Claude Opus 4 Thinking wendet erweitertes Reasoning auf das ursprüngliche Modell Claude Opus 4 an. Anthropic positioniert diese Generation für schwierige Programmierarbeit, Recherche, Schreiben und Aufgaben, bei denen die Richtung über viele Schritte erhalten bleiben muss. Die Bezeichnung Thinking betrifft die Herangehensweise des Modells an eine Antwort; sie macht das ursprüngliche Opus 4 nicht zu einer späteren Opus-Edition.
Claude Opus 4 verbindet einen Standardantwortmodus mit einem Extended-Thinking-Modus. Bei erweitertem Thinking kann es vor der Antwort mehr Zeit auf die Untersuchung eines Problems verwenden. Der Hersteller beschreibt länger dauernde Arbeit an komplexen Aufgaben als zentrale Stärke, besonders wenn eine Aufgabe eine Folge von Befunden verbinden muss, statt isolierte Prompts zu lösen.
Geben Sie für eine Recherchefrage das zu vergleichende Material, die damit zu stützende Entscheidung und die wichtigen Bedingungen vor. Verlangen Sie eine beleggestützte Synthese, die Befunde, Annahmen und offene Fragen trennt. Fügen Sie für eine Schreibaufgabe Zielgruppe, Quellmaterial, erforderliche Struktur und die vom Ergebnis zu erklärenden Aussagen bei. Dies sind praktische Anwendungen der dokumentierten Recherche- und Schreibfähigkeiten des Modells und keine Zusagen eines bestimmten Ergebnisses.
Anthropic betont komplexes Codeverständnis, Bearbeitung, Fehlersuche und Änderungen über mehrere Dateien. Geben Sie dem Modell relevante Module, Schnittstellenverträge, erwartetes Verhalten und vorhandene Tests oder Fehlerausgaben vor. Definieren Sie den Umfang der gewünschten Änderung und lassen Sie erklären, welche Abhängigkeiten die vorgeschlagenen Bearbeitungen notwendig machen.
Ein hilfreiches Entwicklungsergebnis verbindet drei Dinge: die Problemursache, eine konsistente Implementierung und eine Möglichkeit zur Prüfung des entstandenen Verhaltens. Legen Sie für eine Refaktorierung fest, welche öffentlichen Schnittstellen und beobachtbaren Verhaltensweisen stabil bleiben müssen. Beschreiben Sie für eine Funktion den Nutzerablauf und seine Fehlerfälle. Dadurch wird das länger dauernde Reasoning des Modells für das Projekt nützlich, statt nur eine längere Antwort zu erzeugen.
Die ursprüngliche Generation Claude 4 ergänzt Reasoning zwischen Werkzeugaufrufen in Anthropics dokumentiertem Extended-Thinking-Ablauf. Sie kann ein Werkzeugergebnis untersuchen, ihre Herangehensweise überdenken und eine folgende Aktion auswählen. Der Hersteller beschreibt außerdem parallele Werkzeugnutzung und verbesserte Kontinuität, wenn eine Anwendung lokale Dateien bereitstellt, die das Modell lesen und aktualisieren kann.
Ein Agent mit diesen Fähigkeiten benötigt seine Anwendung zur Bereitstellung von Werkzeugen, Ausführung angeforderter Aktionen und Rückgabe ihrer Ergebnisse. Auch Speicherdateien gehören zur Anwendungsumgebung; sie sind kein unbegrenzter Speicher, der automatisch zwischen unabhängigen Gesprächen mitgeführt wird. Geben Sie bei der Gestaltung eines Ablaufs relevante Beobachtungen an das Modell zurück und halten Sie Aufgabenziel und Abnahmekriterien verfügbar.
Claude Opus 4 unterstützt außerdem visuelle Analyse. Screenshots, Diagramme und Schaubilder können Belege neben Text liefern, während die Modellantwort textuell bleibt. Verwenden Sie klar lesbare Bilder und benennen Sie die zu erklärenden Beziehungen. Fügen Sie Quellwerte bei, wenn die Aufgabe von genauen Anzahlen oder Messwerten abhängt, da visuelle Interpretation näherungsweise sein kann.
