Claude Opus 5.5 ist auf mehrstündige Arbeit an komplexen Entwicklungsaufgaben ausgelegt. Anthropic hebt umfangreiche Migrationen, Audits von Codebasen, das Beheben ineffizienter Softwareabläufe und die Untersuchung von Systemen hervor. Das Modell kann ein Problem untersuchen, Änderungen planen, Aktionsergebnisse verwenden und bis zur Vorbereitung eines Ergebnisses weiterarbeiten.
Weitere Schwerpunkte sind Forschung, Finanzanalyse und geschäftliche Materialien. Ein Beispiel für einen fachlichen Arbeitsablauf verbindet die Erstellung eines Finanzmodells mit der Präsentation der Schlussfolgerungen. Dafür braucht die Anwendung Mittel zur Verarbeitung von Daten, Dateien und Gestaltung. Die eigentliche Textantwort des Modells kann Analyse, die Struktur des Materials oder Code enthalten.
Diese Version legt einen eigenen Schwerpunkt auf Kommunikation. Laut Anthropic stellt das Modell die Hauptaussage an den Anfang, verwendet weniger Fachjargon und hält vorgegebene Schreibregeln ein. Bei längerer Arbeit hilft das, ausgeführte Aktionen mit einer verständlichen abschließenden Erklärung zu verbinden. Die gewünschte Detailtiefe, der Ton und das Format sollten ausdrücklich beschrieben werden.
Das Modell nimmt Text und Bilder an. Es kann Werte aus informationsreichen Grafiken, Diagrammen und Screenshots ablesen; bei besonders dichten Materialien sind Vergrößern oder Zuschneiden mit Werkzeugen weiterhin hilfreich. Die Antwort wird als Text erstellt. Fertige Dokumente und visuelle Materialien werden mit den Mitteln der Umgebung ausgegeben.
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 2576 Pixel bei 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Opus 5.5 verwendet dauerhaftes adaptives Reasoning. Das Abschalten von Reasoning und ein manuelles extended-thinking-Budget werden nicht unterstützt. Der wichtigste Parameter für die Tiefe ist effort: Verfügbar sind low, medium, high, xhigh und max; der Standard ist medium.
Bei hohen Stufen kann das Modell einen einzelnen Schritt ausführlicher analysieren. Die gesamte Antwortgrenze umfasst Platz für Reasoning und abschließenden Inhalt. Eine komplexe Aufgabe benötigt daher ein entsprechendes Budget. Das Kontextfenster umfasst 1 Million Tokens; im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Der verlässliche Wissensstand reicht bis Juni 2026.
Der Hersteller sieht Aufgabenbudgets, Änderungen des Aufwands und der verfügbaren Mittel während eines Gesprächs, Verlaufskomprimierung auf Anfrage und Zwischennotizen zwischen Aktionen vor. Ob sie vorhanden sind und wie sie angezeigt werden, hängt von der Anwendung ab. Gibt die Anwendung gespeicherte Reasoning-Blöcke zurück, ist die Kompatibilität begrenzt: Opus 5.5 liest eigene Blöcke sowie Blöcke von Opus 5 und früheren Opus-, Sonnet- und Haiku-Modellen; Gedankengänge von Fable und Mythos liest sie nicht. Andere Modellpaare benötigen entsprechende Unterstützung durch die Methode. Inkompatible Blöcke werden vor dem nächsten Gesprächsschritt ausgeschlossen, der ohne sie fortgesetzt wird. Änderungen an früheren Nachrichten, der Systemanweisung oder dem bisherigen Werkzeugsatz können die Bindung späterer Blöcke verletzen: Bei der Prüfung wird die Anfrage abgelehnt oder die betroffenen Blöcke werden ausgeschlossen.
Wenn die Methode Werkzeugeinstellungen bereitstellt, erlaubt das Herstellermodell die automatische Auswahl auto und das Abschalten mit none. Der Aufruf eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs anhand seines Namens (tool) kann nicht erzwungen werden. Das Lesen von Dokumenten, das Ausführen von Code, die Bedienung einer Oberfläche und die Erstellung von Dateien erfolgen über bereitgestellte Werkzeuge, nicht automatisch durch eine gewöhnliche Textanfrage.
In besonders riskanten Bereichen gelten Schutzmechanismen. Anthropic weist ausdrücklich darauf hin, dass vorangehende Verhaltensprüfungen nicht alle möglichen Fehler erkennen. Eine klare Erklärung und eine selbstständige Prüfung durch das Modell sind deshalb hilfreich, ersetzen aber nicht die Überprüfung des abschließenden Ergebnisses in der konkreten Aufgabe.
", "aboutText": "### Längere Entwicklungsarbeit und fachliche Analysen\n\nClaude Opus 5.5 ist auf mehrstündige Arbeit an komplexen Entwicklungsaufgaben ausgelegt. Anthropic hebt umfangreiche Migrationen, Audits von Codebasen, das Beheben ineffizienter Softwareabläufe und die Untersuchung von Systemen hervor. Das Modell kann ein Problem untersuchen, Änderungen planen, Aktionsergebnisse verwenden und bis zur Vorbereitung eines Ergebnisses weiterarbeiten.\n\nWeitere Schwerpunkte sind Forschung, Finanzanalyse und geschäftliche Materialien. Ein Beispiel für einen fachlichen Arbeitsablauf verbindet die Erstellung eines Finanzmodells mit der Präsentation der Schlussfolgerungen. Dafür braucht die Anwendung Mittel zur Verarbeitung von Daten, Dateien und Gestaltung. Die eigentliche Textantwort des Modells kann Analyse, die Struktur des Materials oder Code enthalten.\n\n### Schlussfolgerungen, die verständlich und überprüfbar sind\n\nDiese Version legt einen eigenen Schwerpunkt auf Kommunikation. Laut Anthropic stellt das Modell die Hauptaussage an den Anfang, verwendet weniger Fachjargon und hält vorgegebene Schreibregeln ein. Bei längerer Arbeit hilft das, ausgeführte Aktionen mit einer verständlichen abschließenden Erklärung zu verbinden. Die gewünschte Detailtiefe, der Ton und das Format sollten ausdrücklich beschrieben werden.\n\nDas Modell nimmt **Text und Bilder** an. Es kann Werte aus informationsreichen Grafiken, Diagrammen und Screenshots ablesen; bei besonders dichten Materialien sind Vergrößern oder Zuschneiden mit Werkzeugen weiterhin hilfreich. Die Antwort wird als **Text** erstellt. Fertige Dokumente und visuelle Materialien werden mit den Mitteln der Umgebung ausgegeben.\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 2576 Pixel bei 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.\n\n### Reasoning ist dauerhaft aktiviert\n\nOpus 5.5 verwendet **dauerhaftes adaptives Reasoning**. Das Abschalten von Reasoning und ein manuelles extended-thinking-Budget werden nicht unterstützt. Der wichtigste Parameter für die Tiefe ist `effort`: Verfügbar sind `low`, `medium`, `high`, `xhigh` und `max`; der Standard ist **`medium`**.\n\nBei hohen Stufen kann das Modell einen einzelnen Schritt ausführlicher analysieren. Die gesamte Antwortgrenze umfasst Platz für Reasoning und abschließenden Inhalt. Eine komplexe Aufgabe benötigt daher ein entsprechendes Budget. Das Kontextfenster umfasst **1 Million Tokens**; im gewöhnlichen Modus beträgt die maximale Antwort **128 Tausend Tokens**. Der verlässliche Wissensstand reicht bis **Juni 2026**.