Source: https://ailoot.ai/models/da/claude-opus-4-6/ Canonical: https://ailoot.ai/models/da/claude-opus-4-6/ Language: da # claude-opus-4-6 [Markdown](https://ailoot.ai/models/da/claude-opus-4-6/index.md) · [JSON](https://ailoot.ai/models/da/claude-opus-4-6/facts.json) ## [claude-opus-4-6](https://ailoot.ai/models/da/claude-opus-4-6/) Claude Opus 4.6 er beregnet til store kodebaser, fejlfinding, forskning og analyse af lange dokumenter. Understøtter adaptivt ræsonnement og kontekst på op til 1 million tokens. - [**Ailoot · Anthropic Messages** `POST /v1/messages` `claude-opus-4-6`](https://ailoot.ai/models/da/claude-opus-4-6/#method-0) - [**Ailoot · OpenAI Responses** `POST /v1/responses` `claude-opus-4-6`](https://ailoot.ai/models/da/claude-opus-4-6/#method-1) - [**Ailoot · OpenAI Chat** `POST /v1/chat/completions` `claude-opus-4-6`](https://ailoot.ai/models/da/claude-opus-4-6/#method-2) Om modellen Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode. #### En stor opgave og forbindelserne mellem dens dele Claude Opus 4.6 er rettet mod arbejde, hvor det er nyttigt at holde meget materiale i samme kontekst og ræsonnere efter at have læst det. Anthropic fremhæver udvikling i store kodebaser, kodekontrol, fejlfinding, finansiel analyse og forskning. Modellen kan finde væsentlige detaljer, forbinde oplysninger fra forskellige materialedele og bruge dem til at løse opgaven i successive trin. I udvikling betyder det at arbejde på en plan, undersøge et ukendt system og finde fejl i ændringerne. I faglig analyse handler det om dokumentbehandling og forberedelse af indhold til tabeller, rapporter eller præsentationer. I sådanne forløb er det vigtigt at give modellen selve opgaven og det materiale, der skal danne grundlag for konklusionerne, frem for kun et generelt emnenavn. #### Adaptivt ræsonnement Modellen understøtter en adaptiv tilstand, hvor opgavens indhold bestemmer, hvornår yderligere analyse er nyttig. `effort` angiver bearbejdningsgraden; for Opus 4.6 er `low`, `medium`, `high` og `max` tilgængelige, med `high` som standard. Ifølge Anthropic kan dyb bearbejdning øge svartiden ved enkle opgaver, så det valgte niveau bør tilpasses kompleksiteten. Den ældre extended thinking med manuelt budget understøttes stadig, men er markeret som under udfasning. Denne version har en væsentlig forskel mellem tilstandene: ræsonnement mellem værktøjskald er tilgængeligt i adaptiv tilstand, mens Opus 4.6 ikke udfører det i manuel tilstand. Ved tilslutning af værktøjer hjælper adaptiv analyse med at bruge ét handlingsresultat til at vælge det næste. #### Kontekst til længere arbejde Anthropics aktuelle specifikation angiver **1 million tokens i konteksten** og op til **128 tusind tokens i svaret i almindelig tilstand**. Input er **tekst og billeder**, og svaret forbliver tekstbaseret. Den pålidelige skæringsdato for den indbyggede viden er **maj 2025**. 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. Til længere samtaler og agentopgaver beskriver producenten komprimering af ældre kontekst: tidligere arbejde erstattes med et resumé, når en fastlagt tærskel nærmer sig. Muligheden er eksperimentel og kræver understøttelse i applikationen; kontekststørrelsen aktiverer ikke i sig selv uendelig hukommelse. #### Værktøjer og kontrol af resultatet Opus 4.6 er beregnet til arbejde i flere trin med søgning, kode og andre tilgængelige værktøjer. Applikationsmiljøet skal give mulighed for at læse materiale, udføre kommandoer eller producere filer. Produktionshandlinger, interfacestyring og oprettelse af en færdig præsentation afhænger af disse midler; tekstmodellen får dem ikke automatisk. Anthropic beskriver særskilt sikkerhedskontroller og beskyttelse ved potentielt farlige cybersikkerhedsopgaver. I almindelig udvikling kan modellen hjælpe med at finde og rette sårbarheder, men forespørgslens karakter påvirker, om den kan besvares. Konklusioner fra store materialesamlinger og foreslåede ændringer skal kontrolleres mod dataene selv og udførelsens resultat. Praktisk opgave ### Praktisk opgave Teknisk eksempel på engelsk ``` Trace a cache invalidation defect Review this change using the supplied contract. Contract: changing an account's role must affect the next permission check. Current flow: update_role writes the database; can_edit reads a role cache with a 15-minute TTL. Propose the smallest correction, explain the failure window, and give regression tests for a demotion and an unrelated account. Do not assume any