Anthropic skaber Claude Opus 4.7 til komplekse, længere udviklingsopgaver. Præsentationen lægger vægt på sekventiel udførelse, omhyggelig efterlevelse af instruktioner og at finde måder at kontrollere eget resultat før den endelige besked. Modellen egner sig til at undersøge vanskelige kodeproblemer og forberede fagligt materiale, der kræver både en teknisk løsning og klar præsentation.
Opus 4.7 følger formuleringer bogstaveligt. Opgaven bør defineres med tydelige grænser: hvilke dele skal ændres, hvad skal kontrolleres, og hvordan skal resultatet være. Hvis et vilkår gælder alle dele af arbejdet, bør det beskrives sådan. Producenten fremhæver også noter i filbaseret hukommelse til lange opgaver, men læsning og gemning kræver applikationens værktøjer.
Modellen modtager tekst og billeder og leverer tekst. Visuelt input understøtter opløsning op til 2576 pixels på den lange side, omtrent 3,75 megapixels. Det er nyttigt til detaljerede skærmbilleder, udtræk af oplysninger fra komplekse diagrammer og opgaver med et detaljeret visuelt eksempel.
Producentens almindelige visuelle inputformater er JPEG/PNG/GIF/WebP med første frame fra animationer. Ved modellens indbyggede billedanalyse er den lange side 2576 pixels med 4784 visuelle tokens; store billeder nedskaleres før analysen. Understøttelse af filer og parametre afhænger af applikationens metode.
Høj opløsning hjælper med at bevare detaljer, men gør ikke visuel forståelse fejlfri. Output kan være en forklaring, en datastruktur eller kode; skabelse og redigering af selve billedet er ikke modellens outputfunktion. Interfacestyring kræver midler, der viser modellen skærmen og udfører handlinger i applikationen.
Konteksten er 1 million tokens, og i almindelig tilstand er det maksimale svar 128 tusind tokens. Adaptivt ræsonnement understøttes; manuel extended thinking med budget_tokens findes ikke i denne version. Standardniveauet for effort er high; low, medium, xhigh og max er også tilgængelige. xhigh giver en særskilt indstilling mellem high og max til længere ingeniør- og agentarbejde.
Ved lave indsatsniveauer begrænser modellen særligt strengt arbejdet til det, der blev bedt om. Til kompleks forskning anbefaler producenten at afsætte nok plads til ræsonnement og svar. Denne version har opdateret tokenisering, så samme tekstmængde ikke altid har det tokenantal, der var kendt fra tidligere versioner.
Den pålidelige skæringsdato for den indbyggede viden er januar 2026. Aktuel forskning, dokumentarbejde og kodeudførelse bruger materiale og værktøjer leveret af applikationen. Opus 4.7 har beskyttelsesmekanismer, der kan blokere forbudte eller højrisikoforespørgsler inden for cybersikkerhed. Dens fokus på resultatkontrol er nyttigt, men de endelige ændringer og konklusioner skal stadig kontrolleres i det konkrete miljø.
", "aboutText": "### Grundigt ingeniørarbejde\n\nAnthropic skaber Claude Opus 4.7 til komplekse, længere udviklingsopgaver. Præsentationen lægger vægt på sekventiel udførelse, omhyggelig efterlevelse af instruktioner og at finde måder at kontrollere eget resultat før den endelige besked. Modellen egner sig til at undersøge vanskelige kodeproblemer og forberede fagligt materiale, der kræver både en teknisk løsning og klar præsentation.\n\nOpus 4.7 følger formuleringer bogstaveligt. Opgaven bør defineres med tydelige grænser: hvilke dele skal ændres, hvad skal kontrolleres, og hvordan skal resultatet være. Hvis et vilkår gælder alle dele af arbejdet, bør det beskrives sådan. Producenten fremhæver også noter i filbaseret hukommelse til lange opgaver, men læsning og gemning kræver applikationens værktøjer.\n\n### Se tætte diagrammer og skærmbilleder\n\nModellen modtager **tekst og billeder** og leverer **tekst**. Visuelt input understøtter opløsning op til **2576 pixels på den lange side**, omtrent **3,75 megapixels**. Det er nyttigt til detaljerede skærmbilleder, udtræk af oplysninger fra komplekse diagrammer og opgaver med et detaljeret visuelt eksempel.\n\nProducentens almindelige visuelle inputformater er JPEG/PNG/GIF/WebP med første frame fra animationer. Ved modellens indbyggede billedanalyse er den lange side 2576 pixels med 4784 visuelle tokens; store billeder nedskaleres før analysen. Understøttelse af filer og parametre afhænger af applikationens metode.\n\nHøj opløsning hjælper med at bevare detaljer, men gør ikke visuel forståelse fejlfri. Output kan være en forklaring, en datastruktur eller kode; skabelse og redigering af selve billedet er ikke modellens outputfunktion. Interfacestyring kræver midler, der viser modellen skærmen og udfører handlinger i applikationen.\n\n### Opgavens dybde og omfang\n\nKonteksten er **1 million tokens**, og i almindelig tilstand er det maksimale svar **128 tusind tokens**. Adaptivt ræsonnement understøttes; manuel extended thinking med `budget_tokens` findes ikke i denne version. Standardniveauet for `effort` er `high`; `low`, `medium`, `xhigh` og `max` er også tilgængelige. `xhigh` giver en særskilt indstilling mellem `high` og `max` til længere ingeniør- og agentarbejde.