Anthropic entwickelt Claude Opus 4.7 für komplexe, längere Entwicklungsaufgaben. In der Vorstellung liegt der Schwerpunkt auf schrittweiser Ausführung, sorgfältiger Beachtung von Anweisungen und der Suche nach Möglichkeiten, das eigene Ergebnis vor der abschließenden Nachricht zu prüfen. Das Modell eignet sich für die Untersuchung schwieriger Codeprobleme und die Erstellung von Fachmaterialien, bei denen sowohl eine technische Lösung als auch eine klare Darstellung benötigt werden.
Opus 4.7 folgt Formulierungen wörtlich. Vorgaben sollten ausdrückliche Grenzen nennen: Welche Teile geändert werden sollen, was geprüft werden muss und wie das Ergebnis aussehen soll. Gilt eine Bedingung für alle Teile der Arbeit, sollte sie entsprechend beschrieben werden. Der Hersteller hebt auch Notizen in einem dateibasierten Gedächtnis für längere Aufgaben hervor; zum Lesen und Speichern solcher Notizen sind jedoch Werkzeuge der Anwendung erforderlich.
Das Modell nimmt Text und Bilder entgegen und gibt Text aus. Für visuelle Eingaben wird eine Auflösung bis zu 2576 Pixeln auf der langen Seite unterstützt, ungefähr 3,75 Megapixel. Das ist für informationsreiche Screenshots, die Extraktion von Informationen aus komplexen Diagrammen und Aufgaben mit detaillierten visuellen Vorlagen hilfreich.
Formate für gewöhnliche visuelle Eingaben beim Hersteller: JPEG/PNG/GIF/WebP, bei Animationen das erste Bild. Bei nativer Analyse beträgt die lange Seite 2576 Pixel, entsprechend 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern hängt von der Methode der Anwendung ab.
Hohe Auflösung hilft, Details zu erhalten, macht visuelles Verständnis aber nicht fehlerfrei. Die Ausgabe kann eine Erklärung, eine Datenstruktur oder Code sein; die Erstellung und Bearbeitung des Bildes selbst gehört nicht zu den Ausgabefähigkeiten des Modells. Für die Steuerung einer Oberfläche sind Mittel nötig, die dem Modell den Bildschirm zeigen und Aktionen in der Anwendung ausführen.
Der Kontext umfasst 1 Million Tokens, im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Adaptives Reasoning wird unterstützt; manuelles extended thinking mit budget_tokens ist in dieser Version nicht vorhanden. Die Standardstufe von effort ist high; außerdem sind low, medium, xhigh und max verfügbar. Die Stufe xhigh bietet eine separate Einstellung zwischen high und max für längere Ingenieur- und agentische Arbeit.
Bei niedrigen Aufwandsstufen begrenzt das Modell seine Arbeit besonders strikt auf das Angefragte. Für komplexe Forschung empfiehlt der Hersteller, ausreichend Raum für Reasoning und Antwort vorzusehen. Bei dieser Version wurde die Tokenisierung aktualisiert; derselbe Textumfang hat daher nicht immer die aus früheren Versionen gewohnte Tokenlänge.
Die verlässliche Wissensgrenze liegt bei Januar 2026. Für aktuelle Forschung, Dokumentarbeit und Codeausführung werden Materialien und Werkzeuge verwendet, die die Anwendung bereitstellt. Opus 4.7 verfügt über Schutzmechanismen, die verbotene oder hochriskante Cybersicherheitsanfragen blockieren können. Die Aufmerksamkeit für die Ergebnisprüfung ist bei der Arbeit hilfreich; abschließende Änderungen und Schlussfolgerungen müssen dennoch in der konkreten Umgebung geprüft werden.
