Claude Haiku 5.5 ist Anthropics Kleinmodelledition für latenzempfindliche Aufgaben mit hohem Volumen. Zu den Hauptanwendungen gehören Klassifikation, Routing, Informationsextraktion, Zusammenfassung, Gesprächsverdichtung und gezielte Arbeit von Unteragenten. Es nimmt Text und Bilder entgegen und erzeugt Text. Eine hilfreiche Beschreibung gibt ihm eine eng begrenzte Frage und ein ausdrückliches Ergebnis vor: eine Kategorie, einen definierten Feldsatz, eine kurze Zusammenfassung oder relevante Belege für einen anderen Teil einer größeren Aufgabe. Bewahren Sie Quellenkennungen beim Ergebnis, damit eine Anwendung extrahierte Informationen mit ihrem ursprünglichen Material verbinden kann.
Anthropic positioniert diese Edition neben wiederkehrender Analyse auch für unmittelbaren Kundensupport, Browserbedienung und kurze Programmierteilaufgaben. Sie kann Claude Sonnet 5.5 oder Claude Opus 5.5 in einem Ablauf ergänzen, bei dem ein größeres Modell ein anspruchsvolles Projekt übernimmt und Haiku eine begrenzte Abfrage oder Zusammenfassung bearbeitet. Geben Sie für eine Supportaufgabe Frage und zulässiges Referenzmaterial vor und legen Sie anschließend Antwortton und erforderliche Rückgabe fest. Benennen Sie für eine Programmierteilaufgabe relevante Dateien oder Auszüge und die genaue Frage, statt ein offenes Projekt ohne Erledigungsbedingung zuzuweisen.
Das dokumentierte Kontextfenster beträgt eine Million Token mit bis zu 128.000 Ausgabetoken bei gewöhnlicher Generierung. Thinking-Token zählen zum Generierungsrahmen; das Ergebnis benötigt deshalb Platz für Reasoning und sichtbaren Text. Der verlässliche Wissensstichtag ist Juni 2026; spätere Informationen benötigen bereitgestellte Belege oder ein Suchwerkzeug. Anthropic dokumentiert separat eine ausschließlich für Batch verfügbare Beta, die die Ausgabe dieser Edition auf 300.000 Token erhöhen kann. Dieser größere Rahmen erfordert die Funktion des Herstellers für erweiterte Ausgaben und ist von der gewöhnlichen Grenze zu unterscheiden. Ein asynchroner Batch verarbeitet Anfragen unabhängig und eignet sich daher für Dokument- oder Datensatzsammlungen, deren Ergebnisse nach der Verarbeitung statt sofort benötigt werden.
Adaptive Thinking ist standardmäßig aktiviert; effort ist die wichtigste Steuerung der Reasoning-Tiefe. Die Stufen sind low, medium, high, xhigh und max mit medium als Standard. Anthropic empfiehlt medium für die meiste Arbeit, high für länger dauernde Aufgaben oder striktes Befolgen von Anweisungen und low für einfachere kurze Anfragen. Thinking kann bei low, medium oder high deaktiviert werden; eine Deaktivierung bei xhigh oder max wird abgelehnt. Ein Prompt mit der Bitte um eine direkte Antwort ersetzt diese Steuerung nicht. Manuelle Einstellungen von budget_tokens aus Haiku 4.5 lassen sich nicht auf diese Edition übertragen; temperature, top_p und top_k sollten in der dokumentierten Schnittstelle weggelassen werden.
Haiku 5.5 verwendet den in früheren Claude-Generationen eingeführten neueren Tokenizer. Anthropic schätzt, dass derselbe Text je nach Inhalt ungefähr 30% mehr Token als bei Haiku 4.5 verwenden kann. Es behält außerdem Thinking-Blöcke früherer Assistentenrunden bei, sodass die Gesprächsgröße über die reine Tokenizeränderung hinaus wachsen kann. Die minimale cachefähige Promptlänge beträgt 512 Token. Lassen Sie frühere Runden beim Beibehalten von Reasoning unverändert und setzen Sie neue Anweisungen in die neueste Runde. Eine Änderung von effort auf oberster Ebene macht den Nachrichtencache des Gesprächs ungültig; der Hersteller dokumentiert eine separate Beta zur Änderung von effort innerhalb adaptiver Gespräche. Keine dieser Fähigkeiten belegt einen Cachetreffer für eine bestimmte Anfrage.
Für Abrufaufgaben empfiehlt der Prompt-Leitfaden, das aktuelle Datum zusammen mit dem Suchwerkzeug vorzugeben und ursprüngliche System- und Werkzeugdefinitionen stabil zu halten. Geben Sie ein frisches Datum in der neuesten Runde vor, wenn das Gespräch an einem späteren Tag fortgesetzt wird. Benennen Sie das Gesuchte und bewahren Sie die zurückgegebenen Quellen, bevor Sie eine Schlussfolgerung verlangen. Eine beispielhafte Aufgabe könnte etwa nach dem dokumentierten Verhalten einer bestimmten Softwareversion fragen, gefolgt von einer kurzen Erklärung auf Grundlage der abgerufenen Passage. Die Anwendung stellt das Suchwerkzeug bereit und gibt dessen tatsächliche Ergebnisse zurück; die vorgeschlagene Abfrage des Modells ist kein Beleg für einen erfolgten Abruf.
Bei der Kombination strukturierter JSON-Ausgabe mit Werkzeugen dokumentiert der Leitfaden ein bestimmtes Zusammenspiel: Bei deaktiviertem Thinking kann Haiku einen notwendigen Werkzeugaufruf überspringen. Anthropic empfiehlt für solche Anfragen Adaptive Thinking oder die Trennung der endgültigen JSON-Anforderung vom Werkzeugschritt. Definieren Sie die Ausgabefelder und stellen Sie klar, dass die endgültige Antwort auf die Werkzeugergebnisse folgt. Eine Extraktionsaufgabe kann Pflichtfelder und die Darstellung fehlender Werte benennen; eine Abfrageaufgabe kann zunächst die zum Ausfüllen nötigen Belege verlangen. Lesen Sie Antwortblöcke anhand ihres Typs, da die Antwort nicht der erste Block sein muss und Thinking-Text standardmäßig weggelassen wird.
