{ "aboutHtml": "

Sorgfältige Engineering-Arbeit

Anthropic entwickelt Claude Opus 4.7 für komplexe, längere Entwicklungsaufgaben. Der Schwerpunkt liegt auf fortlaufender Ausführung, sorgfältigem Umgang mit Anweisungen und der Suche nach Möglichkeiten, das eigene Ergebnis vor der Schlussantwort zu prüfen. Das Modell eignet sich für die Untersuchung schwieriger Codeprobleme und die Vorbereitung fachlicher Materialien, bei denen eine technische Lösung und eine klare Gestaltung zugleich erforderlich sind.

Opus 4.7 folgt Formulierungen wörtlich. Aufgaben sollten deshalb durch ausdrückliche Grenzen definiert werden: Welche Teile müssen geändert und geprüft werden, und wie soll das Ergebnis aussehen? Gilt eine Bedingung für alle Arbeitsteile, sollte dies ausdrücklich so beschrieben werden. Der Hersteller hebt auch Notizen in einem dateibasierten Speicher für längere Aufgaben hervor; Lesen und Speichern dieser Notizen benötigen aber Anwendungswerkzeuge.

Dichte Diagramme und Oberflächenaufnahmen verstehen

Das Modell nimmt Text und Bilder entgegen und gibt Text aus. Bei visueller Eingabe wird eine Auflösung von bis zu 2576 Pixeln auf der langen Seite, ungefähr 3,75 Megapixeln, unterstützt. Das hilft bei informationsreichen Screenshots, der Informationsextraktion aus komplexen Diagrammen und Aufgaben mit detaillierten visuellen Vorlagen.

Die üblichen visuellen Eingabeformate beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird der erste Frame verwendet. Bei nativer Analyse beträgt die lange Seite 2576 Pixel, der Umfang 4784 visuelle Tokens; grosse Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern wird durch die Methode der Anwendung bestimmt.

Eine hohe Auflösung hilft, Details zu erhalten, macht visuelles Verständnis aber nicht fehlerfrei. Die Ausgabe kann eine Erklärung, Datenstruktur oder Code sein; die Erstellung und Bearbeitung des Bildes selbst ist keine Ausgabefunktion des Modells. Für Oberflächensteuerung werden Mittel benötigt, die dem Modell den Bildschirm zeigen und Aktionen in der Anwendung ausführen.

Tiefe und Umfang der Aufgabe

Der Kontext umfasst 1 Million Tokens, im normalen Modus beträgt die maximale Antwort 128 Tausend Tokens. Adaptives Reasoning wird unterstützt; manuelles extended thinking mit budget_tokens ist in dieser Version nicht vorhanden. Der Standardwert für effort ist high; verfügbar sind ausserdem low, medium, xhigh und max. xhigh bietet eine separate Stufe zwischen high und max für längere Engineering- und Agentenarbeit.

Bei geringem Aufwand begrenzt das Modell seine Arbeit besonders strikt auf das Angefragte. Für komplexe Untersuchungen empfiehlt der Hersteller genügend Platz für Reasoning und Antwort. Die Tokenisierung wurde in dieser Version aktualisiert; derselbe Textumfang entspricht deshalb nicht immer der aus früheren Versionen gewohnten Tokenzahl.

Arbeitsbedingungen

Der verlässliche Wissensstand reicht bis Januar 2026. Aktuelle Forschung, Dokumentarbeit und Codeausführung verwenden Materialien und Werkzeuge der Anwendung. Opus 4.7 hat Schutzmechanismen, die verbotene oder risikoreiche Cybersicherheitsanfragen blockieren können. Sein Augenmerk auf Ergebniskontrolle ist nützlich, ersetzt aber nicht die Prüfung endgültiger Änderungen und Schlussfolgerungen in der konkreten Umgebung.

