Claude Sonnet 5.5 ist auf klar definierte Aufgaben ausgerichtet: Code schreiben, Fehler beheben, Informationen analysieren und professionelle Materialien vorbereiten. Laut Anthropic ist es für schnelle Iterationen ausgelegt, bei denen das Ergebnis betrachtet, präzisiert und weiterbearbeitet werden kann. In der Beschreibung werden verständliches Schreiben, sorgfältige Dokumentgestaltung und Aufmerksamkeit für Oberflächendesign besonders hervorgehoben.
Eine Aufgabe kann die Lektüre von Materialien mit der Erstellung des endgültigen Inhalts verbinden. Ein beschriebenes Szenario besteht darin, Quartalsunterlagen eines Unternehmens und die Transkription eines Vortrags auszuwerten und anschliessend eine Präsentation in einem vorgegebenen Stil vorzubereiten. Das Modell kann mit den bereitgestellten Mitteln bei Dokumenten, Tabellen und Folien helfen; die fertige Datei erstellt die Umgebung der Anwendung.
Das Modell nimmt Text und Bilder entgegen und gibt seine eigene Antwort als Text aus. Es kann visuelle Informationen mit einer Textaufgabe verbinden und länger dauernde mehrstufige Arbeit unterstützen. Grafiken, Tabellen und Dokumentseiten liefern Analysematerial; zusätzliche Aktionen mit Dateien und Oberflächen benötigen Werkzeuge der Anwendung.
Die üblichen visuellen Eingabeformate beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird das erste Bild verwendet. Bei der nativen Analyse beträgt die lange Seite 2576 Pixel und das Budget 4784 visuelle Tokens; grössere Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern bestimmt die Methode der Anwendung.
Das Kontextfenster beträgt 1 Million Tokens, die maximale Antwort im normalen Modus 128 Tausend Tokens. Der verlässliche Stand des integrierten Wissens ist Juni 2026. Der Hersteller sieht Änderungen des Denkaufwands und verfügbarer Werkzeuge während des Gesprächs sowie die Komprimierung des Verlaufs auf Anfrage vor. Diese Möglichkeiten benötigen Unterstützung der Umgebung. Wenn die Anwendung gespeicherte Denkblöcke zurückgibt, liest Sonnet 5.5 eigene Blöcke sowie Blöcke von Sonnet 5, Opus 4.8, Haiku 4.5 und früheren Modellen; Blöcke von Opus 5, Opus 5.5, Fable und Mythos sind inkompatibel. Ob sich seine Blöcke auf ein anderes Modell übertragen lassen, hängt vom jeweiligen Paar und der Unterstützung der Methode ab. Inkompatible Blöcke werden ausgeschlossen; spätere Gesprächsschritte erfolgen ohne den früheren Denkprozess. Änderungen früherer Nachrichten, der Systemanweisung oder früherer Werkzeugdefinitionen können die Zuordnung der Blöcke beeinträchtigen und bei deren Überprüfung zur Ablehnung der Anfrage oder zum Ausschluss betroffener Blöcke führen.
Der Standardmodus ist adaptives Denken mit effort auf high. Verfügbar sind fünf Stufen des Denkaufwands: low, medium, high, xhigh und max. Für klar definierte Agentenaufgaben empfiehlt Anthropic, mit medium zu beginnen, für schwierigere und länger dauernde Arbeit mit high; die passende Stufe hängt von der Aufgabe und dem erforderlichen Detailgrad ab.
Ein separater Modus between_tools entfernt das vorgängige Denken vor der ersten Aktion und behält es zwischen Werkzeugaufrufen bei. Er wird nur bei low, medium und high unterstützt. Für xhigh und max ist der adaptive Modus erforderlich. Vollständiges Deaktivieren des Denkens und ein manuelles Budget für Extended Thinking werden bei Sonnet 5.5 nicht unterstützt.
Wenn die Methode die Werkzeugsteuerung unterstützt, sind die automatische Auswahl auto und die Deaktivierung none zulässig. Erzwungene Varianten – die Anforderung eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs nach Namen (tool) – unterstützt das Herstellermodell nicht. Im Modus between_tools darf der Denkaufwand während des Gesprächs nicht geändert werden; im normalen adaptiven Modus sieht der Hersteller diese Einstellung vor. Die Arbeit mit Werkzeugergebnissen benötigt einen konsistent gespeicherten Verlauf.
In einer Methode, die diese Einstellungen unterstützt, werden vom Standard abweichende Werte für temperature, top_p und top_k nicht akzeptiert; gewünschtes Format und Antwortverhalten werden durch Anweisungen festgelegt.
In dieser Version behält das aktualisierte Verfahren zur Zerlegung von Text in Tokens die Eigenschaften der Generation Sonnet 5 bei. Bei der Vorhersage des Anfrageumfangs ist der Inhalt der Materialien zu berücksichtigen, nicht nur die Zeichenzahl. Gewöhnliche Entwicklungs- und Rechercheaufgaben gehören zu den zentralen Einsatzgebieten des Modells, doch einige sensible Anfragen werden durch Schutzmechanismen eingeschränkt.
