Claude Opus 4.6 ist auf Arbeit ausgerichtet, bei der es hilfreich ist, viele Materialien in einem Kontext zu berücksichtigen und nach dem Lesen darüber nachzudenken. Anthropic hebt Entwicklung in großen Codebasen, Codeprüfung, Fehlersuche, Finanzanalysen und Forschung hervor. Das Modell kann wesentliche Details finden, Informationen aus verschiedenen Materialteilen verbinden und zur schrittweisen Lösung einer Aufgabe verwenden.
In der Entwicklung bedeutet das, einen Plan auszuarbeiten, ein unbekanntes System zu untersuchen und Fehler in Änderungen zu suchen. Bei fachlichen Analysen bedeutet es die Verarbeitung von Dokumenten und die Erstellung von Inhalten für Tabellen, Berichte oder Präsentationen. Für solche Abläufe sollten dem Modell die Aufgabe selbst und die Materialien gegeben werden, aus denen Schlussfolgerungen gezogen werden sollen, statt lediglich eine allgemeine Themenbezeichnung.
Das Modell unterstützt einen adaptiven Modus: Anhand des Aufgabeninhalts bestimmt es, wann zusätzliche Analyse sinnvoll ist. Der Parameter effort legt die Bearbeitungstiefe fest. Für Opus 4.6 sind low, medium, high und max verfügbar; der Standard ist high. Laut Anthropic kann tiefgehende Bearbeitung die Antwortzeit bei einfachen Aufgaben verlängern. Der gewählte Grad sollte daher zur Komplexität passen.
Das ältere extended thinking mit manuellem Budget wird weiterhin unterstützt, ist jedoch als auslaufend gekennzeichnet. Bei dieser Version unterscheiden sich die Modi wesentlich: Reasoning zwischen Werkzeugaufrufen ist im adaptiven Modus verfügbar, im manuellen Modus führt Opus 4.6 es nicht aus. Bei angeschlossenen Werkzeugen hilft die adaptive Analyse, das Ergebnis einer Aktion für die Auswahl der nächsten zu nutzen.
Die aktuelle Anthropic-Spezifikation nennt 1 Million Tokens Kontext und bis zu 128 Tausend Tokens Antwort im gewöhnlichen Modus. Als Eingabe werden Text und Bilder akzeptiert; die Antwort bleibt Text. Der verlässliche Wissensstand reicht bis Mai 2025.
Die Formate für gewöhnliche visuelle Eingaben beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird der erste Frame verwendet. Bei nativer Analyse beträgt die lange Seite 1568 Pixel bei 1568 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Für längere Gespräche und Agentenaufgaben beschreibt der Hersteller die Komprimierung älteren Kontexts: Frühere Arbeit wird bei Annäherung an einen festgelegten Schwellenwert durch eine Zusammenfassung ersetzt. Diese Möglichkeit ist als experimentell gekennzeichnet und erfordert Unterstützung durch die Anwendung. Die Kontextgröße allein schließt keine unbegrenzte Erinnerung ein.
Opus 4.6 ist für mehrstufige Arbeit mit Suche, Code und anderen verfügbaren Werkzeugen ausgelegt. Die Anwendungsumgebung muss das Lesen von Materialien, das Ausführen von Befehlen oder das Erstellen von Dateien ermöglichen. Produktionsaktionen, die Bedienung einer Oberfläche und die Erstellung einer fertigen Präsentation hängen von diesen Mitteln ab; ein Textmodell erhält sie nicht automatisch.
Anthropic beschreibt gesondert Sicherheitsprüfungen und Schutzmaßnahmen für potenziell gefährliche Aufgaben in der Cybersicherheit. Bei gewöhnlicher Entwicklung kann das Modell helfen, Schwachstellen zu finden und zu beheben; die Art der Anfrage beeinflusst jedoch, ob eine Antwort möglich ist. Schlussfolgerungen aus umfangreichen Materialien und vorgeschlagene Änderungen müssen anhand der Daten selbst und der tatsächlichen Ausführungsergebnisse geprüft werden.
