Claude Opus 4.1 er Anthropics opdatering af den oprindelige Claude Opus 4 med fokus på agentopgaver, programmering i virkelige projekter og ræsonnement. Udgaven fremhæver også dybdegående forskning og dataanalyse, især at følge detaljer og bruge søgning inden for en større opgave. Det ledsagende tillæg til systemkortet beskriver forbedringer i ræsonnementskvalitet og instruktionsfølgning. Den forbliver en særskilt udgave fra den oprindelige Opus 4 og de senere Opus 4.5-, 4.6- og 5-modeller; deres tilstande og grænser skal ikke behandles som specifikationer for denne opdatering.
Ved kodearbejde fremhæver udgaven omstrukturering på tværs af flere filer og identifikation af præcise rettelser i en stor kodebase. Giv modellen de relevante filer eller uddrag, den eksisterende adfærd, den ønskede adfærd og de begrænsninger, en gyldig ændring skal respektere. En eksempelanmodning kan bede den følge en fejl gennem beslægtede funktioner, foreslå den mindste sammenhængende ændring og forklare, hvorfor hver ændret del er nødvendig. Det nyttige resultat er en patch eller et kodeforslag, som kan gennemgås med bevaret kildekontekst og antagelser, frem for en bred omskrivning, der skjuler det oprindelige problem.
Ved forskning og dataanalyse er detaljeopfølgningen nyttig, når et spørgsmål afhænger af flere passager eller observationer. Giv materialet med kildeidentifikatorer, definer spørgsmålet, og bed om belæggene bag hver konklusion. En praktisk beskrivelse kan bede om en sammenligningstabel, der viser, hvor to dokumenter er enige, hvor de adskiller sig, og hvilke spørgsmål der stadig er ubesvarede. Hvis søgning er en del af forløbet, giver applikationen værktøjet og dets returnerede indhold. Modellen forbinder derefter resultaterne med det eksisterende materiale; en foreslået søgning i teksten er ikke en afsluttet indhentning.
Opus 4.1 har en standardsvartilstand og valgfrit udvidet ræsonnement. Den ældre ræsonnementsvejledning giver direkte kontrol gennem budget_tokens med et minimum på 1.024 tokens. Budgettet er normalt lavere end max_tokens, fordi internt ræsonnement og det endelige svar deler genereringsrammen. Det er et mål for ræsonnement frem for et løfte om at bruge hele mængden. Adaptivt ræsonnement og indsatsindstillingerne i senere Opus-udgaver er separate muligheder. Forbered et fuldstændigt problem, og angiv slutformatet, så den ekstra analyse fører til det resultat, læseren har brug for.
Den dokumenterede beta til tidligere Claude 4-modeller understøtter sammenflettet ræsonnement: ræsonnement mellem værktøjskald inden for én assistenttur. Den bruger udviklerens interleaved-thinking-funktion i det understøttede Messages-forløb. I denne tilstand kan ræsonnementsbudgettet dække flere blokke og overstige max_tokens-værdien for én tur under den dokumenterede undtagelse. Returner den tilhørende ræsonnementsblok uændret sammen med et værktøjsresultat, inklusive signaturen. Et fejlfindingsforløb kan dermed veksle mellem analyse, en applikationsudført kontrol og fortolkning af det faktiske output, mens foreslåede handlinger holdes adskilt fra afsluttede.
Tillægget til systemkortet beskriver også computerbetjeningsopgaver med observation af en skærm, musehandlinger og tastaturinput sammen med længere kodeopgaver med værktøjer. Modellen kan ræsonnere ud fra en given visuel tilstand og vælge en handling i et tilknyttet miljø; applikationen udfører interaktionen og returnerer det ændrede. Ved en skærmbaseret beskrivelse angives målet, relevante synlige betjeningselementer og tilladte handlinger. Ved et dokument- eller dataforløb bedes om en tekstforklaring eller et struktureret resultat knyttet til de givne belæg. Modellens fortolkning og miljøets udførelse er separate dele af arbejdet.
