Claude 3.7 Sonnet Thinking beskriver den udvidede ræsonnementstilstand i Claude 3.7 Sonnet frem for en separat generation af basismodellen. Anthropic kombinerer almindelige svar og dybere ræsonnement i én hybridmodel. Thinking-varianten er nyttig, når en opgave indeholder indbyrdes påvirkende begrænsninger, og svaret har gavn af at gennemarbejde dem, før en konklusion præsenteres.
Modellen bruger yderligere ræsonnementstokens på problemet, før den returnerer det endelige svar. Anthropic fremhæver matematik, fysik, kompleks instruktionsfølgning og programmering med vægt på reelle virksomhedsopgaver frem for konkurrenceopgaver alene. Udvikleren dokumenterer kontrol over ræsonnementsindsatsen gennem et budget for ræsonnementstokens; budgettet og det endelige svar deler den tilgængelige outputramme. Mere ræsonnement tager yderligere tid, så reserver tilstanden til arbejde, hvor den ekstra analyse er relevant.
Ved en analytisk opgave gives belæggene, det spørgsmål der skal afklares, og kriterierne for sammenligning af alternativer. Bed om en konklusion efterfulgt af understøttende fakta, antagelser og uafklarede spørgsmål. Det giver det endelige svar en brugbar form uden at behandle ræsonnementets længde som belæg for, at konklusionen er korrekt.
Anthropic lægger særlig vægt på kodeændringer, navigation i komplekse projekter og opbygning af webgrænseflader. En nyttig beskrivelse indeholder relevant kode, forventet adfærd, den observerede fejl og de dele, som skal forblive uændrede. Bed om en sammenhængende patch og en forklaring af, hvordan den kan verificeres. Ved en grænseflade angives brugerhandlinger, indlæsnings- og fejltilstande, responsiv adfærd og det nødvendige output, såsom en komponent eller et sæt sideændringer.
Eksemplerne beskriver opgaver, der kan gives til modellen. Kommandokørsel, læsning af et repository og filredigering kræver værktøjer fra den omgivende applikation. Modellens programmeringsmuligheder og applikationens tilladelse til at køre kode er separate dele af forløbet.
Claudes visuelle forståelse understøtter ræsonnement om materiale som skærmbilleder, diagrammer og illustrerede dokumenter sammen med skriftlige instruktioner. Giv et læsbart billede, og angiv den relevante detalje: en mærket akse, et layoutproblem eller en sammenhæng mellem objekter. Ved præcise tal i et diagram medtages de underliggende værdier, når det er muligt. Resultatet er en tekstforklaring, analyse eller kode frem for et genereret billede.
Ved et Ailoot API-projekt defineres det forventede slutresultat eksplicit: en implementering, en gennemgået argumentation, en sammenligningstabel eller en diagnostisk forklaring. Giv det relevante materiale sammen med kravet frem for at bede modellen gætte manglende projektkontekst.
Anthropic angiver oktober 2024 som basismodellens pålidelige vidensgrænse. Giv aktuelle dokumenter, når spørgsmålet afhænger af senere hændelser eller skiftende tekniske detaljer. Systemkortet beskriver også et kodefejlmønster, hvor gentagne mislykkede forsøg kan føre til testspecifikke genveje. Bed om en generel løsning, og undersøg testændringer lige så omhyggeligt som ændringer i applikationskoden. Et detaljeret ræsonnementsspor kan hjælpe med at undersøge et svar, men Anthropics forskning fastslår det ikke som en fuldstændig eller ufejlbarlig beskrivelse af, hvordan en beslutning blev truffet.
