметры
• Включать результаты в свой ответ

Представьте, что вы даёте ИИ калькулятор, календарь или приложение для путешествий, чтобы помогать с задачами.

Как работает вызов функций

1. Ввод пользователя → Модель получает и анализирует запрос
2. Выбор функции → Определяет подходящий инструмент или API
3. Генерация параметров → Создаёт структурированный ввод (например, JSON)
4. Выполнение функции → Запускает функцию и получает результаты
5. Интеграция ответа → Возвращает полный ответ пользователю

Пример: «Какая погода в Токио?»

Шаг	Описание
Ввод пользователя	«Какая погода в Токио?»
Определение потребности	Требуются данные в реальном времени
Выбор функции	Вызвать `getWeather(location, units)`
Генерация параметров	{ “location”: “Tokyo”, “units”: “celsius” }
Выполнение API	Запрос к погодному API
Финальный ответ	«Сегодня в Токио 22°C и солнечно».

Что такое GLM Z1 9B 0414?

Характеристики модели

• Параметры: 9 миллиардов (9B), лёгкий дизайн, балансирующий производительность и эффективность ресурсов.
• Контекстное окно: 32K, поддержка обработки длинных текстов и сложных задач.

Преимущества производительности

• Высокое соотношение производительности к размеру: Превосходит в математических рассуждениях, общих задачах и сценариях сложного мышления, что делает её идеальной для лёгких развёртываний.
• Ключевые сильные стороны:
  • Математическое мышление: Выдающиеся результаты в задачах AIME24, AIME25 и Omni-MATH.
  • Генерация кода: Сильные результаты в задачах LCB (2408–2501).
  • Следование инструкциям и ответы на вопросы: Отлично справляется с задачами SysBench (ISR), IFEval и ArenaHard.
  • Всесторонняя интеграция инструментов: Хорошие результаты в задачах BFCL (v3).

Обучение и оптимизация

• Предварительные данные: Построена на 15T высококачественных данных из GLM-4-32B, включая обширные синтетические данные для рассуждений, что улучшает логику и способности к рассуждению.
• Пост-тренировочная оптимизация: Использует выравнивание по предпочтениям человека для оптимизации производительности в диалоговых сценариях.

Расширенные возможности GLM Z1 9B 0414

1. Многоязычная поддержка

   • Поддерживает 26 языков с высокой производительностью на китайском и английском, что делает её идеальной для глобальных приложений.

2. Генерация текста и визуализация

   • Текст-в-текст: Обрабатывает разнообразные задачи генерации текста.
   • Визуальный вывод: Способна генерировать структурированный HTML и SVG контент, повышая интерактивность и удобство.

3. Данные и преимущества обучения

   • Обширная предварительная подготовка: Обучена на 15T высококачественных данных из различных областей, включая синтетические данные для рассуждений, что обеспечивает сильные обобщающие способности.
   • Оптимизация диалога: Тонкая настройка с выравниванием по предпочтениям человека для реалистичной и отзывчивой генерации диалогов.

GLM Z1 9B 0414 + вызов функций = ?

1. Многоязычные приложения

• Перевод в реальном времени:
  Использование вызова функций для интеграции API перевода, обеспечивая мгновенные и точные переводы на 26 поддерживаемых языках.
  • Применение:
    • Многоязычные системы поддержки клиентов.
    • Субтитры в реальном времени для глобальных конференций и прямых трансляций.
• Многоязычные чат-боты:
  Бесшовная обработка разговоров на нескольких языках, используя диалоговую оптимизацию и вызов функций для культурной и контекстной точности.
  • Применение:
    • Глобальные платформы электронной коммерции.
    • Многоязычные образовательные чат-боты.

2. Динамическая генерация текста

• Персонализация контента:
  Использование вызова функций для доступа к данным пользователя и генерации персонализированных рекомендаций или отчётов в естественном тексте.
  • Применение:
    • Персонализированные учебные планы для образовательных платформ.
    • Адаптированный маркетинговый контент для электронной коммерции.
• Автоматическая генерация отчётов:
  Объединение генерации текста с вызовом функций для получения данных в реальном времени (например, продажи, аналитика) и создания структурированных бизнес-отчётов.
  • Применение:
    • Панели бизнес-аналитики.
    • Финансовые или операционные сводки.

3. Приложения на основе визуализации

• Генерация интерактивного контента:
  Использование вызова функций для генерации структурированных HTML и SVG элементов для повышения интерактивности и визуализации.
  • Применение:
    • Динамические диаграммы и графики для платформ анализа данных.
    • Интерактивные учебные модули или инфографика для образовательных инструментов.
• Автоматизация веб-контента:
  Автоматическая генерация визуальных компонентов для динамических веб-страниц или приложений.
  • Применение:
    • Автоматическое создание новостных рассылок.
    • Интерактивные помощники по веб-дизайну.

4. Диалоговые интеллектуальные ассистенты

• Умные ассистенты с доступом к данным в реальном времени:
  Использование диалоговой оптимизации и вызова функций для получения данных в реальном времени (погода, новости, цены на акции) и предоставления практичных ответов.
  • Применение:
    • Виртуальные персональные ассистенты.
    • Планировщики путешествий и мероприятий в реальном времени.
• Автоматизация задач:
  Вызов функций позволяет ассистентам выполнять такие задачи, как планирование, отправка писем или управление устройствами IoT.
  • Применение:
    • Системы умного дома (например, управление освещением, термостатами).
    • Инструменты офисной автоматизации (например, планирование встреч, черновики писем).