framework. ``` #### Forventet resultat ``` A code-review note containing cause, a targeted invalidation strategy and two regression-test specifications. ``` #### Kontrollér resultatet ``` A demoted account cannot retain edit permission until the cache expires, while another account's entry remains valid. ``` **Ailoot · Anthropic Messages** `POST /v1/messages` `claude-opus-4-6` [`claude-opus-4-6`](https://ailoot.ai/models/da/#m=claude-opus-4-6&route=Core&caller=claude-opus-4-6&fmt=messages) Anthropic /`claude-opus-4-6` ### Start Claude Opus 4.6 er beregnet til store kodebaser, fejlfinding, forskning og analyse af lange dokumenter. Understøtter adaptivt ræsonnement og kontekst på op til 1 million tokens. Accepterede input Tekst · Billeder Resultater Tekst ### Tilgængelig i Ailoot · input og metoder **Ailoot · Anthropic Messages** `POST /v1/messages` Inputtyper `text`, `image` Outputtyper `text` Kontekst 1.000.000 tokens Maksimalt output 131.072 tokens Outputformat json eller SSE | Felt | Type | Krav | Værdier og grænser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrævet | Værdier og grænser claude-opus-4-6 | Standard— | | Felt`messages` | Type`message[]` | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— | | Felt`messages[].role` | Type`string` | KravPåkrævet | Værdier og grænser user, assistant | Standard— | | Felt`messages[].content` | Type`string\|content_block[]` | KravPåkrævet | Værdier og grænser | Standard— | | Felt`system` | Type`string\|content_block[]` | KravValgfrit | Værdier og grænser | Standard— | | Felt`max_tokens` | Type`integer` | KravPåkrævet | Værdier og grænser Minimum: 1 Grænsen gælder for: den præcise øvre grænse for valgt model/modelkort | Standard— | | Felt`stream` | Type`boolean` | KravValgfrit | Værdier og grænser | Standardfalse | | Felt`temperature` | Type`number` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`top_p` | Type`number` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`stop_sequences` | Type`string[]` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`tools` | Type`tool[]` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`tools[].name` | Type`string` | KravValgfrit | Værdier og grænser Gælder når: værktøj angivet | Standard— | | Felt`tools[].description` | Type`string` | KravValgfrit | Værdier og grænser | Standard— | | Felt`tools[].input_schema` | Type`JSON_schema` | KravValgfrit | Værdier og grænser | Standard— | | Felt`tool_choice` | Type`object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`thinking.type` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`thinking.budget_tokens` | Type`integer` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`output_config.effort` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`metadata` | Type`object` | KravValgfrit | Værdier og grænser | Standard— | | Felt`cache_control` | Type`object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | Kombinationer af inputmaterialer **Tekst** · UTF8-tekst `messages[].content eller en blok med type=text` **Tekst + billede** `{type:image,source:{type:base64,media_type,data}} eller kilde med type=url` Metodeparametre og livscyklus | Parameter | Kontrakt | | --- | --- | | Parameter`material_types` | Kontrakttext, image | | Parameter`required` | Kontraktmodel, messages, max\_tokens | | Parameter`optional_controls` | Kontraktnull | | Parameter`content_type` | Kontraktapplication/json | | Parameter`text_file_material` | Kontraktfaktisk UTF-8-indhold indsat som tekst; fil-ID’er/URLs kræver særskilt præcis understøttelse | Livscyklus: `exact retained published method` Metodernes strukturer og ID’er er præcise; leverandørens muligheder er adskilt fra adgangstilladelse. ### Priser #### Ailoot-metodetakster Input 0,005 US$ */ 1K* Output 0,025 US$ */ 1K* Cachelæsning 0,0005 US$ */ 1K* Cacheskrivning 0,00625 US$ */ 1K* Cacheskrivning, 5 min. 0,00625 US$ */ 1K tokens* Cacheskrivning, 1 time 0,01 US$ */ 1K tokens* web\_search\_call 0,01 US$ *pr. kald* Maks. antal kald web\_search\_call 8 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 →](https://ailoot.ai/docs/da/billing/reserve/) #### Detaljer om referencetariffen Referenceplaner på modelniveau ændrer ikke metodevalg, prisoverslag eller opkrævninger. Ved den aktive afregning anvendes taksterne for den valgte Ailoot-metode. claude-opus-4-6 #### Priser efter konfiguration | Konfiguration | Afregningsbetingelser | Beløb | | --- | --- | --- | | Konfigurationclaude-opus-4-6 · Standardkonfiguration | AfregningsbetingelserStandardkonfiguration | Beløb Input · Input **0,02 US$** / 1K tokens Output · Output **0,075 US$** / 1K tokens Input · Cacheskrivning **0,025 US$** / 1K tokens Input · Cachelæsning **0,002 US$** / 1K tokens | claude-opus-4-6 #### Priser efter konfiguration | Konfiguration | Afregningsbetingelser | Beløb | | --- | --- | --- | | Konfigurationclaude-opus-4-6 · Standardkonfiguration | AfregningsbetingelserStandardkonfiguration | Beløb Input · Input **0,01 US$** / 1K tokens Output · Output **0,05 US$** / 1K tokens | ### Eksempelanmodninger #### Ailoot · Anthropic Messages TeksteksempelInput, billedePython SDKNode.js SDKPython-stream ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "claude-opus-4-6", "max_tokens": 1024, "messages": []}') f=Path(os.environ["AILOOT_TEXT_FILE"]) if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material") text=f.read_text(encoding="utf-8") if not text.strip():raise SystemExit("Source material must contain text") p["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\n\n"+text}] Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}" export AILOOT_IMAGE_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "claude-opus-4-6", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}') import base64 f=Path(os.environ["AILOOT_IMAGE_FILE"]) if not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image") raw=f.read_bytes() mime="image/png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "image/jpeg" if raw.startswith(b"\xff\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None if not mime:raise SystemExit("Use PNG JPEG or WebP") b64=base64.b64encode(raw).decode() p["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}}) Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ```python import anthropic import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0) msg = client.messages.create( model="claude-opus-4-6", max_tokens=1024, messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}], ) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(msg.to_dict(mode="json")) ``` ```js import Anthropic from "@anthropic-ai/sdk"; if (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request"); const client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 }); const msg = await client.messages.create({ model: "claude-opus-4-6", max_tokens: 1024, messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }], }); import { writeFileSync } from "node:fs"; function saveResult(data, stem = "result") { writeFileSync(stem + ".json", JSON.stringify(data, null, 2)); console.log(JSON.stringify(data, null, 2)); const saveBlob = (encoded, suffix, label) => { const raw = Buffer.from(encoded, "base64"); const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix; const file = `${stem}-${label}.${ext}`; writeFileSync(file, raw); console.log("Saved", file); }; for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block)); for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {})); for (const [i, item] of (data.output || []).entries()) { console.log("Output", i, JSON.stringify(item)); if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`); } for (const [ci, candidate] of (data.candidates || []).entries()) { for (const [pi, part] of (candidate.content?.parts || []).entries()) { console.log("Candidate/part", ci, pi, JSON.stringify(part)); const blob = part.inlineData || part.inline_data; if (blob?.data) { const mime = blob.mimeType || blob.mime_type; const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin"; saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`); } } } } saveResult(msg); ``` ```python import anthropic,os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.messages.stream(model='claude-opus-4-6',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_message() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Hent og gem resultater #### Ailoot · Anthropic Messages json eller SSE ##### Behold alle færdige resultater Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel. Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet. ##### Hvis det oprindelige svar skal kontrolleres Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob. Svarfelter | Felt | Type | | --- | --- | | Felt`id` | Typestring | | Felt`model` | Typestring | | Felt`content[]` | Typetext\|thinking\|tool\_use\|other content block | | Felt`stop_reason` | Typestring\|null | | Felt`usage` | Typeobject | Fejl og næste trin | Svar | Betingelse | Næste trin | | --- | --- | --- | | Svar400 · `invalid_request_error` | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. | ### Aliaser #### Modelaliaser **Ailoot** [`claude-opus-4-6`](https://ailoot.ai/models/da/#m=claude-opus-4-6&route=Core&caller=claude-opus-4-6&fmt=messages) #### Aliaser for metodestier Brug metodestierne vist ovenfor. #### Relaterede kalder-ID’er [`claude-opus-4-6`](https://ailoot.ai/models/da/#m=claude-opus-4-6&route=Core&caller=claude-opus-4-6&fmt=messages) **Ailoot · OpenAI Responses** `POST /v1/responses` `claude-opus-4-6` [`claude-opus-4-6`](https://ailoot.ai/models/da/#m=claude-opus-4-6&route=Core&caller=claude-opus-4-6&fmt=responses) Anthropic /`claude-opus-4-6` ### Start Claude Opus 4.6 er beregnet til store kodebaser, fejlfinding, forskning og analyse af lange dokumenter. Understøtter adaptivt ræsonnement og kontekst på op til 1 million tokens. Accepterede input Tekst · Billeder Resultater Tekst ### Tilgængelig i Ailoot · input og metoder **Ailoot · OpenAI Responses** `POST /v1/responses` Inputtyper `text`, `image` Outputtyper `text` Kontekst 1.000.000 tokens Maksimalt output 131.072 tokens Outputformat json eller SSE | Felt | Type | Krav | Værdier og grænser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrævet | Værdier og grænser claude-opus-4-6 | Standard— | | Felt`input` | Type`string\|input_item[]` | KravPåkrævet | Værdier og grænser | Standard— | | Felt`instructions` | Type`string` | KravValgfrit | Værdier og grænser | Standard— | | Felt`input[].type` | Type`string` | KravValgfrit | Værdier og grænser message, reasoning, function\_call, function\_call\_output | Standard— | | Felt`input[].content` | Type`string\|content_part[]` | KravValgfrit | Værdier og grænser | Standard— | | Felt`input[].call_id` | Type`string` | KravValgfrit | Værdier og grænser Gælder når: function\_call\_output; bevar det faktisk returnerede call\_id | Standard— | | Felt`input[].output` | Type`string\|content_part[]` | KravValgfrit | Værdier og grænser Gælder når: function\_call\_output | Standard— | | Felt`max_output_tokens` | Type`integer` | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— | | Felt`stream` | Type`boolean` | KravValgfrit | Værdier og grænser | Standardfalse | | Felt`temperature` | Type`number` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`top_p` | Type`number` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`tools` | Type`tool[]` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`tool_choice` | Type`string\|object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`parallel_tool_calls` | Type`boolean` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`reasoning.effort` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`reasoning.summary` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`text.format` | Type`object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`text.verbosity` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`include` | Type`string[]` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`store` | Type`boolean` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`previous_response_id` | Type`string` | KravValgfrit | Værdier og grænser ID-krav: Kun et faktisk svar-ID fra en understøttet fortsættelse Afhænger af modellen | Standard— | | Felt`service_tier` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`prompt_cache_key` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`prompt_cache_options` | Type`object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | Kombinationer af inputmaterialer **Tekst** · UTF8-tekst `inputtekst eller en input_text-del` **Tekst + billede** `{type:input_image,image_url}` Metodeparametre og livscyklus | Parameter | Kontrakt | | --- | --- | | Parameter`material_types` | Kontrakttext, image | | Parameter`required` | Kontraktmodel, input | | Parameter`optional_controls` | Kontraktnull | | Parameter`content_type` | Kontraktapplication/json | | Parameter`text_file_material` | Kontraktfaktisk UTF-8-indhold indsat som tekst; fil-ID’er/URLs kræver særskilt præcis understøttelse | Livscyklus: `exact retained published method` Metodernes strukturer og ID’er er præcise; leverandørens muligheder er adskilt fra adgangstilladelse. ### Priser #### Ailoot-metodetakster Input 0,005 US$ */ 1K* Output 0,025 US$ */ 1K* Cachelæsning 0,0005 US$ */ 1K* Cacheskrivning 0,00625 US$ */ 1K* Cacheskrivning, 5 min. 0,00625 US$ */ 1K tokens* Cacheskrivning, 1 time 0,01 US$ */ 1K tokens* web\_search\_call 0,01 US$ *pr. kald* Maks. antal kald web\_search\_call 8 