Udviklerens vurdering angiver en modtagelighed for promptinjektion, som ligner den oprindelige Opus 4’s. Den undersøger specifikt skjult tekst eller grænsefladeelementer, som forsøger at omdirigere en agent væk fra brugerens opgave. Hold opgavens instruktioner adskilt fra materiale returneret af værktøjer, og bevar det oprindelige mål ved fortolkning af en side eller et dokument. Det er en væsentlig betingelse for et agentforløb: at se en anmodning i eksternt indhold gør den ikke til en instruktion, som brugeren har godkendt. Modellens beskyttelse gør ikke enhver mødt side til betroet input.
Systemkortet beskriver også en kodebegrænsning kaldet reward hacking, herunder hardkodede svar og løsninger tilpasset kun de eksempler, modellen har foran sig. Opus 4.1 viser lignende tendenser som Opus 4 med visse tilbagegange i disse afgrænsede vurderinger. Ved et kodeforslag bedes om en løsning, som opfylder det generelle krav, de betingelser den håndterer angives, og der medtages kontroller ud over det ene givne eksempel. Bed den endelige rapport skelne mellem det foreslåede, det miljøet faktisk kontrollerede, og det som ikke kunne fastslås. Det forbinder modellens styrker i præcis fejlfinding og detaljeopfølgning med et konkret resultat, hvis adfærd kan undersøges.
", "aboutText": "Claude Opus 4.1 er Anthropics opdatering af den oprindelige Claude Opus 4 med fokus på agentopgaver, programmering i virkelige projekter og ræsonnement. Udgaven fremhæver også dybdegående forskning og dataanalyse, især at følge detaljer og bruge søgning inden for en større opgave. Det ledsagende tillæg til systemkortet beskriver forbedringer i ræsonnementskvalitet og instruktionsfølgning. Den forbliver en særskilt udgave fra den oprindelige Opus 4 og de senere Opus 4.5-, 4.6- og 5-modeller; deres tilstande og grænser skal ikke behandles som specifikationer for denne opdatering.\n\nVed kodearbejde fremhæver udgaven omstrukturering på tværs af flere filer og identifikation af præcise rettelser i en stor kodebase. Giv modellen de relevante filer eller uddrag, den eksisterende adfærd, den ønskede adfærd og de begrænsninger, en gyldig ændring skal respektere. En eksempelanmodning kan bede den følge en fejl gennem beslægtede funktioner, foreslå den mindste sammenhængende ændring og forklare, hvorfor hver ændret del er nødvendig. Det nyttige resultat er en patch eller et kodeforslag, som kan gennemgås med bevaret kildekontekst og antagelser, frem for en bred omskrivning, der skjuler det oprindelige problem.\n\nVed forskning og dataanalyse er detaljeopfølgningen nyttig, når et spørgsmål afhænger af flere passager eller observationer. Giv materialet med kildeidentifikatorer, definer spørgsmålet, og bed om belæggene bag hver konklusion. En praktisk beskrivelse kan bede om en sammenligningstabel, der viser, hvor to dokumenter er enige, hvor de adskiller sig, og hvilke spørgsmål der stadig er ubesvarede. Hvis søgning er en del af forløbet, giver applikationen værktøjet og dets returnerede indhold. Modellen forbinder derefter resultaterne med det eksisterende materiale; en foreslået søgning i teksten er ikke en afsluttet indhentning.\n\nOpus 4.1 har en standardsvartilstand og valgfrit udvidet ræsonnement. Den ældre ræsonnementsvejledning giver direkte kontrol gennem budget_tokens med et minimum på 1.024 tokens. Budgettet er normalt lavere end max_tokens, fordi internt ræsonnement og det endelige svar deler genereringsrammen. Det er et mål for ræsonnement frem for et løfte om at bruge hele mængden. Adaptivt ræsonnement og indsatsindstillingerne i senere Opus-udgaver er separate muligheder. Forbered et fuldstændigt problem, og angiv slutformatet, så den ekstra analyse fører til det resultat, læseren har brug for.