Bei längeren Agentenprompts merkt Anthropic an, dass low effort früh enden, eine Suche überspringen oder eine Prüfung auslassen kann. Der Leitfaden empfiehlt ausdrückliche Erledigungsanweisungen und tatsächliche Prüfungen von Codeänderungen, bevor sie als fertig gemeldet werden. Bereiten Sie das erwartete Ergebnis und die zu seinem Nachweis nötigen Belege vor: ausgewählte Passagen für einen Bericht, geändertes Verhalten für einen Codevorschlag oder aus einem Dokument extrahierte Felder. Der Leitfaden unterscheidet außerdem eine Nutzernachricht während einer Aufgabe von Werkzeugausgabe: Neue Nutzeranweisungen gehören in eine Nutzerrunde, während zurückgegebene Werkzeugbelege getrennt bleiben.
Diese Edition hat eigene Schutzmaßnahmen und kann Anfragen aus Kategorien wie Cyberschädigung, biologischer Schädigung, Entwicklung konkurrierender Modelle oder anderen untersagten Nutzungen ablehnen. Der Hersteller dokumentiert für Haiku 5.5 keinen serverseitigen Fallback. Der Leitfaden weist außerdem darauf hin, dass xhigh effort gelegentlich eine mehrstufige Antwort ohne sichtbaren Antworttext beenden kann und dass reasoningähnlicher Text bei low effort oder deaktiviertem Thinking häufiger erscheinen kann. Dies sind konkrete Verhaltensweisen, die bei einem Ablauf mit erforderlichem sichtbarem, strukturiertem Ergebnis zu berücksichtigen sind. Verwenden Sie für gewöhnliche Extraktion oder Zusammenfassung eine gezielte Quelle, eine definierte Ausgabe und eine zur Aufgabe passende effort-Stufe.
", "aboutText": "Claude Haiku 5.5 ist Anthropics Kleinmodelledition für latenzempfindliche Aufgaben mit hohem Volumen. Zu den Hauptanwendungen gehören Klassifikation, Routing, Informationsextraktion, Zusammenfassung, Gesprächsverdichtung und gezielte Arbeit von Unteragenten. Es nimmt Text und Bilder entgegen und erzeugt Text. Eine hilfreiche Beschreibung gibt ihm eine eng begrenzte Frage und ein ausdrückliches Ergebnis vor: eine Kategorie, einen definierten Feldsatz, eine kurze Zusammenfassung oder relevante Belege für einen anderen Teil einer größeren Aufgabe. Bewahren Sie Quellenkennungen beim Ergebnis, damit eine Anwendung extrahierte Informationen mit ihrem ursprünglichen Material verbinden kann.\n\nAnthropic positioniert diese Edition neben wiederkehrender Analyse auch für unmittelbaren Kundensupport, Browserbedienung und kurze Programmierteilaufgaben. Sie kann Claude Sonnet 5.5 oder Claude Opus 5.5 in einem Ablauf ergänzen, bei dem ein größeres Modell ein anspruchsvolles Projekt übernimmt und Haiku eine begrenzte Abfrage oder Zusammenfassung bearbeitet. Geben Sie für eine Supportaufgabe Frage und zulässiges Referenzmaterial vor und legen Sie anschließend Antwortton und erforderliche Rückgabe fest. Benennen Sie für eine Programmierteilaufgabe relevante Dateien oder Auszüge und die genaue Frage, statt ein offenes Projekt ohne Erledigungsbedingung zuzuweisen.\n\nDas dokumentierte Kontextfenster beträgt eine Million Token mit bis zu 128.000 Ausgabetoken bei gewöhnlicher Generierung. Thinking-Token zählen zum Generierungsrahmen; das Ergebnis benötigt deshalb Platz für Reasoning und sichtbaren Text. Der verlässliche Wissensstichtag ist Juni 2026; spätere Informationen benötigen bereitgestellte Belege oder ein Suchwerkzeug. Anthropic dokumentiert separat eine ausschließlich für Batch verfügbare Beta, die die Ausgabe dieser Edition auf 300.000 Token erhöhen kann. Dieser größere Rahmen erfordert die Funktion des Herstellers für erweiterte Ausgaben und ist von der gewöhnlichen Grenze zu unterscheiden. Ein asynchroner Batch verarbeitet Anfragen unabhängig und eignet sich daher für Dokument- oder Datensatzsammlungen, deren Ergebnisse nach der Verarbeitung statt sofort benötigt werden.\n\nAdaptive Thinking ist standardmäßig aktiviert; effort ist die wichtigste Steuerung der Reasoning-Tiefe. Die Stufen sind low, medium, high, xhigh und max mit medium als Standard. Anthropic empfiehlt medium für die meiste Arbeit, high für länger dauernde Aufgaben oder striktes Befolgen von Anweisungen und low für einfachere kurze Anfragen. Thinking kann bei low, medium oder high deaktiviert werden; eine Deaktivierung bei xhigh oder max wird abgelehnt. Ein Prompt mit der Bitte um eine direkte Antwort ersetzt diese Steuerung nicht. Manuelle Einstellungen von budget_tokens aus Haiku 4.5 lassen sich nicht auf diese Edition übertragen; temperature, top_p und top_k sollten in der dokumentierten Schnittstelle weggelassen werden.\n\nHaiku 5.5 verwendet den in früheren Claude-Generationen eingeführten neueren Tokenizer. Anthropic schätzt, dass derselbe Text je nach Inhalt ungefähr 30% mehr Token als bei Haiku 4.5 verwenden kann. Es behält außerdem Thinking-Blöcke früherer Assistentenrunden bei, sodass die Gesprächsgröße über die reine Tokenizeränderung hinaus wachsen kann. Die minimale cachefähige Promptlänge beträgt 512 Token. Lassen Sie frühere Runden beim Beibehalten von Reasoning unverändert und setzen Sie neue Anweisungen in die neueste Runde. Eine Änderung von effort auf oberster Ebene macht den Nachrichtencache des Gesprächs ungültig; der Hersteller dokumentiert eine separate Beta zur Änderung von effort innerhalb adaptiver Gespräche. Keine dieser Fähigkeiten belegt einen Cachetreffer für eine bestimmte Anfrage.