5. Продвинутые приложения для обучения и рассуждений

• Образовательные инструменты:
  Объединение способностей к рассуждению с вызовом функций для получения и анализа учебного контента, создания тестов или решения математических задач.
  • Применение:
    • Адаптивные обучающие платформы.
    • Репетиторы по математике и естественным наукам.
• Помощь в научных исследованиях:
  Генерация инсайтов или анализ наборов данных с использованием предварительного обучения рассуждениям и вызова функций для внешнего извлечения данных.
  • Применение:
    • Инструменты для исследователей в научных и технических областях.
    • Автоматизированные помощники по обзору литературы.

6. Мультимодальные приложения

• Мультимодальные ассистенты контента:
  Интеграция генерации текста и визуальных возможностей для создания мультимодальных результатов, таких как визуальные объяснения или интерактивные руководства.
  • Применение:
    • Интерактивные инструменты медицинской диагностики (например, текстовые объяснения с аннотированными визуальными элементами).
    • Инструкции по сборке или ремонту изделий с текстом и диаграммами.
• Генерация креативного контента:
  Использование возможностей визуального вывода для создания художественных изображений, инфографики или рекламы.
  • Применение:
    • Ассистенты по креативному письму или дизайну.
    • Создание рекламных текстов и графики для маркетинговых кампаний.

Как использовать вызов функций GLM Z1 9B 0414 через Novita AI

Novita AI запустила поддержку описания возможностей для каждой LLM, которые вы можете увидеть в [консоли](https://novita.ai/models-console/?utm_source=blog_llm&utm_medium=article&utm_campaign=/ llama-4-maverick-function-calling/) и [документации](https://novita.ai/docs/guides/llm-function-calling/?utm_source=blog_llm&utm_medium=article&utm_campaign= llama-4-maverick-function-calling).

Шаг 1: Войдите в Novita AI

Когда вы попадёте на главную страницу Novita AI, просто нажмите кнопку «Log In» или «Get Started» в правом верхнем углу. Вы можете легко войти через Google, GitHub, Hugging Face или просто Email — на ваш выбор!

Попробуйте Novita AI прямо сейчас!

Шаг 2: Нажмите «Model API» в консоли!

После входа вы попадёте на панель управления Novita Console. Вверху нажмите «Model API». Этот раздел даёт доступ к полному списку доступных моделей, а также к подробной информации об их возможностях — включая то, поддерживают ли они Function Calling и Structured Outputs.

Шаг 3: Выберите модель и проверьте её!

Найдите интересующую вас модель, нажмите на неё, и справа появится панель. В разделе «Supported Capabilities» вы сразу увидите, поддерживаются ли Function Calling и Structured Outputs.

Шаг 4: Инициализируйте клиент

Сначала инициализируйте клиент с вашим API-ключом Novita.

from openai import OpenAI
import json

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

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

Шаг 5: Определите вызываемую функцию

Затем определите функцию Python, которую модель может вызвать. В этом примере это функция получения информации о погоде.

# Пример функции для имитации получения данных о погоде.
def get_weather(location):
    """Получает текущую погоду для указанного местоположения."""
    print("Calling get_weather function with location: ", location)
    # В реальном приложении здесь был бы вызов внешнего погодного API.
    # Это упрощённый пример с жёстко заданными данными.
    return json.dumps({"location": location, "temperature": "60 degrees Fahrenheit"})

Шаг 6: Сформируйте запрос к API с инструментами и сообщением пользователя

Теперь создайте запрос к API Novita. Этот запрос включает параметр tools, определяющий функции, которые модель может использовать, и сообщение пользователя.

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get weather of an location, the user shoud supply a location first",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "The city and state, e.g. San Francisco, CA",
                    }
                },
                "required": ["location"]
            },
        }
    },
]

messages = [
    {
        "role": "user",
        "content": "What is the weather in San Francisco?"
    }
]

# Отправим запрос и выведем ответ.
response = client.chat.completions.create(
    model=model,
    messages=messages,
    tools=tools,
)

# Проверьте, содержит ли ответ вызовы инструментов, если это рабочая среда.
tool_call = response.choices[0].message.tool_calls[0]
print(tool_call.model_dump())

Вывод:

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

Вызов функций + GLM Z1 9B = интеллектуальный, модульный и многоязычный ассистент, который может говорить, думать и действовать. Строите ли вы панели реального времени, языковых ботов или научные инструменты — эта комбинация соединяет рассуждения LLM с действием. Благодаря поддержке plug-and-play от Novita AI разработчики могут легко внедрить эти возможности в свои продукты с минимальным кодом и максимальной гибкостью.

Часто задаваемые вопросы

Что именно позволяет делать вызов функций?

Вызов функций позволяет LLM выбирать, выполнять и отвечать с результатами внешних инструментов, таких как погодные API, базы данных или пользовательские функции.

Что делает GLM Z1 9B особенной для вызова функций?

Её способности к рассуждению, многоязычная поддержка и генерация HTML/SVG делают её идеальной для динамичных, интерактивных и глобальных приложений.

Сложно ли реализовать вызов функций?

Нет. С Novita AI вы просто определяете функцию, предоставляете схему и используете их API для интеграции ответа модели с выводом инструмента.

Novita AI — это универсальная облачная платформа, реализующая ваши ИИ-амбиции. Интегрированные API, бессерверные вычисления, GPU-инстансы — экономичные инструменты, которые вам нужны. Устраните инфраструктуру, начните бесплатно и воплотите своё ИИ-видение в реальность.

Рекомендуемые статьи

• Руководство по доступу к DeepSeek V3: локально и через API
• Qwen 3 32B против QWQ 32B: сравнение для разработчиков
• Llama 4 Maverick против Gemma 3 27B: мощность против эффективности