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 →](https://ailoot.ai/docs/da/billing/reserve/) #### Detaljer om referencetariffen Referenceplaner på modelniveau ændrer ikke metodevalg, prisoverslag eller opkrævninger. Ved den aktive afregning anvendes taksterne for den valgte Ailoot-metode. claude-opus-4-6 #### Priser efter konfiguration | Konfiguration | Afregningsbetingelser | Beløb | | --- | --- | --- | | Konfigurationclaude-opus-4-6 · Standardkonfiguration | AfregningsbetingelserStandardkonfiguration | Beløb Input · Input **0,02 US$** / 1K tokens Output · Output **0,075 US$** / 1K tokens Input · Cacheskrivning **0,025 US$** / 1K tokens Input · Cachelæsning **0,002 US$** / 1K tokens | claude-opus-4-6 #### Priser efter konfiguration | Konfiguration | Afregningsbetingelser | Beløb | | --- | --- | --- | | Konfigurationclaude-opus-4-6 · Standardkonfiguration | AfregningsbetingelserStandardkonfiguration | Beløb Input · Input **0,01 US$** / 1K tokens Output · Output **0,05 US$** / 1K tokens | ### Eksempelanmodninger #### Ailoot · OpenAI Responses TeksteksempelInput, billedePython SDKNode.js SDKPython-stream ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "claude-opus-4-6", "input": ""}') f=Path(os.environ["AILOOT_TEXT_FILE"]) if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material") text=f.read_text(encoding="utf-8") if not text.strip():raise SystemExit("Source material must contain text") p["input"]="Summarize this material and quote supporting source passages.\n\n"+text Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(json.loads(Path("result.json").read_text(encoding="utf-8"))) PY_RESULT ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}" export AILOOT_IMAGE_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "claude-opus-4-6", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}') import base64 f=Path(os.environ["AILOOT_IMAGE_FILE"]) if not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image") raw=f.read_bytes() mime="image/png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "image/jpeg" if raw.startswith(b"\xff\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None if not mime:raise SystemExit("Use PNG JPEG or WebP") b64=base64.b64encode(raw).decode() p["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64}) Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(json.loads(Path("result.json").read_text(encoding="utf-8"))) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0) resp = client.responses.create(model="claude-opus-4-6", input="Explain the difference between an observation and a hypothesis in three sentences.") import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(resp.to_dict(mode="json")) ``` ```js import OpenAI from "openai"; if (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request"); const client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 }); const resp = await client.responses.create({ model: "claude-opus-4-6", input: "Explain the difference between an observation and a hypothesis in three sentences." }); import { writeFileSync } from "node:fs"; function saveResult(data, stem = "result") { writeFileSync(stem + ".json", JSON.stringify(data, null, 2)); console.log(JSON.stringify(data, null, 2)); const saveBlob = (encoded, suffix, label) => { const raw = Buffer.from(encoded, "base64"); const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix; const file = `${stem}-${label}.${ext}`; writeFileSync(file, raw); console.log("Saved", file); }; for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block)); for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {})); for (const [i, item] of (data.output || []).entries()) { console.log("Output", i, JSON.stringify(item)); if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`); } for (const [ci, candidate] of (data.candidates || []).entries()) { for (const [pi, part] of (candidate.content?.parts || []).entries()) { console.log("Candidate/part", ci, pi, JSON.stringify(part)); const blob = part.inlineData || part.inline_data; if (blob?.data) { const mime = blob.mimeType || blob.mime_type; const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin"; saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`); } } } } saveResult(resp); ``` ```python from openai import OpenAI import os from pathlib import Path import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) with client.responses.stream(model="claude-opus-4-6", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_response() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Hent