Benennen Sie für eine Ailoot-API-Aufgabe das benötigte Endergebnis: einen Änderungsvorschlag über mehrere Dateien, eine technische Untersuchung, eine Recherchesynthese oder ein sorgfältig strukturiertes Dokument. Ergänzen Sie die Belege und Randbedingungen, anhand derer das Modell eine Herangehensweise wählen kann. Die Extended-Thinking-Zusammenfassungen des Herstellers liefern neben dem Ergebnis eine Erklärung; eine Zusammenfassung ist aber kein wörtliches Protokoll sämtlicher Gedankengänge. Prüfen Sie gelieferten Code oder die Analyse anhand der Aufgabenanforderungen, einschließlich Annahmen, für die noch Belege benötigt werden.
", "aboutText": "Claude Opus 4 Thinking wendet erweitertes Reasoning auf das ursprüngliche Modell Claude Opus 4 an. Anthropic positioniert diese Generation für schwierige Programmierarbeit, Recherche, Schreiben und Aufgaben, bei denen die Richtung über viele Schritte erhalten bleiben muss. Die Bezeichnung Thinking betrifft die Herangehensweise des Modells an eine Antwort; sie macht das ursprüngliche Opus 4 nicht zu einer späteren Opus-Edition.\n\n### Schlussfolgern über eine anspruchsvolle Aufgabe hinweg\n\nClaude Opus 4 verbindet einen Standardantwortmodus mit einem Extended-Thinking-Modus. Bei erweitertem Thinking kann es vor der Antwort mehr Zeit auf die Untersuchung eines Problems verwenden. Der Hersteller beschreibt länger dauernde Arbeit an komplexen Aufgaben als zentrale Stärke, besonders wenn eine Aufgabe eine Folge von Befunden verbinden muss, statt isolierte Prompts zu lösen.\n\nGeben Sie für eine Recherchefrage das zu vergleichende Material, die damit zu stützende Entscheidung und die wichtigen Bedingungen vor. Verlangen Sie eine beleggestützte Synthese, die Befunde, Annahmen und offene Fragen trennt. Fügen Sie für eine Schreibaufgabe Zielgruppe, Quellmaterial, erforderliche Struktur und die vom Ergebnis zu erklärenden Aussagen bei. Dies sind praktische Anwendungen der dokumentierten Recherche- und Schreibfähigkeiten des Modells und keine Zusagen eines bestimmten Ergebnisses.\n\n### Änderungen über eine Codebasis hinweg\n\nAnthropic betont komplexes Codeverständnis, Bearbeitung, Fehlersuche und Änderungen über mehrere Dateien. Geben Sie dem Modell relevante Module, Schnittstellenverträge, erwartetes Verhalten und vorhandene Tests oder Fehlerausgaben vor. Definieren Sie den Umfang der gewünschten Änderung und lassen Sie erklären, welche Abhängigkeiten die vorgeschlagenen Bearbeitungen notwendig machen.\n\nEin hilfreiches Entwicklungsergebnis verbindet drei Dinge: die Problemursache, eine konsistente Implementierung und eine Möglichkeit zur Prüfung des entstandenen Verhaltens. Legen Sie für eine Refaktorierung fest, welche öffentlichen Schnittstellen und beobachtbaren Verhaltensweisen stabil bleiben müssen. Beschreiben Sie für eine Funktion den Nutzerablauf und seine Fehlerfälle. Dadurch wird das länger dauernde Reasoning des Modells für das Projekt nützlich, statt nur eine längere Antwort zu erzeugen.\n\n### Werkzeuge, parallele Arbeit und Kontinuität\n\nDie ursprüngliche Generation Claude 4 ergänzt Reasoning zwischen Werkzeugaufrufen in Anthropics dokumentiertem Extended-Thinking-Ablauf. Sie kann ein Werkzeugergebnis untersuchen, ihre Herangehensweise überdenken und eine folgende Aktion auswählen. Der Hersteller beschreibt außerdem parallele Werkzeugnutzung und verbesserte Kontinuität, wenn eine Anwendung lokale Dateien bereitstellt, die das Modell lesen und aktualisieren kann.