", "aboutText": "### Alltägliche Arbeit mit einem klaren Auftrag\n\nClaude Sonnet 5.5 ist auf klar definierte Aufgaben ausgerichtet: Code schreiben, Fehler beheben, Informationen analysieren und professionelle Materialien vorbereiten. Laut Anthropic ist es für schnelle Iterationen ausgelegt, bei denen das Ergebnis betrachtet, präzisiert und weiterbearbeitet werden kann. In der Beschreibung werden verständliches Schreiben, sorgfältige Dokumentgestaltung und Aufmerksamkeit für Oberflächendesign besonders hervorgehoben.\n\nEine Aufgabe kann die Lektüre von Materialien mit der Erstellung des endgültigen Inhalts verbinden. Ein beschriebenes Szenario besteht darin, Quartalsunterlagen eines Unternehmens und die Transkription eines Vortrags auszuwerten und anschliessend eine Präsentation in einem vorgegebenen Stil vorzubereiten. Das Modell kann mit den bereitgestellten Mitteln bei Dokumenten, Tabellen und Folien helfen; die fertige Datei erstellt die Umgebung der Anwendung.\n\n### Visuelle Materialien und Fortsetzung der Aufgabe\n\nDas Modell nimmt **Text und Bilder** entgegen und gibt seine eigene Antwort als **Text** aus. Es kann visuelle Informationen mit einer Textaufgabe verbinden und länger dauernde mehrstufige Arbeit unterstützen. Grafiken, Tabellen und Dokumentseiten liefern Analysematerial; zusätzliche Aktionen mit Dateien und Oberflächen benötigen Werkzeuge der Anwendung.\n\nDie üblichen visuellen Eingabeformate beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird das erste Bild verwendet. Bei der nativen Analyse beträgt die lange Seite 2576 Pixel und das Budget 4784 visuelle Tokens; grössere Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern bestimmt die Methode der Anwendung.\n\nDas Kontextfenster beträgt **1 Million Tokens**, die maximale Antwort im normalen Modus **128 Tausend Tokens**. Der verlässliche Stand des integrierten Wissens ist **Juni 2026**. Der Hersteller sieht Änderungen des Denkaufwands und verfügbarer Werkzeuge während des Gesprächs sowie die Komprimierung des Verlaufs auf Anfrage vor. Diese Möglichkeiten benötigen Unterstützung der Umgebung. Wenn die Anwendung gespeicherte Denkblöcke zurückgibt, liest Sonnet 5.5 eigene Blöcke sowie Blöcke von Sonnet 5, Opus 4.8, Haiku 4.5 und früheren Modellen; Blöcke von Opus 5, Opus 5.5, Fable und Mythos sind inkompatibel. Ob sich seine Blöcke auf ein anderes Modell übertragen lassen, hängt vom jeweiligen Paar und der Unterstützung der Methode ab. Inkompatible Blöcke werden ausgeschlossen; spätere Gesprächsschritte erfolgen ohne den früheren Denkprozess. Änderungen früherer Nachrichten, der Systemanweisung oder früherer Werkzeugdefinitionen können die Zuordnung der Blöcke beeinträchtigen und bei deren Überprüfung zur Ablehnung der Anfrage oder zum Ausschluss betroffener Blöcke führen.\n\n### Adaptives Denken und Arbeit zwischen Werkzeugen\n\nDer Standardmodus ist adaptives Denken mit `effort` auf `high`. Verfügbar sind fünf Stufen des Denkaufwands: `low`, `medium`, `high`, `xhigh` und `max`. Für klar definierte Agentenaufgaben empfiehlt Anthropic, mit `medium` zu beginnen, für schwierigere und länger dauernde Arbeit mit `high`; die passende Stufe hängt von der Aufgabe und dem erforderlichen Detailgrad ab.\n\nEin separater Modus `between_tools` entfernt das vorgängige Denken vor der ersten Aktion und behält es zwischen Werkzeugaufrufen bei. Er wird nur bei `low`, `medium` und `high` unterstützt. Für `xhigh` und `max` ist der adaptive Modus erforderlich. Vollständiges Deaktivieren des Denkens und ein manuelles Budget für Extended Thinking werden bei Sonnet 5.5 nicht unterstützt.\n\n### Genaue Ausführungsbedingungen\n\nWenn die Methode die Werkzeugsteuerung unterstützt, sind die automatische Auswahl `auto` und die Deaktivierung `none` zulässig. Erzwungene Varianten – die Anforderung eines beliebigen Werkzeugs (`any`) oder eines bestimmten Werkzeugs nach Namen (`tool`) – unterstützt das Herstellermodell nicht. Im Modus `between_tools` darf der Denkaufwand während des Gesprächs nicht geändert werden; im normalen adaptiven Modus sieht der Hersteller diese Einstellung vor. Die Arbeit mit Werkzeugergebnissen benötigt einen konsistent gespeicherten Verlauf.\n\nIn einer Methode, die diese Einstellungen unterstützt, werden vom Standard abweichende Werte für `temperature`, `top_p` und `top_k` nicht akzeptiert; gewünschtes Format und Antwortverhalten werden durch Anweisungen festgelegt.\n\nIn dieser Version behält das aktualisierte Verfahren zur Zerlegung von Text in Tokens die Eigenschaften der Generation Sonnet 5 bei. Bei der Vorhersage des Anfrageumfangs ist der Inhalt der Materialien zu berücksichtigen, nicht nur die Zeichenzahl. Gewöhnliche Entwicklungs- und Rechercheaufgaben gehören zu den zentralen Einsatzgebieten des Modells, doch einige sensible Anfragen werden durch Schutzmechanismen eingeschränkt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Turn quarterly notes into slide copy\n\nPrepare four slide outlines from these quarterly notes: revenue rose from 8 to 10 million; support backlog rose from 120 to 210 tickets; two enterprise renewals are undecided. Audience: team leads. Give each slide one headline and three short bullets, ending with decisions needed. Keep supplied numbers exact.Four numbered slide outlines with a headline, three bullets and explicit decisions to resolve.Check that revenue growth is not presented as resolving the backlog or the undecided renewals.claude-sonnet-5-5Claude Sonnet 5.5 ist für klar definierte Entwicklungs-, Analyse- und Dokumentaufgaben ausgelegt. Es legt Wert auf verständliches Schreiben, visuelle Gestaltung und schrittweise Arbeit mit Werkzeugen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Sonnet 5.5 ist auf klar definierte Aufgaben ausgerichtet: Code schreiben, Fehler beheben, Informationen analysieren und professionelle Materialien vorbereiten. Laut Anthropic ist es für schnelle Iterationen ausgelegt, bei denen das Ergebnis betrachtet, präzisiert und weiterbearbeitet werden kann. In der Beschreibung werden verständliches Schreiben, sorgfältige Dokumentgestaltung und Aufmerksamkeit für Oberflächendesign besonders hervorgehoben.
Eine Aufgabe kann die Lektüre von Materialien mit der Erstellung des endgültigen Inhalts verbinden. Ein beschriebenes Szenario besteht darin, Quartalsunterlagen eines Unternehmens und die Transkription eines Vortrags auszuwerten und anschliessend eine Präsentation in einem vorgegebenen Stil vorzubereiten. Das Modell kann mit den bereitgestellten Mitteln bei Dokumenten, Tabellen und Folien helfen; die fertige Datei erstellt die Umgebung der Anwendung.