\n\nFür Abrufaufgaben empfiehlt der Prompt-Leitfaden, das aktuelle Datum zusammen mit dem Suchwerkzeug vorzugeben und ursprüngliche System- und Werkzeugdefinitionen stabil zu halten. Geben Sie ein frisches Datum in der neuesten Runde vor, wenn das Gespräch an einem späteren Tag fortgesetzt wird. Benennen Sie das Gesuchte und bewahren Sie die zurückgegebenen Quellen, bevor Sie eine Schlussfolgerung verlangen. Eine beispielhafte Aufgabe könnte etwa nach dem dokumentierten Verhalten einer bestimmten Softwareversion fragen, gefolgt von einer kurzen Erklärung auf Grundlage der abgerufenen Passage. Die Anwendung stellt das Suchwerkzeug bereit und gibt dessen tatsächliche Ergebnisse zurück; die vorgeschlagene Abfrage des Modells ist kein Beleg für einen erfolgten Abruf.\n\nBei der Kombination strukturierter JSON-Ausgabe mit Werkzeugen dokumentiert der Leitfaden ein bestimmtes Zusammenspiel: Bei deaktiviertem Thinking kann Haiku einen notwendigen Werkzeugaufruf überspringen. Anthropic empfiehlt für solche Anfragen Adaptive Thinking oder die Trennung der endgültigen JSON-Anforderung vom Werkzeugschritt. Definieren Sie die Ausgabefelder und stellen Sie klar, dass die endgültige Antwort auf die Werkzeugergebnisse folgt. Eine Extraktionsaufgabe kann Pflichtfelder und die Darstellung fehlender Werte benennen; eine Abfrageaufgabe kann zunächst die zum Ausfüllen nötigen Belege verlangen. Lesen Sie Antwortblöcke anhand ihres Typs, da die Antwort nicht der erste Block sein muss und Thinking-Text standardmäßig weggelassen wird.\n\nBei längeren Agentenprompts merkt Anthropic an, dass low effort früh enden, eine Suche überspringen oder eine Prüfung auslassen kann. Der Leitfaden empfiehlt ausdrückliche Erledigungsanweisungen und tatsächliche Prüfungen von Codeänderungen, bevor sie als fertig gemeldet werden. Bereiten Sie das erwartete Ergebnis und die zu seinem Nachweis nötigen Belege vor: ausgewählte Passagen für einen Bericht, geändertes Verhalten für einen Codevorschlag oder aus einem Dokument extrahierte Felder. Der Leitfaden unterscheidet außerdem eine Nutzernachricht während einer Aufgabe von Werkzeugausgabe: Neue Nutzeranweisungen gehören in eine Nutzerrunde, während zurückgegebene Werkzeugbelege getrennt bleiben.\n\nDiese Edition hat eigene Schutzmaßnahmen und kann Anfragen aus Kategorien wie Cyberschädigung, biologischer Schädigung, Entwicklung konkurrierender Modelle oder anderen untersagten Nutzungen ablehnen. Der Hersteller dokumentiert für Haiku 5.5 keinen serverseitigen Fallback. Der Leitfaden weist außerdem darauf hin, dass xhigh effort gelegentlich eine mehrstufige Antwort ohne sichtbaren Antworttext beenden kann und dass reasoningähnlicher Text bei low effort oder deaktiviertem Thinking häufiger erscheinen kann. Dies sind konkrete Verhaltensweisen, die bei einem Ablauf mit erforderlichem sichtbarem, strukturiertem Ergebnis zu berücksichtigen sind. Verwenden Sie für gewöhnliche Extraktion oder Zusammenfassung eine gezielte Quelle, eine definierte Ausgabe und eine zur Aufgabe passende effort-Stufe.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.anthropic/claude-haiku-5.5Claude Haiku 5.5 ist Anthropics kleines Modell für Klassifikation, Extraktion, Zusammenfassungen, Routing und gezielte Agentenaufgaben. Es verbindet Text- und Bildverständnis mit adaptivem Reasoning und ist für wiederkehrende Arbeit ausgelegt, die eine schnelle Antwort benötigt.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Haiku 5.5 ist Anthropics Kleinmodelledition für latenzempfindliche Aufgaben mit hohem Volumen. Zu den Hauptanwendungen gehören Klassifikation, Routing, Informationsextraktion, Zusammenfassung, Gesprächsverdichtung und gezielte Arbeit von Unteragenten. Es nimmt Text und Bilder entgegen und erzeugt Text. Eine hilfreiche Beschreibung gibt ihm eine eng begrenzte Frage und ein ausdrückliches Ergebnis vor: eine Kategorie, einen definierten Feldsatz, eine kurze Zusammenfassung oder relevante Belege für einen anderen Teil einer größeren Aufgabe. Bewahren Sie Quellenkennungen beim Ergebnis, damit eine Anwendung extrahierte Informationen mit ihrem ursprünglichen Material verbinden kann.
Anthropic positioniert diese Edition neben wiederkehrender Analyse auch für unmittelbaren Kundensupport, Browserbedienung und kurze Programmierteilaufgaben. Sie kann Claude Sonnet 5.5 oder Claude Opus 5.5 in einem Ablauf ergänzen, bei dem ein größeres Modell ein anspruchsvolles Projekt übernimmt und Haiku eine begrenzte Abfrage oder Zusammenfassung bearbeitet. Geben Sie für eine Supportaufgabe Frage und zulässiges Referenzmaterial vor und legen Sie anschließend Antwortton und erforderliche Rückgabe fest. Benennen Sie für eine Programmierteilaufgabe relevante Dateien oder Auszüge und die genaue Frage, statt ein offenes Projekt ohne Erledigungsbedingung zuzuweisen.
Das dokumentierte Kontextfenster beträgt eine Million Token mit bis zu 128.000 Ausgabetoken bei gewöhnlicher Generierung. Thinking-Token zählen zum Generierungsrahmen; das Ergebnis benötigt deshalb Platz für Reasoning und sichtbaren Text. Der verlässliche Wissensstichtag ist Juni 2026; spätere Informationen benötigen bereitgestellte Belege oder ein Suchwerkzeug. Anthropic dokumentiert separat eine ausschließlich für Batch verfügbare Beta, die die Ausgabe dieser Edition auf 300.000 Token erhöhen kann. Dieser größere Rahmen erfordert die Funktion des Herstellers für erweiterte Ausgaben und ist von der gewöhnlichen Grenze zu unterscheiden. Ein asynchroner Batch verarbeitet Anfragen unabhängig und eignet sich daher für Dokument- oder Datensatzsammlungen, deren Ergebnisse nach der Verarbeitung statt sofort benötigt werden.