", "aboutText": "### Sorgfältige Engineering-Arbeit\n\nAnthropic entwickelt Claude Opus 4.7 für komplexe, längere Entwicklungsaufgaben. Der Schwerpunkt liegt auf fortlaufender Ausführung, sorgfältigem Umgang mit Anweisungen und der Suche nach Möglichkeiten, das eigene Ergebnis vor der Schlussantwort zu prüfen. Das Modell eignet sich für die Untersuchung schwieriger Codeprobleme und die Vorbereitung fachlicher Materialien, bei denen eine technische Lösung und eine klare Gestaltung zugleich erforderlich sind.\n\nOpus 4.7 folgt Formulierungen wörtlich. Aufgaben sollten deshalb durch ausdrückliche Grenzen definiert werden: Welche Teile müssen geändert und geprüft werden, und wie soll das Ergebnis aussehen? Gilt eine Bedingung für alle Arbeitsteile, sollte dies ausdrücklich so beschrieben werden. Der Hersteller hebt auch Notizen in einem dateibasierten Speicher für längere Aufgaben hervor; Lesen und Speichern dieser Notizen benötigen aber Anwendungswerkzeuge.\n\n### Dichte Diagramme und Oberflächenaufnahmen verstehen\n\nDas Modell nimmt **Text und Bilder** entgegen und gibt **Text** aus. Bei visueller Eingabe wird eine Auflösung von bis zu **2576 Pixeln auf der langen Seite**, ungefähr **3,75 Megapixeln**, unterstützt. Das hilft bei informationsreichen Screenshots, der Informationsextraktion aus komplexen Diagrammen und Aufgaben mit detaillierten visuellen Vorlagen.\n\nDie üblichen visuellen Eingabeformate beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird der erste Frame verwendet. Bei nativer Analyse beträgt die lange Seite 2576 Pixel, der Umfang 4784 visuelle Tokens; grosse Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern wird durch die Methode der Anwendung bestimmt.\n\nEine hohe Auflösung hilft, Details zu erhalten, macht visuelles Verständnis aber nicht fehlerfrei. Die Ausgabe kann eine Erklärung, Datenstruktur oder Code sein; die Erstellung und Bearbeitung des Bildes selbst ist keine Ausgabefunktion des Modells. Für Oberflächensteuerung werden Mittel benötigt, die dem Modell den Bildschirm zeigen und Aktionen in der Anwendung ausführen.\n\n### Tiefe und Umfang der Aufgabe\n\nDer Kontext umfasst **1 Million Tokens**, im normalen Modus beträgt die maximale Antwort **128 Tausend Tokens**. Adaptives Reasoning wird unterstützt; manuelles extended thinking mit `budget_tokens` ist in dieser Version nicht vorhanden. Der Standardwert für `effort` ist `high`; verfügbar sind ausserdem `low`, `medium`, `xhigh` und `max`. `xhigh` bietet eine separate Stufe zwischen `high` und `max` für längere Engineering- und Agentenarbeit.\n\nBei geringem Aufwand begrenzt das Modell seine Arbeit besonders strikt auf das Angefragte. Für komplexe Untersuchungen empfiehlt der Hersteller genügend Platz für Reasoning und Antwort. Die Tokenisierung wurde in dieser Version aktualisiert; derselbe Textumfang entspricht deshalb nicht immer der aus früheren Versionen gewohnten Tokenzahl.\n\n### Arbeitsbedingungen\n\nDer verlässliche Wissensstand reicht bis **Januar 2026**. Aktuelle Forschung, Dokumentarbeit und Codeausführung verwenden Materialien und Werkzeuge der Anwendung. Opus 4.7 hat Schutzmechanismen, die verbotene oder risikoreiche Cybersicherheitsanfragen blockieren können. Sein Augenmerk auf Ergebniskontrolle ist nützlich, ersetzt aber nicht die Prüfung endgültiger Änderungen und Schlussfolgerungen in der konkreten Umgebung.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "05461960bebe95c4c405a316e5403716eda61ac6cae8748642cb5b742f87082c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-ch", "methods": [ { "html": "
A

Anthropic: Claude Opus 4.7

Anthropic /claude-opus-4-7-thinking

Einstieg

Claude Opus 4.7 ist für komplexe Engineering-Arbeit sowie die Analyse von Dokumenten und Bildern mit kleinen Details ausgelegt. Legt besonderen Wert auf genaue Anweisungsbefolgung und Ergebniskontrolle.