Das Modell nimmt Text und Bilder entgegen und gibt seine eigene Antwort als Text aus. Es kann visuelle Informationen mit einer Textaufgabe verbinden und länger dauernde mehrstufige Arbeit unterstützen. Grafiken, Tabellen und Dokumentseiten liefern Analysematerial; zusätzliche Aktionen mit Dateien und Oberflächen benötigen Werkzeuge der Anwendung.
Die üblichen visuellen Eingabeformate beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird das erste Bild verwendet. Bei der nativen Analyse beträgt die lange Seite 2576 Pixel und das Budget 4784 visuelle Tokens; grössere Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern bestimmt die Methode der Anwendung.
Das Kontextfenster beträgt 1 Million Tokens, die maximale Antwort im normalen Modus 128 Tausend Tokens. Der verlässliche Stand des integrierten Wissens ist Juni 2026. Der Hersteller sieht Änderungen des Denkaufwands und verfügbarer Werkzeuge während des Gesprächs sowie die Komprimierung des Verlaufs auf Anfrage vor. Diese Möglichkeiten benötigen Unterstützung der Umgebung. Wenn die Anwendung gespeicherte Denkblöcke zurückgibt, liest Sonnet 5.5 eigene Blöcke sowie Blöcke von Sonnet 5, Opus 4.8, Haiku 4.5 und früheren Modellen; Blöcke von Opus 5, Opus 5.5, Fable und Mythos sind inkompatibel. Ob sich seine Blöcke auf ein anderes Modell übertragen lassen, hängt vom jeweiligen Paar und der Unterstützung der Methode ab. Inkompatible Blöcke werden ausgeschlossen; spätere Gesprächsschritte erfolgen ohne den früheren Denkprozess. Änderungen früherer Nachrichten, der Systemanweisung oder früherer Werkzeugdefinitionen können die Zuordnung der Blöcke beeinträchtigen und bei deren Überprüfung zur Ablehnung der Anfrage oder zum Ausschluss betroffener Blöcke führen.
Der Standardmodus ist adaptives Denken mit effort auf high. Verfügbar sind fünf Stufen des Denkaufwands: low, medium, high, xhigh und max. Für klar definierte Agentenaufgaben empfiehlt Anthropic, mit medium zu beginnen, für schwierigere und länger dauernde Arbeit mit high; die passende Stufe hängt von der Aufgabe und dem erforderlichen Detailgrad ab.
Ein separater Modus between_tools entfernt das vorgängige Denken vor der ersten Aktion und behält es zwischen Werkzeugaufrufen bei. Er wird nur bei low, medium und high unterstützt. Für xhigh und max ist der adaptive Modus erforderlich. Vollständiges Deaktivieren des Denkens und ein manuelles Budget für Extended Thinking werden bei Sonnet 5.5 nicht unterstützt.
Wenn die Methode die Werkzeugsteuerung unterstützt, sind die automatische Auswahl auto und die Deaktivierung none zulässig. Erzwungene Varianten – die Anforderung eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs nach Namen (tool) – unterstützt das Herstellermodell nicht. Im Modus between_tools darf der Denkaufwand während des Gesprächs nicht geändert werden; im normalen adaptiven Modus sieht der Hersteller diese Einstellung vor. Die Arbeit mit Werkzeugergebnissen benötigt einen konsistent gespeicherten Verlauf.
In einer Methode, die diese Einstellungen unterstützt, werden vom Standard abweichende Werte für temperature, top_p und top_k nicht akzeptiert; gewünschtes Format und Antwortverhalten werden durch Anweisungen festgelegt.
In dieser Version behält das aktualisierte Verfahren zur Zerlegung von Text in Tokens die Eigenschaften der Generation Sonnet 5 bei. Bei der Vorhersage des Anfrageumfangs ist der Inhalt der Materialien zu berücksichtigen, nicht nur die Zeichenzahl. Gewöhnliche Entwicklungs- und Rechercheaufgaben gehören zu den zentralen Einsatzgebieten des Modells, doch einige sensible Anfragen werden durch Schutzmechanismen eingeschränkt.
POST /v1/messagestext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-sonnet-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 $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
set -eu\n: "${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-sonnet-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-sonnet-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-sonnet-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-sonnet-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-sonnet-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-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
claude-sonnet-5-5Claude Sonnet 5.5 ist für klar definierte Entwicklungs-, Analyse- und Dokumentaufgaben ausgelegt. Es legt Wert auf verständliches Schreiben, visuelle Gestaltung und schrittweise Arbeit mit Werkzeugen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Sonnet 5.5 ist auf klar definierte Aufgaben ausgerichtet: Code schreiben, Fehler beheben, Informationen analysieren und professionelle Materialien vorbereiten. Laut Anthropic ist es für schnelle Iterationen ausgelegt, bei denen das Ergebnis betrachtet, präzisiert und weiterbearbeitet werden kann. In der Beschreibung werden verständliches Schreiben, sorgfältige Dokumentgestaltung und Aufmerksamkeit für Oberflächendesign besonders hervorgehoben.
Eine Aufgabe kann die Lektüre von Materialien mit der Erstellung des endgültigen Inhalts verbinden. Ein beschriebenes Szenario besteht darin, Quartalsunterlagen eines Unternehmens und die Transkription eines Vortrags auszuwerten und anschliessend eine Präsentation in einem vorgegebenen Stil vorzubereiten. Das Modell kann mit den bereitgestellten Mitteln bei Dokumenten, Tabellen und Folien helfen; die fertige Datei erstellt die Umgebung der Anwendung.
Das Modell nimmt Text und Bilder entgegen und gibt seine eigene Antwort als Text aus. Es kann visuelle Informationen mit einer Textaufgabe verbinden und länger dauernde mehrstufige Arbeit unterstützen. Grafiken, Tabellen und Dokumentseiten liefern Analysematerial; zusätzliche Aktionen mit Dateien und Oberflächen benötigen Werkzeuge der Anwendung.
Die üblichen visuellen Eingabeformate beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird das erste Bild verwendet. Bei der nativen Analyse beträgt die lange Seite 2576 Pixel und das Budget 4784 visuelle Tokens; grössere Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern bestimmt die Methode der Anwendung.