", "aboutText": "### Eine umfangreiche Aufgabe und die Beziehungen zwischen ihren Teilen\n\nClaude Opus 4.6 ist auf Arbeit ausgerichtet, bei der es hilfreich ist, viele Materialien in einem Kontext zu berücksichtigen und nach dem Lesen darüber nachzudenken. Anthropic hebt Entwicklung in großen Codebasen, Codeprüfung, Fehlersuche, Finanzanalysen und Forschung hervor. Das Modell kann wesentliche Details finden, Informationen aus verschiedenen Materialteilen verbinden und zur schrittweisen Lösung einer Aufgabe verwenden.\n\nIn der Entwicklung bedeutet das, einen Plan auszuarbeiten, ein unbekanntes System zu untersuchen und Fehler in Änderungen zu suchen. Bei fachlichen Analysen bedeutet es die Verarbeitung von Dokumenten und die Erstellung von Inhalten für Tabellen, Berichte oder Präsentationen. Für solche Abläufe sollten dem Modell die Aufgabe selbst und die Materialien gegeben werden, aus denen Schlussfolgerungen gezogen werden sollen, statt lediglich eine allgemeine Themenbezeichnung.\n\n### Adaptives Reasoning\n\nDas Modell unterstützt einen adaptiven Modus: Anhand des Aufgabeninhalts bestimmt es, wann zusätzliche Analyse sinnvoll ist. Der Parameter `effort` legt die Bearbeitungstiefe fest. Für Opus 4.6 sind `low`, `medium`, `high` und `max` verfügbar; der Standard ist `high`. Laut Anthropic kann tiefgehende Bearbeitung die Antwortzeit bei einfachen Aufgaben verlängern. Der gewählte Grad sollte daher zur Komplexität passen.\n\nDas ältere extended thinking mit manuellem Budget wird weiterhin unterstützt, ist jedoch als auslaufend gekennzeichnet. Bei dieser Version unterscheiden sich die Modi wesentlich: Reasoning zwischen Werkzeugaufrufen ist im adaptiven Modus verfügbar, im manuellen Modus führt Opus 4.6 es nicht aus. Bei angeschlossenen Werkzeugen hilft die adaptive Analyse, das Ergebnis einer Aktion für die Auswahl der nächsten zu nutzen.\n\n### Kontext für längere Arbeit\n\nDie aktuelle Anthropic-Spezifikation nennt **1 Million Tokens Kontext** und bis zu **128 Tausend Tokens Antwort im gewöhnlichen Modus**. Als Eingabe werden **Text und Bilder** akzeptiert; die Antwort bleibt Text. Der verlässliche Wissensstand reicht bis **Mai 2025**.\n\nDie Formate für gewöhnliche visuelle Eingaben beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird der erste Frame verwendet. Bei nativer Analyse beträgt die lange Seite 1568 Pixel bei 1568 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.\n\nFür längere Gespräche und Agentenaufgaben beschreibt der Hersteller die Komprimierung älteren Kontexts: Frühere Arbeit wird bei Annäherung an einen festgelegten Schwellenwert durch eine Zusammenfassung ersetzt. Diese Möglichkeit ist als experimentell gekennzeichnet und erfordert Unterstützung durch die Anwendung. Die Kontextgröße allein schließt keine unbegrenzte Erinnerung ein.\n\n### Werkzeuge und Ergebnisprüfung\n\nOpus 4.6 ist für mehrstufige Arbeit mit Suche, Code und anderen verfügbaren Werkzeugen ausgelegt. Die Anwendungsumgebung muss das Lesen von Materialien, das Ausführen von Befehlen oder das Erstellen von Dateien ermöglichen. Produktionsaktionen, die Bedienung einer Oberfläche und die Erstellung einer fertigen Präsentation hängen von diesen Mitteln ab; ein Textmodell erhält sie nicht automatisch.\n\nAnthropic beschreibt gesondert Sicherheitsprüfungen und Schutzmaßnahmen für potenziell gefährliche Aufgaben in der Cybersicherheit. Bei gewöhnlicher Entwicklung kann das Modell helfen, Schwachstellen zu finden und zu beheben; die Art der Anfrage beeinflusst jedoch, ob eine Antwort möglich ist. Schlussfolgerungen aus umfangreichen Materialien und vorgeschlagene Änderungen müssen anhand der Daten selbst und der tatsächlichen Ausführungsergebnisse geprüft werden.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Review an idempotency bug\n\nReview this payment-handler excerpt: if not exists(event.id): charge(event.amount); save(event.id). Two workers can process the same event concurrently. The database supports transactions and a unique event_id. Propose a minimal safe change, explain the crash window and give tests for concurrent delivery and a crash after charging. Do not assume the payment service supports idempotency.A focused review with the race, a proposed code or pseudocode patch, required payment-service guarantees and two test scenarios.Verify that the proposal handles the external charge boundary explicitly rather than claiming a database transaction alone prevents duplicate charges.anthropic/claude-opus-4.6Claude Opus 4.6 ist für große Codebasen, Fehlersuche, Forschung und die Analyse langer Dokumente vorgesehen. Unterstützt adaptives Reasoning und einen Kontext von bis zu 1 Million Tokens.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Opus 4.6 ist auf Arbeit ausgerichtet, bei der es hilfreich ist, viele Materialien in einem Kontext zu berücksichtigen und nach dem Lesen darüber nachzudenken. Anthropic hebt Entwicklung in großen Codebasen, Codeprüfung, Fehlersuche, Finanzanalysen und Forschung hervor. Das Modell kann wesentliche Details finden, Informationen aus verschiedenen Materialteilen verbinden und zur schrittweisen Lösung einer Aufgabe verwenden.