", "aboutText": "Claude 3.7 Sonnet Thinking beskriver den udvidede ræsonnementstilstand i Claude 3.7 Sonnet frem for en separat generation af basismodellen. Anthropic kombinerer almindelige svar og dybere ræsonnement i én hybridmodel. Thinking-varianten er nyttig, når en opgave indeholder indbyrdes påvirkende begrænsninger, og svaret har gavn af at gennemarbejde dem, før en konklusion præsenteres.\n\n### Udvidet ræsonnement til praktiske problemer\n\nModellen bruger yderligere ræsonnementstokens på problemet, før den returnerer det endelige svar. Anthropic fremhæver matematik, fysik, kompleks instruktionsfølgning og programmering med vægt på reelle virksomhedsopgaver frem for konkurrenceopgaver alene. Udvikleren dokumenterer kontrol over ræsonnementsindsatsen gennem et budget for ræsonnementstokens; budgettet og det endelige svar deler den tilgængelige outputramme. Mere ræsonnement tager yderligere tid, så reserver tilstanden til arbejde, hvor den ekstra analyse er relevant.\n\nVed en analytisk opgave gives belæggene, det spørgsmål der skal afklares, og kriterierne for sammenligning af alternativer. Bed om en konklusion efterfulgt af understøttende fakta, antagelser og uafklarede spørgsmål. Det giver det endelige svar en brugbar form uden at behandle ræsonnementets længde som belæg for, at konklusionen er korrekt.\n\n### Programmering og frontendudvikling\n\nAnthropic lægger særlig vægt på kodeændringer, navigation i komplekse projekter og opbygning af webgrænseflader. En nyttig beskrivelse indeholder relevant kode, forventet adfærd, den observerede fejl og de dele, som skal forblive uændrede. Bed om en sammenhængende patch og en forklaring af, hvordan den kan verificeres. Ved en grænseflade angives brugerhandlinger, indlæsnings- og fejltilstande, responsiv adfærd og det nødvendige output, såsom en komponent eller et sæt sideændringer.\n\nEksemplerne beskriver opgaver, der kan gives til modellen. Kommandokørsel, læsning af et repository og filredigering kræver værktøjer fra den omgivende applikation. Modellens programmeringsmuligheder og applikationens tilladelse til at køre kode er separate dele af forløbet.\n\n### Tekst, billeder og slutresultatet\n\nClaudes visuelle forståelse understøtter ræsonnement om materiale som skærmbilleder, diagrammer og illustrerede dokumenter sammen med skriftlige instruktioner. Giv et læsbart billede, og angiv den relevante detalje: en mærket akse, et layoutproblem eller en sammenhæng mellem objekter. Ved præcise tal i et diagram medtages de underliggende værdier, når det er muligt. Resultatet er en tekstforklaring, analyse eller kode frem for et genereret billede.\n\nVed et Ailoot API-projekt defineres det forventede slutresultat eksplicit: en implementering, en gennemgået argumentation, en sammenligningstabel eller en diagnostisk forklaring. Giv det relevante materiale sammen med kravet frem for at bede modellen gætte manglende projektkontekst.\n\n### Viden og verificering\n\nAnthropic angiver oktober 2024 som basismodellens pålidelige vidensgrænse. Giv aktuelle dokumenter, når spørgsmålet afhænger af senere hændelser eller skiftende tekniske detaljer. Systemkortet beskriver også et kodefejlmønster, hvor gentagne mislykkede forsøg kan føre til testspecifikke genveje. Bed om en generel løsning, og undersøg testændringer lige så omhyggeligt som ændringer i applikationskoden. Et detaljeret ræsonnementsspor kan hjælpe med at undersøge et svar, men Anthropics forskning fastslår det ikke som en fuldstændig eller ufejlbarlig beskrivelse af, hvordan en beslutning blev truffet.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Reason through a batching rule\n\nA packing line must send 42 jars. Each sealed carton holds 6 jars; opened cartons cannot ship. Each pallet holds at most 4 cartons. Determine the minimum cartons and pallets, then explain a valid loading arrangement. Separate the arithmetic from the assumptions, and state whether any jars remain unpacked.Carton and pallet counts, a loading arrangement, arithmetic and explicit assumptions.Multiply carton capacity back to 42 and verify no pallet exceeds four cartons.claude-3-7-sonnet-20250219-thinkingClaude 3.7 Sonnet er Anthropics hybride ræsonnementsmodel, her brugt i udvidet ræsonnementstilstand. Den gennemarbejder krævende programmerings-, matematiske og analytiske opgaver, før den producerer et tekstsvar, med særligt fokus på praktisk softwareudvikling og frontendarbejde.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Claude 3.7 Sonnet Thinking beskriver den udvidede ræsonnementstilstand i Claude 3.7 Sonnet frem for en separat generation af basismodellen. Anthropic kombinerer almindelige svar og dybere ræsonnement i én hybridmodel. Thinking-varianten er nyttig, når en opgave indeholder indbyrdes påvirkende begrænsninger, og svaret har gavn af at gennemarbejde dem, før en konklusion præsenteres.