\n\n### Werkzeuge und der Verlauf einer längeren Aufgabe\n\nDer Hersteller sieht Aufgabenbudgets, Änderungen des Aufwands und der verfügbaren Mittel während eines Gesprächs, Verlaufskomprimierung auf Anfrage und Zwischennotizen zwischen Aktionen vor. Ob sie vorhanden sind und wie sie angezeigt werden, hängt von der Anwendung ab. Gibt die Anwendung gespeicherte Reasoning-Blöcke zurück, ist die Kompatibilität begrenzt: Opus 5.5 liest eigene Blöcke sowie Blöcke von Opus 5 und früheren Opus-, Sonnet- und Haiku-Modellen; Gedankengänge von Fable und Mythos liest sie nicht. Andere Modellpaare benötigen entsprechende Unterstützung durch die Methode. Inkompatible Blöcke werden vor dem nächsten Gesprächsschritt ausgeschlossen, der ohne sie fortgesetzt wird. Änderungen an früheren Nachrichten, der Systemanweisung oder dem bisherigen Werkzeugsatz können die Bindung späterer Blöcke verletzen: Bei der Prüfung wird die Anfrage abgelehnt oder die betroffenen Blöcke werden ausgeschlossen.\n\nWenn die Methode Werkzeugeinstellungen bereitstellt, erlaubt das Herstellermodell die automatische Auswahl `auto` und das Abschalten mit `none`. Der Aufruf eines beliebigen Werkzeugs (`any`) oder eines bestimmten Werkzeugs anhand seines Namens (`tool`) kann nicht erzwungen werden. Das Lesen von Dokumenten, das Ausführen von Code, die Bedienung einer Oberfläche und die Erstellung von Dateien erfolgen über bereitgestellte Werkzeuge, nicht automatisch durch eine gewöhnliche Textanfrage.\n\nIn besonders riskanten Bereichen gelten Schutzmechanismen. Anthropic weist ausdrücklich darauf hin, dass vorangehende Verhaltensprüfungen nicht alle möglichen Fehler erkennen. Eine klare Erklärung und eine selbstständige Prüfung durch das Modell sind deshalb hilfreich, ersetzen aber nicht die Überprüfung des abschließenden Ergebnisses in der konkreten Aufgabe.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Design a reviewable schema migration\n\nPrepare a migration proposal for a customer table. Existing columns: id, full_name. Target columns: id, given_name, family_name, display_name. Some full_name values contain one word or multiple family names. Preserve the original display name. Propose an expand-and-contract rollout, mark ambiguous splits for review and include acceptance tests and a rollback plan.A migration proposal with schema stages, backfill rules, ambiguity handling, acceptance cases and a reversible rollout sequence.Check that ambiguous names are retained for review and that rollback can recover the exact original full_name.claude-opus-5-5Claude Opus 5.5 ist für umfangreiche Entwicklungsänderungen und längere fachliche Analysen vorgesehen. Hilft, Ergebnisse zu prüfen und komplexe Arbeit unter Beibehaltung des vorgegebenen Stils klar zu erklären.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Opus 5.5 ist auf mehrstündige Arbeit an komplexen Entwicklungsaufgaben ausgelegt. Anthropic hebt umfangreiche Migrationen, Audits von Codebasen, das Beheben ineffizienter Softwareabläufe und die Untersuchung von Systemen hervor. Das Modell kann ein Problem untersuchen, Änderungen planen, Aktionsergebnisse verwenden und bis zur Vorbereitung eines Ergebnisses weiterarbeiten.
Weitere Schwerpunkte sind Forschung, Finanzanalyse und geschäftliche Materialien. Ein Beispiel für einen fachlichen Arbeitsablauf verbindet die Erstellung eines Finanzmodells mit der Präsentation der Schlussfolgerungen. Dafür braucht die Anwendung Mittel zur Verarbeitung von Daten, Dateien und Gestaltung. Die eigentliche Textantwort des Modells kann Analyse, die Struktur des Materials oder Code enthalten.
Diese Version legt einen eigenen Schwerpunkt auf Kommunikation. Laut Anthropic stellt das Modell die Hauptaussage an den Anfang, verwendet weniger Fachjargon und hält vorgegebene Schreibregeln ein. Bei längerer Arbeit hilft das, ausgeführte Aktionen mit einer verständlichen abschließenden Erklärung zu verbinden. Die gewünschte Detailtiefe, der Ton und das Format sollten ausdrücklich beschrieben werden.
Das Modell nimmt Text und Bilder an. Es kann Werte aus informationsreichen Grafiken, Diagrammen und Screenshots ablesen; bei besonders dichten Materialien sind Vergrößern oder Zuschneiden mit Werkzeugen weiterhin hilfreich. Die Antwort wird als Text erstellt. Fertige Dokumente und visuelle Materialien werden mit den Mitteln der Umgebung ausgegeben.
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 2576 Pixel bei 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Opus 5.5 verwendet dauerhaftes adaptives Reasoning. Das Abschalten von Reasoning und ein manuelles extended-thinking-Budget werden nicht unterstützt. Der wichtigste Parameter für die Tiefe ist effort: Verfügbar sind low, medium, high, xhigh und max; der Standard ist medium.
Bei hohen Stufen kann das Modell einen einzelnen Schritt ausführlicher analysieren. Die gesamte Antwortgrenze umfasst Platz für Reasoning und abschließenden Inhalt. Eine komplexe Aufgabe benötigt daher ein entsprechendes Budget. Das Kontextfenster umfasst 1 Million Tokens; im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Der verlässliche Wissensstand reicht bis Juni 2026.
Der Hersteller sieht Aufgabenbudgets, Änderungen des Aufwands und der verfügbaren Mittel während eines Gesprächs, Verlaufskomprimierung auf Anfrage und Zwischennotizen zwischen Aktionen vor. Ob sie vorhanden sind und wie sie angezeigt werden, hängt von der Anwendung ab. Gibt die Anwendung gespeicherte Reasoning-Blöcke zurück, ist die Kompatibilität begrenzt: Opus 5.5 liest eigene Blöcke sowie Blöcke von Opus 5 und früheren Opus-, Sonnet- und Haiku-Modellen; Gedankengänge von Fable und Mythos liest sie nicht. Andere Modellpaare benötigen entsprechende Unterstützung durch die Methode. Inkompatible Blöcke werden vor dem nächsten Gesprächsschritt ausgeschlossen, der ohne sie fortgesetzt wird. Änderungen an früheren Nachrichten, der Systemanweisung oder dem bisherigen Werkzeugsatz können die Bindung späterer Blöcke verletzen: Bei der Prüfung wird die Anfrage abgelehnt oder die betroffenen Blöcke werden ausgeschlossen.
Wenn die Methode Werkzeugeinstellungen bereitstellt, erlaubt das Herstellermodell die automatische Auswahl auto und das Abschalten mit none. Der Aufruf eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs anhand seines Namens (tool) kann nicht erzwungen werden. Das Lesen von Dokumenten, das Ausführen von Code, die Bedienung einer Oberfläche und die Erstellung von Dateien erfolgen über bereitgestellte Werkzeuge, nicht automatisch durch eine gewöhnliche Textanfrage.
In besonders riskanten Bereichen gelten Schutzmechanismen. Anthropic weist ausdrücklich darauf hin, dass vorangehende Verhaltensprüfungen nicht alle möglichen Fehler erkennen. Eine klare Erklärung und eine selbstständige Prüfung durch das Modell sind deshalb hilfreich, ersetzen aber nicht die Überprüfung des abschließenden Ergebnisses in der konkreten Aufgabe.
