Η Anthropic σχεδίασε το Claude Haiku 4.5 για διαλογικούς βοηθούς, εξυπηρέτηση χρηστών, συνεργατική εργασία με κώδικα και δημιουργία πρωτοτύπων. Το μοντέλο είναι χρήσιμο σε κύκλο όπου ο άνθρωπος θέτει ερώτημα, λαμβάνει αποτέλεσμα και διευκρινίζει αμέσως το επόμενο βήμα. Σύμφωνα με την Anthropic, αυτή η έκδοση χαρακτηρίζεται από μικρή καθυστέρηση απόκρισης· ο συγκεκριμένος χρόνος εξαρτάται από την εργασία και την εφαρμογή.
Το Haiku 4.5 προορίζεται επίσης για επεξεργασία μεγάλου αριθμού μεμονωμένων εργασιών. Σε διαδικασία με πράκτορες μπορεί να του ανατεθεί συγκεκριμένη επιμέρους εργασία και κατόπιν να μεταβιβαστεί το αποτέλεσμα στο υπόλοιπο σύστημα. Οι περιγραφόμενες χρήσεις περιλαμβάνουν προγραμματισμό, συλλογισμό και ενέργειες στη διεπαφή. Οι κλήσεις εργαλείων και ο χειρισμός υπολογιστή είναι δυνατοί όταν η εφαρμογή παρέχει στο μοντέλο τα αντίστοιχα μέσα· ένα αίτημα κειμένου από μόνο του δεν του δίνει πρόσβαση στο περιβάλλον εργασίας.
Για εργασίες με πολλά λογικά βήματα προβλέπεται extended thinking: η εφαρμογή ενεργοποιεί ρητά τον συλλογισμό και ορίζει τον προϋπολογισμό του μέσω του budget_tokens. Εφόσον η μέθοδος υποστηρίζει αυτές τις ρυθμίσεις, ο χειροκίνητος προϋπολογισμός budget_tokens πρέπει να είναι τουλάχιστον 1024 token και μικρότερος από το max_tokens, ώστε να απομένει χώρος για την τελική απάντηση. Καθοδηγεί την έκταση της ανάλυσης, ενώ το max_tokens περιορίζει ολόκληρη την έξοδο. Το Haiku 4.5 χρησιμοποιεί συγκεκριμένα τη χειροκίνητη λειτουργία: ο προσαρμοστικός συλλογισμός και ο έλεγχος βάθους μέσω του effort δεν υποστηρίζονται σε αυτή την έκδοση. Επίσης δεν υποστηρίζεται συλλογισμός μεταξύ διαδοχικών κλήσεων εργαλείων.
Είναι χρήσιμο να λαμβάνεται υπόψη αυτή η διαφορά κατά την επιλογή εργασίας. Η κανονική λειτουργία εξυπηρετεί τον άμεσο διάλογο· ο ενεργός συλλογισμός δίνει στο μοντέλο χώρο να επεξεργαστεί κώδικα ή σύνθετο ερώτημα. Το περιεχόμενο της εργασίας εξακολουθεί να καθορίζει ποιες πληροφορίες πρέπει να αναλυθούν και σε ποια μορφή να παρουσιαστεί το αποτέλεσμα.
Το μοντέλο δέχεται κείμενο και εικόνες και δίνει το αποτέλεσμα σε κείμενο. Το παράθυρο συμφραζομένων είναι 200 χιλ. token και η μέγιστη απάντηση 64 χιλ. token. Η εικόνα αποτελεί υλικό ανάλυσης μαζί με το ερώτημα: το μοντέλο μπορεί να εξηγήσει το ορατό περιεχόμενο και να το συνδέσει με την εργασία κειμένου. Η υποστήριξη εικόνας στην είσοδο δεν σημαίνει δημιουργία ή επεξεργασία εικόνων.
Οι συνήθεις μορφές οπτικής εισόδου του κατασκευαστή είναι JPEG/PNG/GIF/WebP, με χρήση του πρώτου καρέ μιας κινούμενης εικόνας. Κατά την εγγενή ανάλυση: μεγάλη πλευρά 1568 pixels, 1568 οπτικά token· οι μεγάλες εικόνες σμικρύνονται πριν από την ανάλυση. Η υποστήριξη αρχείων και παραμέτρων καθορίζεται από τη μέθοδο της εφαρμογής.
Για αυτή την έκδοση, η Anthropic περιγράφει σύντομο, άμεσο ύφος επικοινωνίας. Είναι χρήσιμο να δηλώνονται εκ των προτέρων το επιθυμητό επίπεδο λεπτομέρειας, η μορφή αποτελέσματος και οι περιορισμοί της εργασίας. Οι ενσωματωμένες γνώσεις έχουν αξιόπιστο όριο τον Φεβρουάριο 2025· πληροφορίες για μεταγενέστερα γεγονότα πρέπει να παρέχονται στο υλικό της εργασίας ή να αντλούνται μέσω εργαλείων που διαθέτει η εφαρμογή. Ορισμένα αιτήματα ενδέχεται να απορριφθούν.
Αν η μέθοδος παρέχει ρυθμίσεις δειγματοληψίας, δεν μπορούν να ορίζονται ταυτόχρονα τα temperature και top_p: σε αυτή την έκδοση επιλέγεται μία από αυτές τις παραμέτρους.
Τεχνικό παράδειγμα στα αγγλικά
Answer a delivery question\n\nWrite a concise support reply using only these notes: order R17 left the warehouse Tuesday; the carrier estimates Friday delivery; the customer asks if Thursday is guaranteed. Explain the current estimate, answer the guarantee question directly and offer to check a new carrier update if one becomes available. Keep the reply under 80 words.A customer-ready reply under 80 words, preserving the order ID and delivery estimate.Check that the reply never guarantees Thursday or invents a tracking update.claude-haiku-4-5-20251001Το Claude Haiku 4.5 προορίζεται για διαδραστικούς βοηθούς, υποστήριξη χρηστών, καθημερινή επεξεργασία πληροφοριών και εργασία με κώδικα. Για σύνθετα ερωτήματα υποστηρίζει ξεχωριστή λειτουργία συλλογισμού.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Η Anthropic σχεδίασε το Claude Haiku 4.5 για διαλογικούς βοηθούς, εξυπηρέτηση χρηστών, συνεργατική εργασία με κώδικα και δημιουργία πρωτοτύπων. Το μοντέλο είναι χρήσιμο σε κύκλο όπου ο άνθρωπος θέτει ερώτημα, λαμβάνει αποτέλεσμα και διευκρινίζει αμέσως το επόμενο βήμα. Σύμφωνα με την Anthropic, αυτή η έκδοση χαρακτηρίζεται από μικρή καθυστέρηση απόκρισης· ο συγκεκριμένος χρόνος εξαρτάται από την εργασία και την εφαρμογή.
Το Haiku 4.5 προορίζεται επίσης για επεξεργασία μεγάλου αριθμού μεμονωμένων εργασιών. Σε διαδικασία με πράκτορες μπορεί να του ανατεθεί συγκεκριμένη επιμέρους εργασία και κατόπιν να μεταβιβαστεί το αποτέλεσμα στο υπόλοιπο σύστημα. Οι περιγραφόμενες χρήσεις περιλαμβάνουν προγραμματισμό, συλλογισμό και ενέργειες στη διεπαφή. Οι κλήσεις εργαλείων και ο χειρισμός υπολογιστή είναι δυνατοί όταν η εφαρμογή παρέχει στο μοντέλο τα αντίστοιχα μέσα· ένα αίτημα κειμένου από μόνο του δεν του δίνει πρόσβαση στο περιβάλλον εργασίας.
Για εργασίες με πολλά λογικά βήματα προβλέπεται extended thinking: η εφαρμογή ενεργοποιεί ρητά τον συλλογισμό και ορίζει τον προϋπολογισμό του μέσω του budget_tokens. Εφόσον η μέθοδος υποστηρίζει αυτές τις ρυθμίσεις, ο χειροκίνητος προϋπολογισμός budget_tokens πρέπει να είναι τουλάχιστον 1024 token και μικρότερος από το max_tokens, ώστε να απομένει χώρος για την τελική απάντηση. Καθοδηγεί την έκταση της ανάλυσης, ενώ το max_tokens περιορίζει ολόκληρη την έξοδο. Το Haiku 4.5 χρησιμοποιεί συγκεκριμένα τη χειροκίνητη λειτουργία: ο προσαρμοστικός συλλογισμός και ο έλεγχος βάθους μέσω του effort δεν υποστηρίζονται σε αυτή την έκδοση. Επίσης δεν υποστηρίζεται συλλογισμός μεταξύ διαδοχικών κλήσεων εργαλείων.