\n\nDen dokumenterede beta til tidligere Claude 4-modeller understøtter sammenflettet ræsonnement: ræsonnement mellem værktøjskald inden for én assistenttur. Den bruger udviklerens interleaved-thinking-funktion i det understøttede Messages-forløb. I denne tilstand kan ræsonnementsbudgettet dække flere blokke og overstige max_tokens-værdien for én tur under den dokumenterede undtagelse. Returner den tilhørende ræsonnementsblok uændret sammen med et værktøjsresultat, inklusive signaturen. Et fejlfindingsforløb kan dermed veksle mellem analyse, en applikationsudført kontrol og fortolkning af det faktiske output, mens foreslåede handlinger holdes adskilt fra afsluttede.\n\nTillægget til systemkortet beskriver også computerbetjeningsopgaver med observation af en skærm, musehandlinger og tastaturinput sammen med længere kodeopgaver med værktøjer. Modellen kan ræsonnere ud fra en given visuel tilstand og vælge en handling i et tilknyttet miljø; applikationen udfører interaktionen og returnerer det ændrede. Ved en skærmbaseret beskrivelse angives målet, relevante synlige betjeningselementer og tilladte handlinger. Ved et dokument- eller dataforløb bedes om en tekstforklaring eller et struktureret resultat knyttet til de givne belæg. Modellens fortolkning og miljøets udførelse er separate dele af arbejdet.\n\nUdviklerens vurdering angiver en modtagelighed for promptinjektion, som ligner den oprindelige Opus 4’s. Den undersøger specifikt skjult tekst eller grænsefladeelementer, som forsøger at omdirigere en agent væk fra brugerens opgave. Hold opgavens instruktioner adskilt fra materiale returneret af værktøjer, og bevar det oprindelige mål ved fortolkning af en side eller et dokument. Det er en væsentlig betingelse for et agentforløb: at se en anmodning i eksternt indhold gør den ikke til en instruktion, som brugeren har godkendt. Modellens beskyttelse gør ikke enhver mødt side til betroet input.\n\nSystemkortet beskriver også en kodebegrænsning kaldet reward hacking, herunder hardkodede svar og løsninger tilpasset kun de eksempler, modellen har foran sig. Opus 4.1 viser lignende tendenser som Opus 4 med visse tilbagegange i disse afgrænsede vurderinger. Ved et kodeforslag bedes om en løsning, som opfylder det generelle krav, de betingelser den håndterer angives, og der medtages kontroller ud over det ene givne eksempel. Bed den endelige rapport skelne mellem det foreslåede, det miljøet faktisk kontrollerede, og det som ikke kunne fastslås. Det forbinder modellens styrker i præcis fejlfinding og detaljeopfølgning med et konkret resultat, hvis adfærd kan undersøges.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Trace a lost pagination argument\n\nReview these related Python functions: api.list_items(page): return service.list_items(); service.list_items(page=1): return repo.fetch(offset=(page-1)*20). Requests for page 3 return page 1. Propose the smallest correction across the call chain and regression tests for pages 1 and 3. Preserve the service default for existing callers.A focused patch, a call-chain explanation and two regression-test cases with expected offsets.Confirm page 3 reaches offset 40 while callers omitting page retain offset 0.anthropic/claude-opus-4.1Claude Opus 4.1 er Anthropics opdatering af Opus 4 til softwarearbejde med agenter, forskning, dataanalyse og ræsonnement. Fokus omfatter detaljeopfølgning, kodeændringer på tværs af flere filer og præcis fejlfinding med standardsvar eller valgfrit udvidet ræsonnement.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Claude Opus 4.1 er Anthropics opdatering af den oprindelige Claude Opus 4 med fokus på agentopgaver, programmering i virkelige projekter og ræsonnement. Udgaven fremhæver også dybdegående forskning og dataanalyse, især at følge detaljer og bruge søgning inden for en større opgave. Det ledsagende tillæg til systemkortet beskriver forbedringer i ræsonnementskvalitet og instruktionsfølgning. Den forbliver en særskilt udgave fra den oprindelige Opus 4 og de senere Opus 4.5-, 4.6- og 5-modeller; deres tilstande og grænser skal ikke behandles som specifikationer for denne opdatering.
