Claude Opus 5 ist ein Modell von Anthropic für regelmäßige fachliche Arbeit, bei der Informationen untersucht, begründete Entscheidungen getroffen und Aufgaben schrittweise ausgeführt werden müssen. Der Hersteller hebt Software Engineering, mehrstufige geschäftliche Abläufe, wissenschaftliche Arbeit und die Analyse visueller Daten hervor. Im Mittelpunkt der Vorstellung stehen sorgfältige Ausführung und die Prüfung des eigenen Ergebnisses.
In der Entwicklung kann Opus 5 die Grundursache eines Fehlers untersuchen und Prüfungen zur Beurteilung einer vorgeschlagenen Änderung einsetzen. Reicht vorhandenes Vergleichsmaterial nicht aus, umfassen die beschriebenen Abläufe auch die Erstellung einer eigenen Prüfung, etwa für das Verhalten eines Parsers. Die Arbeit orientiert sich an den erhaltenen Daten: Das Modell liest sie, wählt eine Aktion, betrachtet das Ergebnis und behebt erkannte Probleme.
Für das Ausführen von Befehlen, das Bearbeiten von Dateien und das Starten von Prüfungen benötigt die Anwendung entsprechende Werkzeuge. Die Eigeninitiative des Modells betrifft die Auswahl und Reihenfolge von Aktionen in der bereitgestellten Umgebung. Sie bedeutet keinen selbstständigen Projektzugriff und keine Möglichkeit, außerhalb der Anwendung Operationen auszuführen.
Opus 5 nimmt Text und Bilder an und gibt Text aus. In visuellen Szenarien zeigt der Hersteller das Extrahieren von Geometrie aus einem Bild und die Rekonstruktion eines Bauteils durch geschriebenen Code. Weitere Beispiele sind eine interaktive aerodynamische Simulation und eine Zellillustration, die durch Programmierung erstellt wurden.
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.
Diese Aufgaben zeigen das Zusammenspiel von Analyse und Entwicklung: Ein Bild kann als Material dienen, das Textresultat als Code oder Lösungsbeschreibung. Das Ausführen einer Simulation, das Erstellen von Grafiken und das Ausgeben einer fertigen Datei erfordern Werkzeuge der Umgebung. Das Modell hat keine eigene integrierte Bild- oder Videoausgabe.
Adaptives Reasoning ist standardmäßig aktiviert; die Standardstufe für effort ist high. Unterstützt werden low, medium, high, xhigh und max. Bei high und darunter kann Reasoning deaktiviert werden, bei xhigh und max ist es verpflichtend. Manuelles extended thinking mit einem eigenen Budget ist für diese Version nicht vorgesehen.
Eine Änderung des Aufwands beeinflusst den Reasoning-Umfang, ist aber kein zuverlässiges Mittel, die Länge des sichtbaren Textes festzulegen. Ist eine kurze Antwort oder eine bestimmte Struktur erforderlich, sollte das in der Anweisung selbst stehen. Der Kontext umfasst 1 Million Tokens; im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Bei tiefgehender Analyse muss Platz für Reasoning und den abschließenden Inhalt bleiben.
Der verlässliche Wissensstand reicht bis Mai 2026. Als wissenschaftliche Schwerpunkte beschreibt Anthropic Strukturbiologie, organische Chemie und Bioinformatik. Zugleich nennt der Hersteller erhebliche Einschränkungen bei länger dauernden selbstständigen biologischen Untersuchungen. Die Fähigkeit, wissenschaftliche Materialien zu besprechen, bedeutet nicht, dass beliebige Forschungen autonom abgeschlossen werden können.
Schutzmechanismen erlauben die Suche nach Fehlern im Quellcode, beschränken jedoch bestimmte sensible Aufgaben. Für aktuelle Informationen werden bereitgestellte Materialien oder eine Suche benötigt; technische und wissenschaftliche Ergebnisse müssen in ihrem jeweiligen Fachgebiet geprüft werden.