Είναι χρήσιμο να λαμβάνεται υπόψη αυτή η διαφορά κατά την επιλογή εργασίας. Η κανονική λειτουργία εξυπηρετεί τον άμεσο διάλογο· ο ενεργός συλλογισμός δίνει στο μοντέλο χώρο να επεξεργαστεί κώδικα ή σύνθετο ερώτημα. Το περιεχόμενο της εργασίας εξακολουθεί να καθορίζει ποιες πληροφορίες πρέπει να αναλυθούν και σε ποια μορφή να παρουσιαστεί το αποτέλεσμα.
Το μοντέλο δέχεται κείμενο και εικόνες και δίνει το αποτέλεσμα σε κείμενο. Το παράθυρο συμφραζομένων είναι 200 χιλ. token και η μέγιστη απάντηση 64 χιλ. token. Η εικόνα αποτελεί υλικό ανάλυσης μαζί με το ερώτημα: το μοντέλο μπορεί να εξηγήσει το ορατό περιεχόμενο και να το συνδέσει με την εργασία κειμένου. Η υποστήριξη εικόνας στην είσοδο δεν σημαίνει δημιουργία ή επεξεργασία εικόνων.
Οι συνήθεις μορφές οπτικής εισόδου του κατασκευαστή είναι JPEG/PNG/GIF/WebP, με χρήση του πρώτου καρέ μιας κινούμενης εικόνας. Κατά την εγγενή ανάλυση: μεγάλη πλευρά 1568 pixels, 1568 οπτικά token· οι μεγάλες εικόνες σμικρύνονται πριν από την ανάλυση. Η υποστήριξη αρχείων και παραμέτρων καθορίζεται από τη μέθοδο της εφαρμογής.
Για αυτή την έκδοση, η Anthropic περιγράφει σύντομο, άμεσο ύφος επικοινωνίας. Είναι χρήσιμο να δηλώνονται εκ των προτέρων το επιθυμητό επίπεδο λεπτομέρειας, η μορφή αποτελέσματος και οι περιορισμοί της εργασίας. Οι ενσωματωμένες γνώσεις έχουν αξιόπιστο όριο τον Φεβρουάριο 2025· πληροφορίες για μεταγενέστερα γεγονότα πρέπει να παρέχονται στο υλικό της εργασίας ή να αντλούνται μέσω εργαλείων που διαθέτει η εφαρμογή. Ορισμένα αιτήματα ενδέχεται να απορριφθούν.
Αν η μέθοδος παρέχει ρυθμίσεις δειγματοληψίας, δεν μπορούν να ορίζονται ταυτόχρονα τα temperature και top_p: σε αυτή την έκδοση επιλέγεται μία από αυτές τις παραμέτρους.
POST /v1/messagestext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια claude-haiku-4-5-20251001 | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_block[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοsystem | Τύποςstring|content_block[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο: 1 Το όριο εφαρμόζεται σε: ακριβές ανώτατο όριο του επιλεγμένου μοντέλου/της επιλεγμένης κάρτας | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop_sequences | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςtool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο | Προεπιλογή— |
Πεδίοtools[].description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].input_schema | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοthinking.type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοthinking.budget_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοoutput_config.effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmetadata | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοcache_control | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content ή μπλοκ type=text
Κείμενο + εικόνα
{type:image,source:{type:base64,media_type,data}} ή πηγή με type=url
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext, image |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςtext_file_material | Σύμβασηπραγματικό περιεχόμενο UTF-8 που εισάγεται ως κείμενο· τα IDs/URLs αρχείων απαιτούν ξεχωριστή, ακριβή υποστήριξη |
Κύκλος ζωής: exact retained published method
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
POST /v1/messagesΤο Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Οι πίνακες αναφοράς του μοντέλου δεν αλλάζουν την επιλογή μεθόδου, τις εκτιμήσεις τιμής ή τις χρεώσεις. Οι εφαρμοζόμενες χρεώσεις χρησιμοποιούν τις τιμές της επιλεγμένης μεθόδου Ailoot.
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| Διαμόρφωσηanthropic/claude-haiku-4.5 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,002 $ / 1K token Έξοδος · Έξοδος 0,01 $ / 1K token |
| Διαμόρφωση | Χρέωση |
|---|---|
| Διαμόρφωσηclaude-haiku-4-5-20251001 · Δημοσιευμένες τιμές | Χρέωση Είσοδος · Εγγραφή στην κρυφή μνήμη $0.0025 ανά 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0002 ανά 1K token Είσοδος · Token εισόδου $0.002 ανά 1K token Έξοδος · Token εξόδου $0.010 ανά 1K token Ανά αίτημα $0.000 ανά αίτημα |
set -eu\n: "${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-haiku-4-5-20251001", "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-haiku-4-5-20251001", "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-haiku-4-5-20251001",\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-haiku-4-5-20251001",\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-haiku-4-5-20251001',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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
claude-haiku-4-5-20251001Το Claude Haiku 4.5 προορίζεται για διαδραστικούς βοηθούς, υποστήριξη χρηστών, καθημερινή επεξεργασία πληροφοριών και εργασία με κώδικα. Για σύνθετα ερωτήματα υποστηρίζει ξεχωριστή λειτουργία συλλογισμού.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Η Anthropic σχεδίασε το Claude Haiku 4.5 για διαλογικούς βοηθούς, εξυπηρέτηση χρηστών, συνεργατική εργασία με κώδικα και δημιουργία πρωτοτύπων. Το μοντέλο είναι χρήσιμο σε κύκλο όπου ο άνθρωπος θέτει ερώτημα, λαμβάνει αποτέλεσμα και διευκρινίζει αμέσως το επόμενο βήμα. Σύμφωνα με την Anthropic, αυτή η έκδοση χαρακτηρίζεται από μικρή καθυστέρηση απόκρισης· ο συγκεκριμένος χρόνος εξαρτάται από την εργασία και την εφαρμογή.
Το Haiku 4.5 προορίζεται επίσης για επεξεργασία μεγάλου αριθμού μεμονωμένων εργασιών. Σε διαδικασία με πράκτορες μπορεί να του ανατεθεί συγκεκριμένη επιμέρους εργασία και κατόπιν να μεταβιβαστεί το αποτέλεσμα στο υπόλοιπο σύστημα. Οι περιγραφόμενες χρήσεις περιλαμβάνουν προγραμματισμό, συλλογισμό και ενέργειες στη διεπαφή. Οι κλήσεις εργαλείων και ο χειρισμός υπολογιστή είναι δυνατοί όταν η εφαρμογή παρέχει στο μοντέλο τα αντίστοιχα μέσα· ένα αίτημα κειμένου από μόνο του δεν του δίνει πρόσβαση στο περιβάλλον εργασίας.
Για εργασίες με πολλά λογικά βήματα προβλέπεται extended thinking: η εφαρμογή ενεργοποιεί ρητά τον συλλογισμό και ορίζει τον προϋπολογισμό του μέσω του budget_tokens. Εφόσον η μέθοδος υποστηρίζει αυτές τις ρυθμίσεις, ο χειροκίνητος προϋπολογισμός budget_tokens πρέπει να είναι τουλάχιστον 1024 token και μικρότερος από το max_tokens, ώστε να απομένει χώρος για την τελική απάντηση. Καθοδηγεί την έκταση της ανάλυσης, ενώ το max_tokens περιορίζει ολόκληρη την έξοδο. Το Haiku 4.5 χρησιμοποιεί συγκεκριμένα τη χειροκίνητη λειτουργία: ο προσαρμοστικός συλλογισμός και ο έλεγχος βάθους μέσω του effort δεν υποστηρίζονται σε αυτή την έκδοση. Επίσης δεν υποστηρίζεται συλλογισμός μεταξύ διαδοχικών κλήσεων εργαλείων.
Είναι χρήσιμο να λαμβάνεται υπόψη αυτή η διαφορά κατά την επιλογή εργασίας. Η κανονική λειτουργία εξυπηρετεί τον άμεσο διάλογο· ο ενεργός συλλογισμός δίνει στο μοντέλο χώρο να επεξεργαστεί κώδικα ή σύνθετο ερώτημα. Το περιεχόμενο της εργασίας εξακολουθεί να καθορίζει ποιες πληροφορίες πρέπει να αναλυθούν και σε ποια μορφή να παρουσιαστεί το αποτέλεσμα.
Το μοντέλο δέχεται κείμενο και εικόνες και δίνει το αποτέλεσμα σε κείμενο. Το παράθυρο συμφραζομένων είναι 200 χιλ. token και η μέγιστη απάντηση 64 χιλ. token. Η εικόνα αποτελεί υλικό ανάλυσης μαζί με το ερώτημα: το μοντέλο μπορεί να εξηγήσει το ορατό περιεχόμενο και να το συνδέσει με την εργασία κειμένου. Η υποστήριξη εικόνας στην είσοδο δεν σημαίνει δημιουργία ή επεξεργασία εικόνων.
