推薦朋友使用 Novita AI，你們雙方都將獲得 $10 的 LLM API 積分——最高可達 $500 的總獎勵。
為支援開發者社群，Qwen2.5-7B、Qwen 3 0.6B、Qwen 3 1.7B、Qwen 3 4B 目前在 Novita AI 上免費提供。
想像一個 AI 不僅告訴你天氣，還能即時查詢；不僅解釋概念，還能產生個人化報告、圖表，甚至為你安排會議。與 GLM Z1 9B 0414 搭配——這是一款專為推理、多語言對話和視覺生成（HTML/SVG）微調的強大輕量模型——函數呼叫變得更加實用。兩者結合，即可實現智能助理
什麼是函數呼叫？
https://www.youtube.com/watch?v=Qor2VZoBib0
函數呼叫允許大型語言模型（LLM）與外部工具、API 和服務互動。模型不再僅依賴訓練數據，而是可以：
- 決定何時需要外部協助
- 選擇正確的函數來呼叫
- 產生結構正確的參數
- 將結果納入回覆中
這就像是給 AI 一台計算機、日曆或旅行應用程式來協助完成任務。
函數呼叫的運作方式
- 使用者輸入 → 模型接收並分析查詢
- 函數選擇 → 決定相關工具或 API
- 參數生成 → 建立結構化輸入（例如 JSON）
- 函數執行 → 執行函數並取得結果
- 回應整合 → 向使用者回傳完整答案
範例：「東京天氣如何？」
| 步驟 | 描述 |
| 使用者輸入 | 「東京天氣如何？」 |
| 識別需求 | 需要即時資料 |
| 選擇函數 | 呼叫 getWeather(location, units) |
| 生成參數 | { “location”: “Tokyo”, “units”: “celsius” } |
| 執行 API | 請求天氣 API |
| 最終回應 | 「今天東京 22°C，天氣晴朗。」 |
什麼是 GLM Z1 9B 0414？
模型規格
- 參數：90 億（9B），輕量設計，平衡效能與資源效率。
- 上下文視窗：32K，支援長文本處理與複雜任務。
效能優勢
- 高效能體積比：在數學推理、一般任務和複雜推理場景中表現出色，非常適合輕量部署。
- 主要優勢：
- 數學推理：在 AIME24、AIME25 和 Omni-MATH 等任務中表現優異。
- 程式碼生成：在 LCB（2408–2501）等任務中表現強勁。
- 指令遵循與問答：在 SysBench (ISR)、IFEval 和 ArenaHard 任務中表現出色。
- 全面工具整合：在 BFCL (v3) 等任務中表現良好。
訓練與優化
- 預訓練數據：基於 GLM-4-32B 的 15T 高品質數據，包含大量推理型合成數據，增強邏輯與推理能力。
- 後訓練優化：利用人類偏好對齊來優化對話場景的表現。
GLM Z1 9B 0414 擴展功能
- 多語言支援
- 支援 26 種語言，中文和英文表現優異，非常適合全球應用。
- 文字生成與視覺化
- 文字轉文字：處理多樣化的文字生成任務。
- 視覺輸出：能夠產生結構化的 HTML 和 SVG 內容，提升互動性與可用性。
- 數據與訓練優勢
- 廣泛預訓練：在橫跨廣泛領域的 15T 高品質數據上訓練，包含合成推理數據，確保強大的泛化能力。
- 對話優化：透過人類偏好對齊進行微調，以產生真實且反應靈敏的對話。
GLM Z1 9B 0414 + 函數呼叫 = ？
1. 多語言應用
- 即時翻譯：
使用函數呼叫整合翻譯 API，在 26 種支援語言中實現即時且準確的翻譯。
- 應用場景：
- 多語言客戶支援系統。
- 全球會議和直播的即時字幕。
- 應用場景：
- 跨語言聊天機器人：
無縫處理多語言對話，利用對話優化和函數呼叫實現文化與語境準確性。
- 應用場景：
- 全球電子商務平台。
- 多語言教育聊天機器人。
- 應用場景：
2. 動態文字生成
- 內容個人化：
使用函數呼叫存取使用者數據，並以自然文字產生個人化推薦或報告。
- 應用場景：
- 教育平台的個人化學習計劃。
- 電子商務的客製化行銷內容。
- 應用場景：
- 自動報告生成：
結合文字生成與函數呼叫，獲取即時數據（例如銷售、分析）並產生結構化的商業報告。
- 應用場景：
- 商業智慧儀表板。
- 財務或營運摘要。
- 應用場景：
3. 視覺化驅動的應用
- 互動內容生成：
利用函數呼叫生成結構化的 HTML 和 SVG 元素，以增強互動性與視覺化。
- 應用場景：
- 數據分析平台的動態圖表。
- 教育工具中的互動學習模組或資訊圖表。
- 應用場景：
- 網頁內容自動化：
自動生成動態網頁或應用程式的視覺元件。
- 應用場景：
- 自動化電子報製作。
- 互動式網頁設計助理。
- 應用場景：
4. 對話驅動的智能助理
- 具即時數據存取的智能助理：
利用對話優化和函數呼叫來擷取即時數據（例如天氣、新聞、股價）並提供可行動的回應。
- 應用場景：
- 虛擬個人助理。
- 即時旅遊與活動規劃。
- 應用場景：
- 任務自動化：
函數呼叫讓助理能夠執行排程、發送電子郵件或管理 IoT 裝置等任務。
- 應用場景：
- 智慧家庭系統（例如控制燈光、恆溫器）。
- 辦公室自動化工具（例如會議排程、郵件草稿）。
- 應用場景：
5. 進階訓練與推理應用
- 教育工具：
結合推理能力與函數呼叫，擷取並分析教育內容、創建測驗或解決數學問題。
- 應用場景：
- 適應性學習平台。
- 數學與科學家教助理。
- 應用場景：
- 科學研究輔助：
利用推理預訓練和函數呼叫進行外部數據檢索，產生見解或分析數據集。
- 應用場景：
- 科學或技術領域研究人員的工具。
- 自動文獻回顧助理。
- 應用場景：
6. 多模態應用
- 多模態內容助理：
整合文字生成與視覺能力，產生多模態輸出，例如視覺解釋或互動指南。
- 應用場景：
- 互動醫療診斷工具（例如結合文字解釋與標註視覺）。
- 附帶文字與圖表的產品組裝或維修說明。
- 應用場景：
- 創意內容生成：