POST /v1/messagestext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-opus-5-5 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring|content_block[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldsystem | Typstring|content_block[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits Minimum: 1 Limit gilt für: Genaue Obergrenze des ausgewählten Modells bzw. seiner Modellkarte | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop_sequences | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typtool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].name | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Werkzeug bereitgestellt | Standard— |
Feldtools[].description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].input_schema | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.type | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.budget_tokens | Typinteger | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldoutput_config.effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmetadata | Typobject | AnforderungOptional | Werte und Limits | Standard— |
Feldcache_control | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
messages[].content oder Block mit type=text
Text + Bild
{type:image,source:{type:base64,media_type,data}} oder Quelle mit type=url
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext, image |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragTatsächlicher UTF-8-Inhalt wird als Text eingefügt; Datei-IDs/URLs müssen separat und exakt unterstützt werden |
Lebenszyklus: exact retained published method
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1/messagesAiloot 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 →
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-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 |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-5-5", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-5-5", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="claude-opus-5-5",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "claude-opus-5-5",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='claude-opus-5-5',max_tokens=1024,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_message()\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 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 claude-opus-5-5, claude-opus, claude-opus-latest
Ailoot Ultra anthropic/claude-opus-5.5, ~anthropic/claude-opus-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-opus-5.5, claude-opus, claude-opus-latest, ~anthropic/claude-opus-latest, claude-opus-5-5
claude-opus-5-5Claude Opus 5.5 ist für umfangreiche Entwicklungsänderungen und längere fachliche Analysen vorgesehen. Hilft, Ergebnisse zu prüfen und komplexe Arbeit unter Beibehaltung des vorgegebenen Stils klar zu erklären.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Opus 5.5 ist auf mehrstündige Arbeit an komplexen Entwicklungsaufgaben ausgelegt. Anthropic hebt umfangreiche Migrationen, Audits von Codebasen, das Beheben ineffizienter Softwareabläufe und die Untersuchung von Systemen hervor. Das Modell kann ein Problem untersuchen, Änderungen planen, Aktionsergebnisse verwenden und bis zur Vorbereitung eines Ergebnisses weiterarbeiten.
Weitere Schwerpunkte sind Forschung, Finanzanalyse und geschäftliche Materialien. Ein Beispiel für einen fachlichen Arbeitsablauf verbindet die Erstellung eines Finanzmodells mit der Präsentation der Schlussfolgerungen. Dafür braucht die Anwendung Mittel zur Verarbeitung von Daten, Dateien und Gestaltung. Die eigentliche Textantwort des Modells kann Analyse, die Struktur des Materials oder Code enthalten.
Diese Version legt einen eigenen Schwerpunkt auf Kommunikation. Laut Anthropic stellt das Modell die Hauptaussage an den Anfang, verwendet weniger Fachjargon und hält vorgegebene Schreibregeln ein. Bei längerer Arbeit hilft das, ausgeführte Aktionen mit einer verständlichen abschließenden Erklärung zu verbinden. Die gewünschte Detailtiefe, der Ton und das Format sollten ausdrücklich beschrieben werden.
Das Modell nimmt Text und Bilder an. Es kann Werte aus informationsreichen Grafiken, Diagrammen und Screenshots ablesen; bei besonders dichten Materialien sind Vergrößern oder Zuschneiden mit Werkzeugen weiterhin hilfreich. Die Antwort wird als Text erstellt. Fertige Dokumente und visuelle Materialien werden mit den Mitteln der Umgebung ausgegeben.
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 2576 Pixel bei 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Opus 5.5 verwendet dauerhaftes adaptives Reasoning. Das Abschalten von Reasoning und ein manuelles extended-thinking-Budget werden nicht unterstützt. Der wichtigste Parameter für die Tiefe ist effort: Verfügbar sind low, medium, high, xhigh und max; der Standard ist medium.
Bei hohen Stufen kann das Modell einen einzelnen Schritt ausführlicher analysieren. Die gesamte Antwortgrenze umfasst Platz für Reasoning und abschließenden Inhalt. Eine komplexe Aufgabe benötigt daher ein entsprechendes Budget. Das Kontextfenster umfasst 1 Million Tokens; im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Der verlässliche Wissensstand reicht bis Juni 2026.
Der Hersteller sieht Aufgabenbudgets, Änderungen des Aufwands und der verfügbaren Mittel während eines Gesprächs, Verlaufskomprimierung auf Anfrage und Zwischennotizen zwischen Aktionen vor. Ob sie vorhanden sind und wie sie angezeigt werden, hängt von der Anwendung ab. Gibt die Anwendung gespeicherte Reasoning-Blöcke zurück, ist die Kompatibilität begrenzt: Opus 5.5 liest eigene Blöcke sowie Blöcke von Opus 5 und früheren Opus-, Sonnet- und Haiku-Modellen; Gedankengänge von Fable und Mythos liest sie nicht. Andere Modellpaare benötigen entsprechende Unterstützung durch die Methode. Inkompatible Blöcke werden vor dem nächsten Gesprächsschritt ausgeschlossen, der ohne sie fortgesetzt wird. Änderungen an früheren Nachrichten, der Systemanweisung oder dem bisherigen Werkzeugsatz können die Bindung späterer Blöcke verletzen: Bei der Prüfung wird die Anfrage abgelehnt oder die betroffenen Blöcke werden ausgeschlossen.
Wenn die Methode Werkzeugeinstellungen bereitstellt, erlaubt das Herstellermodell die automatische Auswahl auto und das Abschalten mit none. Der Aufruf eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs anhand seines Namens (tool) kann nicht erzwungen werden. Das Lesen von Dokumenten, das Ausführen von Code, die Bedienung einer Oberfläche und die Erstellung von Dateien erfolgen über bereitgestellte Werkzeuge, nicht automatisch durch eine gewöhnliche Textanfrage.
In besonders riskanten Bereichen gelten Schutzmechanismen. Anthropic weist ausdrücklich darauf hin, dass vorangehende Verhaltensprüfungen nicht alle möglichen Fehler erkennen. Eine klare Erklärung und eine selbstständige Prüfung durch das Modell sind deshalb hilfreich, ersetzen aber nicht die Überprüfung des abschließenden Ergebnisses in der konkreten Aufgabe.
POST /v1/responsestext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-opus-5-5 | Standard— |
Feldinput | Typstring|input_item[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldinput[].type | Typstring | AnforderungOptional | Werte und Limits message, reasoning, function_call, function_call_output | Standard— |
Feldinput[].content | Typstring|content_part[] | AnforderungOptional | Werte und Limits | Standard— |
Feldinput[].call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: function_call_output; den tatsächlich zurückgegebenen Wert von call_id beibehalten | Standard— |
Feldinput[].output | Typstring|content_part[] | AnforderungOptional | Werte und Limits Gilt, wenn: function_call_output | Standard— |
Feldmax_output_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typtool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning.effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning.summary | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtext.format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtext.verbosity | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinclude | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstore | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprevious_response_id | Typstring | AnforderungOptional | Werte und Limits ID-Anforderung: Nur eine tatsächliche Antwort-ID aus einer unterstützten Fortsetzung Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_key | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
Eingabetext oder input_text-Teil
Text + Bild
{type:input_image,image_url}
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext, image |
Parameterrequired | Vertragmodel, input |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragTatsächlicher UTF-8-Inhalt wird als Text eingefügt; Datei-IDs/URLs müssen separat und exakt unterstützt werden |
Lebenszyklus: exact retained published method
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1/responsesAiloot 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 →
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-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 |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-5-5", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-5-5", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="claude-opus-5-5", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "claude-opus-5-5", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="claude-opus-5-5", input="Explain the difference between an observation and a hypothesis 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_response()\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 Ausgabeelemente und Inhaltsteile, die tatsächliche call_id der Funktion, verschlüsselte Reasoning-Daten und Verbrauchsdaten beibehalten. Beim Streaming die vollständige Identität von Ereignis und Element bewahren.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldstatus | Typstring |
Feldoutput[] | Typmessage|reasoning|function_call|other item |
Feldoutput[].content[] | Typcontent part |
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 claude-opus-5-5, claude-opus, claude-opus-latest
Ailoot Ultra anthropic/claude-opus-5.5, ~anthropic/claude-opus-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-opus-5.5, claude-opus, claude-opus-latest, ~anthropic/claude-opus-latest, claude-opus-5-5
claude-opus-5-5Claude Opus 5.5 ist für umfangreiche Entwicklungsänderungen und längere fachliche Analysen vorgesehen. Hilft, Ergebnisse zu prüfen und komplexe Arbeit unter Beibehaltung des vorgegebenen Stils klar zu erklären.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Opus 5.5 ist auf mehrstündige Arbeit an komplexen Entwicklungsaufgaben ausgelegt. Anthropic hebt umfangreiche Migrationen, Audits von Codebasen, das Beheben ineffizienter Softwareabläufe und die Untersuchung von Systemen hervor. Das Modell kann ein Problem untersuchen, Änderungen planen, Aktionsergebnisse verwenden und bis zur Vorbereitung eines Ergebnisses weiterarbeiten.