Modellen bruger yderligere ræsonnementstokens på problemet, før den returnerer det endelige svar. Anthropic fremhæver matematik, fysik, kompleks instruktionsfølgning og programmering med vægt på reelle virksomhedsopgaver frem for konkurrenceopgaver alene. Udvikleren dokumenterer kontrol over ræsonnementsindsatsen gennem et budget for ræsonnementstokens; budgettet og det endelige svar deler den tilgængelige outputramme. Mere ræsonnement tager yderligere tid, så reserver tilstanden til arbejde, hvor den ekstra analyse er relevant.
Ved en analytisk opgave gives belæggene, det spørgsmål der skal afklares, og kriterierne for sammenligning af alternativer. Bed om en konklusion efterfulgt af understøttende fakta, antagelser og uafklarede spørgsmål. Det giver det endelige svar en brugbar form uden at behandle ræsonnementets længde som belæg for, at konklusionen er korrekt.
Anthropic lægger særlig vægt på kodeændringer, navigation i komplekse projekter og opbygning af webgrænseflader. En nyttig beskrivelse indeholder relevant kode, forventet adfærd, den observerede fejl og de dele, som skal forblive uændrede. Bed om en sammenhængende patch og en forklaring af, hvordan den kan verificeres. Ved en grænseflade angives brugerhandlinger, indlæsnings- og fejltilstande, responsiv adfærd og det nødvendige output, såsom en komponent eller et sæt sideændringer.
Eksemplerne beskriver opgaver, der kan gives til modellen. Kommandokørsel, læsning af et repository og filredigering kræver værktøjer fra den omgivende applikation. Modellens programmeringsmuligheder og applikationens tilladelse til at køre kode er separate dele af forløbet.
Claudes visuelle forståelse understøtter ræsonnement om materiale som skærmbilleder, diagrammer og illustrerede dokumenter sammen med skriftlige instruktioner. Giv et læsbart billede, og angiv den relevante detalje: en mærket akse, et layoutproblem eller en sammenhæng mellem objekter. Ved præcise tal i et diagram medtages de underliggende værdier, når det er muligt. Resultatet er en tekstforklaring, analyse eller kode frem for et genereret billede.
Ved et Ailoot API-projekt defineres det forventede slutresultat eksplicit: en implementering, en gennemgået argumentation, en sammenligningstabel eller en diagnostisk forklaring. Giv det relevante materiale sammen med kravet frem for at bede modellen gætte manglende projektkontekst.
Anthropic angiver oktober 2024 som basismodellens pålidelige vidensgrænse. Giv aktuelle dokumenter, når spørgsmålet afhænger af senere hændelser eller skiftende tekniske detaljer. Systemkortet beskriver også et kodefejlmønster, hvor gentagne mislykkede forsøg kan føre til testspecifikke genveje. Bed om en generel løsning, og undersøg testændringer lige så omhyggeligt som ændringer i applikationskoden. Et detaljeret ræsonnementsspor kan hjælpe med at undersøge et svar, men Anthropics forskning fastslår det ikke som en fuldstændig eller ufejlbarlig beskrivelse af, hvordan en beslutning blev truffet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser claude-3-7-sonnet-20250219-thinking | 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.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.006 / 1K tokens Output · Outputtokens $0.03 / 1K tokens Input · Cachelæsning $0.0006 / 1K tokens Input · Cacheskrivning $0.0075 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-3-7-sonnet-20250219-thinking", "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='claude-3-7-sonnet-20250219-thinking',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='claude-3-7-sonnet-20250219-thinking',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 claude-3-7-sonnet-20250219-thinking
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Reason through a batching rule\n\nA packing line must send 42 jars. Each sealed carton holds 6 jars; opened cartons cannot ship. Each pallet holds at most 4 cartons. Determine the minimum cartons and pallets, then explain a valid loading arrangement. Separate the arithmetic from the assumptions, and state whether any jars remain unpacked.Carton and pallet counts, a loading arrangement, arithmetic and explicit assumptions.Multiply carton capacity back to 42 and verify no pallet exceeds four cartons.