Zulässige Eingaben
Text
Ergebnisse
Text
Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

Sorgfältige Engineering-Arbeit

Anthropic entwickelt Claude Opus 4.7 für komplexe, längere Entwicklungsaufgaben. Der Schwerpunkt liegt auf fortlaufender Ausführung, sorgfältigem Umgang mit Anweisungen und der Suche nach Möglichkeiten, das eigene Ergebnis vor der Schlussantwort zu prüfen. Das Modell eignet sich für die Untersuchung schwieriger Codeprobleme und die Vorbereitung fachlicher Materialien, bei denen eine technische Lösung und eine klare Gestaltung zugleich erforderlich sind.

Opus 4.7 folgt Formulierungen wörtlich. Aufgaben sollten deshalb durch ausdrückliche Grenzen definiert werden: Welche Teile müssen geändert und geprüft werden, und wie soll das Ergebnis aussehen? Gilt eine Bedingung für alle Arbeitsteile, sollte dies ausdrücklich so beschrieben werden. Der Hersteller hebt auch Notizen in einem dateibasierten Speicher für längere Aufgaben hervor; Lesen und Speichern dieser Notizen benötigen aber Anwendungswerkzeuge.

Dichte Diagramme und Oberflächenaufnahmen verstehen

Das Modell nimmt Text und Bilder entgegen und gibt Text aus. Bei visueller Eingabe wird eine Auflösung von bis zu 2576 Pixeln auf der langen Seite, ungefähr 3,75 Megapixeln, unterstützt. Das hilft bei informationsreichen Screenshots, der Informationsextraktion aus komplexen Diagrammen und Aufgaben mit detaillierten visuellen Vorlagen.

Die üblichen visuellen Eingabeformate beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird der erste Frame verwendet. Bei nativer Analyse beträgt die lange Seite 2576 Pixel, der Umfang 4784 visuelle Tokens; grosse Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern wird durch die Methode der Anwendung bestimmt.

Eine hohe Auflösung hilft, Details zu erhalten, macht visuelles Verständnis aber nicht fehlerfrei. Die Ausgabe kann eine Erklärung, Datenstruktur oder Code sein; die Erstellung und Bearbeitung des Bildes selbst ist keine Ausgabefunktion des Modells. Für Oberflächensteuerung werden Mittel benötigt, die dem Modell den Bildschirm zeigen und Aktionen in der Anwendung ausführen.

Tiefe und Umfang der Aufgabe

Der Kontext umfasst 1 Million Tokens, im normalen Modus beträgt die maximale Antwort 128 Tausend Tokens. Adaptives Reasoning wird unterstützt; manuelles extended thinking mit budget_tokens ist in dieser Version nicht vorhanden. Der Standardwert für effort ist high; verfügbar sind ausserdem low, medium, xhigh und max. xhigh bietet eine separate Stufe zwischen high und max für längere Engineering- und Agentenarbeit.

Bei geringem Aufwand begrenzt das Modell seine Arbeit besonders strikt auf das Angefragte. Für komplexe Untersuchungen empfiehlt der Hersteller genügend Platz für Reasoning und Antwort. Die Tokenisierung wurde in dieser Version aktualisiert; derselbe Textumfang entspricht deshalb nicht immer der aus früheren Versionen gewohnten Tokenzahl.

Arbeitsbedingungen

Der verlässliche Wissensstand reicht bis Januar 2026. Aktuelle Forschung, Dokumentarbeit und Codeausführung verwenden Materialien und Werkzeuge der Anwendung. Opus 4.7 hat Schutzmechanismen, die verbotene oder risikoreiche Cybersicherheitsanfragen blockieren können. Sein Augenmerk auf Ergebniskontrolle ist nützlich, ersetzt aber nicht die Prüfung endgültiger Änderungen und Schlussfolgerungen in der konkreten Umgebung.