Weitere Schwerpunkte sind Forschung, Finanzanalyse und geschäftliche Materialien. Ein Beispiel für einen fachlichen Arbeitsablauf verbindet die Erstellung eines Finanzmodells mit der Präsentation der Schlussfolgerungen. Dafür braucht die Anwendung Mittel zur Verarbeitung von Daten, Dateien und Gestaltung. Die eigentliche Textantwort des Modells kann Analyse, die Struktur des Materials oder Code enthalten.
Diese Version legt einen eigenen Schwerpunkt auf Kommunikation. Laut Anthropic stellt das Modell die Hauptaussage an den Anfang, verwendet weniger Fachjargon und hält vorgegebene Schreibregeln ein. Bei längerer Arbeit hilft das, ausgeführte Aktionen mit einer verständlichen abschließenden Erklärung zu verbinden. Die gewünschte Detailtiefe, der Ton und das Format sollten ausdrücklich beschrieben werden.
Das Modell nimmt Text und Bilder an. Es kann Werte aus informationsreichen Grafiken, Diagrammen und Screenshots ablesen; bei besonders dichten Materialien sind Vergrößern oder Zuschneiden mit Werkzeugen weiterhin hilfreich. Die Antwort wird als Text erstellt. Fertige Dokumente und visuelle Materialien werden mit den Mitteln der Umgebung ausgegeben.
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 2576 Pixel bei 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Opus 5.5 verwendet dauerhaftes adaptives Reasoning. Das Abschalten von Reasoning und ein manuelles extended-thinking-Budget werden nicht unterstützt. Der wichtigste Parameter für die Tiefe ist effort: Verfügbar sind low, medium, high, xhigh und max; der Standard ist medium.
Bei hohen Stufen kann das Modell einen einzelnen Schritt ausführlicher analysieren. Die gesamte Antwortgrenze umfasst Platz für Reasoning und abschließenden Inhalt. Eine komplexe Aufgabe benötigt daher ein entsprechendes Budget. Das Kontextfenster umfasst 1 Million Tokens; im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Der verlässliche Wissensstand reicht bis Juni 2026.
Der Hersteller sieht Aufgabenbudgets, Änderungen des Aufwands und der verfügbaren Mittel während eines Gesprächs, Verlaufskomprimierung auf Anfrage und Zwischennotizen zwischen Aktionen vor. Ob sie vorhanden sind und wie sie angezeigt werden, hängt von der Anwendung ab. Gibt die Anwendung gespeicherte Reasoning-Blöcke zurück, ist die Kompatibilität begrenzt: Opus 5.5 liest eigene Blöcke sowie Blöcke von Opus 5 und früheren Opus-, Sonnet- und Haiku-Modellen; Gedankengänge von Fable und Mythos liest sie nicht. Andere Modellpaare benötigen entsprechende Unterstützung durch die Methode. Inkompatible Blöcke werden vor dem nächsten Gesprächsschritt ausgeschlossen, der ohne sie fortgesetzt wird. Änderungen an früheren Nachrichten, der Systemanweisung oder dem bisherigen Werkzeugsatz können die Bindung späterer Blöcke verletzen: Bei der Prüfung wird die Anfrage abgelehnt oder die betroffenen Blöcke werden ausgeschlossen.
Wenn die Methode Werkzeugeinstellungen bereitstellt, erlaubt das Herstellermodell die automatische Auswahl auto und das Abschalten mit none. Der Aufruf eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs anhand seines Namens (tool) kann nicht erzwungen werden. Das Lesen von Dokumenten, das Ausführen von Code, die Bedienung einer Oberfläche und die Erstellung von Dateien erfolgen über bereitgestellte Werkzeuge, nicht automatisch durch eine gewöhnliche Textanfrage.
In besonders riskanten Bereichen gelten Schutzmechanismen. Anthropic weist ausdrücklich darauf hin, dass vorangehende Verhaltensprüfungen nicht alle möglichen Fehler erkennen. Eine klare Erklärung und eine selbstständige Prüfung durch das Modell sind deshalb hilfreich, ersetzen aber nicht die Überprüfung des abschließenden Ergebnisses in der konkreten Aufgabe.
POST /v1/chat/completionstext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-opus-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 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— |
Text · UTF8-Text
messages[].content
Text + Bild
{type:image_url,image_url:{url,detail}}
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext, image |
Parameterrequired | Vertragmodel, messages |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragTatsächlicher UTF-8-Inhalt wird als Text eingefügt; Datei-IDs/URLs müssen separat und exakt unterstützt werden |
Lebenszyklus: exact retained published method
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1/chat/completionsAiloot 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 →
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-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 |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-5-5", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-5-5", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="claude-opus-5-5",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "claude-opus-5-5",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='claude-opus-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 claude-opus-5-5, claude-opus, claude-opus-latest
Ailoot Ultra anthropic/claude-opus-5.5, ~anthropic/claude-opus-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-opus-5.5, claude-opus, claude-opus-latest, ~anthropic/claude-opus-latest, claude-opus-5-5
claude-opusClaude Opus 5.5 ist für umfangreiche Entwicklungsänderungen und längere fachliche Analysen vorgesehen. Hilft, Ergebnisse zu prüfen und komplexe Arbeit unter Beibehaltung des vorgegebenen Stils klar zu erklären.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Opus 5.5 ist auf mehrstündige Arbeit an komplexen Entwicklungsaufgaben ausgelegt. Anthropic hebt umfangreiche Migrationen, Audits von Codebasen, das Beheben ineffizienter Softwareabläufe und die Untersuchung von Systemen hervor. Das Modell kann ein Problem untersuchen, Änderungen planen, Aktionsergebnisse verwenden und bis zur Vorbereitung eines Ergebnisses weiterarbeiten.
Weitere Schwerpunkte sind Forschung, Finanzanalyse und geschäftliche Materialien. Ein Beispiel für einen fachlichen Arbeitsablauf verbindet die Erstellung eines Finanzmodells mit der Präsentation der Schlussfolgerungen. Dafür braucht die Anwendung Mittel zur Verarbeitung von Daten, Dateien und Gestaltung. Die eigentliche Textantwort des Modells kann Analyse, die Struktur des Materials oder Code enthalten.
Diese Version legt einen eigenen Schwerpunkt auf Kommunikation. Laut Anthropic stellt das Modell die Hauptaussage an den Anfang, verwendet weniger Fachjargon und hält vorgegebene Schreibregeln ein. Bei längerer Arbeit hilft das, ausgeführte Aktionen mit einer verständlichen abschließenden Erklärung zu verbinden. Die gewünschte Detailtiefe, der Ton und das Format sollten ausdrücklich beschrieben werden.
Das Modell nimmt Text und Bilder an. Es kann Werte aus informationsreichen Grafiken, Diagrammen und Screenshots ablesen; bei besonders dichten Materialien sind Vergrößern oder Zuschneiden mit Werkzeugen weiterhin hilfreich. Die Antwort wird als Text erstellt. Fertige Dokumente und visuelle Materialien werden mit den Mitteln der Umgebung ausgegeben.
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 2576 Pixel bei 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Opus 5.5 verwendet dauerhaftes adaptives Reasoning. Das Abschalten von Reasoning und ein manuelles extended-thinking-Budget werden nicht unterstützt. Der wichtigste Parameter für die Tiefe ist effort: Verfügbar sind low, medium, high, xhigh und max; der Standard ist medium.