Adaptive Thinking ist standardmäßig aktiviert; effort ist die wichtigste Steuerung der Reasoning-Tiefe. Die Stufen sind low, medium, high, xhigh und max mit medium als Standard. Anthropic empfiehlt medium für die meiste Arbeit, high für länger dauernde Aufgaben oder striktes Befolgen von Anweisungen und low für einfachere kurze Anfragen. Thinking kann bei low, medium oder high deaktiviert werden; eine Deaktivierung bei xhigh oder max wird abgelehnt. Ein Prompt mit der Bitte um eine direkte Antwort ersetzt diese Steuerung nicht. Manuelle Einstellungen von budget_tokens aus Haiku 4.5 lassen sich nicht auf diese Edition übertragen; temperature, top_p und top_k sollten in der dokumentierten Schnittstelle weggelassen werden.
Haiku 5.5 verwendet den in früheren Claude-Generationen eingeführten neueren Tokenizer. Anthropic schätzt, dass derselbe Text je nach Inhalt ungefähr 30% mehr Token als bei Haiku 4.5 verwenden kann. Es behält außerdem Thinking-Blöcke früherer Assistentenrunden bei, sodass die Gesprächsgröße über die reine Tokenizeränderung hinaus wachsen kann. Die minimale cachefähige Promptlänge beträgt 512 Token. Lassen Sie frühere Runden beim Beibehalten von Reasoning unverändert und setzen Sie neue Anweisungen in die neueste Runde. Eine Änderung von effort auf oberster Ebene macht den Nachrichtencache des Gesprächs ungültig; der Hersteller dokumentiert eine separate Beta zur Änderung von effort innerhalb adaptiver Gespräche. Keine dieser Fähigkeiten belegt einen Cachetreffer für eine bestimmte Anfrage.
Für Abrufaufgaben empfiehlt der Prompt-Leitfaden, das aktuelle Datum zusammen mit dem Suchwerkzeug vorzugeben und ursprüngliche System- und Werkzeugdefinitionen stabil zu halten. Geben Sie ein frisches Datum in der neuesten Runde vor, wenn das Gespräch an einem späteren Tag fortgesetzt wird. Benennen Sie das Gesuchte und bewahren Sie die zurückgegebenen Quellen, bevor Sie eine Schlussfolgerung verlangen. Eine beispielhafte Aufgabe könnte etwa nach dem dokumentierten Verhalten einer bestimmten Softwareversion fragen, gefolgt von einer kurzen Erklärung auf Grundlage der abgerufenen Passage. Die Anwendung stellt das Suchwerkzeug bereit und gibt dessen tatsächliche Ergebnisse zurück; die vorgeschlagene Abfrage des Modells ist kein Beleg für einen erfolgten Abruf.
Bei der Kombination strukturierter JSON-Ausgabe mit Werkzeugen dokumentiert der Leitfaden ein bestimmtes Zusammenspiel: Bei deaktiviertem Thinking kann Haiku einen notwendigen Werkzeugaufruf überspringen. Anthropic empfiehlt für solche Anfragen Adaptive Thinking oder die Trennung der endgültigen JSON-Anforderung vom Werkzeugschritt. Definieren Sie die Ausgabefelder und stellen Sie klar, dass die endgültige Antwort auf die Werkzeugergebnisse folgt. Eine Extraktionsaufgabe kann Pflichtfelder und die Darstellung fehlender Werte benennen; eine Abfrageaufgabe kann zunächst die zum Ausfüllen nötigen Belege verlangen. Lesen Sie Antwortblöcke anhand ihres Typs, da die Antwort nicht der erste Block sein muss und Thinking-Text standardmäßig weggelassen wird.
Bei längeren Agentenprompts merkt Anthropic an, dass low effort früh enden, eine Suche überspringen oder eine Prüfung auslassen kann. Der Leitfaden empfiehlt ausdrückliche Erledigungsanweisungen und tatsächliche Prüfungen von Codeänderungen, bevor sie als fertig gemeldet werden. Bereiten Sie das erwartete Ergebnis und die zu seinem Nachweis nötigen Belege vor: ausgewählte Passagen für einen Bericht, geändertes Verhalten für einen Codevorschlag oder aus einem Dokument extrahierte Felder. Der Leitfaden unterscheidet außerdem eine Nutzernachricht während einer Aufgabe von Werkzeugausgabe: Neue Nutzeranweisungen gehören in eine Nutzerrunde, während zurückgegebene Werkzeugbelege getrennt bleiben.
Diese Edition hat eigene Schutzmaßnahmen und kann Anfragen aus Kategorien wie Cyberschädigung, biologischer Schädigung, Entwicklung konkurrierender Modelle oder anderen untersagten Nutzungen ablehnen. Der Hersteller dokumentiert für Haiku 5.5 keinen serverseitigen Fallback. Der Leitfaden weist außerdem darauf hin, dass xhigh effort gelegentlich eine mehrstufige Antwort ohne sichtbaren Antworttext beenden kann und dass reasoningähnlicher Text bei low effort oder deaktiviertem Thinking häufiger erscheinen kann. Dies sind konkrete Verhaltensweisen, die bei einem Ablauf mit erforderlichem sichtbarem, strukturiertem Ergebnis zu berücksichtigen sind. Verwenden Sie für gewöhnliche Extraktion oder Zusammenfassung eine gezielte Quelle, eine definierte Ausgabe und eine zur Aufgabe passende effort-Stufe.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits anthropic/claude-haiku-5.5 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.0004 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich100 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.0004 / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als100 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.002 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-haiku-5.5", "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='anthropic/claude-haiku-5.5',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='anthropic/claude-haiku-5.5',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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-haiku-5.5Claude Haiku 5.5 ist Anthropics kleines Modell für Klassifikation, Extraktion, Zusammenfassungen, Routing und gezielte Agentenaufgaben. Es verbindet Text- und Bildverständnis mit adaptivem Reasoning und ist für wiederkehrende Arbeit ausgelegt, die eine schnelle Antwort benötigt.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Haiku 5.5 ist Anthropics Kleinmodelledition für latenzempfindliche Aufgaben mit hohem Volumen. Zu den Hauptanwendungen gehören Klassifikation, Routing, Informationsextraktion, Zusammenfassung, Gesprächsverdichtung und gezielte Arbeit von Unteragenten. Es nimmt Text und Bilder entgegen und erzeugt Text. Eine hilfreiche Beschreibung gibt ihm eine eng begrenzte Frage und ein ausdrückliches Ergebnis vor: eine Kategorie, einen definierten Feldsatz, eine kurze Zusammenfassung oder relevante Belege für einen anderen Teil einer größeren Aufgabe. Bewahren Sie Quellenkennungen beim Ergebnis, damit eine Anwendung extrahierte Informationen mit ihrem ursprünglichen Material verbinden kann.