", "aboutText": "Claude Opus 5 ist ein Modell von Anthropic für regelmäßige fachliche Arbeit, bei der Informationen untersucht, begründete Entscheidungen getroffen und Aufgaben schrittweise ausgeführt werden müssen. Der Hersteller hebt Software Engineering, mehrstufige geschäftliche Abläufe, wissenschaftliche Arbeit und die Analyse visueller Daten hervor. Im Mittelpunkt der Vorstellung stehen sorgfältige Ausführung und die Prüfung des eigenen Ergebnisses.\n\n### Die Ursache ermitteln, prüfen und korrigieren\n\nIn der Entwicklung kann Opus 5 die Grundursache eines Fehlers untersuchen und Prüfungen zur Beurteilung einer vorgeschlagenen Änderung einsetzen. Reicht vorhandenes Vergleichsmaterial nicht aus, umfassen die beschriebenen Abläufe auch die Erstellung einer eigenen Prüfung, etwa für das Verhalten eines Parsers. Die Arbeit orientiert sich an den erhaltenen Daten: Das Modell liest sie, wählt eine Aktion, betrachtet das Ergebnis und behebt erkannte Probleme.\n\nFür das Ausführen von Befehlen, das Bearbeiten von Dateien und das Starten von Prüfungen benötigt die Anwendung entsprechende Werkzeuge. Die Eigeninitiative des Modells betrifft die Auswahl und Reihenfolge von Aktionen in der bereitgestellten Umgebung. Sie bedeutet keinen selbstständigen Projektzugriff und keine Möglichkeit, außerhalb der Anwendung Operationen auszuführen.\n\n### Ein Bild als Daten für ein Programm\n\nOpus 5 nimmt **Text und Bilder** an und gibt **Text** aus. In visuellen Szenarien zeigt der Hersteller das Extrahieren von Geometrie aus einem Bild und die Rekonstruktion eines Bauteils durch geschriebenen Code. Weitere Beispiele sind eine interaktive aerodynamische Simulation und eine Zellillustration, die durch Programmierung erstellt wurden.\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\nDiese Aufgaben zeigen das Zusammenspiel von Analyse und Entwicklung: Ein Bild kann als Material dienen, das Textresultat als Code oder Lösungsbeschreibung. Das Ausführen einer Simulation, das Erstellen von Grafiken und das Ausgeben einer fertigen Datei erfordern Werkzeuge der Umgebung. Das Modell hat keine eigene integrierte Bild- oder Videoausgabe.\n\n### Steuerbare Tiefe\n\nAdaptives Reasoning ist standardmäßig aktiviert; die Standardstufe für `effort` ist `high`. Unterstützt werden `low`, `medium`, `high`, `xhigh` und `max`. Bei `high` und darunter kann Reasoning deaktiviert werden, bei `xhigh` und `max` ist es verpflichtend. Manuelles extended thinking mit einem eigenen Budget ist für diese Version nicht vorgesehen.\n\nEine Änderung des Aufwands beeinflusst den Reasoning-Umfang, ist aber kein zuverlässiges Mittel, die Länge des sichtbaren Textes festzulegen. Ist eine kurze Antwort oder eine bestimmte Struktur erforderlich, sollte das in der Anweisung selbst stehen. Der Kontext umfasst **1 Million Tokens**; im gewöhnlichen Modus beträgt die maximale Antwort **128 Tausend Tokens**. Bei tiefgehender Analyse muss Platz für Reasoning und den abschließenden Inhalt bleiben.\n\n### Wissenschaftliche und sensible Aufgaben\n\nDer verlässliche Wissensstand reicht bis **Mai 2026**. Als wissenschaftliche Schwerpunkte beschreibt Anthropic Strukturbiologie, organische Chemie und Bioinformatik. Zugleich nennt der Hersteller erhebliche Einschränkungen bei länger dauernden selbstständigen biologischen Untersuchungen. Die Fähigkeit, wissenschaftliche Materialien zu besprechen, bedeutet nicht, dass beliebige Forschungen autonom abgeschlossen werden können.\n\nSchutzmechanismen erlauben die Suche nach Fehlern im Quellcode, beschränken jedoch bestimmte sensible Aufgaben. Für aktuelle Informationen werden bereitgestellte Materialien oder eine Suche benötigt; technische und wissenschaftliche Ergebnisse müssen in ihrem jeweiligen Fachgebiet geprüft werden.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "14635fa711abc6884ed33f69a441062af8c54029c37d83e23f85d40c329bbc32", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-at", "methods": [ { "html": "claude-opus-5-thinkingClaude Opus 5 ist für sorgfältige Entwicklung, Informationsanalyse und mehrstufige fachliche Arbeit vorgesehen. Unterstützt adaptives Reasoning und die Prüfung von Ergebnissen mit Werkzeugen der Anwendung.