og gem resultater #### Ailoot · OpenAI Responses json eller SSE ##### Behold alle færdige resultater Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel. Bevar hvert outputelement og hver indholdsdel, faktisk call\_id for funktioner, krypteret ræsonnement og forbrugsoplysninger. Bevar ved streaming den fulde hændelses-/elementidentitet. ##### Hvis det oprindelige svar skal kontrolleres Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob. Svarfelter | Felt | Type | | --- | --- | | Felt`id` | Typestring | | Felt`status` | Typestring | | Felt`output[]` | Typemessage\|reasoning\|function\_call\|other item | | Felt`output[].content[]` | Typecontent part | | Felt`usage` | Typeobject | Fejl og næste trin | Svar | Betingelse | Næste trin | | --- | --- | --- | | Svar400 · `invalid_request_error` | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. | ### Aliaser #### Modelaliaser **Ailoot** [`claude-opus-4-6`](https://ailoot.ai/models/da/#m=claude-opus-4-6&route=Core&caller=claude-opus-4-6&fmt=responses) #### Aliaser for metodestier Brug metodestierne vist ovenfor. #### Relaterede kalder-ID’er [`claude-opus-4-6`](https://ailoot.ai/models/da/#m=claude-opus-4-6&route=Core&caller=claude-opus-4-6&fmt=responses) **Ailoot · OpenAI Chat** `POST /v1/chat/completions` `claude-opus-4-6` [`claude-opus-4-6`](https://ailoot.ai/models/da/#m=claude-opus-4-6&route=Core&caller=claude-opus-4-6&fmt=chat) Anthropic /`claude-opus-4-6` ### Start Claude Opus 4.6 er beregnet til store kodebaser, fejlfinding, forskning og analyse af lange dokumenter. Understøtter adaptivt ræsonnement og kontekst på op til 1 million tokens. Accepterede input Tekst · Billeder Resultater Tekst ### Tilgængelig i Ailoot · input og metoder **Ailoot · OpenAI Chat** `POST /v1/chat/completions` Inputtyper `text`, `image` Outputtyper `text` Kontekst 1.000.000 tokens Maksimalt output 131.072 tokens Outputformat json eller SSE | Felt | Type | Krav | Værdier og grænser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrævet | Værdier og grænser claude-opus-4-6 | Standard— | | Felt`messages` | Type`message[]` | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— | | Felt`messages[].role` | Type`string` | 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— | | Felt`messages[].content` | Type`string\|content_part[]\|null` | KravValgfrit | Værdier og grænser | Standard— | | Felt`messages[].tool_calls` | Type`tool_call[]` | KravValgfrit | Værdier og grænser | Standard— | | Felt`messages[].tool_call_id` | Type`string` | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— | | Felt`messages[].name` | Type`string` | KravValgfrit | Værdier og grænser | Standard— | | Felt`messages[].reasoning_content` | Type`string` | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— | | Felt`messages[].reasoning_details` | Type`object\|array` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`max_tokens` | Type`integer` | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— | | Felt`max_completion_tokens` | Type`integer` | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— | | Felt`stream` | Type`boolean` | KravValgfrit | Værdier og grænser | Standardfalse | | Felt`stream_options.include_usage` | Type`boolean` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`temperature` | Type`number` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`top_p` | Type`number` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`stop` | Type`string\|string[]` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`tools` | Type`function_tool[]` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`tools[].type` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`tools[].function.name` | Type`string` | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— | | Felt`tools[].function.description` | Type`string` | KravValgfrit | Værdier og grænser | Standard— | | Felt`tools[].function.parameters` | Type`JSON_schema` | KravValgfrit | Værdier og grænser | Standard— | | Felt`tool_choice` | Type`string\|object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`parallel_tool_calls` | Type`boolean` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`response_format` | Type`object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`reasoning_effort` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`reasoning` | Type`object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`service_tier` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`instructions` | Type`string` | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— | | Felt`functions` | Type`function[]` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`function_call` | Type`string\|object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`prompt_cache_options` | Type`object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | Kombinationer