Anthropic positioniert diese Edition neben wiederkehrender Analyse auch für unmittelbaren Kundensupport, Browserbedienung und kurze Programmierteilaufgaben. Sie kann Claude Sonnet 5.5 oder Claude Opus 5.5 in einem Ablauf ergänzen, bei dem ein größeres Modell ein anspruchsvolles Projekt übernimmt und Haiku eine begrenzte Abfrage oder Zusammenfassung bearbeitet. Geben Sie für eine Supportaufgabe Frage und zulässiges Referenzmaterial vor und legen Sie anschließend Antwortton und erforderliche Rückgabe fest. Benennen Sie für eine Programmierteilaufgabe relevante Dateien oder Auszüge und die genaue Frage, statt ein offenes Projekt ohne Erledigungsbedingung zuzuweisen.
Das dokumentierte Kontextfenster beträgt eine Million Token mit bis zu 128.000 Ausgabetoken bei gewöhnlicher Generierung. Thinking-Token zählen zum Generierungsrahmen; das Ergebnis benötigt deshalb Platz für Reasoning und sichtbaren Text. Der verlässliche Wissensstichtag ist Juni 2026; spätere Informationen benötigen bereitgestellte Belege oder ein Suchwerkzeug. Anthropic dokumentiert separat eine ausschließlich für Batch verfügbare Beta, die die Ausgabe dieser Edition auf 300.000 Token erhöhen kann. Dieser größere Rahmen erfordert die Funktion des Herstellers für erweiterte Ausgaben und ist von der gewöhnlichen Grenze zu unterscheiden. Ein asynchroner Batch verarbeitet Anfragen unabhängig und eignet sich daher für Dokument- oder Datensatzsammlungen, deren Ergebnisse nach der Verarbeitung statt sofort benötigt werden.
Adaptive Thinking ist standardmäßig aktiviert; effort ist die wichtigste Steuerung der Reasoning-Tiefe. Die Stufen sind low, medium, high, xhigh und max mit medium als Standard. Anthropic empfiehlt medium für die meiste Arbeit, high für länger dauernde Aufgaben oder striktes Befolgen von Anweisungen und low für einfachere kurze Anfragen. Thinking kann bei low, medium oder high deaktiviert werden; eine Deaktivierung bei xhigh oder max wird abgelehnt. Ein Prompt mit der Bitte um eine direkte Antwort ersetzt diese Steuerung nicht. Manuelle Einstellungen von budget_tokens aus Haiku 4.5 lassen sich nicht auf diese Edition übertragen; temperature, top_p und top_k sollten in der dokumentierten Schnittstelle weggelassen werden.
Haiku 5.5 verwendet den in früheren Claude-Generationen eingeführten neueren Tokenizer. Anthropic schätzt, dass derselbe Text je nach Inhalt ungefähr 30% mehr Token als bei Haiku 4.5 verwenden kann. Es behält außerdem Thinking-Blöcke früherer Assistentenrunden bei, sodass die Gesprächsgröße über die reine Tokenizeränderung hinaus wachsen kann. Die minimale cachefähige Promptlänge beträgt 512 Token. Lassen Sie frühere Runden beim Beibehalten von Reasoning unverändert und setzen Sie neue Anweisungen in die neueste Runde. Eine Änderung von effort auf oberster Ebene macht den Nachrichtencache des Gesprächs ungültig; der Hersteller dokumentiert eine separate Beta zur Änderung von effort innerhalb adaptiver Gespräche. Keine dieser Fähigkeiten belegt einen Cachetreffer für eine bestimmte Anfrage.
Für Abrufaufgaben empfiehlt der Prompt-Leitfaden, das aktuelle Datum zusammen mit dem Suchwerkzeug vorzugeben und ursprüngliche System- und Werkzeugdefinitionen stabil zu halten. Geben Sie ein frisches Datum in der neuesten Runde vor, wenn das Gespräch an einem späteren Tag fortgesetzt wird. Benennen Sie das Gesuchte und bewahren Sie die zurückgegebenen Quellen, bevor Sie eine Schlussfolgerung verlangen. Eine beispielhafte Aufgabe könnte etwa nach dem dokumentierten Verhalten einer bestimmten Softwareversion fragen, gefolgt von einer kurzen Erklärung auf Grundlage der abgerufenen Passage. Die Anwendung stellt das Suchwerkzeug bereit und gibt dessen tatsächliche Ergebnisse zurück; die vorgeschlagene Abfrage des Modells ist kein Beleg für einen erfolgten Abruf.
Bei der Kombination strukturierter JSON-Ausgabe mit Werkzeugen dokumentiert der Leitfaden ein bestimmtes Zusammenspiel: Bei deaktiviertem Thinking kann Haiku einen notwendigen Werkzeugaufruf überspringen. Anthropic empfiehlt für solche Anfragen Adaptive Thinking oder die Trennung der endgültigen JSON-Anforderung vom Werkzeugschritt. Definieren Sie die Ausgabefelder und stellen Sie klar, dass die endgültige Antwort auf die Werkzeugergebnisse folgt. Eine Extraktionsaufgabe kann Pflichtfelder und die Darstellung fehlender Werte benennen; eine Abfrageaufgabe kann zunächst die zum Ausfüllen nötigen Belege verlangen. Lesen Sie Antwortblöcke anhand ihres Typs, da die Antwort nicht der erste Block sein muss und Thinking-Text standardmäßig weggelassen wird.