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Eingabe
text
Ausgabe
text
Ausgabeformat
json oder SSE
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
claude-opus-4-7-thinking
Standard—
FeldmessagesTypmessage[]AnforderungErforderlichWerte und Limits
Mindestanzahl Elemente: 1
Standard—
Feldmessages[].roleTypstringAnforderungErforderlichWerte und Limits
Modellabhängig
Standard—
Feldmessages[].contentTypstringAnforderungOptionalWerte und Limits
Gilt, wenn: Textgespräch
Standard—
FeldstreamTypbooleanAnforderungOptionalWerte und LimitsStandardfalse
Kombinationen von Eingabematerialien

Text · UTF8-Text

messages[].content

Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragmodel, messages
Parametermaterial_typesVertragtext
ParametermessagesVertragNachrichtenarray mit role/content-Struktur
Parameterfile_materialVertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet
Parameteroptional_controlsVertragstream
Parametercontrol_scopeVertragTextgespräch; stream ist ein boolescher Wert und standardmässig false.
Parameteroutput_modalitiesVertragtext
Parameterhosted_operationsVertragfalse
Parametermultimodal_input_bindingVertragnull

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.

Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus
Nicht angegeben Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Nicht angegeben Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand
Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird

Ailoot-Tarife

Preise nach Konfiguration

KonfigurationTarifstaffelGebühr
KonfigurationBasistarife für TokenTarifstaffelGrundtarifGebühr
Eingabe · Eingabetoken $0.01 / 1K Tokens
Ausgabe · Ausgabetoken $0.05 / 1K Tokens
Eingabe · Cache lesen $0.001 / 1K Tokens
Eingabe · Cache schreiben $0.0125 / 1K Tokens
Eingabe · 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 →

Beispielanfragen

Ailoot Ultra · OpenAI Chat

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-opus-4-7-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n    if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\n

Ergebnisse abrufen und speichern

Ailoot Ultra · OpenAI Chat

json oder SSE

Alle fertiggestellten Ergebnisse aufbewahren

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.

Wenn die ursprüngliche Antwort geprüft werden muss

Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.

Antwortfelder
FeldTyp
Feldchoices[].indexTypinteger
Feldchoices[].message.contentTypstring|null
Feldchoices[].message.tool_callsTyptool_call[]
Feldchoices[].message.reasoning_contentTypstring
Feldchoices[].message.reasoning_detailsTypobject|array
Feldchoices[].finish_reasonTypstring|null
FeldusageTypobject
Fehler und nächste Schritte
AntwortBedingungNächster Schritt
Antwort400 · invalid_request_errorBedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültigNächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.

