{ "aboutHtml": "

Når respons på hvert trin er vigtig

Anthropic udviklede Claude Haiku 4.5 til dialogassistenter, brugerservice, fælles kodearbejde og prototyper. Modellen er nyttig i et forløb, hvor en person stiller et spørgsmål, får et resultat og straks præciserer næste trin. Ifølge Anthropic har denne version en kort svartid; den konkrete tid afhænger af opgaven og applikationen.

Haiku 4.5 er også beregnet til at behandle mange særskilte opgaver. I en agentproces kan den få en bestemt delopgave, hvorefter resultatet sendes til resten af systemet. Blandt de beskrevne anvendelser er programmering, ræsonnement og interfacehandlinger. Værktøjskald og computerstyring er mulige, når applikationen stiller de nødvendige midler til rådighed; en tekstforespørgsel giver ikke i sig selv adgang til arbejdsmiljøet.

Almindeligt svar og manuelt ræsonnementsbudget

Til opgaver med flere logiske trin er extended thinking tilgængelig: applikationen aktiverer ræsonnement eksplicit og sætter budgettet med budget_tokens. Når metoden understøtter indstillingerne, skal det manuelle budget_tokens være mindst 1024 tokens og mindre end max_tokens, så der er plads til det endelige svar. Det styrer analysens omfang, mens max_tokens begrænser hele outputtet. Haiku 4.5 bruger netop den manuelle tilstand: adaptivt ræsonnement og dybdestyring med effort understøttes ikke i denne version. Ræsonnement mellem successive værktøjskald understøttes heller ikke.

Forskellen er nyttig ved valg af opgave. Den almindelige tilstand egner sig til direkte dialog; aktiveret ræsonnement giver modellen plads til at bearbejde kode eller et komplekst spørgsmål. Opgavens indhold bestemmer stadig, hvilke oplysninger der skal analyseres, og hvordan resultatet skal præsenteres.

Materiale og versionens grænser

Modellen modtager tekst og billeder og leverer resultatet som tekst. Kontekstvinduet er 200 tusind tokens, og det maksimale svar 64 tusind tokens. Billedet er analysemateriale sammen med spørgsmålet: modellen kan forklare det synlige indhold og forbinde det med tekstinstruktionen. Understøttelse af billedinput betyder ikke billedgenerering eller billedredigering.

Producentens almindelige visuelle inputformater er JPEG/PNG/GIF/WebP med første frame fra animationer. Ved modellens indbyggede billedanalyse er den lange side 1568 pixels med 1568 visuelle tokens; store billeder nedskaleres før analysen. Understøttelse af filer og parametre afhænger af applikationens metode.

For denne version beskriver Anthropic en kortfattet, direkte samtalestil. Den ønskede detaljeringsgrad, resultatformat og opgavens begrænsninger bør angives på forhånd. Den indbyggede videns pålidelige skæringsdato er februar 2025; oplysninger om senere hændelser skal gives i opgavematerialet eller hentes med applikationens tilgængelige værktøjer. Nogle forespørgsler kan afvises.

Hvis metoden giver adgang til samplingindstillinger, kan temperature og top_p ikke sættes samtidig: i denne version vælges én af dem.