Bei längeren Agentenprompts merkt Anthropic an, dass low effort früh enden, eine Suche überspringen oder eine Prüfung auslassen kann. Der Leitfaden empfiehlt ausdrückliche Erledigungsanweisungen und tatsächliche Prüfungen von Codeänderungen, bevor sie als fertig gemeldet werden. Bereiten Sie das erwartete Ergebnis und die zu seinem Nachweis nötigen Belege vor: ausgewählte Passagen für einen Bericht, geändertes Verhalten für einen Codevorschlag oder aus einem Dokument extrahierte Felder. Der Leitfaden unterscheidet außerdem eine Nutzernachricht während einer Aufgabe von Werkzeugausgabe: Neue Nutzeranweisungen gehören in eine Nutzerrunde, während zurückgegebene Werkzeugbelege getrennt bleiben.
Diese Edition hat eigene Schutzmaßnahmen und kann Anfragen aus Kategorien wie Cyberschädigung, biologischer Schädigung, Entwicklung konkurrierender Modelle oder anderen untersagten Nutzungen ablehnen. Der Hersteller dokumentiert für Haiku 5.5 keinen serverseitigen Fallback. Der Leitfaden weist außerdem darauf hin, dass xhigh effort gelegentlich eine mehrstufige Antwort ohne sichtbaren Antworttext beenden kann und dass reasoningähnlicher Text bei low effort oder deaktiviertem Thinking häufiger erscheinen kann. Dies sind konkrete Verhaltensweisen, die bei einem Ablauf mit erforderlichem sichtbarem, strukturiertem Ergebnis zu berücksichtigen sind. Verwenden Sie für gewöhnliche Extraktion oder Zusammenfassung eine gezielte Quelle, eine definierte Ausgabe und eine zur Aufgabe passende effort-Stufe.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits anthropic/claude-haiku-5.5 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.0004 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich100 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.0004 / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als100 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.002 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "anthropic/claude-haiku-5.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-haiku-5.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-haiku-5.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Verwenden Sie die oben angezeigten Methodenpfade.
~anthropic/claude-haiku-latestClaude Haiku 5.5 ist Anthropics kleines Modell für Klassifikation, Extraktion, Zusammenfassungen, Routing und gezielte Agentenaufgaben. Es verbindet Text- und Bildverständnis mit adaptivem Reasoning und ist für wiederkehrende Arbeit ausgelegt, die eine schnelle Antwort benötigt.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Haiku 5.5 ist Anthropics Kleinmodelledition für latenzempfindliche Aufgaben mit hohem Volumen. Zu den Hauptanwendungen gehören Klassifikation, Routing, Informationsextraktion, Zusammenfassung, Gesprächsverdichtung und gezielte Arbeit von Unteragenten. Es nimmt Text und Bilder entgegen und erzeugt Text. Eine hilfreiche Beschreibung gibt ihm eine eng begrenzte Frage und ein ausdrückliches Ergebnis vor: eine Kategorie, einen definierten Feldsatz, eine kurze Zusammenfassung oder relevante Belege für einen anderen Teil einer größeren Aufgabe. Bewahren Sie Quellenkennungen beim Ergebnis, damit eine Anwendung extrahierte Informationen mit ihrem ursprünglichen Material verbinden kann.
Anthropic positioniert diese Edition neben wiederkehrender Analyse auch für unmittelbaren Kundensupport, Browserbedienung und kurze Programmierteilaufgaben. Sie kann Claude Sonnet 5.5 oder Claude Opus 5.5 in einem Ablauf ergänzen, bei dem ein größeres Modell ein anspruchsvolles Projekt übernimmt und Haiku eine begrenzte Abfrage oder Zusammenfassung bearbeitet. Geben Sie für eine Supportaufgabe Frage und zulässiges Referenzmaterial vor und legen Sie anschließend Antwortton und erforderliche Rückgabe fest. Benennen Sie für eine Programmierteilaufgabe relevante Dateien oder Auszüge und die genaue Frage, statt ein offenes Projekt ohne Erledigungsbedingung zuzuweisen.
Das dokumentierte Kontextfenster beträgt eine Million Token mit bis zu 128.000 Ausgabetoken bei gewöhnlicher Generierung. Thinking-Token zählen zum Generierungsrahmen; das Ergebnis benötigt deshalb Platz für Reasoning und sichtbaren Text. Der verlässliche Wissensstichtag ist Juni 2026; spätere Informationen benötigen bereitgestellte Belege oder ein Suchwerkzeug. Anthropic dokumentiert separat eine ausschließlich für Batch verfügbare Beta, die die Ausgabe dieser Edition auf 300.000 Token erhöhen kann. Dieser größere Rahmen erfordert die Funktion des Herstellers für erweiterte Ausgaben und ist von der gewöhnlichen Grenze zu unterscheiden. Ein asynchroner Batch verarbeitet Anfragen unabhängig und eignet sich daher für Dokument- oder Datensatzsammlungen, deren Ergebnisse nach der Verarbeitung statt sofort benötigt werden.
Adaptive Thinking ist standardmäßig aktiviert; effort ist die wichtigste Steuerung der Reasoning-Tiefe. Die Stufen sind low, medium, high, xhigh und max mit medium als Standard. Anthropic empfiehlt medium für die meiste Arbeit, high für länger dauernde Aufgaben oder striktes Befolgen von Anweisungen und low für einfachere kurze Anfragen. Thinking kann bei low, medium oder high deaktiviert werden; eine Deaktivierung bei xhigh oder max wird abgelehnt. Ein Prompt mit der Bitte um eine direkte Antwort ersetzt diese Steuerung nicht. Manuelle Einstellungen von budget_tokens aus Haiku 4.5 lassen sich nicht auf diese Edition übertragen; temperature, top_p und top_k sollten in der dokumentierten Schnittstelle weggelassen werden.
Haiku 5.5 verwendet den in früheren Claude-Generationen eingeführten neueren Tokenizer. Anthropic schätzt, dass derselbe Text je nach Inhalt ungefähr 30% mehr Token als bei Haiku 4.5 verwenden kann. Es behält außerdem Thinking-Blöcke früherer Assistentenrunden bei, sodass die Gesprächsgröße über die reine Tokenizeränderung hinaus wachsen kann. Die minimale cachefähige Promptlänge beträgt 512 Token. Lassen Sie frühere Runden beim Beibehalten von Reasoning unverändert und setzen Sie neue Anweisungen in die neueste Runde. Eine Änderung von effort auf oberster Ebene macht den Nachrichtencache des Gesprächs ungültig; der Hersteller dokumentiert eine separate Beta zur Änderung von effort innerhalb adaptiver Gespräche. Keine dieser Fähigkeiten belegt einen Cachetreffer für eine bestimmte Anfrage.