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 ist ein Modell von Anthropic für regelmäßige fachliche Arbeit, bei der Informationen untersucht, begründete Entscheidungen getroffen und Aufgaben schrittweise ausgeführt werden müssen. Der Hersteller hebt Software Engineering, mehrstufige geschäftliche Abläufe, wissenschaftliche Arbeit und die Analyse visueller Daten hervor. Im Mittelpunkt der Vorstellung stehen sorgfältige Ausführung und die Prüfung des eigenen Ergebnisses.
In der Entwicklung kann Opus 5 die Grundursache eines Fehlers untersuchen und Prüfungen zur Beurteilung einer vorgeschlagenen Änderung einsetzen. Reicht vorhandenes Vergleichsmaterial nicht aus, umfassen die beschriebenen Abläufe auch die Erstellung einer eigenen Prüfung, etwa für das Verhalten eines Parsers. Die Arbeit orientiert sich an den erhaltenen Daten: Das Modell liest sie, wählt eine Aktion, betrachtet das Ergebnis und behebt erkannte Probleme.
Für das Ausführen von Befehlen, das Bearbeiten von Dateien und das Starten von Prüfungen benötigt die Anwendung entsprechende Werkzeuge. Die Eigeninitiative des Modells betrifft die Auswahl und Reihenfolge von Aktionen in der bereitgestellten Umgebung. Sie bedeutet keinen selbstständigen Projektzugriff und keine Möglichkeit, außerhalb der Anwendung Operationen auszuführen.
Opus 5 nimmt Text und Bilder an und gibt Text aus. In visuellen Szenarien zeigt der Hersteller das Extrahieren von Geometrie aus einem Bild und die Rekonstruktion eines Bauteils durch geschriebenen Code. Weitere Beispiele sind eine interaktive aerodynamische Simulation und eine Zellillustration, die durch Programmierung erstellt wurden.
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.
Diese Aufgaben zeigen das Zusammenspiel von Analyse und Entwicklung: Ein Bild kann als Material dienen, das Textresultat als Code oder Lösungsbeschreibung. Das Ausführen einer Simulation, das Erstellen von Grafiken und das Ausgeben einer fertigen Datei erfordern Werkzeuge der Umgebung. Das Modell hat keine eigene integrierte Bild- oder Videoausgabe.
Adaptives Reasoning ist standardmäßig aktiviert; die Standardstufe für effort ist high. Unterstützt werden low, medium, high, xhigh und max. Bei high und darunter kann Reasoning deaktiviert werden, bei xhigh und max ist es verpflichtend. Manuelles extended thinking mit einem eigenen Budget ist für diese Version nicht vorgesehen.
Eine Änderung des Aufwands beeinflusst den Reasoning-Umfang, ist aber kein zuverlässiges Mittel, die Länge des sichtbaren Textes festzulegen. Ist eine kurze Antwort oder eine bestimmte Struktur erforderlich, sollte das in der Anweisung selbst stehen. Der Kontext umfasst 1 Million Tokens; im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Bei tiefgehender Analyse muss Platz für Reasoning und den abschließenden Inhalt bleiben.
Der verlässliche Wissensstand reicht bis Mai 2026. Als wissenschaftliche Schwerpunkte beschreibt Anthropic Strukturbiologie, organische Chemie und Bioinformatik. Zugleich nennt der Hersteller erhebliche Einschränkungen bei länger dauernden selbstständigen biologischen Untersuchungen. Die Fähigkeit, wissenschaftliche Materialien zu besprechen, bedeutet nicht, dass beliebige Forschungen autonom abgeschlossen werden können.
Schutzmechanismen erlauben die Suche nach Fehlern im Quellcode, beschränken jedoch bestimmte sensible Aufgaben. Für aktuelle Informationen werden bereitgestellte Materialien oder eine Suche benötigt; technische und wissenschaftliche Ergebnisse müssen in ihrem jeweiligen Fachgebiet geprüft werden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-opus-5-thinking | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
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 |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
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.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.01 / 1K Tokens Ausgabe · Ausgabetoken $0.05 / 1K Tokens Eingabe · Cache lesen $0.001 / 1K Tokens Eingabe · In Cache schreiben $0.0125 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-opus-5-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="claude-opus-5-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra claude-opus-5-thinking
/chat/completions