Οι συνήθεις μορφές οπτικής εισόδου του κατασκευαστή είναι JPEG/PNG/GIF/WebP, με χρήση του πρώτου καρέ μιας κινούμενης εικόνας. Κατά την εγγενή ανάλυση: μεγάλη πλευρά 1568 pixels, 1568 οπτικά token· οι μεγάλες εικόνες σμικρύνονται πριν από την ανάλυση. Η υποστήριξη αρχείων και παραμέτρων καθορίζεται από τη μέθοδο της εφαρμογής.
Για αυτή την έκδοση, η Anthropic περιγράφει σύντομο, άμεσο ύφος επικοινωνίας. Είναι χρήσιμο να δηλώνονται εκ των προτέρων το επιθυμητό επίπεδο λεπτομέρειας, η μορφή αποτελέσματος και οι περιορισμοί της εργασίας. Οι ενσωματωμένες γνώσεις έχουν αξιόπιστο όριο τον Φεβρουάριο 2025· πληροφορίες για μεταγενέστερα γεγονότα πρέπει να παρέχονται στο υλικό της εργασίας ή να αντλούνται μέσω εργαλείων που διαθέτει η εφαρμογή. Ορισμένα αιτήματα ενδέχεται να απορριφθούν.
Αν η μέθοδος παρέχει ρυθμίσεις δειγματοληψίας, δεν μπορούν να ορίζονται ταυτόχρονα τα temperature και top_p: σε αυτή την έκδοση επιλέγεται μία από αυτές τις παραμέτρους.
POST /v1/responsestext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια claude-haiku-4-5-20251001 | Προεπιλογή— |
Πεδίοinput | Τύποςstring|input_item[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοinput[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια message, reasoning, function_call, function_call_output | Προεπιλογή— |
Πεδίοinput[].content | Τύποςstring|content_part[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοinput[].call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: function_call_output· διατηρήστε το πραγματικό call_id που επιστράφηκε | Προεπιλογή— |
Πεδίοinput[].output | Τύποςstring|content_part[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: function_call_output | Προεπιλογή— |
Πεδίοmax_output_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςtool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning.effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning.summary | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtext.format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtext.verbosity | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinclude | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstore | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprevious_response_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Απαίτηση ID: Μόνο πραγματικό ID απάντησης από υποστηριζόμενη συνέχιση Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_key | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
κείμενο εισόδου ή τμήμα input_text
Κείμενο + εικόνα
{type:input_image,image_url}
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext, image |
Παράμετροςrequired | Σύμβασηmodel, input |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςtext_file_material | Σύμβασηπραγματικό περιεχόμενο UTF-8 που εισάγεται ως κείμενο· τα IDs/URLs αρχείων απαιτούν ξεχωριστή, ακριβή υποστήριξη |
Κύκλος ζωής: exact retained published method
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
POST /v1/responsesΤο Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Οι πίνακες αναφοράς του μοντέλου δεν αλλάζουν την επιλογή μεθόδου, τις εκτιμήσεις τιμής ή τις χρεώσεις. Οι εφαρμοζόμενες χρεώσεις χρησιμοποιούν τις τιμές της επιλεγμένης μεθόδου Ailoot.
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| Διαμόρφωσηanthropic/claude-haiku-4.5 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,002 $ / 1K token Έξοδος · Έξοδος 0,01 $ / 1K token |
| Διαμόρφωση | Χρέωση |
|---|---|
| Διαμόρφωσηclaude-haiku-4-5-20251001 · Δημοσιευμένες τιμές | Χρέωση Είσοδος · Εγγραφή στην κρυφή μνήμη $0.0025 ανά 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0002 ανά 1K token Είσοδος · Token εισόδου $0.002 ανά 1K token Έξοδος · Token εξόδου $0.010 ανά 1K token Ανά αίτημα $0.000 ανά αίτημα |
set -eu\n: "${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-haiku-4-5-20251001", "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-haiku-4-5-20251001", "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-haiku-4-5-20251001", 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-haiku-4-5-20251001", 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-haiku-4-5-20251001", 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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε στοιχείο εξόδου και τμήμα περιεχομένου, το πραγματικό call_id συνάρτησης, το κρυπτογραφημένο περιεχόμενο συλλογιστικής και τα στοιχεία χρήσης. Στη μετάδοση σε ροή κρατήστε την πλήρη ταυτότητα συμβάντος/στοιχείου.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοstatus | Τύποςstring |
Πεδίοoutput[] | Τύποςmessage|reasoning|function_call|other item |
Πεδίοoutput[].content[] | Τύποςcontent part |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
claude-haiku-4-5-20251001Το Claude Haiku 4.5 προορίζεται για διαδραστικούς βοηθούς, υποστήριξη χρηστών, καθημερινή επεξεργασία πληροφοριών και εργασία με κώδικα. Για σύνθετα ερωτήματα υποστηρίζει ξεχωριστή λειτουργία συλλογισμού.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Η Anthropic σχεδίασε το Claude Haiku 4.5 για διαλογικούς βοηθούς, εξυπηρέτηση χρηστών, συνεργατική εργασία με κώδικα και δημιουργία πρωτοτύπων. Το μοντέλο είναι χρήσιμο σε κύκλο όπου ο άνθρωπος θέτει ερώτημα, λαμβάνει αποτέλεσμα και διευκρινίζει αμέσως το επόμενο βήμα. Σύμφωνα με την Anthropic, αυτή η έκδοση χαρακτηρίζεται από μικρή καθυστέρηση απόκρισης· ο συγκεκριμένος χρόνος εξαρτάται από την εργασία και την εφαρμογή.
Το Haiku 4.5 προορίζεται επίσης για επεξεργασία μεγάλου αριθμού μεμονωμένων εργασιών. Σε διαδικασία με πράκτορες μπορεί να του ανατεθεί συγκεκριμένη επιμέρους εργασία και κατόπιν να μεταβιβαστεί το αποτέλεσμα στο υπόλοιπο σύστημα. Οι περιγραφόμενες χρήσεις περιλαμβάνουν προγραμματισμό, συλλογισμό και ενέργειες στη διεπαφή. Οι κλήσεις εργαλείων και ο χειρισμός υπολογιστή είναι δυνατοί όταν η εφαρμογή παρέχει στο μοντέλο τα αντίστοιχα μέσα· ένα αίτημα κειμένου από μόνο του δεν του δίνει πρόσβαση στο περιβάλλον εργασίας.
Για εργασίες με πολλά λογικά βήματα προβλέπεται extended thinking: η εφαρμογή ενεργοποιεί ρητά τον συλλογισμό και ορίζει τον προϋπολογισμό του μέσω του budget_tokens. Εφόσον η μέθοδος υποστηρίζει αυτές τις ρυθμίσεις, ο χειροκίνητος προϋπολογισμός budget_tokens πρέπει να είναι τουλάχιστον 1024 token και μικρότερος από το max_tokens, ώστε να απομένει χώρος για την τελική απάντηση. Καθοδηγεί την έκταση της ανάλυσης, ενώ το max_tokens περιορίζει ολόκληρη την έξοδο. Το Haiku 4.5 χρησιμοποιεί συγκεκριμένα τη χειροκίνητη λειτουργία: ο προσαρμοστικός συλλογισμός και ο έλεγχος βάθους μέσω του effort δεν υποστηρίζονται σε αυτή την έκδοση. Επίσης δεν υποστηρίζεται συλλογισμός μεταξύ διαδοχικών κλήσεων εργαλείων.
Είναι χρήσιμο να λαμβάνεται υπόψη αυτή η διαφορά κατά την επιλογή εργασίας. Η κανονική λειτουργία εξυπηρετεί τον άμεσο διάλογο· ο ενεργός συλλογισμός δίνει στο μοντέλο χώρο να επεξεργαστεί κώδικα ή σύνθετο ερώτημα. Το περιεχόμενο της εργασίας εξακολουθεί να καθορίζει ποιες πληροφορίες πρέπει να αναλυθούν και σε ποια μορφή να παρουσιαστεί το αποτέλεσμα.
Το μοντέλο δέχεται κείμενο και εικόνες και δίνει το αποτέλεσμα σε κείμενο. Το παράθυρο συμφραζομένων είναι 200 χιλ. token και η μέγιστη απάντηση 64 χιλ. token. Η εικόνα αποτελεί υλικό ανάλυσης μαζί με το ερώτημα: το μοντέλο μπορεί να εξηγήσει το ορατό περιεχόμενο και να το συνδέσει με την εργασία κειμένου. Η υποστήριξη εικόνας στην είσοδο δεν σημαίνει δημιουργία ή επεξεργασία εικόνων.
Οι συνήθεις μορφές οπτικής εισόδου του κατασκευαστή είναι JPEG/PNG/GIF/WebP, με χρήση του πρώτου καρέ μιας κινούμενης εικόνας. Κατά την εγγενή ανάλυση: μεγάλη πλευρά 1568 pixels, 1568 οπτικά token· οι μεγάλες εικόνες σμικρύνονται πριν από την ανάλυση. Η υποστήριξη αρχείων και παραμέτρων καθορίζεται από τη μέθοδο της εφαρμογής.