", "aboutText": "### Når respons på hvert trin er vigtig\n\nAnthropic udviklede Claude Haiku 4.5 til dialogassistenter, brugerservice, fælles kodearbejde og prototyper. Modellen er nyttig i et forløb, hvor en person stiller et spørgsmål, får et resultat og straks præciserer næste trin. Ifølge Anthropic har denne version en kort svartid; den konkrete tid afhænger af opgaven og applikationen.\n\nHaiku 4.5 er også beregnet til at behandle mange særskilte opgaver. I en agentproces kan den få en bestemt delopgave, hvorefter resultatet sendes til resten af systemet. Blandt de beskrevne anvendelser er programmering, ræsonnement og interfacehandlinger. Værktøjskald og computerstyring er mulige, når applikationen stiller de nødvendige midler til rådighed; en tekstforespørgsel giver ikke i sig selv adgang til arbejdsmiljøet.\n\n### Almindeligt svar og manuelt ræsonnementsbudget\n\nTil opgaver med flere logiske trin er **extended thinking** tilgængelig: applikationen aktiverer ræsonnement eksplicit og sætter budgettet med `budget_tokens`. Når metoden understøtter indstillingerne, skal det manuelle `budget_tokens` være mindst **1024 tokens** og mindre end `max_tokens`, så der er plads til det endelige svar. Det styrer analysens omfang, mens `max_tokens` begrænser hele outputtet. Haiku 4.5 bruger netop den manuelle tilstand: adaptivt ræsonnement og dybdestyring med `effort` understøttes ikke i denne version. Ræsonnement mellem successive værktøjskald understøttes heller ikke.\n\nForskellen er nyttig ved valg af opgave. Den almindelige tilstand egner sig til direkte dialog; aktiveret ræsonnement giver modellen plads til at bearbejde kode eller et komplekst spørgsmål. Opgavens indhold bestemmer stadig, hvilke oplysninger der skal analyseres, og hvordan resultatet skal præsenteres.\n\n### Materiale og versionens grænser\n\nModellen modtager **tekst og billeder** og leverer resultatet som tekst. Kontekstvinduet er **200 tusind tokens**, og det maksimale svar **64 tusind tokens**. Billedet er analysemateriale sammen med spørgsmålet: modellen kan forklare det synlige indhold og forbinde det med tekstinstruktionen. Understøttelse af billedinput betyder ikke billedgenerering eller billedredigering.\n\nProducentens almindelige visuelle inputformater er JPEG/PNG/GIF/WebP med første frame fra animationer. Ved modellens indbyggede billedanalyse er den lange side 1568 pixels med 1568 visuelle tokens; store billeder nedskaleres før analysen. Understøttelse af filer og parametre afhænger af applikationens metode.\n\nFor denne version beskriver Anthropic en kortfattet, direkte samtalestil. Den ønskede detaljeringsgrad, resultatformat og opgavens begrænsninger bør angives på forhånd. Den indbyggede videns pålidelige skæringsdato er **februar 2025**; oplysninger om senere hændelser skal gives i opgavematerialet eller hentes med applikationens tilgængelige værktøjer. Nogle forespørgsler kan afvises.\n\nHvis metoden giver adgang til samplingindstillinger, kan `temperature` og `top_p` ikke sættes samtidig: i denne version vælges én af dem.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "27a143cbaa7147260a6c62b4fa1bcb1752acea4e2e324f6de1e4cda88a09190b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "
A

Anthropic: Claude Haiku 4.5

Anthropic /claude-haiku-4-5-20251001-thinking

Start

Claude Haiku 4.5 er beregnet til interaktive assistenter, brugersupport, daglig informationsbehandling og kodearbejde. Understøtter en særskilt ræsonnementstilstand til komplekse spørgsmål.

Accepterede input
Tekst
Resultater
Tekst
Om modellen

Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.

Når respons på hvert trin er vigtig

Anthropic udviklede Claude Haiku 4.5 til dialogassistenter, brugerservice, fælles kodearbejde og prototyper. Modellen er nyttig i et forløb, hvor en person stiller et spørgsmål, får et resultat og straks præciserer næste trin. Ifølge Anthropic har denne version en kort svartid; den konkrete tid afhænger af opgaven og applikationen.

Haiku 4.5 er også beregnet til at behandle mange særskilte opgaver. I en agentproces kan den få en bestemt delopgave, hvorefter resultatet sendes til resten af systemet. Blandt de beskrevne anvendelser er programmering, ræsonnement og interfacehandlinger. Værktøjskald og computerstyring er mulige, når applikationen stiller de nødvendige midler til rådighed; en tekstforespørgsel giver ikke i sig selv adgang til arbejdsmiljøet.

Almindeligt svar og manuelt ræsonnementsbudget

Til opgaver med flere logiske trin er extended thinking tilgængelig: applikationen aktiverer ræsonnement eksplicit og sætter budgettet med budget_tokens. Når metoden understøtter indstillingerne, skal det manuelle budget_tokens være mindst 1024 tokens og mindre end max_tokens, så der er plads til det endelige svar. Det styrer analysens omfang, mens max_tokens begrænser hele outputtet. Haiku 4.5 bruger netop den manuelle tilstand: adaptivt ræsonnement og dybdestyring med effort understøttes ikke i denne version. Ræsonnement mellem successive værktøjskald understøttes heller ikke.