\n\nEin Agent mit diesen Fähigkeiten benötigt seine Anwendung zur Bereitstellung von Werkzeugen, Ausführung angeforderter Aktionen und Rückgabe ihrer Ergebnisse. Auch Speicherdateien gehören zur Anwendungsumgebung; sie sind kein unbegrenzter Speicher, der automatisch zwischen unabhängigen Gesprächen mitgeführt wird. Geben Sie bei der Gestaltung eines Ablaufs relevante Beobachtungen an das Modell zurück und halten Sie Aufgabenziel und Abnahmekriterien verfügbar.\n\n### Visuelle Analyse und Textausgabe\n\nClaude Opus 4 unterstützt außerdem visuelle Analyse. Screenshots, Diagramme und Schaubilder können Belege neben Text liefern, während die Modellantwort textuell bleibt. Verwenden Sie klar lesbare Bilder und benennen Sie die zu erklärenden Beziehungen. Fügen Sie Quellwerte bei, wenn die Aufgabe von genauen Anzahlen oder Messwerten abhängt, da visuelle Interpretation näherungsweise sein kann.\n\nBenennen Sie für eine Ailoot-API-Aufgabe das benötigte Endergebnis: einen Änderungsvorschlag über mehrere Dateien, eine technische Untersuchung, eine Recherchesynthese oder ein sorgfältig strukturiertes Dokument. Ergänzen Sie die Belege und Randbedingungen, anhand derer das Modell eine Herangehensweise wählen kann. Die Extended-Thinking-Zusammenfassungen des Herstellers liefern neben dem Ergebnis eine Erklärung; eine Zusammenfassung ist aber kein wörtliches Protokoll sämtlicher Gedankengänge. Prüfen Sie gelieferten Code oder die Analyse anhand der Aufgabenanforderungen, einschließlich Annahmen, für die noch Belege benötigt werden.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Plan a coordinated order refactor\n\nReview this proposed refactor. Module A emits {order_id, total_cents}; module B stores those fields; module C displays total_cents / 100. A developer proposes renaming only A to amount_cents. Identify affected contracts and propose a coordinated migration that preserves existing consumers, with checks for old and new records.A dependency map in text, a staged migration proposal and compatibility checks for each consumer.Confirm the proposal covers B and C and does not silently reinterpret cents as whole currency units.claude-opus-4-20250514-thinkingClaude Opus 4 Thinking verwendet den Extended-Thinking-Modus des ursprünglichen Opus 4 für komplexe Softwareänderungen, länger dauernde Agentenabläufe und Recherche. Es kann zwischen unterstützten Werkzeugschritten schlussfolgern und Belege über eine anspruchsvolle Aufgabe hinweg verbinden, bevor es ein Textergebnis erzeugt.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Opus 4 Thinking wendet erweitertes Reasoning auf das ursprüngliche Modell Claude Opus 4 an. Anthropic positioniert diese Generation für schwierige Programmierarbeit, Recherche, Schreiben und Aufgaben, bei denen die Richtung über viele Schritte erhalten bleiben muss. Die Bezeichnung Thinking betrifft die Herangehensweise des Modells an eine Antwort; sie macht das ursprüngliche Opus 4 nicht zu einer späteren Opus-Edition.
Claude Opus 4 verbindet einen Standardantwortmodus mit einem Extended-Thinking-Modus. Bei erweitertem Thinking kann es vor der Antwort mehr Zeit auf die Untersuchung eines Problems verwenden. Der Hersteller beschreibt länger dauernde Arbeit an komplexen Aufgaben als zentrale Stärke, besonders wenn eine Aufgabe eine Folge von Befunden verbinden muss, statt isolierte Prompts zu lösen.
Geben Sie für eine Recherchefrage das zu vergleichende Material, die damit zu stützende Entscheidung und die wichtigen Bedingungen vor. Verlangen Sie eine beleggestützte Synthese, die Befunde, Annahmen und offene Fragen trennt. Fügen Sie für eine Schreibaufgabe Zielgruppe, Quellmaterial, erforderliche Struktur und die vom Ergebnis zu erklärenden Aussagen bei. Dies sind praktische Anwendungen der dokumentierten Recherche- und Schreibfähigkeiten des Modells und keine Zusagen eines bestimmten Ergebnisses.