Για αυτή την έκδοση, η Anthropic περιγράφει σύντομο, άμεσο ύφος επικοινωνίας. Είναι χρήσιμο να δηλώνονται εκ των προτέρων το επιθυμητό επίπεδο λεπτομέρειας, η μορφή αποτελέσματος και οι περιορισμοί της εργασίας. Οι ενσωματωμένες γνώσεις έχουν αξιόπιστο όριο τον Φεβρουάριο 2025· πληροφορίες για μεταγενέστερα γεγονότα πρέπει να παρέχονται στο υλικό της εργασίας ή να αντλούνται μέσω εργαλείων που διαθέτει η εφαρμογή. Ορισμένα αιτήματα ενδέχεται να απορριφθούν.
Αν η μέθοδος παρέχει ρυθμίσεις δειγματοληψίας, δεν μπορούν να ορίζονται ταυτόχρονα τα temperature και top_p: σε αυτή την έκδοση επιλέγεται μία από αυτές τις παραμέτρους.
POST /v1/chat/completionstext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια claude-haiku-4-5-20251001 | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Παραδείγματα: system, user, assistant, tool, function Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο. Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_part[]|null | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_calls | Τύποςtool_call[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
Πεδίοmessages[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].reasoning_content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
Πεδίοmessages[].reasoning_details | Τύποςobject|array | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_completion_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοstream_options.include_usage | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop | Τύποςstring|string[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςfunction_tool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].function.name | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
Πεδίοtools[].function.description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].function.parameters | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοresponse_format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning_effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
Πεδίοfunctions | Τύποςfunction[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοfunction_call | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content
Κείμενο + εικόνα
{type:image_url,image_url:{url,detail}}
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext, image |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςtext_file_material | Σύμβασηπραγματικό περιεχόμενο UTF-8 που εισάγεται ως κείμενο· τα IDs/URLs αρχείων απαιτούν ξεχωριστή, ακριβή υποστήριξη |
Κύκλος ζωής: exact retained published method
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
POST /v1/chat/completionsΤο Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Οι πίνακες αναφοράς του μοντέλου δεν αλλάζουν την επιλογή μεθόδου, τις εκτιμήσεις τιμής ή τις χρεώσεις. Οι εφαρμοζόμενες χρεώσεις χρησιμοποιούν τις τιμές της επιλεγμένης μεθόδου Ailoot.
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| Διαμόρφωσηanthropic/claude-haiku-4.5 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,002 $ / 1K token Έξοδος · Έξοδος 0,01 $ / 1K token |
| Διαμόρφωση | Χρέωση |
|---|---|
| Διαμόρφωσηclaude-haiku-4-5-20251001 · Δημοσιευμένες τιμές | Χρέωση Είσοδος · Εγγραφή στην κρυφή μνήμη $0.0025 ανά 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0002 ανά 1K token Είσοδος · Token εισόδου $0.002 ανά 1K token Έξοδος · Token εξόδου $0.010 ανά 1K token Ανά αίτημα $0.000 ανά αίτημα |
set -eu\n: "${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-haiku-4-5-20251001", "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-haiku-4-5-20251001", "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-haiku-4-5-20251001",\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-haiku-4-5-20251001",\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-haiku-4-5-20251001',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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
claude-haikuΤο Claude Haiku 4.5 προορίζεται για διαδραστικούς βοηθούς, υποστήριξη χρηστών, καθημερινή επεξεργασία πληροφοριών και εργασία με κώδικα. Για σύνθετα ερωτήματα υποστηρίζει ξεχωριστή λειτουργία συλλογισμού.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Η Anthropic σχεδίασε το Claude Haiku 4.5 για διαλογικούς βοηθούς, εξυπηρέτηση χρηστών, συνεργατική εργασία με κώδικα και δημιουργία πρωτοτύπων. Το μοντέλο είναι χρήσιμο σε κύκλο όπου ο άνθρωπος θέτει ερώτημα, λαμβάνει αποτέλεσμα και διευκρινίζει αμέσως το επόμενο βήμα. Σύμφωνα με την Anthropic, αυτή η έκδοση χαρακτηρίζεται από μικρή καθυστέρηση απόκρισης· ο συγκεκριμένος χρόνος εξαρτάται από την εργασία και την εφαρμογή.
Το Haiku 4.5 προορίζεται επίσης για επεξεργασία μεγάλου αριθμού μεμονωμένων εργασιών. Σε διαδικασία με πράκτορες μπορεί να του ανατεθεί συγκεκριμένη επιμέρους εργασία και κατόπιν να μεταβιβαστεί το αποτέλεσμα στο υπόλοιπο σύστημα. Οι περιγραφόμενες χρήσεις περιλαμβάνουν προγραμματισμό, συλλογισμό και ενέργειες στη διεπαφή. Οι κλήσεις εργαλείων και ο χειρισμός υπολογιστή είναι δυνατοί όταν η εφαρμογή παρέχει στο μοντέλο τα αντίστοιχα μέσα· ένα αίτημα κειμένου από μόνο του δεν του δίνει πρόσβαση στο περιβάλλον εργασίας.
Για εργασίες με πολλά λογικά βήματα προβλέπεται extended thinking: η εφαρμογή ενεργοποιεί ρητά τον συλλογισμό και ορίζει τον προϋπολογισμό του μέσω του budget_tokens. Εφόσον η μέθοδος υποστηρίζει αυτές τις ρυθμίσεις, ο χειροκίνητος προϋπολογισμός budget_tokens πρέπει να είναι τουλάχιστον 1024 token και μικρότερος από το max_tokens, ώστε να απομένει χώρος για την τελική απάντηση. Καθοδηγεί την έκταση της ανάλυσης, ενώ το max_tokens περιορίζει ολόκληρη την έξοδο. Το Haiku 4.5 χρησιμοποιεί συγκεκριμένα τη χειροκίνητη λειτουργία: ο προσαρμοστικός συλλογισμός και ο έλεγχος βάθους μέσω του effort δεν υποστηρίζονται σε αυτή την έκδοση. Επίσης δεν υποστηρίζεται συλλογισμός μεταξύ διαδοχικών κλήσεων εργαλείων.
Είναι χρήσιμο να λαμβάνεται υπόψη αυτή η διαφορά κατά την επιλογή εργασίας. Η κανονική λειτουργία εξυπηρετεί τον άμεσο διάλογο· ο ενεργός συλλογισμός δίνει στο μοντέλο χώρο να επεξεργαστεί κώδικα ή σύνθετο ερώτημα. Το περιεχόμενο της εργασίας εξακολουθεί να καθορίζει ποιες πληροφορίες πρέπει να αναλυθούν και σε ποια μορφή να παρουσιαστεί το αποτέλεσμα.
Το μοντέλο δέχεται κείμενο και εικόνες και δίνει το αποτέλεσμα σε κείμενο. Το παράθυρο συμφραζομένων είναι 200 χιλ. token και η μέγιστη απάντηση 64 χιλ. token. Η εικόνα αποτελεί υλικό ανάλυσης μαζί με το ερώτημα: το μοντέλο μπορεί να εξηγήσει το ορατό περιεχόμενο και να το συνδέσει με την εργασία κειμένου. Η υποστήριξη εικόνας στην είσοδο δεν σημαίνει δημιουργία ή επεξεργασία εικόνων.
Οι συνήθεις μορφές οπτικής εισόδου του κατασκευαστή είναι JPEG/PNG/GIF/WebP, με χρήση του πρώτου καρέ μιας κινούμενης εικόνας. Κατά την εγγενή ανάλυση: μεγάλη πλευρά 1568 pixels, 1568 οπτικά token· οι μεγάλες εικόνες σμικρύνονται πριν από την ανάλυση. Η υποστήριξη αρχείων και παραμέτρων καθορίζεται από τη μέθοδο της εφαρμογής.
Για αυτή την έκδοση, η Anthropic περιγράφει σύντομο, άμεσο ύφος επικοινωνίας. Είναι χρήσιμο να δηλώνονται εκ των προτέρων το επιθυμητό επίπεδο λεπτομέρειας, η μορφή αποτελέσματος και οι περιορισμοί της εργασίας. Οι ενσωματωμένες γνώσεις έχουν αξιόπιστο όριο τον Φεβρουάριο 2025· πληροφορίες για μεταγενέστερα γεγονότα πρέπει να παρέχονται στο υλικό της εργασίας ή να αντλούνται μέσω εργαλείων που διαθέτει η εφαρμογή. Ορισμένα αιτήματα ενδέχεται να απορριφθούν.
Αν η μέθοδος παρέχει ρυθμίσεις δειγματοληψίας, δεν μπορούν να ορίζονται ταυτόχρονα τα temperature και top_p: σε αυτή την έκδοση επιλέγεται μία από αυτές τις παραμέτρους.