Forskellen er nyttig ved valg af opgave. Den almindelige tilstand egner sig til direkte dialog; aktiveret ræsonnement giver modellen plads til at bearbejde kode eller et komplekst spørgsmål. Opgavens indhold bestemmer stadig, hvilke oplysninger der skal analyseres, og hvordan resultatet skal præsenteres.

Materiale og versionens grænser

Modellen modtager tekst og billeder og leverer resultatet som tekst. Kontekstvinduet er 200 tusind tokens, og det maksimale svar 64 tusind tokens. Billedet er analysemateriale sammen med spørgsmålet: modellen kan forklare det synlige indhold og forbinde det med tekstinstruktionen. Understøttelse af billedinput betyder ikke billedgenerering eller billedredigering.

Producentens almindelige visuelle inputformater er JPEG/PNG/GIF/WebP med første frame fra animationer. Ved modellens indbyggede billedanalyse er den lange side 1568 pixels med 1568 visuelle tokens; store billeder nedskaleres før analysen. Understøttelse af filer og parametre afhænger af applikationens metode.

For denne version beskriver Anthropic en kortfattet, direkte samtalestil. Den ønskede detaljeringsgrad, resultatformat og opgavens begrænsninger bør angives på forhånd. Den indbyggede videns pålidelige skæringsdato er februar 2025; oplysninger om senere hændelser skal gives i opgavematerialet eller hentes med applikationens tilgængelige værktøjer. Nogle forespørgsler kan afvises.

Hvis metoden giver adgang til samplingindstillinger, kan temperature og top_p ikke sættes samtidig: i denne version vælges én af dem.

Tilgængelig i Ailoot · input og metoder

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Inputtyper
text
Outputtyper
text
Outputformat
json eller SSE
FeltTypeKravVærdier og grænserStandard
FeltmodelTypestringKravPåkrævetVærdier og grænser
claude-haiku-4-5-20251001-thinking
Standard—
FeltmessagesTypemessage[]KravPåkrævetVærdier og grænser
Minimumsantal elementer: 1
Standard—
Feltmessages[].roleTypestringKravPåkrævetVærdier og grænser
Afhænger af modellen
Standard—
Feltmessages[].contentTypestringKravValgfritVærdier og grænser
Gælder når: Tekstsamtale
Standard—
FeltstreamTypebooleanKravValgfritVærdier og grænserStandardfalse
Kombinationer af inputmaterialer

Tekst · UTF8-tekst

messages[].content

Metodeparametre og livscyklus
ParameterKontrakt
Parametercontent_typeKontraktapplication/json
ParameterrequiredKontraktmodel, messages
Parametermaterial_typesKontrakttext
ParametermessagesKontraktbeskedarray med strukturen role/content
Parameterfile_materialKontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes
Parameteroptional_controlsKontraktstream
Parametercontrol_scopeKontraktTekstsamtale; stream er en boolesk værdi og er som standard false.
Parameteroutput_modalitiesKontrakttext
Parameterhosted_operationsKontraktfalse
Parametermultimodal_input_bindingKontraktnull

Metodealiaser: /chat/completions

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.

Priser

Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.

Hurtig tilstand
Ikke angivet Når hurtig tilstand er valgt
flex-tilstand
Ikke angivet Når flex-tilstanden er valgt
Maksimal ræsonneringsindsats
Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats

Ailoot-takster

Priser efter konfiguration

KonfigurationTakstplanBeløb
KonfigurationGrundtakster for tokensTakstplanGrundtakstBeløb
Input · Inputtokens $0.002 / 1K tokens
Output · Outputtokens $0.01 / 1K tokens
Input · Cachelæsning $0.0002 / 1K tokens
Input · Cacheskrivning $0.0025 / 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 →

Eksempelanmodninger

Ailoot Ultra · OpenAI Chat

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-haiku-4-5-20251001-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\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\n

Hent og gem resultater

Ailoot Ultra · OpenAI Chat

json eller SSE

Behold alle færdige resultater

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.

Hvis det oprindelige svar skal kontrolleres

Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.

Svarfelter
FeltType
Feltchoices[].indexTypeinteger
Feltchoices[].message.contentTypestring|null
Feltchoices[].message.tool_callsTypetool_call[]
Feltchoices[].message.reasoning_contentTypestring
Feltchoices[].message.reasoning_detailsTypeobject|array
Feltchoices[].finish_reasonTypestring|null
FeltusageTypeobject
Fejl og næste trin
SvarBetingelseNæste trin
Svar400 · invalid_request_errorBetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdiNæste trinRet de angivne felter før en ny oprettelsesanmodning.