Aliasnamen

Modellaliasnamen

Ailoot Ultra claude-opus-4-7-thinking

Aliasnamen für Methodenpfade

/chat/completions

Zugehörige Aufrufer-IDs

claude-opus-4-7-thinking

", "method_identity": { "effective_request_model_id": "claude-opus-4-7-thinking", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "claude-opus-4-7-thinking", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|claude-opus-4-7-thinking", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 1, "cache_write": 12.5, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Pflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig", "http_status": 400, "recovery": "Die angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "UTF8-Text" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json oder SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "claude-opus-4-7-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Textgespräch" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Textgespräch; stream ist ein boolescher Wert und standardmässig false.", "file_material": "Tatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet", "hosted_operations": false, "material_types": [ "text" ], "messages": "Nachrichtenarray mit role/content-Struktur", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Basistarife für Token", "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\":\"claude-opus-4-7-thinking\",\"messages\":[{\"role\":\"user\",\"content\":\"hello\"}],\"stream\":false}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"choices\",[]):\n if x.get(\"message\",{}).get(\"content\"): print(x[\"message\"][\"content\"])\nPY_RESULT\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from openai import OpenAI\nimport os\n\nif not os.environ.get(\"AILOOT_API_KEY\", \"\").strip(): raise SystemExit(\"Set AILOOT_API_KEY before making a request\")\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.chat.completions.create(model=\"claude-opus-4-7-thinking\", messages=[{\"role\":\"user\",\"content\":\"hello\"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem=\"result\"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + \".json\").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding=\"utf-8\")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b\"-_\", validate=True)\n ext = \"png\" if raw.startswith(b\"\\x89PNG\\r\\n\\x1a\\n\") else \"jpg\" if raw.startswith(b\"\\xff\\xd8\") else \"webp\" if raw[:4] == b\"RIFF\" and raw[8:12] == b\"WEBP\" else suffix\n file = Path(stem + \"-\" + label + \".\" + ext)\n file.write_bytes(raw)\n print(\"Saved\", file)\n for index, block in enumerate(data.get(\"content\") or []):\n print(\"Content\", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get(\"choices\") or []:\n print(\"Choice\", choice.get(\"index\"), json.dumps(choice.get(\"message\", choice.get(\"delta\", {})), ensure_ascii=False))\n for index, item in enumerate(data.get(\"output\") or []):\n print(\"Output\", index, json.dumps(item, ensure_ascii=False))\n if item.get(\"type\") == \"image_generation_call\" and item.get(\"result\"):\n save_blob(item[\"result\"], item.get(\"output_format\") or \"bin\", \"output-\" + str(index))\n for ci, candidate in enumerate(data.get(\"candidates\") or []):\n for pi, part in enumerate((candidate.get(\"content\") or {}).get(\"parts\") or []):\n print(\"Candidate/part\", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get(\"inlineData\") or part.get(\"inline_data\")\n if blob and blob.get(\"data\"):\n mime = blob.get(\"mimeType\") or blob.get(\"mime_type\")\n suffix = {\"image/png\":\"png\", \"image/jpeg\":\"jpg\", \"image/webp\":\"webp\", \"audio/wav\":\"wav\", \"audio/mpeg\":\"mp3\", \"video/mp4\":\"mp4\"}.get(mime, \"bin\")\n save_blob(blob[\"data\"], suffix, \"candidate-\" + str(ci) + \"-part-\" + str(pi))\n\nsave_result(result.to_dict(mode=\"json\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 10, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 50, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "claude-opus-4-7-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "claude-opus-4-7-thinking", "nativeProvenance": { "input_facts_canonical_sha256": "1cc82f2ad725995a74d1dad2b6a7f0b72a0e0f07386940aa43d0ca7b69357de4", "input_html_sha256": "d5a8fc4f0338da7e9cfa2812ce865d93fc973a0f1b3f78e8cde3a610ac883308", "private_audit_sha256": "52b2a9d18eb75b7bff5d9eae9fc556b54c404430d03ab1ba4251e8993187f8c7", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/de-ch/claude-opus-4-7-thinking/", "description": "Claude