Das Kontextfenster beträgt 1 Million Tokens, die maximale Antwort im normalen Modus 128 Tausend Tokens. Der verlässliche Stand des integrierten Wissens ist Juni 2026. Der Hersteller sieht Änderungen des Denkaufwands und verfügbarer Werkzeuge während des Gesprächs sowie die Komprimierung des Verlaufs auf Anfrage vor. Diese Möglichkeiten benötigen Unterstützung der Umgebung. Wenn die Anwendung gespeicherte Denkblöcke zurückgibt, liest Sonnet 5.5 eigene Blöcke sowie Blöcke von Sonnet 5, Opus 4.8, Haiku 4.5 und früheren Modellen; Blöcke von Opus 5, Opus 5.5, Fable und Mythos sind inkompatibel. Ob sich seine Blöcke auf ein anderes Modell übertragen lassen, hängt vom jeweiligen Paar und der Unterstützung der Methode ab. Inkompatible Blöcke werden ausgeschlossen; spätere Gesprächsschritte erfolgen ohne den früheren Denkprozess. Änderungen früherer Nachrichten, der Systemanweisung oder früherer Werkzeugdefinitionen können die Zuordnung der Blöcke beeinträchtigen und bei deren Überprüfung zur Ablehnung der Anfrage oder zum Ausschluss betroffener Blöcke führen.
Der Standardmodus ist adaptives Denken mit effort auf high. Verfügbar sind fünf Stufen des Denkaufwands: low, medium, high, xhigh und max. Für klar definierte Agentenaufgaben empfiehlt Anthropic, mit medium zu beginnen, für schwierigere und länger dauernde Arbeit mit high; die passende Stufe hängt von der Aufgabe und dem erforderlichen Detailgrad ab.
Ein separater Modus between_tools entfernt das vorgängige Denken vor der ersten Aktion und behält es zwischen Werkzeugaufrufen bei. Er wird nur bei low, medium und high unterstützt. Für xhigh und max ist der adaptive Modus erforderlich. Vollständiges Deaktivieren des Denkens und ein manuelles Budget für Extended Thinking werden bei Sonnet 5.5 nicht unterstützt.
Wenn die Methode die Werkzeugsteuerung unterstützt, sind die automatische Auswahl auto und die Deaktivierung none zulässig. Erzwungene Varianten – die Anforderung eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs nach Namen (tool) – unterstützt das Herstellermodell nicht. Im Modus between_tools darf der Denkaufwand während des Gesprächs nicht geändert werden; im normalen adaptiven Modus sieht der Hersteller diese Einstellung vor. Die Arbeit mit Werkzeugergebnissen benötigt einen konsistent gespeicherten Verlauf.
In einer Methode, die diese Einstellungen unterstützt, werden vom Standard abweichende Werte für temperature, top_p und top_k nicht akzeptiert; gewünschtes Format und Antwortverhalten werden durch Anweisungen festgelegt.
In dieser Version behält das aktualisierte Verfahren zur Zerlegung von Text in Tokens die Eigenschaften der Generation Sonnet 5 bei. Bei der Vorhersage des Anfrageumfangs ist der Inhalt der Materialien zu berücksichtigen, nicht nur die Zeichenzahl. Gewöhnliche Entwicklungs- und Rechercheaufgaben gehören zu den zentralen Einsatzgebieten des Modells, doch einige sensible Anfragen werden durch Schutzmechanismen eingeschränkt.
POST /v1/responsestext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-sonnet-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 $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
set -eu\n: "${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-sonnet-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-sonnet-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-sonnet-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-sonnet-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-sonnet-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-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
claude-sonnet-5-5Claude Sonnet 5.5 ist für klar definierte Entwicklungs-, Analyse- und Dokumentaufgaben ausgelegt. Es legt Wert auf verständliches Schreiben, visuelle Gestaltung und schrittweise Arbeit mit Werkzeugen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Sonnet 5.5 ist auf klar definierte Aufgaben ausgerichtet: Code schreiben, Fehler beheben, Informationen analysieren und professionelle Materialien vorbereiten. Laut Anthropic ist es für schnelle Iterationen ausgelegt, bei denen das Ergebnis betrachtet, präzisiert und weiterbearbeitet werden kann. In der Beschreibung werden verständliches Schreiben, sorgfältige Dokumentgestaltung und Aufmerksamkeit für Oberflächendesign besonders hervorgehoben.
Eine Aufgabe kann die Lektüre von Materialien mit der Erstellung des endgültigen Inhalts verbinden. Ein beschriebenes Szenario besteht darin, Quartalsunterlagen eines Unternehmens und die Transkription eines Vortrags auszuwerten und anschliessend eine Präsentation in einem vorgegebenen Stil vorzubereiten. Das Modell kann mit den bereitgestellten Mitteln bei Dokumenten, Tabellen und Folien helfen; die fertige Datei erstellt die Umgebung der Anwendung.
Das Modell nimmt Text und Bilder entgegen und gibt seine eigene Antwort als Text aus. Es kann visuelle Informationen mit einer Textaufgabe verbinden und länger dauernde mehrstufige Arbeit unterstützen. Grafiken, Tabellen und Dokumentseiten liefern Analysematerial; zusätzliche Aktionen mit Dateien und Oberflächen benötigen Werkzeuge der Anwendung.
Die üblichen visuellen Eingabeformate beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird das erste Bild verwendet. Bei der nativen Analyse beträgt die lange Seite 2576 Pixel und das Budget 4784 visuelle Tokens; grössere Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern bestimmt die Methode der Anwendung.
Das Kontextfenster beträgt 1 Million Tokens, die maximale Antwort im normalen Modus 128 Tausend Tokens. Der verlässliche Stand des integrierten Wissens ist Juni 2026. Der Hersteller sieht Änderungen des Denkaufwands und verfügbarer Werkzeuge während des Gesprächs sowie die Komprimierung des Verlaufs auf Anfrage vor. Diese Möglichkeiten benötigen Unterstützung der Umgebung. Wenn die Anwendung gespeicherte Denkblöcke zurückgibt, liest Sonnet 5.5 eigene Blöcke sowie Blöcke von Sonnet 5, Opus 4.8, Haiku 4.5 und früheren Modellen; Blöcke von Opus 5, Opus 5.5, Fable und Mythos sind inkompatibel. Ob sich seine Blöcke auf ein anderes Modell übertragen lassen, hängt vom jeweiligen Paar und der Unterstützung der Methode ab. Inkompatible Blöcke werden ausgeschlossen; spätere Gesprächsschritte erfolgen ohne den früheren Denkprozess. Änderungen früherer Nachrichten, der Systemanweisung oder früherer Werkzeugdefinitionen können die Zuordnung der Blöcke beeinträchtigen und bei deren Überprüfung zur Ablehnung der Anfrage oder zum Ausschluss betroffener Blöcke führen.