Bei hohen Stufen kann das Modell einen einzelnen Schritt ausführlicher analysieren. Die gesamte Antwortgrenze umfasst Platz für Reasoning und abschließenden Inhalt. Eine komplexe Aufgabe benötigt daher ein entsprechendes Budget. Das Kontextfenster umfasst 1 Million Tokens; im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Der verlässliche Wissensstand reicht bis Juni 2026.
Der Hersteller sieht Aufgabenbudgets, Änderungen des Aufwands und der verfügbaren Mittel während eines Gesprächs, Verlaufskomprimierung auf Anfrage und Zwischennotizen zwischen Aktionen vor. Ob sie vorhanden sind und wie sie angezeigt werden, hängt von der Anwendung ab. Gibt die Anwendung gespeicherte Reasoning-Blöcke zurück, ist die Kompatibilität begrenzt: Opus 5.5 liest eigene Blöcke sowie Blöcke von Opus 5 und früheren Opus-, Sonnet- und Haiku-Modellen; Gedankengänge von Fable und Mythos liest sie nicht. Andere Modellpaare benötigen entsprechende Unterstützung durch die Methode. Inkompatible Blöcke werden vor dem nächsten Gesprächsschritt ausgeschlossen, der ohne sie fortgesetzt wird. Änderungen an früheren Nachrichten, der Systemanweisung oder dem bisherigen Werkzeugsatz können die Bindung späterer Blöcke verletzen: Bei der Prüfung wird die Anfrage abgelehnt oder die betroffenen Blöcke werden ausgeschlossen.
Wenn die Methode Werkzeugeinstellungen bereitstellt, erlaubt das Herstellermodell die automatische Auswahl auto und das Abschalten mit none. Der Aufruf eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs anhand seines Namens (tool) kann nicht erzwungen werden. Das Lesen von Dokumenten, das Ausführen von Code, die Bedienung einer Oberfläche und die Erstellung von Dateien erfolgen über bereitgestellte Werkzeuge, nicht automatisch durch eine gewöhnliche Textanfrage.
In besonders riskanten Bereichen gelten Schutzmechanismen. Anthropic weist ausdrücklich darauf hin, dass vorangehende Verhaltensprüfungen nicht alle möglichen Fehler erkennen. Eine klare Erklärung und eine selbstständige Prüfung durch das Modell sind deshalb hilfreich, ersetzen aber nicht die Überprüfung des abschließenden Ergebnisses in der konkreten Aufgabe.
POST /v1/messagestext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-opus | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring|content_block[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldsystem | Typstring|content_block[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits Minimum: 1 Limit gilt für: Genaue Obergrenze des ausgewählten Modells bzw. seiner Modellkarte | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop_sequences | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typtool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].name | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: tool supplied | Standard— |
Feldtools[].description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].input_schema | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.type | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.budget_tokens | Typinteger | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldoutput_config.effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmetadata | Typobject | AnforderungOptional | Werte und Limits | Standard— |
Feldcache_control | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
messages[].content or type=text block
Text + Bild
{type:image,source:{type:base64,media_type,data}} or source type=url
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext, image |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragTatsächlicher UTF-8-Inhalt wird als Text eingefügt; Datei-IDs/URLs müssen separat und exakt unterstützt werden |
Lebenszyklus: exact retained published method
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1/messagesAiloot 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 →
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-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 |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="claude-opus",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "claude-opus",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='claude-opus',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson or 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 claude-opus-5-5, claude-opus, claude-opus-latest
Ailoot Ultra anthropic/claude-opus-5.5, ~anthropic/claude-opus-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-opus-5.5, claude-opus, claude-opus-latest, ~anthropic/claude-opus-latest, claude-opus-5-5
claude-opus-latestClaude Opus 5.5 ist für umfangreiche Entwicklungsänderungen und längere fachliche Analysen vorgesehen. Hilft, Ergebnisse zu prüfen und komplexe Arbeit unter Beibehaltung des vorgegebenen Stils klar zu erklären.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Opus 5.5 ist auf mehrstündige Arbeit an komplexen Entwicklungsaufgaben ausgelegt. Anthropic hebt umfangreiche Migrationen, Audits von Codebasen, das Beheben ineffizienter Softwareabläufe und die Untersuchung von Systemen hervor. Das Modell kann ein Problem untersuchen, Änderungen planen, Aktionsergebnisse verwenden und bis zur Vorbereitung eines Ergebnisses weiterarbeiten.
Weitere Schwerpunkte sind Forschung, Finanzanalyse und geschäftliche Materialien. Ein Beispiel für einen fachlichen Arbeitsablauf verbindet die Erstellung eines Finanzmodells mit der Präsentation der Schlussfolgerungen. Dafür braucht die Anwendung Mittel zur Verarbeitung von Daten, Dateien und Gestaltung. Die eigentliche Textantwort des Modells kann Analyse, die Struktur des Materials oder Code enthalten.
Diese Version legt einen eigenen Schwerpunkt auf Kommunikation. Laut Anthropic stellt das Modell die Hauptaussage an den Anfang, verwendet weniger Fachjargon und hält vorgegebene Schreibregeln ein. Bei längerer Arbeit hilft das, ausgeführte Aktionen mit einer verständlichen abschließenden Erklärung zu verbinden. Die gewünschte Detailtiefe, der Ton und das Format sollten ausdrücklich beschrieben werden.
Das Modell nimmt Text und Bilder an. Es kann Werte aus informationsreichen Grafiken, Diagrammen und Screenshots ablesen; bei besonders dichten Materialien sind Vergrößern oder Zuschneiden mit Werkzeugen weiterhin hilfreich. Die Antwort wird als Text erstellt. Fertige Dokumente und visuelle Materialien werden mit den Mitteln der Umgebung ausgegeben.
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 2576 Pixel bei 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Opus 5.5 verwendet dauerhaftes adaptives Reasoning. Das Abschalten von Reasoning und ein manuelles extended-thinking-Budget werden nicht unterstützt. Der wichtigste Parameter für die Tiefe ist effort: Verfügbar sind low, medium, high, xhigh und max; der Standard ist medium.
Bei hohen Stufen kann das Modell einen einzelnen Schritt ausführlicher analysieren. Die gesamte Antwortgrenze umfasst Platz für Reasoning und abschließenden Inhalt. Eine komplexe Aufgabe benötigt daher ein entsprechendes Budget. Das Kontextfenster umfasst 1 Million Tokens; im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Der verlässliche Wissensstand reicht bis Juni 2026.
Der Hersteller sieht Aufgabenbudgets, Änderungen des Aufwands und der verfügbaren Mittel während eines Gesprächs, Verlaufskomprimierung auf Anfrage und Zwischennotizen zwischen Aktionen vor. Ob sie vorhanden sind und wie sie angezeigt werden, hängt von der Anwendung ab. Gibt die Anwendung gespeicherte Reasoning-Blöcke zurück, ist die Kompatibilität begrenzt: Opus 5.5 liest eigene Blöcke sowie Blöcke von Opus 5 und früheren Opus-, Sonnet- und Haiku-Modellen; Gedankengänge von Fable und Mythos liest sie nicht. Andere Modellpaare benötigen entsprechende Unterstützung durch die Methode. Inkompatible Blöcke werden vor dem nächsten Gesprächsschritt ausgeschlossen, der ohne sie fortgesetzt wird. Änderungen an früheren Nachrichten, der Systemanweisung oder dem bisherigen Werkzeugsatz können die Bindung späterer Blöcke verletzen: Bei der Prüfung wird die Anfrage abgelehnt oder die betroffenen Blöcke werden ausgeschlossen.