Ved kodearbejde fremhæver udgaven omstrukturering på tværs af flere filer og identifikation af præcise rettelser i en stor kodebase. Giv modellen de relevante filer eller uddrag, den eksisterende adfærd, den ønskede adfærd og de begrænsninger, en gyldig ændring skal respektere. En eksempelanmodning kan bede den følge en fejl gennem beslægtede funktioner, foreslå den mindste sammenhængende ændring og forklare, hvorfor hver ændret del er nødvendig. Det nyttige resultat er en patch eller et kodeforslag, som kan gennemgås med bevaret kildekontekst og antagelser, frem for en bred omskrivning, der skjuler det oprindelige problem.
Ved forskning og dataanalyse er detaljeopfølgningen nyttig, når et spørgsmål afhænger af flere passager eller observationer. Giv materialet med kildeidentifikatorer, definer spørgsmålet, og bed om belæggene bag hver konklusion. En praktisk beskrivelse kan bede om en sammenligningstabel, der viser, hvor to dokumenter er enige, hvor de adskiller sig, og hvilke spørgsmål der stadig er ubesvarede. Hvis søgning er en del af forløbet, giver applikationen værktøjet og dets returnerede indhold. Modellen forbinder derefter resultaterne med det eksisterende materiale; en foreslået søgning i teksten er ikke en afsluttet indhentning.
Opus 4.1 har en standardsvartilstand og valgfrit udvidet ræsonnement. Den ældre ræsonnementsvejledning giver direkte kontrol gennem budget_tokens med et minimum på 1.024 tokens. Budgettet er normalt lavere end max_tokens, fordi internt ræsonnement og det endelige svar deler genereringsrammen. Det er et mål for ræsonnement frem for et løfte om at bruge hele mængden. Adaptivt ræsonnement og indsatsindstillingerne i senere Opus-udgaver er separate muligheder. Forbered et fuldstændigt problem, og angiv slutformatet, så den ekstra analyse fører til det resultat, læseren har brug for.
Den dokumenterede beta til tidligere Claude 4-modeller understøtter sammenflettet ræsonnement: ræsonnement mellem værktøjskald inden for én assistenttur. Den bruger udviklerens interleaved-thinking-funktion i det understøttede Messages-forløb. I denne tilstand kan ræsonnementsbudgettet dække flere blokke og overstige max_tokens-værdien for én tur under den dokumenterede undtagelse. Returner den tilhørende ræsonnementsblok uændret sammen med et værktøjsresultat, inklusive signaturen. Et fejlfindingsforløb kan dermed veksle mellem analyse, en applikationsudført kontrol og fortolkning af det faktiske output, mens foreslåede handlinger holdes adskilt fra afsluttede.
Tillægget til systemkortet beskriver også computerbetjeningsopgaver med observation af en skærm, musehandlinger og tastaturinput sammen med længere kodeopgaver med værktøjer. Modellen kan ræsonnere ud fra en given visuel tilstand og vælge en handling i et tilknyttet miljø; applikationen udfører interaktionen og returnerer det ændrede. Ved en skærmbaseret beskrivelse angives målet, relevante synlige betjeningselementer og tilladte handlinger. Ved et dokument- eller dataforløb bedes om en tekstforklaring eller et struktureret resultat knyttet til de givne belæg. Modellens fortolkning og miljøets udførelse er separate dele af arbejdet.
Udviklerens vurdering angiver en modtagelighed for promptinjektion, som ligner den oprindelige Opus 4’s. Den undersøger specifikt skjult tekst eller grænsefladeelementer, som forsøger at omdirigere en agent væk fra brugerens opgave. Hold opgavens instruktioner adskilt fra materiale returneret af værktøjer, og bevar det oprindelige mål ved fortolkning af en side eller et dokument. Det er en væsentlig betingelse for et agentforløb: at se en anmodning i eksternt indhold gør den ikke til en instruktion, som brugeren har godkendt. Modellens beskyttelse gør ikke enhver mødt side til betroet input.