Der Standardmodus ist adaptives Denken mit effort auf high. Verfügbar sind fünf Stufen des Denkaufwands: low, medium, high, xhigh und max. Für klar definierte Agentenaufgaben empfiehlt Anthropic, mit medium zu beginnen, für schwierigere und länger dauernde Arbeit mit high; die passende Stufe hängt von der Aufgabe und dem erforderlichen Detailgrad ab.
Ein separater Modus between_tools entfernt das vorgängige Denken vor der ersten Aktion und behält es zwischen Werkzeugaufrufen bei. Er wird nur bei low, medium und high unterstützt. Für xhigh und max ist der adaptive Modus erforderlich. Vollständiges Deaktivieren des Denkens und ein manuelles Budget für Extended Thinking werden bei Sonnet 5.5 nicht unterstützt.
Wenn die Methode die Werkzeugsteuerung unterstützt, sind die automatische Auswahl auto und die Deaktivierung none zulässig. Erzwungene Varianten – die Anforderung eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs nach Namen (tool) – unterstützt das Herstellermodell nicht. Im Modus between_tools darf der Denkaufwand während des Gesprächs nicht geändert werden; im normalen adaptiven Modus sieht der Hersteller diese Einstellung vor. Die Arbeit mit Werkzeugergebnissen benötigt einen konsistent gespeicherten Verlauf.
In einer Methode, die diese Einstellungen unterstützt, werden vom Standard abweichende Werte für temperature, top_p und top_k nicht akzeptiert; gewünschtes Format und Antwortverhalten werden durch Anweisungen festgelegt.
In dieser Version behält das aktualisierte Verfahren zur Zerlegung von Text in Tokens die Eigenschaften der Generation Sonnet 5 bei. Bei der Vorhersage des Anfrageumfangs ist der Inhalt der Materialien zu berücksichtigen, nicht nur die Zeichenzahl. Gewöhnliche Entwicklungs- und Rechercheaufgaben gehören zu den zentralen Einsatzgebieten des Modells, doch einige sensible Anfragen werden durch Schutzmechanismen eingeschränkt.
POST /v1/chat/completionstext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-sonnet-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 $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
set -eu\n: "${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-sonnet-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-sonnet-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-sonnet-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-sonnet-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-sonnet-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-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
anthropic/claude-sonnet-5.5Claude Sonnet 5.5 ist für klar definierte Entwicklungs-, Analyse- und Dokumentaufgaben ausgelegt. Es legt Wert auf verständliches Schreiben, visuelle Gestaltung und schrittweise Arbeit mit Werkzeugen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Sonnet 5.5 ist auf klar definierte Aufgaben ausgerichtet: Code schreiben, Fehler beheben, Informationen analysieren und professionelle Materialien vorbereiten. Laut Anthropic ist es für schnelle Iterationen ausgelegt, bei denen das Ergebnis betrachtet, präzisiert und weiterbearbeitet werden kann. In der Beschreibung werden verständliches Schreiben, sorgfältige Dokumentgestaltung und Aufmerksamkeit für Oberflächendesign besonders hervorgehoben.
Eine Aufgabe kann die Lektüre von Materialien mit der Erstellung des endgültigen Inhalts verbinden. Ein beschriebenes Szenario besteht darin, Quartalsunterlagen eines Unternehmens und die Transkription eines Vortrags auszuwerten und anschliessend eine Präsentation in einem vorgegebenen Stil vorzubereiten. Das Modell kann mit den bereitgestellten Mitteln bei Dokumenten, Tabellen und Folien helfen; die fertige Datei erstellt die Umgebung der Anwendung.
Das Modell nimmt Text und Bilder entgegen und gibt seine eigene Antwort als Text aus. Es kann visuelle Informationen mit einer Textaufgabe verbinden und länger dauernde mehrstufige Arbeit unterstützen. Grafiken, Tabellen und Dokumentseiten liefern Analysematerial; zusätzliche Aktionen mit Dateien und Oberflächen benötigen Werkzeuge der Anwendung.
Die üblichen visuellen Eingabeformate beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird das erste Bild verwendet. Bei der nativen Analyse beträgt die lange Seite 2576 Pixel und das Budget 4784 visuelle Tokens; grössere Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern bestimmt die Methode der Anwendung.
Das Kontextfenster beträgt 1 Million Tokens, die maximale Antwort im normalen Modus 128 Tausend Tokens. Der verlässliche Stand des integrierten Wissens ist Juni 2026. Der Hersteller sieht Änderungen des Denkaufwands und verfügbarer Werkzeuge während des Gesprächs sowie die Komprimierung des Verlaufs auf Anfrage vor. Diese Möglichkeiten benötigen Unterstützung der Umgebung. Wenn die Anwendung gespeicherte Denkblöcke zurückgibt, liest Sonnet 5.5 eigene Blöcke sowie Blöcke von Sonnet 5, Opus 4.8, Haiku 4.5 und früheren Modellen; Blöcke von Opus 5, Opus 5.5, Fable und Mythos sind inkompatibel. Ob sich seine Blöcke auf ein anderes Modell übertragen lassen, hängt vom jeweiligen Paar und der Unterstützung der Methode ab. Inkompatible Blöcke werden ausgeschlossen; spätere Gesprächsschritte erfolgen ohne den früheren Denkprozess. Änderungen früherer Nachrichten, der Systemanweisung oder früherer Werkzeugdefinitionen können die Zuordnung der Blöcke beeinträchtigen und bei deren Überprüfung zur Ablehnung der Anfrage oder zum Ausschluss betroffener Blöcke führen.
Der Standardmodus ist adaptives Denken mit effort auf high. Verfügbar sind fünf Stufen des Denkaufwands: low, medium, high, xhigh und max. Für klar definierte Agentenaufgaben empfiehlt Anthropic, mit medium zu beginnen, für schwierigere und länger dauernde Arbeit mit high; die passende Stufe hängt von der Aufgabe und dem erforderlichen Detailgrad ab.
