Claude Opus 4 Thinking anvender udvidet ræsonnement på den oprindelige Claude Opus 4-model. Anthropic positionerer denne generation til vanskeligt programmeringsarbejde, forskning, skrivning og opgaver, som kræver, at retningen fastholdes gennem mange trin. Betegnelsen Thinking vedrører modellens tilgang til et svar; den gør ikke den oprindelige Opus 4 til en senere Opus-udgave.
Claude Opus 4 kombinerer en standardsvartilstand med en udvidet ræsonnementstilstand. Ved udvidet ræsonnement kan den bruge mere tid på at undersøge et problem, før den svarer. Udvikleren beskriver vedvarende arbejde på komplekse opgaver som en central styrke, især når en opgave kræver, at en sekvens af observationer forbindes, frem for at isolerede prompts løses.
Ved et forskningsspørgsmål gives de materialer, der skal sammenlignes, den beslutning de skal understøtte, og de relevante betingelser. Bed om en evidensbaseret syntese, der skelner mellem observationer, antagelser og åbne spørgsmål. Ved en skriveopgave medtages målgruppe, kildemateriale, krævet struktur og de påstande, resultatet skal forklare. Det er praktiske anvendelser af modellens dokumenterede forsknings- og skrivemuligheder frem for løfter om et bestemt resultat.
Anthropic fremhæver kompleks kodeforståelse, redigering, fejlfinding og ændringer på tværs af flere filer. Giv modellen de relevante moduler, grænsefladekontrakter, forventet adfærd og eksisterende test eller fejloutput. Definer omfanget af den ønskede ændring, og bed om en forklaring af de afhængigheder, som gør de foreslåede redigeringer nødvendige.
Et nyttigt udviklingsresultat forbinder tre ting: årsagen til problemet, en sammenhængende implementering og en måde at kontrollere den resulterende adfærd på. Ved kodeomstrukturering angives de offentlige grænseflader og observerbare adfærdsmønstre, som skal forblive stabile. Ved en funktion beskrives brugerforløbet og dets fejltilfælde. Det gør modellens vedvarende ræsonnement nyttigt for projektet frem for blot at producere et længere svar.
Den oprindelige Claude 4-generation tilføjer ræsonnement mellem værktøjskald i Anthropics dokumenterede forløb for udvidet ræsonnement. Den kan undersøge et værktøjsresultat, genoverveje tilgangen og vælge en efterfølgende handling. Udvikleren beskriver også parallel værktøjsbrug og forbedret kontinuitet, når en applikation giver lokale filer, som modellen kan læse og opdatere.
En agent, som bruger disse muligheder, har brug for en applikation, der stiller værktøjerne til rådighed, udfører anmodede handlinger og returnerer resultaterne. Hukommelsesfiler hører ligeledes til applikationsmiljøet; de er ikke et ubegrænset lager, som automatisk følger med mellem uvedkommende samtaler. Ved udformning af et forløb returneres relevante observationer til modellen, og opgavens mål og acceptkriterier holdes tilgængelige.
Claude Opus 4 understøtter også visuel analyse. Skærmbilleder, grafer og diagrammer kan give belæg sammen med tekst, mens modellens svar fortsat er tekst. Brug tydeligt læsbare billeder, og angiv de sammenhænge, du vil have forklaret. Medtag kildeværdier, når opgaven afhænger af præcise antal eller målinger, da visuel fortolkning kan være tilnærmet.
Ved en Ailoot API-opgave angives det nødvendige slutresultat: et ændringsforslag på tværs af flere filer, en teknisk undersøgelse, en forskningssyntese eller et omhyggeligt struktureret dokument. Tilføj de belæg og begrænsninger, der lader modellen vælge en tilgang. Udviklerens opsummeringer af udvidet ræsonnement giver en forklaring sammen med resultatet, men en opsummering er ikke en ordret gengivelse af alt ræsonnement. Undersøg den leverede kode eller analyse mod opgavens krav, herunder antagelser som stadig kræver belæg.