Opus 4.7 ist für komplexe Engineering-Arbeit sowie die Analyse von Dokumenten und Bildern mit kleinen Details ausgelegt. Legt besonderen Wert auf genaue Anweisungsbefolgung und Ergebniskontrolle.", "locale": "de-ch", "md_url": "https://ailoot.ai/models/de-ch/claude-opus-4-7-thinking/index.md", "title": "Anthropic: Claude Opus 4.7 — Ailoot", "url": "https://ailoot.ai/models/de-ch/claude-opus-4-7-thinking/" }, "rawModel": { "about": "### Sorgfältige Engineering-Arbeit\n\nAnthropic entwickelt Claude Opus 4.7 für komplexe, längere Entwicklungsaufgaben. Der Schwerpunkt liegt auf fortlaufender Ausführung, sorgfältigem Umgang mit Anweisungen und der Suche nach Möglichkeiten, das eigene Ergebnis vor der Schlussantwort zu prüfen. Das Modell eignet sich für die Untersuchung schwieriger Codeprobleme und die Vorbereitung fachlicher Materialien, bei denen eine technische Lösung und eine klare Gestaltung zugleich erforderlich sind.\n\nOpus 4.7 folgt Formulierungen wörtlich. Aufgaben sollten deshalb durch ausdrückliche Grenzen definiert werden: Welche Teile müssen geändert und geprüft werden, und wie soll das Ergebnis aussehen? Gilt eine Bedingung für alle Arbeitsteile, sollte dies ausdrücklich so beschrieben werden. Der Hersteller hebt auch Notizen in einem dateibasierten Speicher für längere Aufgaben hervor; Lesen und Speichern dieser Notizen benötigen aber Anwendungswerkzeuge.\n\n### Dichte Diagramme und Oberflächenaufnahmen verstehen\n\nDas Modell nimmt **Text und Bilder** entgegen und gibt **Text** aus. Bei visueller Eingabe wird eine Auflösung von bis zu **2576 Pixeln auf der langen Seite**, ungefähr **3,75 Megapixeln**, unterstützt. Das hilft bei informationsreichen Screenshots, der Informationsextraktion aus komplexen Diagrammen und Aufgaben mit detaillierten visuellen Vorlagen.\n\nDie üblichen visuellen Eingabeformate beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird der erste Frame verwendet. Bei nativer Analyse beträgt die lange Seite 2576 Pixel, der Umfang 4784 visuelle Tokens; grosse Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern wird durch die Methode der Anwendung bestimmt.\n\nEine hohe Auflösung hilft, Details zu erhalten, macht visuelles Verständnis aber nicht fehlerfrei. Die Ausgabe kann eine Erklärung, Datenstruktur oder Code sein; die Erstellung und Bearbeitung des Bildes selbst ist keine Ausgabefunktion des Modells. Für Oberflächensteuerung werden Mittel benötigt, die dem Modell den Bildschirm zeigen und Aktionen in der Anwendung ausführen.\n\n### Tiefe und Umfang der Aufgabe\n\nDer Kontext umfasst **1 Million Tokens**, im normalen Modus beträgt die maximale Antwort **128 Tausend Tokens**. Adaptives Reasoning wird unterstützt; manuelles extended thinking mit `budget_tokens` ist in dieser Version nicht vorhanden. Der Standardwert für `effort` ist `high`; verfügbar sind ausserdem `low`, `medium`, `xhigh` und `max`. `xhigh` bietet eine separate Stufe zwischen `high` und `max` für längere Engineering- und Agentenarbeit.\n\nBei geringem Aufwand begrenzt das Modell seine Arbeit besonders strikt auf das Angefragte. Für komplexe Untersuchungen empfiehlt der Hersteller genügend Platz für Reasoning und Antwort. Die Tokenisierung wurde in dieser Version aktualisiert; derselbe Textumfang entspricht deshalb nicht immer der aus früheren Versionen gewohnten Tokenzahl.\n\n### Arbeitsbedingungen\n\nDer verlässliche Wissensstand reicht bis **Januar 2026**. Aktuelle Forschung, Dokumentarbeit und Codeausführung verwenden Materialien und Werkzeuge der Anwendung. Opus 4.7 hat Schutzmechanismen, die verbotene oder risikoreiche Cybersicherheitsanfragen blockieren können. Sein Augenmerk auf Ergebniskontrolle ist nützlich, ersetzt aber nicht die Prüfung endgültiger Änderungen und Schlussfolgerungen in der konkreten Umgebung.", "alias_of": null, "aliases": [], "author": "Anthropic", "capabilities": { "context_length": 1000000, "manufacturer_input": [ "text", "image", "file" ], "manufacturer_output": [ "text" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Die vollständigen Preisangaben zur Konfiguration finden Sie in den Details." } ], "ctx": null, "formats": [ "chat" ], "id": "claude-opus-4-7-thinking", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 1, "cache_write": 12.5, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Pflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig", "http_status": 400, "recovery": "Die angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "UTF8-Text" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json oder SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "claude-opus-4-7-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Textgespräch" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Textgespräch; stream ist ein boolescher Wert und standardmässig false.", "file_material": "Tatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet", "hosted_operations": false, "material_types": [ "text" ], "messages": "Nachrichtenarray mit role/content-Struktur", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Basistarife für Token", "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\":\"claude-opus-4-7-thinking\",\"messages\":[{\"role\":\"user\",\"content\":\"hello\"}],\"stream\":false}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"choices\",[]):\n if x.get(\"message\",{}).get(\"content\"): print(x[\"message\"][\"content\"])\nPY_RESULT\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from openai import OpenAI\nimport os\n\nif not os.environ.get(\"AILOOT_API_KEY\", \"\").strip(): raise SystemExit(\"Set AILOOT_API_KEY before making a request\")\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.chat.completions.create(model=\"claude-opus-4-7-thinking\", messages=[{\"role\":\"user\",\"content\":\"hello\"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem=\"result\"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + \".json\").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding=\"utf-8\")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b\"-_\", validate=True)\n ext = \"png\" if raw.startswith(b\"\\x89PNG\\r\\n\\x1a\\n\") else \"jpg\" if raw.startswith(b\"\\xff\\xd8\") else \"webp\" if raw[:4] == b\"RIFF\" and raw[8:12] == b\"WEBP\" else suffix\n file = Path(stem + \"-\" + label + \".\" + ext)\n file.write_bytes(raw)\n print(\"Saved\", file)\n for index, block in enumerate(data.get(\"content\") or []):\n print(\"Content\", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get(\"choices\") or []:\n print(\"Choice\", choice.get(\"index\"), json.dumps(choice.get(\"message\", choice.get(\"delta\", {})), ensure_ascii=False))\n for index, item in enumerate(data.get(\"output\") or []):\n print(\"Output\", index, json.dumps(item, ensure_ascii=False))\n if item.get(\"type\") == \"image_generation_call\" and item.get(\"result\"):\n save_blob(item[\"result\"], item.get(\"output_format\") or \"bin\", \"output-\" + str(index))\n for ci, candidate in enumerate(data.get(\"candidates\") or []):\n for pi, part in enumerate((candidate.get(\"content\") or {}).get(\"parts\") or []):\n print(\"Candidate/part\", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get(\"inlineData\") or part.get(\"inline_data\")\n if blob and blob.get(\"data\"):\n mime = blob.get(\"mimeType\") or blob.get(\"mime_type\")\n suffix = {\"image/png\":\"png\", \"image/jpeg\":\"jpg\", \"image/webp\":\"webp\", \"audio/wav\":\"wav\", \"audio/mpeg\":\"mp3\", \"video/mp4\":\"mp4\"}.get(mime, \"bin\")\n save_blob(blob[\"data\"], suffix, \"candidate-\" + str(ci) + \"-part-\" + str(pi))\n\nsave_result(result.to_dict(mode=\"json\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 10, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 50, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "claude-opus-4-7-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "claude-opus-4-7-thinking", "request_model_id": "claude-opus-4-7-thinking", "route_label": "Ultra" } ], "name": "Anthropic: Claude Opus 4.7", "price": { "in": 10, "in_label": null, "out": 50, "out_label": null, "scope_label": "Token rates", "sort_in": 10, "sort_out": 50, "varies": false }, "short": "Claude Opus 4.7 ist für komplexe Engineering-Arbeit sowie die Analyse von Dokumenten und Bildern mit kleinen Details ausgelegt. Legt besonderen Wert auf genaue Anweisungsbefolgung und Ergebniskontrolle." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Claude Opus 4.7 ist für komplexe Engineering-Arbeit sowie die Analyse von Dokumenten und Bildern mit kleinen Details ausgelegt. Legt besonderen Wert auf genaue Anweisungsbefolgung und Ergebniskontrolle.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "276ce273801e7a5fd9145e40b523a654f638445051c5952dd841a26d8ae69005", "renderer_sha256": "76caa42c097db2ddc47d1e1e6fe7ca45c8363d7211296daf28e4352971e6c0c8" }, "sourceRevision": "8291a78e0021cdb73a212ebc50207ec4c0c900065689290e451cb515a809df4f" }