Ein separater Modus between_tools entfernt das vorgängige Denken vor der ersten Aktion und behält es zwischen Werkzeugaufrufen bei. Er wird nur bei low, medium und high unterstützt. Für xhigh und max ist der adaptive Modus erforderlich. Vollständiges Deaktivieren des Denkens und ein manuelles Budget für Extended Thinking werden bei Sonnet 5.5 nicht unterstützt.
Wenn die Methode die Werkzeugsteuerung unterstützt, sind die automatische Auswahl auto und die Deaktivierung none zulässig. Erzwungene Varianten – die Anforderung eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs nach Namen (tool) – unterstützt das Herstellermodell nicht. Im Modus between_tools darf der Denkaufwand während des Gesprächs nicht geändert werden; im normalen adaptiven Modus sieht der Hersteller diese Einstellung vor. Die Arbeit mit Werkzeugergebnissen benötigt einen konsistent gespeicherten Verlauf.
In einer Methode, die diese Einstellungen unterstützt, werden vom Standard abweichende Werte für temperature, top_p und top_k nicht akzeptiert; gewünschtes Format und Antwortverhalten werden durch Anweisungen festgelegt.
In dieser Version behält das aktualisierte Verfahren zur Zerlegung von Text in Tokens die Eigenschaften der Generation Sonnet 5 bei. Bei der Vorhersage des Anfrageumfangs ist der Inhalt der Materialien zu berücksichtigen, nicht nur die Zeichenzahl. Gewöhnliche Entwicklungs- und Rechercheaufgaben gehören zu den zentralen Einsatzgebieten des Modells, doch einige sensible Anfragen werden durch Schutzmechanismen eingeschränkt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits anthropic/claude-sonnet-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 $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-sonnet-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-sonnet-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-sonnet-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-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
anthropic/claude-sonnet-5.5Claude Sonnet 5.5 ist für klar definierte Entwicklungs-, Analyse- und Dokumentaufgaben ausgelegt. Es legt Wert auf verständliches Schreiben, visuelle Gestaltung und schrittweise Arbeit mit Werkzeugen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Sonnet 5.5 ist auf klar definierte Aufgaben ausgerichtet: Code schreiben, Fehler beheben, Informationen analysieren und professionelle Materialien vorbereiten. Laut Anthropic ist es für schnelle Iterationen ausgelegt, bei denen das Ergebnis betrachtet, präzisiert und weiterbearbeitet werden kann. In der Beschreibung werden verständliches Schreiben, sorgfältige Dokumentgestaltung und Aufmerksamkeit für Oberflächendesign besonders hervorgehoben.
Eine Aufgabe kann die Lektüre von Materialien mit der Erstellung des endgültigen Inhalts verbinden. Ein beschriebenes Szenario besteht darin, Quartalsunterlagen eines Unternehmens und die Transkription eines Vortrags auszuwerten und anschliessend eine Präsentation in einem vorgegebenen Stil vorzubereiten. Das Modell kann mit den bereitgestellten Mitteln bei Dokumenten, Tabellen und Folien helfen; die fertige Datei erstellt die Umgebung der Anwendung.
Das Modell nimmt Text und Bilder entgegen und gibt seine eigene Antwort als Text aus. Es kann visuelle Informationen mit einer Textaufgabe verbinden und länger dauernde mehrstufige Arbeit unterstützen. Grafiken, Tabellen und Dokumentseiten liefern Analysematerial; zusätzliche Aktionen mit Dateien und Oberflächen benötigen Werkzeuge der Anwendung.
Die üblichen visuellen Eingabeformate beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird das erste Bild verwendet. Bei der nativen Analyse beträgt die lange Seite 2576 Pixel und das Budget 4784 visuelle Tokens; grössere Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern bestimmt die Methode der Anwendung.
Das Kontextfenster beträgt 1 Million Tokens, die maximale Antwort im normalen Modus 128 Tausend Tokens. Der verlässliche Stand des integrierten Wissens ist Juni 2026. Der Hersteller sieht Änderungen des Denkaufwands und verfügbarer Werkzeuge während des Gesprächs sowie die Komprimierung des Verlaufs auf Anfrage vor. Diese Möglichkeiten benötigen Unterstützung der Umgebung. Wenn die Anwendung gespeicherte Denkblöcke zurückgibt, liest Sonnet 5.5 eigene Blöcke sowie Blöcke von Sonnet 5, Opus 4.8, Haiku 4.5 und früheren Modellen; Blöcke von Opus 5, Opus 5.5, Fable und Mythos sind inkompatibel. Ob sich seine Blöcke auf ein anderes Modell übertragen lassen, hängt vom jeweiligen Paar und der Unterstützung der Methode ab. Inkompatible Blöcke werden ausgeschlossen; spätere Gesprächsschritte erfolgen ohne den früheren Denkprozess. Änderungen früherer Nachrichten, der Systemanweisung oder früherer Werkzeugdefinitionen können die Zuordnung der Blöcke beeinträchtigen und bei deren Überprüfung zur Ablehnung der Anfrage oder zum Ausschluss betroffener Blöcke führen.
Der Standardmodus ist adaptives Denken mit effort auf high. Verfügbar sind fünf Stufen des Denkaufwands: low, medium, high, xhigh und max. Für klar definierte Agentenaufgaben empfiehlt Anthropic, mit medium zu beginnen, für schwierigere und länger dauernde Arbeit mit high; die passende Stufe hängt von der Aufgabe und dem erforderlichen Detailgrad ab.
Ein separater Modus between_tools entfernt das vorgängige Denken vor der ersten Aktion und behält es zwischen Werkzeugaufrufen bei. Er wird nur bei low, medium und high unterstützt. Für xhigh und max ist der adaptive Modus erforderlich. Vollständiges Deaktivieren des Denkens und ein manuelles Budget für Extended Thinking werden bei Sonnet 5.5 nicht unterstützt.
Wenn die Methode die Werkzeugsteuerung unterstützt, sind die automatische Auswahl auto und die Deaktivierung none zulässig. Erzwungene Varianten – die Anforderung eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs nach Namen (tool) – unterstützt das Herstellermodell nicht. Im Modus between_tools darf der Denkaufwand während des Gesprächs nicht geändert werden; im normalen adaptiven Modus sieht der Hersteller diese Einstellung vor. Die Arbeit mit Werkzeugergebnissen benötigt einen konsistent gespeicherten Verlauf.