POST /v1/messagestext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια claude-haiku | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_block[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοsystem | Τύποςstring|content_block[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο: 1 Το όριο εφαρμόζεται σε: ακριβές ανώτατο όριο του επιλεγμένου μοντέλου/της επιλεγμένης κάρτας | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop_sequences | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςtool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο | Προεπιλογή— |
Πεδίοtools[].description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].input_schema | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοthinking.type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοthinking.budget_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοoutput_config.effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmetadata | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοcache_control | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content ή μπλοκ type=text
Κείμενο + εικόνα
{type:image,source:{type:base64,media_type,data}} ή πηγή με type=url
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext, image |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςtext_file_material | Σύμβασηπραγματικό περιεχόμενο UTF-8 που εισάγεται ως κείμενο· τα IDs/URLs αρχείων απαιτούν ξεχωριστή, ακριβή υποστήριξη |
Κύκλος ζωής: exact retained published method
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
POST /v1/messagesΤο Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Οι πίνακες αναφοράς του μοντέλου δεν αλλάζουν την επιλογή μεθόδου, τις εκτιμήσεις τιμής ή τις χρεώσεις. Οι εφαρμοζόμενες χρεώσεις χρησιμοποιούν τις τιμές της επιλεγμένης μεθόδου Ailoot.
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| Διαμόρφωσηanthropic/claude-haiku-4.5 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,002 $ / 1K token Έξοδος · Έξοδος 0,01 $ / 1K token |
| Διαμόρφωση | Χρέωση |
|---|---|
| Διαμόρφωσηclaude-haiku-4-5-20251001 · Δημοσιευμένες τιμές | Χρέωση Είσοδος · Εγγραφή στην κρυφή μνήμη $0.0025 ανά 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0002 ανά 1K token Είσοδος · Token εισόδου $0.002 ανά 1K token Έξοδος · Token εξόδου $0.010 ανά 1K token Ανά αίτημα $0.000 ανά αίτημα |
set -eu\n: "${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-haiku", "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-haiku", "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-haiku",\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-haiku",\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-haiku',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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
claude-haikuΤο Claude Haiku 4.5 προορίζεται για διαδραστικούς βοηθούς, υποστήριξη χρηστών, καθημερινή επεξεργασία πληροφοριών και εργασία με κώδικα. Για σύνθετα ερωτήματα υποστηρίζει ξεχωριστή λειτουργία συλλογισμού.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Η Anthropic σχεδίασε το Claude Haiku 4.5 για διαλογικούς βοηθούς, εξυπηρέτηση χρηστών, συνεργατική εργασία με κώδικα και δημιουργία πρωτοτύπων. Το μοντέλο είναι χρήσιμο σε κύκλο όπου ο άνθρωπος θέτει ερώτημα, λαμβάνει αποτέλεσμα και διευκρινίζει αμέσως το επόμενο βήμα. Σύμφωνα με την Anthropic, αυτή η έκδοση χαρακτηρίζεται από μικρή καθυστέρηση απόκρισης· ο συγκεκριμένος χρόνος εξαρτάται από την εργασία και την εφαρμογή.
Το Haiku 4.5 προορίζεται επίσης για επεξεργασία μεγάλου αριθμού μεμονωμένων εργασιών. Σε διαδικασία με πράκτορες μπορεί να του ανατεθεί συγκεκριμένη επιμέρους εργασία και κατόπιν να μεταβιβαστεί το αποτέλεσμα στο υπόλοιπο σύστημα. Οι περιγραφόμενες χρήσεις περιλαμβάνουν προγραμματισμό, συλλογισμό και ενέργειες στη διεπαφή. Οι κλήσεις εργαλείων και ο χειρισμός υπολογιστή είναι δυνατοί όταν η εφαρμογή παρέχει στο μοντέλο τα αντίστοιχα μέσα· ένα αίτημα κειμένου από μόνο του δεν του δίνει πρόσβαση στο περιβάλλον εργασίας.
Για εργασίες με πολλά λογικά βήματα προβλέπεται extended thinking: η εφαρμογή ενεργοποιεί ρητά τον συλλογισμό και ορίζει τον προϋπολογισμό του μέσω του budget_tokens. Εφόσον η μέθοδος υποστηρίζει αυτές τις ρυθμίσεις, ο χειροκίνητος προϋπολογισμός budget_tokens πρέπει να είναι τουλάχιστον 1024 token και μικρότερος από το max_tokens, ώστε να απομένει χώρος για την τελική απάντηση. Καθοδηγεί την έκταση της ανάλυσης, ενώ το max_tokens περιορίζει ολόκληρη την έξοδο. Το Haiku 4.5 χρησιμοποιεί συγκεκριμένα τη χειροκίνητη λειτουργία: ο προσαρμοστικός συλλογισμός και ο έλεγχος βάθους μέσω του effort δεν υποστηρίζονται σε αυτή την έκδοση. Επίσης δεν υποστηρίζεται συλλογισμός μεταξύ διαδοχικών κλήσεων εργαλείων.
Είναι χρήσιμο να λαμβάνεται υπόψη αυτή η διαφορά κατά την επιλογή εργασίας. Η κανονική λειτουργία εξυπηρετεί τον άμεσο διάλογο· ο ενεργός συλλογισμός δίνει στο μοντέλο χώρο να επεξεργαστεί κώδικα ή σύνθετο ερώτημα. Το περιεχόμενο της εργασίας εξακολουθεί να καθορίζει ποιες πληροφορίες πρέπει να αναλυθούν και σε ποια μορφή να παρουσιαστεί το αποτέλεσμα.
Το μοντέλο δέχεται κείμενο και εικόνες και δίνει το αποτέλεσμα σε κείμενο. Το παράθυρο συμφραζομένων είναι 200 χιλ. token και η μέγιστη απάντηση 64 χιλ. token. Η εικόνα αποτελεί υλικό ανάλυσης μαζί με το ερώτημα: το μοντέλο μπορεί να εξηγήσει το ορατό περιεχόμενο και να το συνδέσει με την εργασία κειμένου. Η υποστήριξη εικόνας στην είσοδο δεν σημαίνει δημιουργία ή επεξεργασία εικόνων.
Οι συνήθεις μορφές οπτικής εισόδου του κατασκευαστή είναι JPEG/PNG/GIF/WebP, με χρήση του πρώτου καρέ μιας κινούμενης εικόνας. Κατά την εγγενή ανάλυση: μεγάλη πλευρά 1568 pixels, 1568 οπτικά token· οι μεγάλες εικόνες σμικρύνονται πριν από την ανάλυση. Η υποστήριξη αρχείων και παραμέτρων καθορίζεται από τη μέθοδο της εφαρμογής.
Για αυτή την έκδοση, η Anthropic περιγράφει σύντομο, άμεσο ύφος επικοινωνίας. Είναι χρήσιμο να δηλώνονται εκ των προτέρων το επιθυμητό επίπεδο λεπτομέρειας, η μορφή αποτελέσματος και οι περιορισμοί της εργασίας. Οι ενσωματωμένες γνώσεις έχουν αξιόπιστο όριο τον Φεβρουάριο 2025· πληροφορίες για μεταγενέστερα γεγονότα πρέπει να παρέχονται στο υλικό της εργασίας ή να αντλούνται μέσω εργαλείων που διαθέτει η εφαρμογή. Ορισμένα αιτήματα ενδέχεται να απορριφθούν.
Αν η μέθοδος παρέχει ρυθμίσεις δειγματοληψίας, δεν μπορούν να ορίζονται ταυτόχρονα τα temperature και top_p: σε αυτή την έκδοση επιλέγεται μία από αυτές τις παραμέτρους.
POST /v1/responsestext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια claude-haiku | Προεπιλογή— |
Πεδίοinput | Τύποςstring|input_item[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοinput[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια message, reasoning, function_call, function_call_output | Προεπιλογή— |
Πεδίοinput[].content | Τύποςstring|content_part[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοinput[].call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: function_call_output· διατηρήστε το πραγματικό call_id που επιστράφηκε | Προεπιλογή— |
Πεδίοinput[].output | Τύποςstring|content_part[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: function_call_output | Προεπιλογή— |
Πεδίοmax_output_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςtool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning.effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning.summary | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtext.format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtext.verbosity | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinclude | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstore | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprevious_response_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Απαίτηση ID: Μόνο πραγματικό ID απάντησης από υποστηριζόμενη συνέχιση Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_key | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
κείμενο εισόδου ή τμήμα input_text
Κείμενο + εικόνα
{type:input_image,image_url}
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext, image |
Παράμετροςrequired | Σύμβασηmodel, input |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςtext_file_material | Σύμβασηπραγματικό περιεχόμενο UTF-8 που εισάγεται ως κείμενο· τα IDs/URLs αρχείων απαιτούν ξεχωριστή, ακριβή υποστήριξη |
Κύκλος ζωής: exact retained published method
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
POST /v1/responsesΤο Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Οι πίνακες αναφοράς του μοντέλου δεν αλλάζουν την επιλογή μεθόδου, τις εκτιμήσεις τιμής ή τις χρεώσεις. Οι εφαρμοζόμενες χρεώσεις χρησιμοποιούν τις τιμές της επιλεγμένης μεθόδου Ailoot.