\n\nVed lave indsatsniveauer begrænser modellen særligt strengt arbejdet til det, der blev bedt om. Til kompleks forskning anbefaler producenten at afsætte nok plads til ræsonnement og svar. Denne version har opdateret tokenisering, så samme tekstmængde ikke altid har det tokenantal, der var kendt fra tidligere versioner.\n\n### Arbejdsvilkår\n\nDen pålidelige skæringsdato for den indbyggede viden er **januar 2026**. Aktuel forskning, dokumentarbejde og kodeudførelse bruger materiale og værktøjer leveret af applikationen. Opus 4.7 har beskyttelsesmekanismer, der kan blokere forbudte eller højrisikoforespørgsler inden for cybersikkerhed. Dens fokus på resultatkontrol er nyttigt, men de endelige ændringer og konklusioner skal stadig kontrolleres i det konkrete miljø.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ecb847174a10582514527c93a0792cbf8adaa4431c70c5ef4c8ef05b3e4df11a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "claude-opus-4-7-thinkingClaude Opus 4.7 er beregnet til komplekst ingeniørarbejde og analyse af dokumenter og billeder med små detaljer. Lægger særlig vægt på præcis efterlevelse af instruktioner og kontrol af resultatet.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Anthropic skaber Claude Opus 4.7 til komplekse, længere udviklingsopgaver. Præsentationen lægger vægt på sekventiel udførelse, omhyggelig efterlevelse af instruktioner og at finde måder at kontrollere eget resultat før den endelige besked. Modellen egner sig til at undersøge vanskelige kodeproblemer og forberede fagligt materiale, der kræver både en teknisk løsning og klar præsentation.
Opus 4.7 følger formuleringer bogstaveligt. Opgaven bør defineres med tydelige grænser: hvilke dele skal ændres, hvad skal kontrolleres, og hvordan skal resultatet være. Hvis et vilkår gælder alle dele af arbejdet, bør det beskrives sådan. Producenten fremhæver også noter i filbaseret hukommelse til lange opgaver, men læsning og gemning kræver applikationens værktøjer.
Modellen modtager tekst og billeder og leverer tekst. Visuelt input understøtter opløsning op til 2576 pixels på den lange side, omtrent 3,75 megapixels. Det er nyttigt til detaljerede skærmbilleder, udtræk af oplysninger fra komplekse diagrammer og opgaver med et detaljeret visuelt eksempel.
Producentens almindelige visuelle inputformater er JPEG/PNG/GIF/WebP med første frame fra animationer. Ved modellens indbyggede billedanalyse er den lange side 2576 pixels med 4784 visuelle tokens; store billeder nedskaleres før analysen. Understøttelse af filer og parametre afhænger af applikationens metode.
Høj opløsning hjælper med at bevare detaljer, men gør ikke visuel forståelse fejlfri. Output kan være en forklaring, en datastruktur eller kode; skabelse og redigering af selve billedet er ikke modellens outputfunktion. Interfacestyring kræver midler, der viser modellen skærmen og udfører handlinger i applikationen.
Konteksten er 1 million tokens, og i almindelig tilstand er det maksimale svar 128 tusind tokens. Adaptivt ræsonnement understøttes; manuel extended thinking med budget_tokens findes ikke i denne version. Standardniveauet for effort er high; low, medium, xhigh og max er også tilgængelige. xhigh giver en særskilt indstilling mellem high og max til længere ingeniør- og agentarbejde.
Ved lave indsatsniveauer begrænser modellen særligt strengt arbejdet til det, der blev bedt om. Til kompleks forskning anbefaler producenten at afsætte nok plads til ræsonnement og svar. Denne version har opdateret tokenisering, så samme tekstmængde ikke altid har det tokenantal, der var kendt fra tidligere versioner.
Den pålidelige skæringsdato for den indbyggede viden er januar 2026. Aktuel forskning, dokumentarbejde og kodeudførelse bruger materiale og værktøjer leveret af applikationen. Opus 4.7 har beskyttelsesmekanismer, der kan blokere forbudte eller højrisikoforespørgsler inden for cybersikkerhed. Dens fokus på resultatkontrol er nyttigt, men de endelige ændringer og konklusioner skal stadig kontrolleres i det konkrete miljø.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser claude-opus-4-7-thinking | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
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 |
Parametercontrol_scope | KontraktTekstsamtale; stream er en boolesk værdi og er som standard false. |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
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.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.01 / 1K tokens Output · Outputtokens $0.05 / 1K tokens Input · Cachelæsning $0.001 / 1K tokens Input · Cacheskrivning $0.0125 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-opus-4-7-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\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-4-7-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"))\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-4-7-thinking
/chat/completions