In einer Methode, die diese Einstellungen unterstützt, werden vom Standard abweichende Werte für temperature, top_p und top_k nicht akzeptiert; gewünschtes Format und Antwortverhalten werden durch Anweisungen festgelegt.
In dieser Version behält das aktualisierte Verfahren zur Zerlegung von Text in Tokens die Eigenschaften der Generation Sonnet 5 bei. Bei der Vorhersage des Anfrageumfangs ist der Inhalt der Materialien zu berücksichtigen, nicht nur die Zeichenzahl. Gewöhnliche Entwicklungs- und Rechercheaufgaben gehören zu den zentralen Einsatzgebieten des Modells, doch einige sensible Anfragen werden durch Schutzmechanismen eingeschränkt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits anthropic/claude-sonnet-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 $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "anthropic/claude-sonnet-5.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-sonnet-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-sonnet-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-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
~anthropic/claude-sonnet-latestClaude Sonnet 5.5 ist für klar definierte Entwicklungs-, Analyse- und Dokumentaufgaben ausgelegt. Es legt Wert auf verständliches Schreiben, visuelle Gestaltung und schrittweise Arbeit mit Werkzeugen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Sonnet 5.5 ist auf klar definierte Aufgaben ausgerichtet: Code schreiben, Fehler beheben, Informationen analysieren und professionelle Materialien vorbereiten. Laut Anthropic ist es für schnelle Iterationen ausgelegt, bei denen das Ergebnis betrachtet, präzisiert und weiterbearbeitet werden kann. In der Beschreibung werden verständliches Schreiben, sorgfältige Dokumentgestaltung und Aufmerksamkeit für Oberflächendesign besonders hervorgehoben.
Eine Aufgabe kann die Lektüre von Materialien mit der Erstellung des endgültigen Inhalts verbinden. Ein beschriebenes Szenario besteht darin, Quartalsunterlagen eines Unternehmens und die Transkription eines Vortrags auszuwerten und anschliessend eine Präsentation in einem vorgegebenen Stil vorzubereiten. Das Modell kann mit den bereitgestellten Mitteln bei Dokumenten, Tabellen und Folien helfen; die fertige Datei erstellt die Umgebung der Anwendung.
Das Modell nimmt Text und Bilder entgegen und gibt seine eigene Antwort als Text aus. Es kann visuelle Informationen mit einer Textaufgabe verbinden und länger dauernde mehrstufige Arbeit unterstützen. Grafiken, Tabellen und Dokumentseiten liefern Analysematerial; zusätzliche Aktionen mit Dateien und Oberflächen benötigen Werkzeuge der Anwendung.
Die üblichen visuellen Eingabeformate beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird das erste Bild verwendet. Bei der nativen Analyse beträgt die lange Seite 2576 Pixel und das Budget 4784 visuelle Tokens; grössere Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern bestimmt die Methode der Anwendung.
Das Kontextfenster beträgt 1 Million Tokens, die maximale Antwort im normalen Modus 128 Tausend Tokens. Der verlässliche Stand des integrierten Wissens ist Juni 2026. Der Hersteller sieht Änderungen des Denkaufwands und verfügbarer Werkzeuge während des Gesprächs sowie die Komprimierung des Verlaufs auf Anfrage vor. Diese Möglichkeiten benötigen Unterstützung der Umgebung. Wenn die Anwendung gespeicherte Denkblöcke zurückgibt, liest Sonnet 5.5 eigene Blöcke sowie Blöcke von Sonnet 5, Opus 4.8, Haiku 4.5 und früheren Modellen; Blöcke von Opus 5, Opus 5.5, Fable und Mythos sind inkompatibel. Ob sich seine Blöcke auf ein anderes Modell übertragen lassen, hängt vom jeweiligen Paar und der Unterstützung der Methode ab. Inkompatible Blöcke werden ausgeschlossen; spätere Gesprächsschritte erfolgen ohne den früheren Denkprozess. Änderungen früherer Nachrichten, der Systemanweisung oder früherer Werkzeugdefinitionen können die Zuordnung der Blöcke beeinträchtigen und bei deren Überprüfung zur Ablehnung der Anfrage oder zum Ausschluss betroffener Blöcke führen.
Der Standardmodus ist adaptives Denken mit effort auf high. Verfügbar sind fünf Stufen des Denkaufwands: low, medium, high, xhigh und max. Für klar definierte Agentenaufgaben empfiehlt Anthropic, mit medium zu beginnen, für schwierigere und länger dauernde Arbeit mit high; die passende Stufe hängt von der Aufgabe und dem erforderlichen Detailgrad ab.
Ein separater Modus between_tools entfernt das vorgängige Denken vor der ersten Aktion und behält es zwischen Werkzeugaufrufen bei. Er wird nur bei low, medium und high unterstützt. Für xhigh und max ist der adaptive Modus erforderlich. Vollständiges Deaktivieren des Denkens und ein manuelles Budget für Extended Thinking werden bei Sonnet 5.5 nicht unterstützt.
Wenn die Methode die Werkzeugsteuerung unterstützt, sind die automatische Auswahl auto und die Deaktivierung none zulässig. Erzwungene Varianten – die Anforderung eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs nach Namen (tool) – unterstützt das Herstellermodell nicht. Im Modus between_tools darf der Denkaufwand während des Gesprächs nicht geändert werden; im normalen adaptiven Modus sieht der Hersteller diese Einstellung vor. Die Arbeit mit Werkzeugergebnissen benötigt einen konsistent gespeicherten Verlauf.
In einer Methode, die diese Einstellungen unterstützt, werden vom Standard abweichende Werte für temperature, top_p und top_k nicht akzeptiert; gewünschtes Format und Antwortverhalten werden durch Anweisungen festgelegt.