", "aboutText": "Claude Opus 4 Thinking anvender udvidet ræsonnement på den oprindelige Claude Opus 4-model. Anthropic positionerer denne generation til vanskeligt programmeringsarbejde, forskning, skrivning og opgaver, som kræver, at retningen fastholdes gennem mange trin. Betegnelsen Thinking vedrører modellens tilgang til et svar; den gør ikke den oprindelige Opus 4 til en senere Opus-udgave.\n\n### Ræsonnement på tværs af en krævende opgave\n\nClaude Opus 4 kombinerer en standardsvartilstand med en udvidet ræsonnementstilstand. Ved udvidet ræsonnement kan den bruge mere tid på at undersøge et problem, før den svarer. Udvikleren beskriver vedvarende arbejde på komplekse opgaver som en central styrke, især når en opgave kræver, at en sekvens af observationer forbindes, frem for at isolerede prompts løses.\n\nVed et forskningsspørgsmål gives de materialer, der skal sammenlignes, den beslutning de skal understøtte, og de relevante betingelser. Bed om en evidensbaseret syntese, der skelner mellem observationer, antagelser og åbne spørgsmål. Ved en skriveopgave medtages målgruppe, kildemateriale, krævet struktur og de påstande, resultatet skal forklare. Det er praktiske anvendelser af modellens dokumenterede forsknings- og skrivemuligheder frem for løfter om et bestemt resultat.\n\n### Ændringer på tværs af en kodebase\n\nAnthropic fremhæver kompleks kodeforståelse, redigering, fejlfinding og ændringer på tværs af flere filer. Giv modellen de relevante moduler, grænsefladekontrakter, forventet adfærd og eksisterende test eller fejloutput. Definer omfanget af den ønskede ændring, og bed om en forklaring af de afhængigheder, som gør de foreslåede redigeringer nødvendige.\n\nEt nyttigt udviklingsresultat forbinder tre ting: årsagen til problemet, en sammenhængende implementering og en måde at kontrollere den resulterende adfærd på. Ved kodeomstrukturering angives de offentlige grænseflader og observerbare adfærdsmønstre, som skal forblive stabile. Ved en funktion beskrives brugerforløbet og dets fejltilfælde. Det gør modellens vedvarende ræsonnement nyttigt for projektet frem for blot at producere et længere svar.\n\n### Værktøjer, parallelt arbejde og kontinuitet\n\nDen oprindelige Claude 4-generation tilføjer ræsonnement mellem værktøjskald i Anthropics dokumenterede forløb for udvidet ræsonnement. Den kan undersøge et værktøjsresultat, genoverveje tilgangen og vælge en efterfølgende handling. Udvikleren beskriver også parallel værktøjsbrug og forbedret kontinuitet, når en applikation giver lokale filer, som modellen kan læse og opdatere.\n\nEn agent, som bruger disse muligheder, har brug for en applikation, der stiller værktøjerne til rådighed, udfører anmodede handlinger og returnerer resultaterne. Hukommelsesfiler hører ligeledes til applikationsmiljøet; de er ikke et ubegrænset lager, som automatisk følger med mellem uvedkommende samtaler. Ved udformning af et forløb returneres relevante observationer til modellen, og opgavens mål og acceptkriterier holdes tilgængelige.\n\n### Visuel analyse og tekstoutput\n\nClaude Opus 4 understøtter også visuel analyse. Skærmbilleder, grafer og diagrammer kan give belæg sammen med tekst, mens modellens svar fortsat er tekst. Brug tydeligt læsbare billeder, og angiv de sammenhænge, du vil have forklaret. Medtag kildeværdier, når opgaven afhænger af præcise antal eller målinger, da visuel fortolkning kan være tilnærmet.\n\nVed en Ailoot API-opgave angives det nødvendige slutresultat: et ændringsforslag på tværs af flere filer, en teknisk undersøgelse, en forskningssyntese eller et omhyggeligt struktureret dokument. Tilføj de belæg og begrænsninger, der lader modellen vælge en tilgang. Udviklerens opsummeringer af udvidet ræsonnement giver en forklaring sammen med resultatet, men en opsummering er ikke en ordret gengivelse af alt ræsonnement. Undersøg den leverede kode eller analyse mod opgavens krav, herunder antagelser som stadig kræver belæg.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Plan a coordinated order refactor\n\nReview this proposed refactor. Module A emits {order_id, total_cents}; module B stores those fields; module C displays total_cents / 100. A developer proposes renaming only A to amount_cents. Identify affected contracts and propose a coordinated migration that preserves existing consumers, with checks for old and new records.A dependency map in text, a staged migration proposal and compatibility checks for each consumer.Confirm the proposal covers B and C and does not silently reinterpret cents as whole currency units.claude-opus-4-20250514-thinkingClaude Opus 4 Thinking bruger den oprindelige Opus 4’s udvidede ræsonnementstilstand til komplekse softwareændringer, vedvarende agentforløb og forskning. Den kan ræsonnere mellem understøttede værktøjstrin og forbinde belæg på tværs af en krævende opgave, før den producerer et tekstresultat.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Claude Opus 4 Thinking anvender udvidet ræsonnement på den oprindelige Claude Opus 4-model. Anthropic positionerer denne generation til vanskeligt programmeringsarbejde, forskning, skrivning og opgaver, som kræver, at retningen fastholdes gennem mange trin. Betegnelsen Thinking vedrører modellens tilgang til et svar; den gør ikke den oprindelige Opus 4 til en senere Opus-udgave.