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| Διαμόρφωσηanthropic/claude-haiku-4.5 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,002 $ / 1K token Έξοδος · Έξοδος 0,01 $ / 1K token |
| Διαμόρφωση | Χρέωση |
|---|---|
| Διαμόρφωσηclaude-haiku-4-5-20251001 · Δημοσιευμένες τιμές | Χρέωση Είσοδος · Εγγραφή στην κρυφή μνήμη $0.0025 ανά 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0002 ανά 1K token Είσοδος · Token εισόδου $0.002 ανά 1K token Έξοδος · Token εξόδου $0.010 ανά 1K token Ανά αίτημα $0.000 ανά αίτημα |
set -eu\n: "${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-haiku", "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-haiku", "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-haiku", 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-haiku", 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-haiku", 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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε στοιχείο εξόδου και τμήμα περιεχομένου, το πραγματικό call_id συνάρτησης, το κρυπτογραφημένο περιεχόμενο συλλογιστικής και τα στοιχεία χρήσης. Στη μετάδοση σε ροή κρατήστε την πλήρη ταυτότητα συμβάντος/στοιχείου.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοstatus | Τύποςstring |
Πεδίοoutput[] | Τύποςmessage|reasoning|function_call|other item |
Πεδίοoutput[].content[] | Τύποςcontent part |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
claude-haikuΤο Claude Haiku 4.5 προορίζεται για διαδραστικούς βοηθούς, υποστήριξη χρηστών, καθημερινή επεξεργασία πληροφοριών και εργασία με κώδικα. Για σύνθετα ερωτήματα υποστηρίζει ξεχωριστή λειτουργία συλλογισμού.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Η Anthropic σχεδίασε το Claude Haiku 4.5 για διαλογικούς βοηθούς, εξυπηρέτηση χρηστών, συνεργατική εργασία με κώδικα και δημιουργία πρωτοτύπων. Το μοντέλο είναι χρήσιμο σε κύκλο όπου ο άνθρωπος θέτει ερώτημα, λαμβάνει αποτέλεσμα και διευκρινίζει αμέσως το επόμενο βήμα. Σύμφωνα με την Anthropic, αυτή η έκδοση χαρακτηρίζεται από μικρή καθυστέρηση απόκρισης· ο συγκεκριμένος χρόνος εξαρτάται από την εργασία και την εφαρμογή.
Το Haiku 4.5 προορίζεται επίσης για επεξεργασία μεγάλου αριθμού μεμονωμένων εργασιών. Σε διαδικασία με πράκτορες μπορεί να του ανατεθεί συγκεκριμένη επιμέρους εργασία και κατόπιν να μεταβιβαστεί το αποτέλεσμα στο υπόλοιπο σύστημα. Οι περιγραφόμενες χρήσεις περιλαμβάνουν προγραμματισμό, συλλογισμό και ενέργειες στη διεπαφή. Οι κλήσεις εργαλείων και ο χειρισμός υπολογιστή είναι δυνατοί όταν η εφαρμογή παρέχει στο μοντέλο τα αντίστοιχα μέσα· ένα αίτημα κειμένου από μόνο του δεν του δίνει πρόσβαση στο περιβάλλον εργασίας.
Για εργασίες με πολλά λογικά βήματα προβλέπεται extended thinking: η εφαρμογή ενεργοποιεί ρητά τον συλλογισμό και ορίζει τον προϋπολογισμό του μέσω του budget_tokens. Εφόσον η μέθοδος υποστηρίζει αυτές τις ρυθμίσεις, ο χειροκίνητος προϋπολογισμός budget_tokens πρέπει να είναι τουλάχιστον 1024 token και μικρότερος από το max_tokens, ώστε να απομένει χώρος για την τελική απάντηση. Καθοδηγεί την έκταση της ανάλυσης, ενώ το max_tokens περιορίζει ολόκληρη την έξοδο. Το Haiku 4.5 χρησιμοποιεί συγκεκριμένα τη χειροκίνητη λειτουργία: ο προσαρμοστικός συλλογισμός και ο έλεγχος βάθους μέσω του effort δεν υποστηρίζονται σε αυτή την έκδοση. Επίσης δεν υποστηρίζεται συλλογισμός μεταξύ διαδοχικών κλήσεων εργαλείων.
Είναι χρήσιμο να λαμβάνεται υπόψη αυτή η διαφορά κατά την επιλογή εργασίας. Η κανονική λειτουργία εξυπηρετεί τον άμεσο διάλογο· ο ενεργός συλλογισμός δίνει στο μοντέλο χώρο να επεξεργαστεί κώδικα ή σύνθετο ερώτημα. Το περιεχόμενο της εργασίας εξακολουθεί να καθορίζει ποιες πληροφορίες πρέπει να αναλυθούν και σε ποια μορφή να παρουσιαστεί το αποτέλεσμα.
Το μοντέλο δέχεται κείμενο και εικόνες και δίνει το αποτέλεσμα σε κείμενο. Το παράθυρο συμφραζομένων είναι 200 χιλ. token και η μέγιστη απάντηση 64 χιλ. token. Η εικόνα αποτελεί υλικό ανάλυσης μαζί με το ερώτημα: το μοντέλο μπορεί να εξηγήσει το ορατό περιεχόμενο και να το συνδέσει με την εργασία κειμένου. Η υποστήριξη εικόνας στην είσοδο δεν σημαίνει δημιουργία ή επεξεργασία εικόνων.
Οι συνήθεις μορφές οπτικής εισόδου του κατασκευαστή είναι JPEG/PNG/GIF/WebP, με χρήση του πρώτου καρέ μιας κινούμενης εικόνας. Κατά την εγγενή ανάλυση: μεγάλη πλευρά 1568 pixels, 1568 οπτικά token· οι μεγάλες εικόνες σμικρύνονται πριν από την ανάλυση. Η υποστήριξη αρχείων και παραμέτρων καθορίζεται από τη μέθοδο της εφαρμογής.
Για αυτή την έκδοση, η Anthropic περιγράφει σύντομο, άμεσο ύφος επικοινωνίας. Είναι χρήσιμο να δηλώνονται εκ των προτέρων το επιθυμητό επίπεδο λεπτομέρειας, η μορφή αποτελέσματος και οι περιορισμοί της εργασίας. Οι ενσωματωμένες γνώσεις έχουν αξιόπιστο όριο τον Φεβρουάριο 2025· πληροφορίες για μεταγενέστερα γεγονότα πρέπει να παρέχονται στο υλικό της εργασίας ή να αντλούνται μέσω εργαλείων που διαθέτει η εφαρμογή. Ορισμένα αιτήματα ενδέχεται να απορριφθούν.
Αν η μέθοδος παρέχει ρυθμίσεις δειγματοληψίας, δεν μπορούν να ορίζονται ταυτόχρονα τα temperature και top_p: σε αυτή την έκδοση επιλέγεται μία από αυτές τις παραμέτρους.
POST /v1/chat/completionstext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια claude-haiku | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Παραδείγματα: system, user, assistant, tool, function Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο. Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_part[]|null | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_calls | Τύποςtool_call[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
Πεδίοmessages[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].reasoning_content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
Πεδίοmessages[].reasoning_details | Τύποςobject|array | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_completion_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοstream_options.include_usage | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop | Τύποςstring|string[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςfunction_tool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].function.name | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
Πεδίοtools[].function.description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].function.parameters | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοresponse_format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning_effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
Πεδίοfunctions | Τύποςfunction[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοfunction_call | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content
Κείμενο + εικόνα
{type:image_url,image_url:{url,detail}}
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext, image |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςtext_file_material | Σύμβασηπραγματικό περιεχόμενο UTF-8 που εισάγεται ως κείμενο· τα IDs/URLs αρχείων απαιτούν ξεχωριστή, ακριβή υποστήριξη |
Κύκλος ζωής: exact retained published method
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
POST /v1/chat/completionsΤο Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Οι πίνακες αναφοράς του μοντέλου δεν αλλάζουν την επιλογή μεθόδου, τις εκτιμήσεις τιμής ή τις χρεώσεις. Οι εφαρμοζόμενες χρεώσεις χρησιμοποιούν τις τιμές της επιλεγμένης μεθόδου Ailoot.