Für Abrufaufgaben empfiehlt der Prompt-Leitfaden, das aktuelle Datum zusammen mit dem Suchwerkzeug vorzugeben und ursprüngliche System- und Werkzeugdefinitionen stabil zu halten. Geben Sie ein frisches Datum in der neuesten Runde vor, wenn das Gespräch an einem späteren Tag fortgesetzt wird. Benennen Sie das Gesuchte und bewahren Sie die zurückgegebenen Quellen, bevor Sie eine Schlussfolgerung verlangen. Eine beispielhafte Aufgabe könnte etwa nach dem dokumentierten Verhalten einer bestimmten Softwareversion fragen, gefolgt von einer kurzen Erklärung auf Grundlage der abgerufenen Passage. Die Anwendung stellt das Suchwerkzeug bereit und gibt dessen tatsächliche Ergebnisse zurück; die vorgeschlagene Abfrage des Modells ist kein Beleg für einen erfolgten Abruf.
Bei der Kombination strukturierter JSON-Ausgabe mit Werkzeugen dokumentiert der Leitfaden ein bestimmtes Zusammenspiel: Bei deaktiviertem Thinking kann Haiku einen notwendigen Werkzeugaufruf überspringen. Anthropic empfiehlt für solche Anfragen Adaptive Thinking oder die Trennung der endgültigen JSON-Anforderung vom Werkzeugschritt. Definieren Sie die Ausgabefelder und stellen Sie klar, dass die endgültige Antwort auf die Werkzeugergebnisse folgt. Eine Extraktionsaufgabe kann Pflichtfelder und die Darstellung fehlender Werte benennen; eine Abfrageaufgabe kann zunächst die zum Ausfüllen nötigen Belege verlangen. Lesen Sie Antwortblöcke anhand ihres Typs, da die Antwort nicht der erste Block sein muss und Thinking-Text standardmäßig weggelassen wird.
Bei längeren Agentenprompts merkt Anthropic an, dass low effort früh enden, eine Suche überspringen oder eine Prüfung auslassen kann. Der Leitfaden empfiehlt ausdrückliche Erledigungsanweisungen und tatsächliche Prüfungen von Codeänderungen, bevor sie als fertig gemeldet werden. Bereiten Sie das erwartete Ergebnis und die zu seinem Nachweis nötigen Belege vor: ausgewählte Passagen für einen Bericht, geändertes Verhalten für einen Codevorschlag oder aus einem Dokument extrahierte Felder. Der Leitfaden unterscheidet außerdem eine Nutzernachricht während einer Aufgabe von Werkzeugausgabe: Neue Nutzeranweisungen gehören in eine Nutzerrunde, während zurückgegebene Werkzeugbelege getrennt bleiben.
Diese Edition hat eigene Schutzmaßnahmen und kann Anfragen aus Kategorien wie Cyberschädigung, biologischer Schädigung, Entwicklung konkurrierender Modelle oder anderen untersagten Nutzungen ablehnen. Der Hersteller dokumentiert für Haiku 5.5 keinen serverseitigen Fallback. Der Leitfaden weist außerdem darauf hin, dass xhigh effort gelegentlich eine mehrstufige Antwort ohne sichtbaren Antworttext beenden kann und dass reasoningähnlicher Text bei low effort oder deaktiviertem Thinking häufiger erscheinen kann. Dies sind konkrete Verhaltensweisen, die bei einem Ablauf mit erforderlichem sichtbarem, strukturiertem Ergebnis zu berücksichtigen sind. Verwenden Sie für gewöhnliche Extraktion oder Zusammenfassung eine gezielte Quelle, eine definierte Ausgabe und eine zur Aufgabe passende effort-Stufe.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ~anthropic/claude-haiku-latest | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.0004 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich100 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.0004 / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als100 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.002 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~anthropic/claude-haiku-latest", "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='~anthropic/claude-haiku-latest',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='~anthropic/claude-haiku-latest',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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Verwenden Sie die oben angezeigten Methodenpfade.
~anthropic/claude-haiku-latestClaude Haiku 5.5 ist Anthropics kleines Modell für Klassifikation, Extraktion, Zusammenfassungen, Routing und gezielte Agentenaufgaben. Es verbindet Text- und Bildverständnis mit adaptivem Reasoning und ist für wiederkehrende Arbeit ausgelegt, die eine schnelle Antwort benötigt.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Haiku 5.5 ist Anthropics Kleinmodelledition für latenzempfindliche Aufgaben mit hohem Volumen. Zu den Hauptanwendungen gehören Klassifikation, Routing, Informationsextraktion, Zusammenfassung, Gesprächsverdichtung und gezielte Arbeit von Unteragenten. Es nimmt Text und Bilder entgegen und erzeugt Text. Eine hilfreiche Beschreibung gibt ihm eine eng begrenzte Frage und ein ausdrückliches Ergebnis vor: eine Kategorie, einen definierten Feldsatz, eine kurze Zusammenfassung oder relevante Belege für einen anderen Teil einer größeren Aufgabe. Bewahren Sie Quellenkennungen beim Ergebnis, damit eine Anwendung extrahierte Informationen mit ihrem ursprünglichen Material verbinden kann.
Anthropic positioniert diese Edition neben wiederkehrender Analyse auch für unmittelbaren Kundensupport, Browserbedienung und kurze Programmierteilaufgaben. Sie kann Claude Sonnet 5.5 oder Claude Opus 5.5 in einem Ablauf ergänzen, bei dem ein größeres Modell ein anspruchsvolles Projekt übernimmt und Haiku eine begrenzte Abfrage oder Zusammenfassung bearbeitet. Geben Sie für eine Supportaufgabe Frage und zulässiges Referenzmaterial vor und legen Sie anschließend Antwortton und erforderliche Rückgabe fest. Benennen Sie für eine Programmierteilaufgabe relevante Dateien oder Auszüge und die genaue Frage, statt ein offenes Projekt ohne Erledigungsbedingung zuzuweisen.