In dieser Version behält das aktualisierte Verfahren zur Zerlegung von Text in Tokens die Eigenschaften der Generation Sonnet 5 bei. Bei der Vorhersage des Anfrageumfangs ist der Inhalt der Materialien zu berücksichtigen, nicht nur die Zeichenzahl. Gewöhnliche Entwicklungs- und Rechercheaufgaben gehören zu den zentralen Einsatzgebieten des Modells, doch einige sensible Anfragen werden durch Schutzmechanismen eingeschränkt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ~anthropic/claude-sonnet-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 $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~anthropic/claude-sonnet-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-sonnet-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-sonnet-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-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
~anthropic/claude-sonnet-latestClaude Sonnet 5.5 ist für klar definierte Entwicklungs-, Analyse- und Dokumentaufgaben ausgelegt. Es legt Wert auf verständliches Schreiben, visuelle Gestaltung und schrittweise Arbeit mit Werkzeugen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Sonnet 5.5 ist auf klar definierte Aufgaben ausgerichtet: Code schreiben, Fehler beheben, Informationen analysieren und professionelle Materialien vorbereiten. Laut Anthropic ist es für schnelle Iterationen ausgelegt, bei denen das Ergebnis betrachtet, präzisiert und weiterbearbeitet werden kann. In der Beschreibung werden verständliches Schreiben, sorgfältige Dokumentgestaltung und Aufmerksamkeit für Oberflächendesign besonders hervorgehoben.
Eine Aufgabe kann die Lektüre von Materialien mit der Erstellung des endgültigen Inhalts verbinden. Ein beschriebenes Szenario besteht darin, Quartalsunterlagen eines Unternehmens und die Transkription eines Vortrags auszuwerten und anschliessend eine Präsentation in einem vorgegebenen Stil vorzubereiten. Das Modell kann mit den bereitgestellten Mitteln bei Dokumenten, Tabellen und Folien helfen; die fertige Datei erstellt die Umgebung der Anwendung.
Das Modell nimmt Text und Bilder entgegen und gibt seine eigene Antwort als Text aus. Es kann visuelle Informationen mit einer Textaufgabe verbinden und länger dauernde mehrstufige Arbeit unterstützen. Grafiken, Tabellen und Dokumentseiten liefern Analysematerial; zusätzliche Aktionen mit Dateien und Oberflächen benötigen Werkzeuge der Anwendung.
Die üblichen visuellen Eingabeformate beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird das erste Bild verwendet. Bei der nativen Analyse beträgt die lange Seite 2576 Pixel und das Budget 4784 visuelle Tokens; grössere Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern bestimmt die Methode der Anwendung.
Das Kontextfenster beträgt 1 Million Tokens, die maximale Antwort im normalen Modus 128 Tausend Tokens. Der verlässliche Stand des integrierten Wissens ist Juni 2026. Der Hersteller sieht Änderungen des Denkaufwands und verfügbarer Werkzeuge während des Gesprächs sowie die Komprimierung des Verlaufs auf Anfrage vor. Diese Möglichkeiten benötigen Unterstützung der Umgebung. Wenn die Anwendung gespeicherte Denkblöcke zurückgibt, liest Sonnet 5.5 eigene Blöcke sowie Blöcke von Sonnet 5, Opus 4.8, Haiku 4.5 und früheren Modellen; Blöcke von Opus 5, Opus 5.5, Fable und Mythos sind inkompatibel. Ob sich seine Blöcke auf ein anderes Modell übertragen lassen, hängt vom jeweiligen Paar und der Unterstützung der Methode ab. Inkompatible Blöcke werden ausgeschlossen; spätere Gesprächsschritte erfolgen ohne den früheren Denkprozess. Änderungen früherer Nachrichten, der Systemanweisung oder früherer Werkzeugdefinitionen können die Zuordnung der Blöcke beeinträchtigen und bei deren Überprüfung zur Ablehnung der Anfrage oder zum Ausschluss betroffener Blöcke führen.
Der Standardmodus ist adaptives Denken mit effort auf high. Verfügbar sind fünf Stufen des Denkaufwands: low, medium, high, xhigh und max. Für klar definierte Agentenaufgaben empfiehlt Anthropic, mit medium zu beginnen, für schwierigere und länger dauernde Arbeit mit high; die passende Stufe hängt von der Aufgabe und dem erforderlichen Detailgrad ab.
Ein separater Modus between_tools entfernt das vorgängige Denken vor der ersten Aktion und behält es zwischen Werkzeugaufrufen bei. Er wird nur bei low, medium und high unterstützt. Für xhigh und max ist der adaptive Modus erforderlich. Vollständiges Deaktivieren des Denkens und ein manuelles Budget für Extended Thinking werden bei Sonnet 5.5 nicht unterstützt.
Wenn die Methode die Werkzeugsteuerung unterstützt, sind die automatische Auswahl auto und die Deaktivierung none zulässig. Erzwungene Varianten – die Anforderung eines beliebigen Werkzeugs (any) oder eines bestimmten Werkzeugs nach Namen (tool) – unterstützt das Herstellermodell nicht. Im Modus between_tools darf der Denkaufwand während des Gesprächs nicht geändert werden; im normalen adaptiven Modus sieht der Hersteller diese Einstellung vor. Die Arbeit mit Werkzeugergebnissen benötigt einen konsistent gespeicherten Verlauf.
In einer Methode, die diese Einstellungen unterstützt, werden vom Standard abweichende Werte für temperature, top_p und top_k nicht akzeptiert; gewünschtes Format und Antwortverhalten werden durch Anweisungen festgelegt.
In dieser Version behält das aktualisierte Verfahren zur Zerlegung von Text in Tokens die Eigenschaften der Generation Sonnet 5 bei. Bei der Vorhersage des Anfrageumfangs ist der Inhalt der Materialien zu berücksichtigen, nicht nur die Zeichenzahl. Gewöhnliche Entwicklungs- und Rechercheaufgaben gehören zu den zentralen Einsatzgebieten des Modells, doch einige sensible Anfragen werden durch Schutzmechanismen eingeschränkt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ~anthropic/claude-sonnet-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 $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.0002 / 1K Tokens Eingabe · Cache schreiben $0.005 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde $0.008 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "~anthropic/claude-sonnet-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-sonnet-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-sonnet-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-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Verwenden Sie die oben angezeigten Methodenpfade.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
Technisches Beispiel auf Englisch
Turn quarterly notes into slide copy\n\nPrepare four slide outlines from these quarterly notes: revenue rose from 8 to 10 million; support backlog rose from 120 to 210 tickets; two enterprise renewals are undecided. Audience: team leads. Give each slide one headline and three short bullets, ending with decisions needed. Keep supplied numbers exact.Four numbered slide outlines with a headline, three bullets and explicit decisions to resolve.Check that revenue growth is not presented as resolving the backlog or the undecided renewals.