af inputmaterialer **Tekst** · UTF8-tekst `messages[].content` **Tekst + billede** `{type:image_url,image_url:{url,detail}}` Metodeparametre og livscyklus | Parameter | Kontrakt | | --- | --- | | Parameter`material_types` | Kontrakttext, image | | Parameter`required` | Kontraktmodel, messages | | Parameter`optional_controls` | Kontraktnull | | Parameter`content_type` | Kontraktapplication/json | | Parameter`text_file_material` | Kontraktfaktisk UTF-8-indhold indsat som tekst; fil-ID’er/URLs kræver særskilt præcis understøttelse | Livscyklus: `exact retained published method` Metodernes strukturer og ID’er er præcise; leverandørens muligheder er adskilt fra adgangstilladelse. ### Priser #### Ailoot-metodetakster Input 0,005 US$ */ 1K* Output 0,025 US$ */ 1K* Cachelæsning 0,0005 US$ */ 1K* Cacheskrivning 0,00625 US$ */ 1K* Cacheskrivning, 5 min. 0,00625 US$ */ 1K tokens* Cacheskrivning, 1 time 0,01 US$ */ 1K tokens* web\_search\_call 0,01 US$ *pr. kald* Maks. antal kald web\_search\_call 8 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 →](https://ailoot.ai/docs/da/billing/reserve/) #### Detaljer om referencetariffen Referenceplaner på modelniveau ændrer ikke metodevalg, prisoverslag eller opkrævninger. Ved den aktive afregning anvendes taksterne for den valgte Ailoot-metode. claude-opus-4-6 #### Priser efter konfiguration | Konfiguration | Afregningsbetingelser | Beløb | | --- | --- | --- | | Konfigurationclaude-opus-4-6 · Standardkonfiguration | AfregningsbetingelserStandardkonfiguration | Beløb Input · Input **0,02 US$** / 1K tokens Output · Output **0,075 US$** / 1K tokens Input · Cacheskrivning **0,025 US$** / 1K tokens Input · Cachelæsning **0,002 US$** / 1K tokens | claude-opus-4-6 #### Priser efter konfiguration | Konfiguration | Afregningsbetingelser | Beløb | | --- | --- | --- | | Konfigurationclaude-opus-4-6 · Standardkonfiguration | AfregningsbetingelserStandardkonfiguration | Beløb Input · Input **0,01 US$** / 1K tokens Output · Output **0,05 US$** / 1K tokens | ### Eksempelanmodninger #### Ailoot · OpenAI Chat TeksteksempelInput, billedePython SDKNode.js SDKPython-stream ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "claude-opus-4-6", "messages": []}') f=Path(os.environ["AILOOT_TEXT_FILE"]) if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material") text=f.read_text(encoding="utf-8") if not text.strip():raise SystemExit("Source material must contain text") p["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\n\n"+text}] Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}" export AILOOT_IMAGE_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "claude-opus-4-6", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}') import base64 f=Path(os.environ["AILOOT_IMAGE_FILE"]) if not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image") raw=f.read_bytes() mime="image/png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "image/jpeg" if raw.startswith(b"\xff\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None if not mime:raise SystemExit("Use PNG JPEG or WebP") b64=base64.b64encode(raw).decode() p["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}}) Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0) resp = client.chat.completions.create( model="claude-opus-4-6", messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}], ) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(resp.to_dict(mode="json")) ``` ```js import OpenAI from "openai"; if (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request"); const client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 }); const resp = await client.chat.completions.create({ model: "claude-opus-4-6", messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }], }); import { writeFileSync } from "node:fs"; function saveResult(data, stem = "result") { writeFileSync(stem + ".json", JSON.stringify(data, null, 2)); console.log(JSON.stringify(data, null, 2)); const saveBlob = (encoded, suffix, label) => { const raw = Buffer.from(encoded, "base64"); const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix; const file = `${stem}-${label}.