", "aboutText": "### Sorgfältige Ingenieurarbeit\n\nAnthropic entwickelt Claude Opus 4.7 für komplexe, längere Entwicklungsaufgaben. In der Vorstellung liegt der Schwerpunkt auf schrittweiser Ausführung, sorgfältiger Beachtung von Anweisungen und der Suche nach Möglichkeiten, das eigene Ergebnis vor der abschließenden Nachricht zu prüfen. Das Modell eignet sich für die Untersuchung schwieriger Codeprobleme und die Erstellung von Fachmaterialien, bei denen sowohl eine technische Lösung als auch eine klare Darstellung benötigt werden.\n\nOpus 4.7 folgt Formulierungen wörtlich. Vorgaben sollten ausdrückliche Grenzen nennen: Welche Teile geändert werden sollen, was geprüft werden muss und wie das Ergebnis aussehen soll. Gilt eine Bedingung für alle Teile der Arbeit, sollte sie entsprechend beschrieben werden. Der Hersteller hebt auch Notizen in einem dateibasierten Gedächtnis für längere Aufgaben hervor; zum Lesen und Speichern solcher Notizen sind jedoch Werkzeuge der Anwendung erforderlich.\n\n### Dichte Diagramme und Oberflächenaufnahmen erkennen\n\nDas Modell nimmt **Text und Bilder** entgegen und gibt **Text** aus. Für visuelle Eingaben wird eine Auflösung bis zu **2576 Pixeln auf der langen Seite** unterstützt, ungefähr **3,75 Megapixel**. Das ist für informationsreiche Screenshots, die Extraktion von Informationen aus komplexen Diagrammen und Aufgaben mit detaillierten visuellen Vorlagen hilfreich.\n\nFormate für gewöhnliche visuelle Eingaben beim Hersteller: JPEG/PNG/GIF/WebP, bei Animationen das erste Bild. Bei nativer Analyse beträgt die lange Seite 2576 Pixel, entsprechend 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern hängt von der Methode der Anwendung ab.\n\nHohe Auflösung hilft, Details zu erhalten, macht visuelles Verständnis aber nicht fehlerfrei. Die Ausgabe kann eine Erklärung, eine Datenstruktur oder Code sein; die Erstellung und Bearbeitung des Bildes selbst gehört nicht zu den Ausgabefähigkeiten des Modells. Für die Steuerung einer Oberfläche sind Mittel nötig, die dem Modell den Bildschirm zeigen und Aktionen in der Anwendung ausführen.\n\n### Tiefe und Umfang der Aufgabe\n\nDer Kontext umfasst **1 Million Tokens**, im gewöhnlichen Modus beträgt die maximale Antwort **128 Tausend Tokens**. Adaptives Reasoning wird unterstützt; manuelles extended thinking mit `budget_tokens` ist in dieser Version nicht vorhanden. Die Standardstufe von `effort` ist `high`; außerdem sind `low`, `medium`, `xhigh` und `max` verfügbar. Die Stufe `xhigh` bietet eine separate Einstellung zwischen `high` und `max` für längere Ingenieur- und agentische Arbeit.\n\nBei niedrigen Aufwandsstufen begrenzt das Modell seine Arbeit besonders strikt auf das Angefragte. Für komplexe Forschung empfiehlt der Hersteller, ausreichend Raum für Reasoning und Antwort vorzusehen. Bei dieser Version wurde die Tokenisierung aktualisiert; derselbe Textumfang hat daher nicht immer die aus früheren Versionen gewohnte Tokenlänge.\n\n### Arbeitsbedingungen\n\nDie verlässliche Wissensgrenze liegt bei **Januar 2026**. Für aktuelle Forschung, Dokumentarbeit und Codeausführung werden Materialien und Werkzeuge verwendet, die die Anwendung bereitstellt. Opus 4.7 verfügt über Schutzmechanismen, die verbotene oder hochriskante Cybersicherheitsanfragen blockieren können. Die Aufmerksamkeit für die Ergebnisprüfung ist bei der Arbeit hilfreich; abschließende Änderungen und Schlussfolgerungen müssen dennoch in der konkreten Umgebung geprüft werden.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "26bc4087522d6511092f86415cf201ef8a7c4bb7d0be4200f03b19064c84d5b6", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "claude-opus-4-7-thinkingClaude Opus 4.7 ist für komplexe Ingenieurarbeit sowie die Analyse von Dokumenten und Bildern mit kleinen Details ausgelegt. Legt besonderen Wert auf die genaue Befolgung von Anweisungen und die Prüfung des Ergebnisses.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Anthropic entwickelt Claude Opus 4.7 für komplexe, längere Entwicklungsaufgaben. In der Vorstellung liegt der Schwerpunkt auf schrittweiser Ausführung, sorgfältiger Beachtung von Anweisungen und der Suche nach Möglichkeiten, das eigene Ergebnis vor der abschließenden Nachricht zu prüfen. Das Modell eignet sich für die Untersuchung schwieriger Codeprobleme und die Erstellung von Fachmaterialien, bei denen sowohl eine technische Lösung als auch eine klare Darstellung benötigt werden.