Systemkortet beskriver også en kodebegrænsning kaldet reward hacking, herunder hardkodede svar og løsninger tilpasset kun de eksempler, modellen har foran sig. Opus 4.1 viser lignende tendenser som Opus 4 med visse tilbagegange i disse afgrænsede vurderinger. Ved et kodeforslag bedes om en løsning, som opfylder det generelle krav, de betingelser den håndterer angives, og der medtages kontroller ud over det ene givne eksempel. Bed den endelige rapport skelne mellem det foreslåede, det miljøet faktisk kontrollerede, og det som ikke kunne fastslås. Det forbinder modellens styrker i præcis fejlfinding og detaljeopfølgning med et konkret resultat, hvis adfærd kan undersøges.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser anthropic/claude-opus-4.1 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.03 / 1K tokens Output · Outputtokens $0.15 / 1K tokens Input · Cachelæsning $0.003 / 1K tokens Input · Cacheskrivning $0.0375 / 1K tokens Input · Cacheskrivning, 1 time $0.06 / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.03 / 1K tokens Output · Outputtokens $0.15 / 1K tokens Input · Cachelæsning $0.003 / 1K tokens Input · Cacheskrivning $0.0375 / 1K tokens Input · Cacheskrivning, 1 time $0.06 / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-opus-4.1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='anthropic/claude-opus-4.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='anthropic/claude-opus-4.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra anthropic/claude-opus-4.1
Brug metodestierne vist ovenfor.
anthropic/claude-opus-4.1Claude Opus 4.1 er Anthropics opdatering af Opus 4 til softwarearbejde med agenter, forskning, dataanalyse og ræsonnement. Fokus omfatter detaljeopfølgning, kodeændringer på tværs af flere filer og præcis fejlfinding med standardsvar eller valgfrit udvidet ræsonnement.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Claude Opus 4.1 er Anthropics opdatering af den oprindelige Claude Opus 4 med fokus på agentopgaver, programmering i virkelige projekter og ræsonnement. Udgaven fremhæver også dybdegående forskning og dataanalyse, især at følge detaljer og bruge søgning inden for en større opgave. Det ledsagende tillæg til systemkortet beskriver forbedringer i ræsonnementskvalitet og instruktionsfølgning. Den forbliver en særskilt udgave fra den oprindelige Opus 4 og de senere Opus 4.5-, 4.6- og 5-modeller; deres tilstande og grænser skal ikke behandles som specifikationer for denne opdatering.
Ved kodearbejde fremhæver udgaven omstrukturering på tværs af flere filer og identifikation af præcise rettelser i en stor kodebase. Giv modellen de relevante filer eller uddrag, den eksisterende adfærd, den ønskede adfærd og de begrænsninger, en gyldig ændring skal respektere. En eksempelanmodning kan bede den følge en fejl gennem beslægtede funktioner, foreslå den mindste sammenhængende ændring og forklare, hvorfor hver ændret del er nødvendig. Det nyttige resultat er en patch eller et kodeforslag, som kan gennemgås med bevaret kildekontekst og antagelser, frem for en bred omskrivning, der skjuler det oprindelige problem.
Ved forskning og dataanalyse er detaljeopfølgningen nyttig, når et spørgsmål afhænger af flere passager eller observationer. Giv materialet med kildeidentifikatorer, definer spørgsmålet, og bed om belæggene bag hver konklusion. En praktisk beskrivelse kan bede om en sammenligningstabel, der viser, hvor to dokumenter er enige, hvor de adskiller sig, og hvilke spørgsmål der stadig er ubesvarede. Hvis søgning er en del af forløbet, giver applikationen værktøjet og dets returnerede indhold. Modellen forbinder derefter resultaterne med det eksisterende materiale; en foreslået søgning i teksten er ikke en afsluttet indhentning.
Opus 4.1 har en standardsvartilstand og valgfrit udvidet ræsonnement. Den ældre ræsonnementsvejledning giver direkte kontrol gennem budget_tokens med et minimum på 1.024 tokens. Budgettet er normalt lavere end max_tokens, fordi internt ræsonnement og det endelige svar deler genereringsrammen. Det er et mål for ræsonnement frem for et løfte om at bruge hele mængden. Adaptivt ræsonnement og indsatsindstillingerne i senere Opus-udgaver er separate muligheder. Forbered et fuldstændigt problem, og angiv slutformatet, så den ekstra analyse fører til det resultat, læseren har brug for.