In der Entwicklung bedeutet das, einen Plan auszuarbeiten, ein unbekanntes System zu untersuchen und Fehler in Änderungen zu suchen. Bei fachlichen Analysen bedeutet es die Verarbeitung von Dokumenten und die Erstellung von Inhalten für Tabellen, Berichte oder Präsentationen. Für solche Abläufe sollten dem Modell die Aufgabe selbst und die Materialien gegeben werden, aus denen Schlussfolgerungen gezogen werden sollen, statt lediglich eine allgemeine Themenbezeichnung.
Das Modell unterstützt einen adaptiven Modus: Anhand des Aufgabeninhalts bestimmt es, wann zusätzliche Analyse sinnvoll ist. Der Parameter effort legt die Bearbeitungstiefe fest. Für Opus 4.6 sind low, medium, high und max verfügbar; der Standard ist high. Laut Anthropic kann tiefgehende Bearbeitung die Antwortzeit bei einfachen Aufgaben verlängern. Der gewählte Grad sollte daher zur Komplexität passen.
Das ältere extended thinking mit manuellem Budget wird weiterhin unterstützt, ist jedoch als auslaufend gekennzeichnet. Bei dieser Version unterscheiden sich die Modi wesentlich: Reasoning zwischen Werkzeugaufrufen ist im adaptiven Modus verfügbar, im manuellen Modus führt Opus 4.6 es nicht aus. Bei angeschlossenen Werkzeugen hilft die adaptive Analyse, das Ergebnis einer Aktion für die Auswahl der nächsten zu nutzen.
Die aktuelle Anthropic-Spezifikation nennt 1 Million Tokens Kontext und bis zu 128 Tausend Tokens Antwort im gewöhnlichen Modus. Als Eingabe werden Text und Bilder akzeptiert; die Antwort bleibt Text. Der verlässliche Wissensstand reicht bis Mai 2025.
Die Formate für gewöhnliche visuelle Eingaben beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird der erste Frame verwendet. Bei nativer Analyse beträgt die lange Seite 1568 Pixel bei 1568 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Für längere Gespräche und Agentenaufgaben beschreibt der Hersteller die Komprimierung älteren Kontexts: Frühere Arbeit wird bei Annäherung an einen festgelegten Schwellenwert durch eine Zusammenfassung ersetzt. Diese Möglichkeit ist als experimentell gekennzeichnet und erfordert Unterstützung durch die Anwendung. Die Kontextgröße allein schließt keine unbegrenzte Erinnerung ein.
Opus 4.6 ist für mehrstufige Arbeit mit Suche, Code und anderen verfügbaren Werkzeugen ausgelegt. Die Anwendungsumgebung muss das Lesen von Materialien, das Ausführen von Befehlen oder das Erstellen von Dateien ermöglichen. Produktionsaktionen, die Bedienung einer Oberfläche und die Erstellung einer fertigen Präsentation hängen von diesen Mitteln ab; ein Textmodell erhält sie nicht automatisch.
Anthropic beschreibt gesondert Sicherheitsprüfungen und Schutzmaßnahmen für potenziell gefährliche Aufgaben in der Cybersicherheit. Bei gewöhnlicher Entwicklung kann das Modell helfen, Schwachstellen zu finden und zu beheben; die Art der Anfrage beeinflusst jedoch, ob eine Antwort möglich ist. Schlussfolgerungen aus umfangreichen Materialien und vorgeschlagene Änderungen müssen anhand der Daten selbst und der tatsächlichen Ausführungsergebnisse geprüft werden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits anthropic/claude-opus-4.6 | 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 $0.01 / 1K Tokens Ausgabe · Ausgabetoken $0.05 / 1K Tokens Eingabe · Cache lesen $0.001 / 1K Tokens Eingabe · In Cache schreiben $0.0125 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.02 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.01 / 1K Tokens Ausgabe · Ausgabetoken $0.05 / 1K Tokens Eingabe · Cache lesen $0.001 / 1K Tokens Eingabe · In Cache schreiben $0.0125 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.02 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-opus-4.6", "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-opus-4.6',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-opus-4.6',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-opus-4.6
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-opus-4.6Claude Opus 4.6 ist für große Codebasen, Fehlersuche, Forschung und die Analyse langer Dokumente vorgesehen. Unterstützt adaptives Reasoning und einen Kontext von bis zu 1 Million Tokens.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Opus 4.6 ist auf Arbeit ausgerichtet, bei der es hilfreich ist, viele Materialien in einem Kontext zu berücksichtigen und nach dem Lesen darüber nachzudenken. Anthropic hebt Entwicklung in großen Codebasen, Codeprüfung, Fehlersuche, Finanzanalysen und Forschung hervor. Das Modell kann wesentliche Details finden, Informationen aus verschiedenen Materialteilen verbinden und zur schrittweisen Lösung einer Aufgabe verwenden.