利用視覺輸出能力創建藝術視覺、資訊圖表或廣告。
- 應用場景：
- 創意寫作或設計助理。
- 行銷活動的廣告文案與圖形創作。
- 應用場景：
如何透過 Novita AI 使用 GLM Z1 9B 0414 函數呼叫
Novita AI 已推出各 LLM 的能力描述支援，您可以直接在[控制台](https://novita.ai/models-console/?utm_source=blog_llm&utm_medium=article&utm_campaign=/ llama-4-maverick-function-calling/)和[文件](https://novita.ai/docs/guides/llm-function-calling/?utm_source=blog_llm&utm_medium=article&utm_campaign= llama-4-maverick-function-calling)中查看。
步驟 1：登入 Novita AI
當您進入 Novita AI 首頁後，只需點擊右上角的 「登入」 或 「開始使用」 按鈕。您可以輕鬆使用 Google、GitHub、Hugging Face 或直接使用 ** 電子郵件**登入——任您選擇！
步驟 2：在控制台中點擊「Model API」！
登入後，您將被導向 Novita 控制台儀表板。從頂部點擊 「Model API」。此區域讓您存取所有可用模型的完整列表，以及有關其能力的詳細資訊——包括是否支援 ** 函數呼叫和 ** 結構化輸出。
步驟 3：選擇您的模型並檢查！
找到您感興趣的模型，點擊它，右側會彈出一個面板。在 「支援的能力」 下，您會立即看到是否支援 函數呼叫 和 結構化輸出。
步驟 4： 初始化客戶端
首先，您需要使用 Novita API 金鑰初始化客戶端。
from openai import OpenAI
import json
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
# Get the Novita AI API Key from: https://novita.ai/settings/key-management.
api_key="<YOUR Novita AI API Key>",
)
model = "thudm/glm-z1-9b-0414"
步驟 5：定義要呼叫的函數
接下來，定義模型可以呼叫的 Python 函數。在此範例中，這是一個取得天氣資訊的函數。
# Example function to simulate fetching weather data.
def get_weather(location):
"""Retrieves the current weather for a given location."""
print("Calling get_weather function with location: ", location)
# In a real application, you would call an external weather API here.
# This is a simplified example returning hardcoded data.
return json.dumps({"location": location, "temperature": "60 degrees Fahrenheit"})
步驟 6： 建構包含工具和使用者訊息的 API 請求
現在，建立向 Novita 端點發出的 API 請求。此請求包含 tools 參數，定義模型可以使用的函數，以及使用者的訊息。
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?"
}
]
# Let's send the request and print the response.
response = client.chat.completions.create(
model=model,
messages=messages,
tools=tools,
)
# Please check if the response contains tool calls if in production.
tool_call = response.choices[0].message.tool_calls[0]
print(tool_call.model_dump())
輸出：
{'id': '0', 'function': {'arguments': '{"location": "San Francisco, CA"}', 'name': 'get_weather'}, 'type': 'function'}
函數呼叫 + GLM Z1 9B = 一個能說、能想、能行動的智能、模組化、多語言助理。無論您是在建立即時儀表板、語言機器人還是科學工具，這個組合都能將 LLM 推理與行動橋接起來。感謝 Novita AI 的即插即用支援，開發者現在可以用最少的程式碼和最大的靈活性，輕鬆將這些能力引入他們的產品中。
常見問題
函數呼叫究竟能實現什麼？
函數呼叫讓 LLM 能夠選擇、執行並回傳來自外部工具（如天氣 API、資料庫或自訂函數）的結果。
GLM Z1 9B 在函數呼叫上有何特別之處？
其推理能力、多語言支援以及 HTML/SVG 生成能力，使其成為動態、互動和全球應用的理想選擇。
函數呼叫實作起來困難嗎？
不困難。使用 Novita AI， 您只需定義一個函數、提供 schema，並使用他們的 API 將模型回應與工具輸出整合即可。
Novita AI 是一個一站式雲端平台，助您實現 AI 抱負。整合 API、無伺服器、GPU 實例——您所需的高成本效益工具。消除基礎設施，免費開始，讓您的 AI 願景成真。