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| Διαμόρφωσηanthropic/claude-haiku-4.5 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,002 $ / 1K token Έξοδος · Έξοδος 0,01 $ / 1K token |
| Διαμόρφωση | Χρέωση |
|---|---|
| Διαμόρφωσηclaude-haiku-4-5-20251001 · Δημοσιευμένες τιμές | Χρέωση Είσοδος · Εγγραφή στην κρυφή μνήμη $0.0025 ανά 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0002 ανά 1K token Είσοδος · Token εισόδου $0.002 ανά 1K token Έξοδος · Token εξόδου $0.010 ανά 1K token Ανά αίτημα $0.000 ανά αίτημα |
set -eu\n: "${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-haiku", "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-haiku", "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-haiku",\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-haiku",\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-haiku',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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
claude-haiku-latestΤο Claude Haiku 4.5 προορίζεται για διαδραστικούς βοηθούς, υποστήριξη χρηστών, καθημερινή επεξεργασία πληροφοριών και εργασία με κώδικα. Για σύνθετα ερωτήματα υποστηρίζει ξεχωριστή λειτουργία συλλογισμού.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Η Anthropic σχεδίασε το Claude Haiku 4.5 για διαλογικούς βοηθούς, εξυπηρέτηση χρηστών, συνεργατική εργασία με κώδικα και δημιουργία πρωτοτύπων. Το μοντέλο είναι χρήσιμο σε κύκλο όπου ο άνθρωπος θέτει ερώτημα, λαμβάνει αποτέλεσμα και διευκρινίζει αμέσως το επόμενο βήμα. Σύμφωνα με την Anthropic, αυτή η έκδοση χαρακτηρίζεται από μικρή καθυστέρηση απόκρισης· ο συγκεκριμένος χρόνος εξαρτάται από την εργασία και την εφαρμογή.
Το Haiku 4.5 προορίζεται επίσης για επεξεργασία μεγάλου αριθμού μεμονωμένων εργασιών. Σε διαδικασία με πράκτορες μπορεί να του ανατεθεί συγκεκριμένη επιμέρους εργασία και κατόπιν να μεταβιβαστεί το αποτέλεσμα στο υπόλοιπο σύστημα. Οι περιγραφόμενες χρήσεις περιλαμβάνουν προγραμματισμό, συλλογισμό και ενέργειες στη διεπαφή. Οι κλήσεις εργαλείων και ο χειρισμός υπολογιστή είναι δυνατοί όταν η εφαρμογή παρέχει στο μοντέλο τα αντίστοιχα μέσα· ένα αίτημα κειμένου από μόνο του δεν του δίνει πρόσβαση στο περιβάλλον εργασίας.
Για εργασίες με πολλά λογικά βήματα προβλέπεται extended thinking: η εφαρμογή ενεργοποιεί ρητά τον συλλογισμό και ορίζει τον προϋπολογισμό του μέσω του budget_tokens. Εφόσον η μέθοδος υποστηρίζει αυτές τις ρυθμίσεις, ο χειροκίνητος προϋπολογισμός budget_tokens πρέπει να είναι τουλάχιστον 1024 token και μικρότερος από το max_tokens, ώστε να απομένει χώρος για την τελική απάντηση. Καθοδηγεί την έκταση της ανάλυσης, ενώ το max_tokens περιορίζει ολόκληρη την έξοδο. Το Haiku 4.5 χρησιμοποιεί συγκεκριμένα τη χειροκίνητη λειτουργία: ο προσαρμοστικός συλλογισμός και ο έλεγχος βάθους μέσω του effort δεν υποστηρίζονται σε αυτή την έκδοση. Επίσης δεν υποστηρίζεται συλλογισμός μεταξύ διαδοχικών κλήσεων εργαλείων.
Είναι χρήσιμο να λαμβάνεται υπόψη αυτή η διαφορά κατά την επιλογή εργασίας. Η κανονική λειτουργία εξυπηρετεί τον άμεσο διάλογο· ο ενεργός συλλογισμός δίνει στο μοντέλο χώρο να επεξεργαστεί κώδικα ή σύνθετο ερώτημα. Το περιεχόμενο της εργασίας εξακολουθεί να καθορίζει ποιες πληροφορίες πρέπει να αναλυθούν και σε ποια μορφή να παρουσιαστεί το αποτέλεσμα.
Το μοντέλο δέχεται κείμενο και εικόνες και δίνει το αποτέλεσμα σε κείμενο. Το παράθυρο συμφραζομένων είναι 200 χιλ. token και η μέγιστη απάντηση 64 χιλ. token. Η εικόνα αποτελεί υλικό ανάλυσης μαζί με το ερώτημα: το μοντέλο μπορεί να εξηγήσει το ορατό περιεχόμενο και να το συνδέσει με την εργασία κειμένου. Η υποστήριξη εικόνας στην είσοδο δεν σημαίνει δημιουργία ή επεξεργασία εικόνων.
Οι συνήθεις μορφές οπτικής εισόδου του κατασκευαστή είναι JPEG/PNG/GIF/WebP, με χρήση του πρώτου καρέ μιας κινούμενης εικόνας. Κατά την εγγενή ανάλυση: μεγάλη πλευρά 1568 pixels, 1568 οπτικά token· οι μεγάλες εικόνες σμικρύνονται πριν από την ανάλυση. Η υποστήριξη αρχείων και παραμέτρων καθορίζεται από τη μέθοδο της εφαρμογής.
Για αυτή την έκδοση, η Anthropic περιγράφει σύντομο, άμεσο ύφος επικοινωνίας. Είναι χρήσιμο να δηλώνονται εκ των προτέρων το επιθυμητό επίπεδο λεπτομέρειας, η μορφή αποτελέσματος και οι περιορισμοί της εργασίας. Οι ενσωματωμένες γνώσεις έχουν αξιόπιστο όριο τον Φεβρουάριο 2025· πληροφορίες για μεταγενέστερα γεγονότα πρέπει να παρέχονται στο υλικό της εργασίας ή να αντλούνται μέσω εργαλείων που διαθέτει η εφαρμογή. Ορισμένα αιτήματα ενδέχεται να απορριφθούν.
Αν η μέθοδος παρέχει ρυθμίσεις δειγματοληψίας, δεν μπορούν να ορίζονται ταυτόχρονα τα temperature και top_p: σε αυτή την έκδοση επιλέγεται μία από αυτές τις παραμέτρους.
POST /v1/messagestext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια claude-haiku-latest | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_block[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοsystem | Τύποςstring|content_block[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο: 1 Το όριο εφαρμόζεται σε: ακριβές ανώτατο όριο του επιλεγμένου μοντέλου/της επιλεγμένης κάρτας | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop_sequences | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςtool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο | Προεπιλογή— |
Πεδίοtools[].description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].input_schema | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοthinking.type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοthinking.budget_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοoutput_config.effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmetadata | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοcache_control | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content ή μπλοκ type=text
Κείμενο + εικόνα
{type:image,source:{type:base64,media_type,data}} ή πηγή με type=url
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext, image |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςtext_file_material | Σύμβασηπραγματικό περιεχόμενο UTF-8 που εισάγεται ως κείμενο· τα IDs/URLs αρχείων απαιτούν ξεχωριστή, ακριβή υποστήριξη |
Κύκλος ζωής: exact retained published method
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
POST /v1/messagesΤο Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Οι πίνακες αναφοράς του μοντέλου δεν αλλάζουν την επιλογή μεθόδου, τις εκτιμήσεις τιμής ή τις χρεώσεις. Οι εφαρμοζόμενες χρεώσεις χρησιμοποιούν τις τιμές της επιλεγμένης μεθόδου Ailoot.
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| Διαμόρφωσηanthropic/claude-haiku-4.5 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,002 $ / 1K token Έξοδος · Έξοδος 0,01 $ / 1K token |
| Διαμόρφωση | Χρέωση |
|---|---|
| Διαμόρφωσηclaude-haiku-4-5-20251001 · Δημοσιευμένες τιμές | Χρέωση Είσοδος · Εγγραφή στην κρυφή μνήμη $0.0025 ανά 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0002 ανά 1K token Είσοδος · Token εισόδου $0.002 ανά 1K token Έξοδος · Token εξόδου $0.010 ανά 1K token Ανά αίτημα $0.000 ανά αίτημα |
set -eu\n: "${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-haiku-latest", "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-haiku-latest", "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-haiku-latest",\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-haiku-latest",\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-haiku-latest',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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
claude-haiku-latestΤο Claude Haiku 4.5 προορίζεται για διαδραστικούς βοηθούς, υποστήριξη χρηστών, καθημερινή επεξεργασία πληροφοριών και εργασία με κώδικα. Για σύνθετα ερωτήματα υποστηρίζει ξεχωριστή λειτουργία συλλογισμού.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Η Anthropic σχεδίασε το Claude Haiku 4.5 για διαλογικούς βοηθούς, εξυπηρέτηση χρηστών, συνεργατική εργασία με κώδικα και δημιουργία πρωτοτύπων. Το μοντέλο είναι χρήσιμο σε κύκλο όπου ο άνθρωπος θέτει ερώτημα, λαμβάνει αποτέλεσμα και διευκρινίζει αμέσως το επόμενο βήμα. Σύμφωνα με την Anthropic, αυτή η έκδοση χαρακτηρίζεται από μικρή καθυστέρηση απόκρισης· ο συγκεκριμένος χρόνος εξαρτάται από την εργασία και την εφαρμογή.