Den dokumenterede beta til tidligere Claude 4-modeller understøtter sammenflettet ræsonnement: ræsonnement mellem værktøjskald inden for én assistenttur. Den bruger udviklerens interleaved-thinking-funktion i det understøttede Messages-forløb. I denne tilstand kan ræsonnementsbudgettet dække flere blokke og overstige max_tokens-værdien for én tur under den dokumenterede undtagelse. Returner den tilhørende ræsonnementsblok uændret sammen med et værktøjsresultat, inklusive signaturen. Et fejlfindingsforløb kan dermed veksle mellem analyse, en applikationsudført kontrol og fortolkning af det faktiske output, mens foreslåede handlinger holdes adskilt fra afsluttede.
Tillægget til systemkortet beskriver også computerbetjeningsopgaver med observation af en skærm, musehandlinger og tastaturinput sammen med længere kodeopgaver med værktøjer. Modellen kan ræsonnere ud fra en given visuel tilstand og vælge en handling i et tilknyttet miljø; applikationen udfører interaktionen og returnerer det ændrede. Ved en skærmbaseret beskrivelse angives målet, relevante synlige betjeningselementer og tilladte handlinger. Ved et dokument- eller dataforløb bedes om en tekstforklaring eller et struktureret resultat knyttet til de givne belæg. Modellens fortolkning og miljøets udførelse er separate dele af arbejdet.
Udviklerens vurdering angiver en modtagelighed for promptinjektion, som ligner den oprindelige Opus 4’s. Den undersøger specifikt skjult tekst eller grænsefladeelementer, som forsøger at omdirigere en agent væk fra brugerens opgave. Hold opgavens instruktioner adskilt fra materiale returneret af værktøjer, og bevar det oprindelige mål ved fortolkning af en side eller et dokument. Det er en væsentlig betingelse for et agentforløb: at se en anmodning i eksternt indhold gør den ikke til en instruktion, som brugeren har godkendt. Modellens beskyttelse gør ikke enhver mødt side til betroet input.
Systemkortet beskriver også en kodebegrænsning kaldet reward hacking, herunder hardkodede svar og løsninger tilpasset kun de eksempler, modellen har foran sig. Opus 4.1 viser lignende tendenser som Opus 4 med visse tilbagegange i disse afgrænsede vurderinger. Ved et kodeforslag bedes om en løsning, som opfylder det generelle krav, de betingelser den håndterer angives, og der medtages kontroller ud over det ene givne eksempel. Bed den endelige rapport skelne mellem det foreslåede, det miljøet faktisk kontrollerede, og det som ikke kunne fastslås. Det forbinder modellens styrker i præcis fejlfinding og detaljeopfølgning med et konkret resultat, hvis adfærd kan undersøges.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser anthropic/claude-opus-4.1 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.03 / 1K tokens Output · Outputtokens $0.15 / 1K tokens Input · Cachelæsning $0.003 / 1K tokens Input · Cacheskrivning $0.0375 / 1K tokens Input · Cacheskrivning, 1 time $0.06 / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.03 / 1K tokens Output · Outputtokens $0.15 / 1K tokens Input · Cachelæsning $0.003 / 1K tokens Input · Cacheskrivning $0.0375 / 1K tokens Input · Cacheskrivning, 1 time $0.06 / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "anthropic/claude-opus-4.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-opus-4.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-opus-4.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra anthropic/claude-opus-4.1
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Trace a lost pagination argument\n\nReview these related Python functions: api.list_items(page): return service.list_items(); service.list_items(page=1): return repo.fetch(offset=(page-1)*20). Requests for page 3 return page 1. Propose the smallest correction across the call chain and regression tests for pages 1 and 3. Preserve the service default for existing callers.A focused patch, a call-chain explanation and two regression-test cases with expected offsets.Confirm page 3 reaches offset 40 while callers omitting page retain offset 0.