Claude Opus 4 kombinerer en standardsvartilstand med en udvidet ræsonnementstilstand. Ved udvidet ræsonnement kan den bruge mere tid på at undersøge et problem, før den svarer. Udvikleren beskriver vedvarende arbejde på komplekse opgaver som en central styrke, især når en opgave kræver, at en sekvens af observationer forbindes, frem for at isolerede prompts løses.
Ved et forskningsspørgsmål gives de materialer, der skal sammenlignes, den beslutning de skal understøtte, og de relevante betingelser. Bed om en evidensbaseret syntese, der skelner mellem observationer, antagelser og åbne spørgsmål. Ved en skriveopgave medtages målgruppe, kildemateriale, krævet struktur og de påstande, resultatet skal forklare. Det er praktiske anvendelser af modellens dokumenterede forsknings- og skrivemuligheder frem for løfter om et bestemt resultat.
Anthropic fremhæver kompleks kodeforståelse, redigering, fejlfinding og ændringer på tværs af flere filer. Giv modellen de relevante moduler, grænsefladekontrakter, forventet adfærd og eksisterende test eller fejloutput. Definer omfanget af den ønskede ændring, og bed om en forklaring af de afhængigheder, som gør de foreslåede redigeringer nødvendige.
Et nyttigt udviklingsresultat forbinder tre ting: årsagen til problemet, en sammenhængende implementering og en måde at kontrollere den resulterende adfærd på. Ved kodeomstrukturering angives de offentlige grænseflader og observerbare adfærdsmønstre, som skal forblive stabile. Ved en funktion beskrives brugerforløbet og dets fejltilfælde. Det gør modellens vedvarende ræsonnement nyttigt for projektet frem for blot at producere et længere svar.
Den oprindelige Claude 4-generation tilføjer ræsonnement mellem værktøjskald i Anthropics dokumenterede forløb for udvidet ræsonnement. Den kan undersøge et værktøjsresultat, genoverveje tilgangen og vælge en efterfølgende handling. Udvikleren beskriver også parallel værktøjsbrug og forbedret kontinuitet, når en applikation giver lokale filer, som modellen kan læse og opdatere.
En agent, som bruger disse muligheder, har brug for en applikation, der stiller værktøjerne til rådighed, udfører anmodede handlinger og returnerer resultaterne. Hukommelsesfiler hører ligeledes til applikationsmiljøet; de er ikke et ubegrænset lager, som automatisk følger med mellem uvedkommende samtaler. Ved udformning af et forløb returneres relevante observationer til modellen, og opgavens mål og acceptkriterier holdes tilgængelige.
Claude Opus 4 understøtter også visuel analyse. Skærmbilleder, grafer og diagrammer kan give belæg sammen med tekst, mens modellens svar fortsat er tekst. Brug tydeligt læsbare billeder, og angiv de sammenhænge, du vil have forklaret. Medtag kildeværdier, når opgaven afhænger af præcise antal eller målinger, da visuel fortolkning kan være tilnærmet.
Ved en Ailoot API-opgave angives det nødvendige slutresultat: et ændringsforslag på tværs af flere filer, en teknisk undersøgelse, en forskningssyntese eller et omhyggeligt struktureret dokument. Tilføj de belæg og begrænsninger, der lader modellen vælge en tilgang. Udviklerens opsummeringer af udvidet ræsonnement giver en forklaring sammen med resultatet, men en opsummering er ikke en ordret gengivelse af alt ræsonnement. Undersøg den leverede kode eller analyse mod opgavens krav, herunder antagelser som stadig kræver belæg.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser claude-opus-4-20250514-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 $0.03 / 1K tokens Output · Outputtokens $0.15 / 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-opus-4-20250514-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-opus-4-20250514-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-opus-4-20250514-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-opus-4-20250514-thinking
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Plan a coordinated order refactor\n\nReview this proposed refactor. Module A emits {order_id, total_cents}; module B stores those fields; module C displays total_cents / 100. A developer proposes renaming only A to amount_cents. Identify affected contracts and propose a coordinated migration that preserves existing consumers, with checks for old and new records.A dependency map in text, a staged migration proposal and compatibility checks for each consumer.Confirm the proposal covers B and C and does not silently reinterpret cents as whole currency units.