${ext}`; writeFileSync(file, raw); console.log("Saved", file); }; for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block)); for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {})); for (const [i, item] of (data.output || []).entries()) { console.log("Output", i, JSON.stringify(item)); if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`); } for (const [ci, candidate] of (data.candidates || []).entries()) { for (const [pi, part] of (candidate.content?.parts || []).entries()) { console.log("Candidate/part", ci, pi, JSON.stringify(part)); const blob = part.inlineData || part.inline_data; if (blob?.data) { const mime = blob.mimeType || blob.mime_type; const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin"; saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`); } } } } saveResult(resp); ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='claude-opus-4-6',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Hent og gem resultater #### Ailoot · 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 | Felt | Type | | --- | --- | | Felt`choices[].index` | Typeinteger | | Felt`choices[].message.content` | Typestring\|null | | Felt`choices[].message.tool_calls` | Typetool\_call\[\] | | Felt`choices[].message.reasoning_content` | Typestring | | Felt`choices[].message.reasoning_details` | Typeobject\|array | | Felt`choices[].finish_reason` | Typestring\|null | | Felt`usage` | Typeobject | Fejl og næste trin | Svar | Betingelse | Næste trin | | --- | --- | --- | | Svar400 · `invalid_request_error` | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. | ### Aliaser #### Modelaliaser **Ailoot** [`claude-opus-4-6`](https://ailoot.ai/models/da/#m=claude-opus-4-6&route=Core&caller=claude-opus-4-6&fmt=chat) #### Aliaser for metodestier Brug metodestierne vist ovenfor. #### Relaterede kalder-ID’er [`claude-opus-4-6`](https://ailoot.ai/models/da/#m=claude-opus-4-6&route=Core&caller=claude-opus-4-6&fmt=chat) FAQ · claude-opus-4-6 Hvilke input og resultater er tilgængelige? `POST /v1/messages` · `claude-opus-4-6`: `text`, `image` → `text` `POST /v1/responses` · `claude-opus-4-6`: `text`, `image` → `text` `POST /v1/chat/completions` · `claude-opus-4-6`: `text`, `image` → `text` Hvilke felter bruger anmodningen? `POST /v1/messages` · `claude-opus-4-6`: `model`, `messages`, `system`, `max_tokens`, `stream`, `metadata` `POST /v1/responses` · `claude-opus-4-6`: `model`, `input`, `instructions`, `stream` `POST /v1/chat/completions` · `claude-opus-4-6`: `model`, `messages`, `stream` Hvilke grænser gælder? `POST /v1/messages` · `claude-opus-4-6`: `ctx`: `1000000`; `max_out`: `131072`; `messages.min_items`: `1`; `max_tokens.minimum`: `1` `POST /v1/responses` · `claude-opus-4-6`: `ctx`: `1000000`; `max_out`: `131072` `POST /v1/chat/completions` · `claude-opus-4-6`: `ctx`: `1000000`; `max_out`: `131072`; `messages.min_items`: `1` Tilslut Ailoot til Claude Code, OpenCode, Hermes eller din egen applikation. ## Virksomheden og dens projektportefølje Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder. ## Køb tokens med rabat. Abonnementsrabat til regelmæssigt arbejde. Rabatkoder giver op til 50% på tokenkøb. Abonnement Vælg et abonnement med rabat til dine regelmæssige anmodninger. Rabatkode på op til 50% Indtast koden ved købet. Prisen genberegnes efter den aktuelle kampagne. Udgifter i historikken Model, tokens og beløb gemmes for hver anmodning. [Vælg abonnement](https://ailoot.ai/docs/da/billing/subscriptions/) · [Se modelpriser](https://ailoot.ai/models/da/) ## Tilslut API’et til produktet, du sælger. SaaS, apps og bots efter Ailoots tilbudsvilkår og licensaftale. Anmod om en forhandlerlicens til videresalg. Kommerciel applikation Byg generering af tekst, billeder, video og lyd ind i tjenestens betalte funktioner. Licens til forhandlere Send projektbeskrivelse og adgangsmodel. Bed om skriftlige vilkår for anvendelse og videresalg. Dokumenter på websitet Tilbudsvilkår, licensaftale og politik for behandling af data kan læses før tilslutning. [Anmod om forhandlerlicens](mailto:support@ailoot.ai) · [Tilbudsvilkår og licensaftale](https://ailoot.ai/legal/offer?lang=da) ## Ailoot · Virksomheden og dens projektportefølje Ailoot bygger på solid driftserfaring, en stor kundebase, stabil service og løbende kontrol af KPI. Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder. Ailoot bruger denne driftserfaring til API-adgang til AI-funktioner i kundernes produkter, agenter, applikationer og automatiseringer.