Anthropic betont komplexes Codeverständnis, Bearbeitung, Fehlersuche und Änderungen über mehrere Dateien. Geben Sie dem Modell relevante Module, Schnittstellenverträge, erwartetes Verhalten und vorhandene Tests oder Fehlerausgaben vor. Definieren Sie den Umfang der gewünschten Änderung und lassen Sie erklären, welche Abhängigkeiten die vorgeschlagenen Bearbeitungen notwendig machen.
Ein hilfreiches Entwicklungsergebnis verbindet drei Dinge: die Problemursache, eine konsistente Implementierung und eine Möglichkeit zur Prüfung des entstandenen Verhaltens. Legen Sie für eine Refaktorierung fest, welche öffentlichen Schnittstellen und beobachtbaren Verhaltensweisen stabil bleiben müssen. Beschreiben Sie für eine Funktion den Nutzerablauf und seine Fehlerfälle. Dadurch wird das länger dauernde Reasoning des Modells für das Projekt nützlich, statt nur eine längere Antwort zu erzeugen.
Die ursprüngliche Generation Claude 4 ergänzt Reasoning zwischen Werkzeugaufrufen in Anthropics dokumentiertem Extended-Thinking-Ablauf. Sie kann ein Werkzeugergebnis untersuchen, ihre Herangehensweise überdenken und eine folgende Aktion auswählen. Der Hersteller beschreibt außerdem parallele Werkzeugnutzung und verbesserte Kontinuität, wenn eine Anwendung lokale Dateien bereitstellt, die das Modell lesen und aktualisieren kann.
Ein Agent mit diesen Fähigkeiten benötigt seine Anwendung zur Bereitstellung von Werkzeugen, Ausführung angeforderter Aktionen und Rückgabe ihrer Ergebnisse. Auch Speicherdateien gehören zur Anwendungsumgebung; sie sind kein unbegrenzter Speicher, der automatisch zwischen unabhängigen Gesprächen mitgeführt wird. Geben Sie bei der Gestaltung eines Ablaufs relevante Beobachtungen an das Modell zurück und halten Sie Aufgabenziel und Abnahmekriterien verfügbar.
Claude Opus 4 unterstützt außerdem visuelle Analyse. Screenshots, Diagramme und Schaubilder können Belege neben Text liefern, während die Modellantwort textuell bleibt. Verwenden Sie klar lesbare Bilder und benennen Sie die zu erklärenden Beziehungen. Fügen Sie Quellwerte bei, wenn die Aufgabe von genauen Anzahlen oder Messwerten abhängt, da visuelle Interpretation näherungsweise sein kann.
Benennen Sie für eine Ailoot-API-Aufgabe das benötigte Endergebnis: einen Änderungsvorschlag über mehrere Dateien, eine technische Untersuchung, eine Recherchesynthese oder ein sorgfältig strukturiertes Dokument. Ergänzen Sie die Belege und Randbedingungen, anhand derer das Modell eine Herangehensweise wählen kann. Die Extended-Thinking-Zusammenfassungen des Herstellers liefern neben dem Ergebnis eine Erklärung; eine Zusammenfassung ist aber kein wörtliches Protokoll sämtlicher Gedankengänge. Prüfen Sie gelieferten Code oder die Analyse anhand der Aufgabenanforderungen, einschließlich Annahmen, für die noch Belege benötigt werden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-opus-4-20250514-thinking | 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.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.03 / 1K Token Ausgabe · Ausgabetoken $0.15 / 1K Token Eingabe · Cache-Lesen $0.0006 / 1K Token Eingabe · Cache-Schreiben $0.0075 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-20250514-thinking", "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='claude-opus-4-20250514-thinking',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='claude-opus-4-20250514-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra claude-opus-4-20250514-thinking
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Plan a coordinated order refactor\n\nReview this proposed refactor. Module A emits {order_id, total_cents}; module B stores those fields; module C displays total_cents / 100. A developer proposes renaming only A to amount_cents. Identify affected contracts and propose a coordinated migration that preserves existing consumers, with checks for old and new records.A dependency map in text, a staged migration proposal and compatibility checks for each consumer.Confirm the proposal covers B and C and does not silently reinterpret cents as whole currency units.