In der Entwicklung bedeutet das, einen Plan auszuarbeiten, ein unbekanntes System zu untersuchen und Fehler in Änderungen zu suchen. Bei fachlichen Analysen bedeutet es die Verarbeitung von Dokumenten und die Erstellung von Inhalten für Tabellen, Berichte oder Präsentationen. Für solche Abläufe sollten dem Modell die Aufgabe selbst und die Materialien gegeben werden, aus denen Schlussfolgerungen gezogen werden sollen, statt lediglich eine allgemeine Themenbezeichnung.
Das Modell unterstützt einen adaptiven Modus: Anhand des Aufgabeninhalts bestimmt es, wann zusätzliche Analyse sinnvoll ist. Der Parameter effort legt die Bearbeitungstiefe fest. Für Opus 4.6 sind low, medium, high und max verfügbar; der Standard ist high. Laut Anthropic kann tiefgehende Bearbeitung die Antwortzeit bei einfachen Aufgaben verlängern. Der gewählte Grad sollte daher zur Komplexität passen.
Das ältere extended thinking mit manuellem Budget wird weiterhin unterstützt, ist jedoch als auslaufend gekennzeichnet. Bei dieser Version unterscheiden sich die Modi wesentlich: Reasoning zwischen Werkzeugaufrufen ist im adaptiven Modus verfügbar, im manuellen Modus führt Opus 4.6 es nicht aus. Bei angeschlossenen Werkzeugen hilft die adaptive Analyse, das Ergebnis einer Aktion für die Auswahl der nächsten zu nutzen.
Die aktuelle Anthropic-Spezifikation nennt 1 Million Tokens Kontext und bis zu 128 Tausend Tokens Antwort im gewöhnlichen Modus. Als Eingabe werden Text und Bilder akzeptiert; die Antwort bleibt Text. Der verlässliche Wissensstand reicht bis Mai 2025.
Die Formate für gewöhnliche visuelle Eingaben beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird der erste Frame verwendet. Bei nativer Analyse beträgt die lange Seite 1568 Pixel bei 1568 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Für längere Gespräche und Agentenaufgaben beschreibt der Hersteller die Komprimierung älteren Kontexts: Frühere Arbeit wird bei Annäherung an einen festgelegten Schwellenwert durch eine Zusammenfassung ersetzt. Diese Möglichkeit ist als experimentell gekennzeichnet und erfordert Unterstützung durch die Anwendung. Die Kontextgröße allein schließt keine unbegrenzte Erinnerung ein.
Opus 4.6 ist für mehrstufige Arbeit mit Suche, Code und anderen verfügbaren Werkzeugen ausgelegt. Die Anwendungsumgebung muss das Lesen von Materialien, das Ausführen von Befehlen oder das Erstellen von Dateien ermöglichen. Produktionsaktionen, die Bedienung einer Oberfläche und die Erstellung einer fertigen Präsentation hängen von diesen Mitteln ab; ein Textmodell erhält sie nicht automatisch.
Anthropic beschreibt gesondert Sicherheitsprüfungen und Schutzmaßnahmen für potenziell gefährliche Aufgaben in der Cybersicherheit. Bei gewöhnlicher Entwicklung kann das Modell helfen, Schwachstellen zu finden und zu beheben; die Art der Anfrage beeinflusst jedoch, ob eine Antwort möglich ist. Schlussfolgerungen aus umfangreichen Materialien und vorgeschlagene Änderungen müssen anhand der Daten selbst und der tatsächlichen Ausführungsergebnisse geprüft werden.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits anthropic/claude-opus-4.6 | 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 $0.01 / 1K Tokens Ausgabe · Ausgabetoken $0.05 / 1K Tokens Eingabe · Cache lesen $0.001 / 1K Tokens Eingabe · In Cache schreiben $0.0125 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.02 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.01 / 1K Tokens Ausgabe · Ausgabetoken $0.05 / 1K Tokens Eingabe · Cache lesen $0.001 / 1K Tokens Eingabe · In Cache schreiben $0.0125 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.02 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "anthropic/claude-opus-4.6",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-opus-4.6', '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-opus-4.6', '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-opus-4.6
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Review an idempotency bug\n\nReview this payment-handler excerpt: if not exists(event.id): charge(event.amount); save(event.id). Two workers can process the same event concurrently. The database supports transactions and a unique event_id. Propose a minimal safe change, explain the crash window and give tests for concurrent delivery and a crash after charging. Do not assume the payment service supports idempotency.A focused review with the race, a proposed code or pseudocode patch, required payment-service guarantees and two test scenarios.Verify that the proposal handles the external charge boundary explicitly rather than claiming a database transaction alone prevents duplicate charges.