Wenn die Methode Werkzeugeinstellungen bereitstellt, erlaubt das Herstellermodell die automatische Auswahl auto und das Abschalten mit none. Der Aufruf eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs anhand seines Namens (tool) kann nicht erzwungen werden. Das Lesen von Dokumenten, das Ausführen von Code, die Bedienung einer Oberfläche und die Erstellung von Dateien erfolgen über bereitgestellte Werkzeuge, nicht automatisch durch eine gewöhnliche Textanfrage.
In besonders riskanten Bereichen gelten Schutzmechanismen. Anthropic weist ausdrücklich darauf hin, dass vorangehende Verhaltensprüfungen nicht alle möglichen Fehler erkennen. Eine klare Erklärung und eine selbstständige Prüfung durch das Modell sind deshalb hilfreich, ersetzen aber nicht die Überprüfung des abschließenden Ergebnisses in der konkreten Aufgabe.
POST /v1/messagestext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-opus-latest | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring|content_block[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldsystem | Typstring|content_block[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits Minimum: 1 Limit gilt für: Genaue Obergrenze des ausgewählten Modells bzw. seiner Modellkarte | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop_sequences | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typtool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].name | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: tool supplied | Standard— |
Feldtools[].description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].input_schema | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.type | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.budget_tokens | Typinteger | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldoutput_config.effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmetadata | Typobject | AnforderungOptional | Werte und Limits | Standard— |
Feldcache_control | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
messages[].content or type=text block
Text + Bild
{type:image,source:{type:base64,media_type,data}} or source type=url
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext, image |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragTatsächlicher UTF-8-Inhalt wird als Text eingefügt; Datei-IDs/URLs müssen separat und exakt unterstützt werden |
Lebenszyklus: exact retained published method
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1/messagesAiloot 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 →
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-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 |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-latest", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-latest", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="claude-opus-latest",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "claude-opus-latest",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='claude-opus-latest',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson or 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 claude-opus-5-5, claude-opus, claude-opus-latest
Ailoot Ultra anthropic/claude-opus-5.5, ~anthropic/claude-opus-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-opus-5.5, claude-opus, claude-opus-latest, ~anthropic/claude-opus-latest, claude-opus-5-5
anthropic/claude-opus-5.5Claude Opus 5.5 ist für umfangreiche Entwicklungsänderungen und längere fachliche Analysen vorgesehen. Hilft, Ergebnisse zu prüfen und komplexe Arbeit unter Beibehaltung des vorgegebenen Stils klar zu erklären.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Opus 5.5 ist auf mehrstündige Arbeit an komplexen Entwicklungsaufgaben ausgelegt. Anthropic hebt umfangreiche Migrationen, Audits von Codebasen, das Beheben ineffizienter Softwareabläufe und die Untersuchung von Systemen hervor. Das Modell kann ein Problem untersuchen, Änderungen planen, Aktionsergebnisse verwenden und bis zur Vorbereitung eines Ergebnisses weiterarbeiten.
Weitere Schwerpunkte sind Forschung, Finanzanalyse und geschäftliche Materialien. Ein Beispiel für einen fachlichen Arbeitsablauf verbindet die Erstellung eines Finanzmodells mit der Präsentation der Schlussfolgerungen. Dafür braucht die Anwendung Mittel zur Verarbeitung von Daten, Dateien und Gestaltung. Die eigentliche Textantwort des Modells kann Analyse, die Struktur des Materials oder Code enthalten.
Diese Version legt einen eigenen Schwerpunkt auf Kommunikation. Laut Anthropic stellt das Modell die Hauptaussage an den Anfang, verwendet weniger Fachjargon und hält vorgegebene Schreibregeln ein. Bei längerer Arbeit hilft das, ausgeführte Aktionen mit einer verständlichen abschließenden Erklärung zu verbinden. Die gewünschte Detailtiefe, der Ton und das Format sollten ausdrücklich beschrieben werden.
Das Modell nimmt Text und Bilder an. Es kann Werte aus informationsreichen Grafiken, Diagrammen und Screenshots ablesen; bei besonders dichten Materialien sind Vergrößern oder Zuschneiden mit Werkzeugen weiterhin hilfreich. Die Antwort wird als Text erstellt. Fertige Dokumente und visuelle Materialien werden mit den Mitteln der Umgebung ausgegeben.
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 2576 Pixel bei 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Opus 5.5 verwendet dauerhaftes adaptives Reasoning. Das Abschalten von Reasoning und ein manuelles extended-thinking-Budget werden nicht unterstützt. Der wichtigste Parameter für die Tiefe ist effort: Verfügbar sind low, medium, high, xhigh und max; der Standard ist medium.
Bei hohen Stufen kann das Modell einen einzelnen Schritt ausführlicher analysieren. Die gesamte Antwortgrenze umfasst Platz für Reasoning und abschließenden Inhalt. Eine komplexe Aufgabe benötigt daher ein entsprechendes Budget. Das Kontextfenster umfasst 1 Million Tokens; im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Der verlässliche Wissensstand reicht bis Juni 2026.
Der Hersteller sieht Aufgabenbudgets, Änderungen des Aufwands und der verfügbaren Mittel während eines Gesprächs, Verlaufskomprimierung auf Anfrage und Zwischennotizen zwischen Aktionen vor. Ob sie vorhanden sind und wie sie angezeigt werden, hängt von der Anwendung ab. Gibt die Anwendung gespeicherte Reasoning-Blöcke zurück, ist die Kompatibilität begrenzt: Opus 5.5 liest eigene Blöcke sowie Blöcke von Opus 5 und früheren Opus-, Sonnet- und Haiku-Modellen; Gedankengänge von Fable und Mythos liest sie nicht. Andere Modellpaare benötigen entsprechende Unterstützung durch die Methode. Inkompatible Blöcke werden vor dem nächsten Gesprächsschritt ausgeschlossen, der ohne sie fortgesetzt wird. Änderungen an früheren Nachrichten, der Systemanweisung oder dem bisherigen Werkzeugsatz können die Bindung späterer Blöcke verletzen: Bei der Prüfung wird die Anfrage abgelehnt oder die betroffenen Blöcke werden ausgeschlossen.
Wenn die Methode Werkzeugeinstellungen bereitstellt, erlaubt das Herstellermodell die automatische Auswahl auto und das Abschalten mit none. Der Aufruf eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs anhand seines Namens (tool) kann nicht erzwungen werden. Das Lesen von Dokumenten, das Ausführen von Code, die Bedienung einer Oberfläche und die Erstellung von Dateien erfolgen über bereitgestellte Werkzeuge, nicht automatisch durch eine gewöhnliche Textanfrage.
In besonders riskanten Bereichen gelten Schutzmechanismen. Anthropic weist ausdrücklich darauf hin, dass vorangehende Verhaltensprüfungen nicht alle möglichen Fehler erkennen. Eine klare Erklärung und eine selbstständige Prüfung durch das Modell sind deshalb hilfreich, ersetzen aber nicht die Überprüfung des abschließenden Ergebnisses in der konkreten Aufgabe.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits anthropic/claude-opus-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 $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-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-opus-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-opus-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 claude-opus-5-5, claude-opus, claude-opus-latest
Ailoot Ultra anthropic/claude-opus-5.5, ~anthropic/claude-opus-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-opus-5.5, claude-opus, claude-opus-latest, ~anthropic/claude-opus-latest, claude-opus-5-5
anthropic/claude-opus-5.5Claude Opus 5.5 ist für umfangreiche Entwicklungsänderungen und längere fachliche Analysen vorgesehen. Hilft, Ergebnisse zu prüfen und komplexe Arbeit unter Beibehaltung des vorgegebenen Stils klar zu erklären.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Opus 5.5 ist auf mehrstündige Arbeit an komplexen Entwicklungsaufgaben ausgelegt. Anthropic hebt umfangreiche Migrationen, Audits von Codebasen, das Beheben ineffizienter Softwareabläufe und die Untersuchung von Systemen hervor. Das Modell kann ein Problem untersuchen, Änderungen planen, Aktionsergebnisse verwenden und bis zur Vorbereitung eines Ergebnisses weiterarbeiten.