Opus 4.7 folgt Formulierungen wörtlich. Vorgaben sollten ausdrückliche Grenzen nennen: Welche Teile geändert werden sollen, was geprüft werden muss und wie das Ergebnis aussehen soll. Gilt eine Bedingung für alle Teile der Arbeit, sollte sie entsprechend beschrieben werden. Der Hersteller hebt auch Notizen in einem dateibasierten Gedächtnis für längere Aufgaben hervor; zum Lesen und Speichern solcher Notizen sind jedoch Werkzeuge der Anwendung erforderlich.
Das Modell nimmt Text und Bilder entgegen und gibt Text aus. Für visuelle Eingaben wird eine Auflösung bis zu 2576 Pixeln auf der langen Seite unterstützt, ungefähr 3,75 Megapixel. Das ist für informationsreiche Screenshots, die Extraktion von Informationen aus komplexen Diagrammen und Aufgaben mit detaillierten visuellen Vorlagen hilfreich.
Formate für gewöhnliche visuelle Eingaben beim Hersteller: JPEG/PNG/GIF/WebP, bei Animationen das erste Bild. Bei nativer Analyse beträgt die lange Seite 2576 Pixel, entsprechend 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern hängt von der Methode der Anwendung ab.
Hohe Auflösung hilft, Details zu erhalten, macht visuelles Verständnis aber nicht fehlerfrei. Die Ausgabe kann eine Erklärung, eine Datenstruktur oder Code sein; die Erstellung und Bearbeitung des Bildes selbst gehört nicht zu den Ausgabefähigkeiten des Modells. Für die Steuerung einer Oberfläche sind Mittel nötig, die dem Modell den Bildschirm zeigen und Aktionen in der Anwendung ausführen.
Der Kontext umfasst 1 Million Tokens, im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens. Adaptives Reasoning wird unterstützt; manuelles extended thinking mit budget_tokens ist in dieser Version nicht vorhanden. Die Standardstufe von effort ist high; außerdem sind low, medium, xhigh und max verfügbar. Die Stufe xhigh bietet eine separate Einstellung zwischen high und max für längere Ingenieur- und agentische Arbeit.
Bei niedrigen Aufwandsstufen begrenzt das Modell seine Arbeit besonders strikt auf das Angefragte. Für komplexe Forschung empfiehlt der Hersteller, ausreichend Raum für Reasoning und Antwort vorzusehen. Bei dieser Version wurde die Tokenisierung aktualisiert; derselbe Textumfang hat daher nicht immer die aus früheren Versionen gewohnte Tokenlänge.
Die verlässliche Wissensgrenze liegt bei Januar 2026. Für aktuelle Forschung, Dokumentarbeit und Codeausführung werden Materialien und Werkzeuge verwendet, die die Anwendung bereitstellt. Opus 4.7 verfügt über Schutzmechanismen, die verbotene oder hochriskante Cybersicherheitsanfragen blockieren können. Die Aufmerksamkeit für die Ergebnisprüfung ist bei der Arbeit hilfreich; abschließende Änderungen und Schlussfolgerungen müssen dennoch in der konkreten Umgebung geprüft werden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-opus-4-7-thinking | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.01 / 1K Token Ausgabe · Ausgabetoken $0.05 / 1K Token Eingabe · Cache-Lesen $0.001 / 1K Token Eingabe · Cache-Schreiben $0.0125 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-opus-4-7-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\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-4-7-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\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-4-7-thinking
/chat/completions