Aliaser

Modelaliaser

Ailoot Ultra claude-haiku-4-5-20251001-thinking

Aliaser for metodestier

/chat/completions

Relaterede kalder-ID’er

claude-haiku-4-5-20251001-thinking

", "method_identity": { "effective_request_model_id": "claude-haiku-4-5-20251001-thinking", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "claude-haiku-4-5-20251001-thinking", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|claude-haiku-4-5-20251001-thinking", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 0.2, "cache_write": 2.5, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Ugyldige obligatoriske felter, materialerepræsentation eller parameterværdi", "http_status": 400, "recovery": "Ret de angivne felter før en ny oprettelsesanmodning.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "UTF8-tekst" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json eller SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "claude-haiku-4-5-20251001-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Tekstsamtale" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Tekstsamtale; stream er en boolesk værdi og er som standard false.", "file_material": "faktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes", "hosted_operations": false, "material_types": [ "text" ], "messages": "beskedarray med strukturen role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Grundtakster for tokens", "units": [ { "amount": "0.002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0025000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000025", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-haiku-4-5-20251001-thinking\",\"messages\":[{\"role\":\"user\",\"content\":\"hello\"}],\"stream\":false}')\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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-haiku-4-5-20251001-thinking\", messages=[{\"role\":\"user\",\"content\":\"hello\"}], stream=False)\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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 2, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 10, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0025000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000025", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "claude-haiku-4-5-20251001-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0025000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000025", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "claude-haiku-4-5-20251001-thinking", "nativeProvenance": { "input_facts_canonical_sha256": "a184abb2b9f856870702d6e988e6a1f9aa77a74e95d68b448990d836d11aa553", "input_html_sha256": "70dd7f0ddb77f1b894081a1898450b16c72ebff77fd3522afe3c6e02d7426778", "private_audit_sha256": "85ec6a8e132ff62e6701fdda8d843cad226735c35d311014268ae07b8e091dec", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/da/claude-haiku-4-5-20251001-thinking/", "description": "Claude Haiku 4.5 er beregnet til interaktive assistenter, brugersupport, daglig informationsbehandling og kodearbejde. Understøtter en særskilt ræsonnementstilstand til komplekse spørgsmål.", "locale": "da", "md_url": "https://ailoot.ai/models/da/claude-haiku-4-5-20251001-thinking/index.md", "title": "Anthropic: Claude Haiku 4.5 — Ailoot", "url": "https://ailoot.ai/models/da/claude-haiku-4-5-20251001-thinking/" }, "rawModel": { "about": "### Når respons på hvert trin er vigtig\n\nAnthropic udviklede Claude Haiku 4.5 til dialogassistenter, brugerservice, fælles kodearbejde og prototyper. Modellen er nyttig i et forløb, hvor en person stiller et spørgsmål, får et resultat og straks præciserer næste trin. Ifølge Anthropic har denne version en kort svartid; den konkrete tid afhænger af opgaven og applikationen.\n\nHaiku 4.5 er også beregnet til at behandle mange særskilte opgaver. I en agentproces kan den få en bestemt delopgave, hvorefter resultatet sendes til resten af systemet. Blandt de beskrevne anvendelser er programmering, ræsonnement og interfacehandlinger. Værktøjskald og computerstyring er mulige, når applikationen stiller de nødvendige midler til rådighed; en tekstforespørgsel giver ikke i sig selv adgang til arbejdsmiljøet.\n\n### Almindeligt svar og manuelt ræsonnementsbudget\n\nTil opgaver med flere logiske trin er **extended thinking** tilgængelig: applikationen aktiverer ræsonnement eksplicit og sætter budgettet med `budget_tokens`. Når metoden understøtter indstillingerne, skal det manuelle `budget_tokens` være mindst **1024 tokens** og mindre end `max_tokens`, så der er plads til det endelige svar. Det styrer analysens omfang, mens `max_tokens` begrænser hele outputtet. Haiku 4.5 bruger netop den manuelle tilstand: adaptivt ræsonnement og dybdestyring med `effort` understøttes ikke i denne version. Ræsonnement mellem successive værktøjskald understøttes heller ikke.