Weitere Schwerpunkte sind Forschung, Finanzanalyse und geschäftliche Materialien. Ein Beispiel für einen fachlichen Arbeitsablauf verbindet die Erstellung eines Finanzmodells mit der Präsentation der Schlussfolgerungen. Dafür braucht die Anwendung Mittel zur Verarbeitung von Daten, Dateien und Gestaltung. Die eigentliche Textantwort des Modells kann Analyse, die Struktur des Materials oder Code enthalten.
Diese Version legt einen eigenen Schwerpunkt auf Kommunikation. Laut Anthropic stellt das Modell die Hauptaussage an den Anfang, verwendet weniger Fachjargon und hält vorgegebene Schreibregeln ein. Bei längerer Arbeit hilft das, ausgeführte Aktionen mit einer verständlichen abschließenden Erklärung zu verbinden. Die gewünschte Detailtiefe, der Ton und das Format sollten ausdrücklich beschrieben werden.
Das Modell nimmt Text und Bilder an. Es kann Werte aus informationsreichen Grafiken, Diagrammen und Screenshots ablesen; bei besonders dichten Materialien sind Vergrößern oder Zuschneiden mit Werkzeugen weiterhin hilfreich. Die Antwort wird als Text erstellt. Fertige Dokumente und visuelle Materialien werden mit den Mitteln der Umgebung ausgegeben.
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 2576 Pixel bei 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Opus 5.5 verwendet dauerhaftes adaptives Reasoning. Das Abschalten von Reasoning und ein manuelles extended-thinking-Budget werden nicht unterstützt. Der wichtigste Parameter für die Tiefe ist effort: Verfügbar sind low, medium, high, xhigh und max; der Standard ist medium.
Bei hohen Stufen kann das Modell einen einzelnen Schritt ausführlicher analysieren. Die gesamte Antwortgrenze umfasst Platz für Reasoning und abschließenden Inhalt. Eine komplexe Aufgabe benötigt daher ein entsprechendes Budget. Das Kontextfenster umfasst 1 Million Tokens; im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Der verlässliche Wissensstand reicht bis Juni 2026.
Der Hersteller sieht Aufgabenbudgets, Änderungen des Aufwands und der verfügbaren Mittel während eines Gesprächs, Verlaufskomprimierung auf Anfrage und Zwischennotizen zwischen Aktionen vor. Ob sie vorhanden sind und wie sie angezeigt werden, hängt von der Anwendung ab. Gibt die Anwendung gespeicherte Reasoning-Blöcke zurück, ist die Kompatibilität begrenzt: Opus 5.5 liest eigene Blöcke sowie Blöcke von Opus 5 und früheren Opus-, Sonnet- und Haiku-Modellen; Gedankengänge von Fable und Mythos liest sie nicht. Andere Modellpaare benötigen entsprechende Unterstützung durch die Methode. Inkompatible Blöcke werden vor dem nächsten Gesprächsschritt ausgeschlossen, der ohne sie fortgesetzt wird. Änderungen an früheren Nachrichten, der Systemanweisung oder dem bisherigen Werkzeugsatz können die Bindung späterer Blöcke verletzen: Bei der Prüfung wird die Anfrage abgelehnt oder die betroffenen Blöcke werden ausgeschlossen.
Wenn die Methode Werkzeugeinstellungen bereitstellt, erlaubt das Herstellermodell die automatische Auswahl auto und das Abschalten mit none. Der Aufruf eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs anhand seines Namens (tool) kann nicht erzwungen werden. Das Lesen von Dokumenten, das Ausführen von Code, die Bedienung einer Oberfläche und die Erstellung von Dateien erfolgen über bereitgestellte Werkzeuge, nicht automatisch durch eine gewöhnliche Textanfrage.
In besonders riskanten Bereichen gelten Schutzmechanismen. Anthropic weist ausdrücklich darauf hin, dass vorangehende Verhaltensprüfungen nicht alle möglichen Fehler erkennen. Eine klare Erklärung und eine selbstständige Prüfung durch das Modell sind deshalb hilfreich, ersetzen aber nicht die Überprüfung des abschließenden Ergebnisses in der konkreten Aufgabe.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits anthropic/claude-opus-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 $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "anthropic/claude-opus-5.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-opus-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-opus-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 claude-opus-5-5, claude-opus, claude-opus-latest
Ailoot Ultra anthropic/claude-opus-5.5, ~anthropic/claude-opus-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-opus-5.5, claude-opus, claude-opus-latest, ~anthropic/claude-opus-latest, claude-opus-5-5
~anthropic/claude-opus-latestClaude Opus 5.5 ist für umfangreiche Entwicklungsänderungen und längere fachliche Analysen vorgesehen. Hilft, Ergebnisse zu prüfen und komplexe Arbeit unter Beibehaltung des vorgegebenen Stils klar zu erklären.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Opus 5.5 ist auf mehrstündige Arbeit an komplexen Entwicklungsaufgaben ausgelegt. Anthropic hebt umfangreiche Migrationen, Audits von Codebasen, das Beheben ineffizienter Softwareabläufe und die Untersuchung von Systemen hervor. Das Modell kann ein Problem untersuchen, Änderungen planen, Aktionsergebnisse verwenden und bis zur Vorbereitung eines Ergebnisses weiterarbeiten.
Weitere Schwerpunkte sind Forschung, Finanzanalyse und geschäftliche Materialien. Ein Beispiel für einen fachlichen Arbeitsablauf verbindet die Erstellung eines Finanzmodells mit der Präsentation der Schlussfolgerungen. Dafür braucht die Anwendung Mittel zur Verarbeitung von Daten, Dateien und Gestaltung. Die eigentliche Textantwort des Modells kann Analyse, die Struktur des Materials oder Code enthalten.
Diese Version legt einen eigenen Schwerpunkt auf Kommunikation. Laut Anthropic stellt das Modell die Hauptaussage an den Anfang, verwendet weniger Fachjargon und hält vorgegebene Schreibregeln ein. Bei längerer Arbeit hilft das, ausgeführte Aktionen mit einer verständlichen abschließenden Erklärung zu verbinden. Die gewünschte Detailtiefe, der Ton und das Format sollten ausdrücklich beschrieben werden.
Das Modell nimmt Text und Bilder an. Es kann Werte aus informationsreichen Grafiken, Diagrammen und Screenshots ablesen; bei besonders dichten Materialien sind Vergrößern oder Zuschneiden mit Werkzeugen weiterhin hilfreich. Die Antwort wird als Text erstellt. Fertige Dokumente und visuelle Materialien werden mit den Mitteln der Umgebung ausgegeben.
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 2576 Pixel bei 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Opus 5.5 verwendet dauerhaftes adaptives Reasoning. Das Abschalten von Reasoning und ein manuelles extended-thinking-Budget werden nicht unterstützt. Der wichtigste Parameter für die Tiefe ist effort: Verfügbar sind low, medium, high, xhigh und max; der Standard ist medium.
Bei hohen Stufen kann das Modell einen einzelnen Schritt ausführlicher analysieren. Die gesamte Antwortgrenze umfasst Platz für Reasoning und abschließenden Inhalt. Eine komplexe Aufgabe benötigt daher ein entsprechendes Budget. Das Kontextfenster umfasst 1 Million Tokens; im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Der verlässliche Wissensstand reicht bis Juni 2026.