Das dokumentierte Kontextfenster beträgt eine Million Token mit bis zu 128.000 Ausgabetoken bei gewöhnlicher Generierung. Thinking-Token zählen zum Generierungsrahmen; das Ergebnis benötigt deshalb Platz für Reasoning und sichtbaren Text. Der verlässliche Wissensstichtag ist Juni 2026; spätere Informationen benötigen bereitgestellte Belege oder ein Suchwerkzeug. Anthropic dokumentiert separat eine ausschließlich für Batch verfügbare Beta, die die Ausgabe dieser Edition auf 300.000 Token erhöhen kann. Dieser größere Rahmen erfordert die Funktion des Herstellers für erweiterte Ausgaben und ist von der gewöhnlichen Grenze zu unterscheiden. Ein asynchroner Batch verarbeitet Anfragen unabhängig und eignet sich daher für Dokument- oder Datensatzsammlungen, deren Ergebnisse nach der Verarbeitung statt sofort benötigt werden.
Adaptive Thinking ist standardmäßig aktiviert; effort ist die wichtigste Steuerung der Reasoning-Tiefe. Die Stufen sind low, medium, high, xhigh und max mit medium als Standard. Anthropic empfiehlt medium für die meiste Arbeit, high für länger dauernde Aufgaben oder striktes Befolgen von Anweisungen und low für einfachere kurze Anfragen. Thinking kann bei low, medium oder high deaktiviert werden; eine Deaktivierung bei xhigh oder max wird abgelehnt. Ein Prompt mit der Bitte um eine direkte Antwort ersetzt diese Steuerung nicht. Manuelle Einstellungen von budget_tokens aus Haiku 4.5 lassen sich nicht auf diese Edition übertragen; temperature, top_p und top_k sollten in der dokumentierten Schnittstelle weggelassen werden.
Haiku 5.5 verwendet den in früheren Claude-Generationen eingeführten neueren Tokenizer. Anthropic schätzt, dass derselbe Text je nach Inhalt ungefähr 30% mehr Token als bei Haiku 4.5 verwenden kann. Es behält außerdem Thinking-Blöcke früherer Assistentenrunden bei, sodass die Gesprächsgröße über die reine Tokenizeränderung hinaus wachsen kann. Die minimale cachefähige Promptlänge beträgt 512 Token. Lassen Sie frühere Runden beim Beibehalten von Reasoning unverändert und setzen Sie neue Anweisungen in die neueste Runde. Eine Änderung von effort auf oberster Ebene macht den Nachrichtencache des Gesprächs ungültig; der Hersteller dokumentiert eine separate Beta zur Änderung von effort innerhalb adaptiver Gespräche. Keine dieser Fähigkeiten belegt einen Cachetreffer für eine bestimmte Anfrage.
Für Abrufaufgaben empfiehlt der Prompt-Leitfaden, das aktuelle Datum zusammen mit dem Suchwerkzeug vorzugeben und ursprüngliche System- und Werkzeugdefinitionen stabil zu halten. Geben Sie ein frisches Datum in der neuesten Runde vor, wenn das Gespräch an einem späteren Tag fortgesetzt wird. Benennen Sie das Gesuchte und bewahren Sie die zurückgegebenen Quellen, bevor Sie eine Schlussfolgerung verlangen. Eine beispielhafte Aufgabe könnte etwa nach dem dokumentierten Verhalten einer bestimmten Softwareversion fragen, gefolgt von einer kurzen Erklärung auf Grundlage der abgerufenen Passage. Die Anwendung stellt das Suchwerkzeug bereit und gibt dessen tatsächliche Ergebnisse zurück; die vorgeschlagene Abfrage des Modells ist kein Beleg für einen erfolgten Abruf.
Bei der Kombination strukturierter JSON-Ausgabe mit Werkzeugen dokumentiert der Leitfaden ein bestimmtes Zusammenspiel: Bei deaktiviertem Thinking kann Haiku einen notwendigen Werkzeugaufruf überspringen. Anthropic empfiehlt für solche Anfragen Adaptive Thinking oder die Trennung der endgültigen JSON-Anforderung vom Werkzeugschritt. Definieren Sie die Ausgabefelder und stellen Sie klar, dass die endgültige Antwort auf die Werkzeugergebnisse folgt. Eine Extraktionsaufgabe kann Pflichtfelder und die Darstellung fehlender Werte benennen; eine Abfrageaufgabe kann zunächst die zum Ausfüllen nötigen Belege verlangen. Lesen Sie Antwortblöcke anhand ihres Typs, da die Antwort nicht der erste Block sein muss und Thinking-Text standardmäßig weggelassen wird.
Bei längeren Agentenprompts merkt Anthropic an, dass low effort früh enden, eine Suche überspringen oder eine Prüfung auslassen kann. Der Leitfaden empfiehlt ausdrückliche Erledigungsanweisungen und tatsächliche Prüfungen von Codeänderungen, bevor sie als fertig gemeldet werden. Bereiten Sie das erwartete Ergebnis und die zu seinem Nachweis nötigen Belege vor: ausgewählte Passagen für einen Bericht, geändertes Verhalten für einen Codevorschlag oder aus einem Dokument extrahierte Felder. Der Leitfaden unterscheidet außerdem eine Nutzernachricht während einer Aufgabe von Werkzeugausgabe: Neue Nutzeranweisungen gehören in eine Nutzerrunde, während zurückgegebene Werkzeugbelege getrennt bleiben.
Diese Edition hat eigene Schutzmaßnahmen und kann Anfragen aus Kategorien wie Cyberschädigung, biologischer Schädigung, Entwicklung konkurrierender Modelle oder anderen untersagten Nutzungen ablehnen. Der Hersteller dokumentiert für Haiku 5.5 keinen serverseitigen Fallback. Der Leitfaden weist außerdem darauf hin, dass xhigh effort gelegentlich eine mehrstufige Antwort ohne sichtbaren Antworttext beenden kann und dass reasoningähnlicher Text bei low effort oder deaktiviertem Thinking häufiger erscheinen kann. Dies sind konkrete Verhaltensweisen, die bei einem Ablauf mit erforderlichem sichtbarem, strukturiertem Ergebnis zu berücksichtigen sind. Verwenden Sie für gewöhnliche Extraktion oder Zusammenfassung eine gezielte Quelle, eine definierte Ausgabe und eine zur Aufgabe passende effort-Stufe.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ~anthropic/claude-haiku-latest | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.0004 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich100 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.0004 / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als100 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.002 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "~anthropic/claude-haiku-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~anthropic/claude-haiku-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~anthropic/claude-haiku-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.