\n\nForskellen er nyttig ved valg af opgave. Den almindelige tilstand egner sig til direkte dialog; aktiveret ræsonnement giver modellen plads til at bearbejde kode eller et komplekst spørgsmål. Opgavens indhold bestemmer stadig, hvilke oplysninger der skal analyseres, og hvordan resultatet skal præsenteres.\n\n### Materiale og versionens grænser\n\nModellen modtager **tekst og billeder** og leverer resultatet som tekst. Kontekstvinduet er **200 tusind tokens**, og det maksimale svar **64 tusind tokens**. Billedet er analysemateriale sammen med spørgsmålet: modellen kan forklare det synlige indhold og forbinde det med tekstinstruktionen. Understøttelse af billedinput betyder ikke billedgenerering eller billedredigering.\n\nProducentens almindelige visuelle inputformater er JPEG/PNG/GIF/WebP med første frame fra animationer. Ved modellens indbyggede billedanalyse er den lange side 1568 pixels med 1568 visuelle tokens; store billeder nedskaleres før analysen. Understøttelse af filer og parametre afhænger af applikationens metode.\n\nFor denne version beskriver Anthropic en kortfattet, direkte samtalestil. Den ønskede detaljeringsgrad, resultatformat og opgavens begrænsninger bør angives på forhånd. Den indbyggede videns pålidelige skæringsdato er **februar 2025**; oplysninger om senere hændelser skal gives i opgavematerialet eller hentes med applikationens tilgængelige værktøjer. Nogle forespørgsler kan afvises.\n\nHvis metoden giver adgang til samplingindstillinger, kan `temperature` og `top_p` ikke sættes samtidig: i denne version vælges én af dem.", "alias_of": null, "aliases": [], "author": "Anthropic", "capabilities": { "context_length": 200000, "manufacturer_input": [ "text", "image", "file" ], "manufacturer_output": [ "text" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "De fulde prisoplysninger for konfigurationen findes under detaljer." } ], "ctx": null, "formats": [ "chat" ], "id": "claude-haiku-4-5-20251001-thinking", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 0.2, "cache_write": 2.5, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Ugyldige obligatoriske felter, materialerepræsentation eller parameterværdi", "http_status": 400, "recovery": "Ret de angivne felter før en ny oprettelsesanmodning.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "UTF8-tekst" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json eller SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "claude-haiku-4-5-20251001-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Tekstsamtale" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Tekstsamtale; stream er en boolesk værdi og er som standard false.", "file_material": "faktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes", "hosted_operations": false, "material_types": [ "text" ], "messages": "beskedarray med strukturen role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Grundtakster for tokens", "units": [ { "amount": "0.002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0025000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000025", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-haiku-4-5-20251001-thinking\",\"messages\":[{\"role\":\"user\",\"content\":\"hello\"}],\"stream\":false}')\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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-haiku-4-5-20251001-thinking\", messages=[{\"role\":\"user\",\"content\":\"hello\"}], stream=False)\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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 2, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 10, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0025000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000025", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "claude-haiku-4-5-20251001-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0025000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000025", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "claude-haiku-4-5-20251001-thinking", "request_model_id": "claude-haiku-4-5-20251001-thinking", "route_label": "Ultra" } ], "name": "Anthropic: Claude Haiku 4.5", "price": { "in": 2, "in_label": null, "out": 10, "out_label": null, "scope_label": "Token rates", "sort_in": 2, "sort_out": 10, "varies": false }, "short": "Claude Haiku 4.5 er beregnet til interaktive assistenter, brugersupport, daglig informationsbehandling og kodearbejde. Understøtter en særskilt ræsonnementstilstand til komplekse spørgsmål." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Claude Haiku 4.5 er beregnet til interaktive assistenter, brugersupport, daglig informationsbehandling og kodearbejde. Understøtter en særskilt ræsonnementstilstand til komplekse spørgsmål.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "eefa79f5d66d71752e85dadc62feab415bc5c17a8b427029c98e00fd63eea28a", "renderer_sha256": "2bf9f26ea9bfd57ed53d867671d8f05b41a6ea85089f48039e3365dc2b92ec2c" }, "sourceRevision": "ebb310dd1121dfbee216c48dab7fb8c37abca6605e1b96199f2d234ada7a0434" }