Der Hersteller sieht Aufgabenbudgets, Änderungen des Aufwands und der verfügbaren Mittel während eines Gesprächs, Verlaufskomprimierung auf Anfrage und Zwischennotizen zwischen Aktionen vor. Ob sie vorhanden sind und wie sie angezeigt werden, hängt von der Anwendung ab. Gibt die Anwendung gespeicherte Reasoning-Blöcke zurück, ist die Kompatibilität begrenzt: Opus 5.5 liest eigene Blöcke sowie Blöcke von Opus 5 und früheren Opus-, Sonnet- und Haiku-Modellen; Gedankengänge von Fable und Mythos liest sie nicht. Andere Modellpaare benötigen entsprechende Unterstützung durch die Methode. Inkompatible Blöcke werden vor dem nächsten Gesprächsschritt ausgeschlossen, der ohne sie fortgesetzt wird. Änderungen an früheren Nachrichten, der Systemanweisung oder dem bisherigen Werkzeugsatz können die Bindung späterer Blöcke verletzen: Bei der Prüfung wird die Anfrage abgelehnt oder die betroffenen Blöcke werden ausgeschlossen.
Wenn die Methode Werkzeugeinstellungen bereitstellt, erlaubt das Herstellermodell die automatische Auswahl auto und das Abschalten mit none. Der Aufruf eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs anhand seines Namens (tool) kann nicht erzwungen werden. Das Lesen von Dokumenten, das Ausführen von Code, die Bedienung einer Oberfläche und die Erstellung von Dateien erfolgen über bereitgestellte Werkzeuge, nicht automatisch durch eine gewöhnliche Textanfrage.
In besonders riskanten Bereichen gelten Schutzmechanismen. Anthropic weist ausdrücklich darauf hin, dass vorangehende Verhaltensprüfungen nicht alle möglichen Fehler erkennen. Eine klare Erklärung und eine selbstständige Prüfung durch das Modell sind deshalb hilfreich, ersetzen aber nicht die Überprüfung des abschließenden Ergebnisses in der konkreten Aufgabe.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ~anthropic/claude-opus-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 $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-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-opus-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-opus-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 claude-opus-5-5, claude-opus, claude-opus-latest
Ailoot Ultra anthropic/claude-opus-5.5, ~anthropic/claude-opus-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-opus-5.5, claude-opus, claude-opus-latest, ~anthropic/claude-opus-latest, claude-opus-5-5
~anthropic/claude-opus-latestClaude Opus 5.5 ist für umfangreiche Entwicklungsänderungen und längere fachliche Analysen vorgesehen. Hilft, Ergebnisse zu prüfen und komplexe Arbeit unter Beibehaltung des vorgegebenen Stils klar zu erklären.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Opus 5.5 ist auf mehrstündige Arbeit an komplexen Entwicklungsaufgaben ausgelegt. Anthropic hebt umfangreiche Migrationen, Audits von Codebasen, das Beheben ineffizienter Softwareabläufe und die Untersuchung von Systemen hervor. Das Modell kann ein Problem untersuchen, Änderungen planen, Aktionsergebnisse verwenden und bis zur Vorbereitung eines Ergebnisses weiterarbeiten.
Weitere Schwerpunkte sind Forschung, Finanzanalyse und geschäftliche Materialien. Ein Beispiel für einen fachlichen Arbeitsablauf verbindet die Erstellung eines Finanzmodells mit der Präsentation der Schlussfolgerungen. Dafür braucht die Anwendung Mittel zur Verarbeitung von Daten, Dateien und Gestaltung. Die eigentliche Textantwort des Modells kann Analyse, die Struktur des Materials oder Code enthalten.
Diese Version legt einen eigenen Schwerpunkt auf Kommunikation. Laut Anthropic stellt das Modell die Hauptaussage an den Anfang, verwendet weniger Fachjargon und hält vorgegebene Schreibregeln ein. Bei längerer Arbeit hilft das, ausgeführte Aktionen mit einer verständlichen abschließenden Erklärung zu verbinden. Die gewünschte Detailtiefe, der Ton und das Format sollten ausdrücklich beschrieben werden.
Das Modell nimmt Text und Bilder an. Es kann Werte aus informationsreichen Grafiken, Diagrammen und Screenshots ablesen; bei besonders dichten Materialien sind Vergrößern oder Zuschneiden mit Werkzeugen weiterhin hilfreich. Die Antwort wird als Text erstellt. Fertige Dokumente und visuelle Materialien werden mit den Mitteln der Umgebung ausgegeben.
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 2576 Pixel bei 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Opus 5.5 verwendet dauerhaftes adaptives Reasoning. Das Abschalten von Reasoning und ein manuelles extended-thinking-Budget werden nicht unterstützt. Der wichtigste Parameter für die Tiefe ist effort: Verfügbar sind low, medium, high, xhigh und max; der Standard ist medium.
Bei hohen Stufen kann das Modell einen einzelnen Schritt ausführlicher analysieren. Die gesamte Antwortgrenze umfasst Platz für Reasoning und abschließenden Inhalt. Eine komplexe Aufgabe benötigt daher ein entsprechendes Budget. Das Kontextfenster umfasst 1 Million Tokens; im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Der verlässliche Wissensstand reicht bis Juni 2026.
Der Hersteller sieht Aufgabenbudgets, Änderungen des Aufwands und der verfügbaren Mittel während eines Gesprächs, Verlaufskomprimierung auf Anfrage und Zwischennotizen zwischen Aktionen vor. Ob sie vorhanden sind und wie sie angezeigt werden, hängt von der Anwendung ab. Gibt die Anwendung gespeicherte Reasoning-Blöcke zurück, ist die Kompatibilität begrenzt: Opus 5.5 liest eigene Blöcke sowie Blöcke von Opus 5 und früheren Opus-, Sonnet- und Haiku-Modellen; Gedankengänge von Fable und Mythos liest sie nicht. Andere Modellpaare benötigen entsprechende Unterstützung durch die Methode. Inkompatible Blöcke werden vor dem nächsten Gesprächsschritt ausgeschlossen, der ohne sie fortgesetzt wird. Änderungen an früheren Nachrichten, der Systemanweisung oder dem bisherigen Werkzeugsatz können die Bindung späterer Blöcke verletzen: Bei der Prüfung wird die Anfrage abgelehnt oder die betroffenen Blöcke werden ausgeschlossen.
Wenn die Methode Werkzeugeinstellungen bereitstellt, erlaubt das Herstellermodell die automatische Auswahl auto und das Abschalten mit none. Der Aufruf eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs anhand seines Namens (tool) kann nicht erzwungen werden. Das Lesen von Dokumenten, das Ausführen von Code, die Bedienung einer Oberfläche und die Erstellung von Dateien erfolgen über bereitgestellte Werkzeuge, nicht automatisch durch eine gewöhnliche Textanfrage.
In besonders riskanten Bereichen gelten Schutzmechanismen. Anthropic weist ausdrücklich darauf hin, dass vorangehende Verhaltensprüfungen nicht alle möglichen Fehler erkennen. Eine klare Erklärung und eine selbstständige Prüfung durch das Modell sind deshalb hilfreich, ersetzen aber nicht die Überprüfung des abschließenden Ergebnisses in der konkreten Aufgabe.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ~anthropic/claude-opus-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 $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.04 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde $0.016 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "~anthropic/claude-opus-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-opus-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-opus-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 claude-opus-5-5, claude-opus, claude-opus-latest
Ailoot Ultra anthropic/claude-opus-5.5, ~anthropic/claude-opus-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-opus-5.5, claude-opus, claude-opus-latest, ~anthropic/claude-opus-latest, claude-opus-5-5
Technisches Beispiel auf Englisch
Design a reviewable schema migration\n\nPrepare a migration proposal for a customer table. Existing columns: id, full_name. Target columns: id, given_name, family_name, display_name. Some full_name values contain one word or multiple family names. Preserve the original display name. Propose an expand-and-contract rollout, mark ambiguous splits for review and include acceptance tests and a rollback plan.A migration proposal with schema stages, backfill rules, ambiguity handling, acceptance cases and a reversible rollout sequence.Check that ambiguous names are retained for review and that rollback can recover the exact original full_name.