Το Haiku 4.5 προορίζεται επίσης για επεξεργασία μεγάλου αριθμού μεμονωμένων εργασιών. Σε διαδικασία με πράκτορες μπορεί να του ανατεθεί συγκεκριμένη επιμέρους εργασία και κατόπιν να μεταβιβαστεί το αποτέλεσμα στο υπόλοιπο σύστημα. Οι περιγραφόμενες χρήσεις περιλαμβάνουν προγραμματισμό, συλλογισμό και ενέργειες στη διεπαφή. Οι κλήσεις εργαλείων και ο χειρισμός υπολογιστή είναι δυνατοί όταν η εφαρμογή παρέχει στο μοντέλο τα αντίστοιχα μέσα· ένα αίτημα κειμένου από μόνο του δεν του δίνει πρόσβαση στο περιβάλλον εργασίας.
Για εργασίες με πολλά λογικά βήματα προβλέπεται extended thinking: η εφαρμογή ενεργοποιεί ρητά τον συλλογισμό και ορίζει τον προϋπολογισμό του μέσω του budget_tokens. Εφόσον η μέθοδος υποστηρίζει αυτές τις ρυθμίσεις, ο χειροκίνητος προϋπολογισμός budget_tokens πρέπει να είναι τουλάχιστον 1024 token και μικρότερος από το max_tokens, ώστε να απομένει χώρος για την τελική απάντηση. Καθοδηγεί την έκταση της ανάλυσης, ενώ το max_tokens περιορίζει ολόκληρη την έξοδο. Το Haiku 4.5 χρησιμοποιεί συγκεκριμένα τη χειροκίνητη λειτουργία: ο προσαρμοστικός συλλογισμός και ο έλεγχος βάθους μέσω του effort δεν υποστηρίζονται σε αυτή την έκδοση. Επίσης δεν υποστηρίζεται συλλογισμός μεταξύ διαδοχικών κλήσεων εργαλείων.
Είναι χρήσιμο να λαμβάνεται υπόψη αυτή η διαφορά κατά την επιλογή εργασίας. Η κανονική λειτουργία εξυπηρετεί τον άμεσο διάλογο· ο ενεργός συλλογισμός δίνει στο μοντέλο χώρο να επεξεργαστεί κώδικα ή σύνθετο ερώτημα. Το περιεχόμενο της εργασίας εξακολουθεί να καθορίζει ποιες πληροφορίες πρέπει να αναλυθούν και σε ποια μορφή να παρουσιαστεί το αποτέλεσμα.
Το μοντέλο δέχεται κείμενο και εικόνες και δίνει το αποτέλεσμα σε κείμενο. Το παράθυρο συμφραζομένων είναι 200 χιλ. token και η μέγιστη απάντηση 64 χιλ. token. Η εικόνα αποτελεί υλικό ανάλυσης μαζί με το ερώτημα: το μοντέλο μπορεί να εξηγήσει το ορατό περιεχόμενο και να το συνδέσει με την εργασία κειμένου. Η υποστήριξη εικόνας στην είσοδο δεν σημαίνει δημιουργία ή επεξεργασία εικόνων.
Οι συνήθεις μορφές οπτικής εισόδου του κατασκευαστή είναι JPEG/PNG/GIF/WebP, με χρήση του πρώτου καρέ μιας κινούμενης εικόνας. Κατά την εγγενή ανάλυση: μεγάλη πλευρά 1568 pixels, 1568 οπτικά token· οι μεγάλες εικόνες σμικρύνονται πριν από την ανάλυση. Η υποστήριξη αρχείων και παραμέτρων καθορίζεται από τη μέθοδο της εφαρμογής.
Για αυτή την έκδοση, η Anthropic περιγράφει σύντομο, άμεσο ύφος επικοινωνίας. Είναι χρήσιμο να δηλώνονται εκ των προτέρων το επιθυμητό επίπεδο λεπτομέρειας, η μορφή αποτελέσματος και οι περιορισμοί της εργασίας. Οι ενσωματωμένες γνώσεις έχουν αξιόπιστο όριο τον Φεβρουάριο 2025· πληροφορίες για μεταγενέστερα γεγονότα πρέπει να παρέχονται στο υλικό της εργασίας ή να αντλούνται μέσω εργαλείων που διαθέτει η εφαρμογή. Ορισμένα αιτήματα ενδέχεται να απορριφθούν.
Αν η μέθοδος παρέχει ρυθμίσεις δειγματοληψίας, δεν μπορούν να ορίζονται ταυτόχρονα τα temperature και top_p: σε αυτή την έκδοση επιλέγεται μία από αυτές τις παραμέτρους.
POST /v1/responsestext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια claude-haiku-latest | Προεπιλογή— |
Πεδίοinput | Τύποςstring|input_item[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοinput[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια message, reasoning, function_call, function_call_output | Προεπιλογή— |
Πεδίοinput[].content | Τύποςstring|content_part[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοinput[].call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: function_call_output· διατηρήστε το πραγματικό call_id που επιστράφηκε | Προεπιλογή— |
Πεδίοinput[].output | Τύποςstring|content_part[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: function_call_output | Προεπιλογή— |
Πεδίοmax_output_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςtool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning.effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning.summary | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtext.format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtext.verbosity | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinclude | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstore | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprevious_response_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Απαίτηση ID: Μόνο πραγματικό ID απάντησης από υποστηριζόμενη συνέχιση Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_key | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
κείμενο εισόδου ή τμήμα input_text
Κείμενο + εικόνα
{type:input_image,image_url}
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext, image |
Παράμετροςrequired | Σύμβασηmodel, input |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςtext_file_material | Σύμβασηπραγματικό περιεχόμενο UTF-8 που εισάγεται ως κείμενο· τα IDs/URLs αρχείων απαιτούν ξεχωριστή, ακριβή υποστήριξη |
Κύκλος ζωής: exact retained published method
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
POST /v1/responsesΤο Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Οι πίνακες αναφοράς του μοντέλου δεν αλλάζουν την επιλογή μεθόδου, τις εκτιμήσεις τιμής ή τις χρεώσεις. Οι εφαρμοζόμενες χρεώσεις χρησιμοποιούν τις τιμές της επιλεγμένης μεθόδου Ailoot.
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| Διαμόρφωσηanthropic/claude-haiku-4.5 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,002 $ / 1K token Έξοδος · Έξοδος 0,01 $ / 1K token |
| Διαμόρφωση | Χρέωση |
|---|---|
| Διαμόρφωσηclaude-haiku-4-5-20251001 · Δημοσιευμένες τιμές | Χρέωση Είσοδος · Εγγραφή στην κρυφή μνήμη $0.0025 ανά 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0002 ανά 1K token Είσοδος · Token εισόδου $0.002 ανά 1K token Έξοδος · Token εξόδου $0.010 ανά 1K token Ανά αίτημα $0.000 ανά αίτημα |
set -eu\n: "${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-haiku-latest", "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-haiku-latest", "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-haiku-latest", 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-haiku-latest", 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-haiku-latest", 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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε στοιχείο εξόδου και τμήμα περιεχομένου, το πραγματικό call_id συνάρτησης, το κρυπτογραφημένο περιεχόμενο συλλογιστικής και τα στοιχεία χρήσης. Στη μετάδοση σε ροή κρατήστε την πλήρη ταυτότητα συμβάντος/στοιχείου.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοstatus | Τύποςstring |
Πεδίοoutput[] | Τύποςmessage|reasoning|function_call|other item |
Πεδίοoutput[].content[] | Τύποςcontent part |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
claude-haiku-latestΤο Claude Haiku 4.5 προορίζεται για διαδραστικούς βοηθούς, υποστήριξη χρηστών, καθημερινή επεξεργασία πληροφοριών και εργασία με κώδικα. Για σύνθετα ερωτήματα υποστηρίζει ξεχωριστή λειτουργία συλλογισμού.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Η Anthropic σχεδίασε το Claude Haiku 4.5 για διαλογικούς βοηθούς, εξυπηρέτηση χρηστών, συνεργατική εργασία με κώδικα και δημιουργία πρωτοτύπων. Το μοντέλο είναι χρήσιμο σε κύκλο όπου ο άνθρωπος θέτει ερώτημα, λαμβάνει αποτέλεσμα και διευκρινίζει αμέσως το επόμενο βήμα. Σύμφωνα με την Anthropic, αυτή η έκδοση χαρακτηρίζεται από μικρή καθυστέρηση απόκρισης· ο συγκεκριμένος χρόνος εξαρτάται από την εργασία και την εφαρμογή.
Το Haiku 4.5 προορίζεται επίσης για επεξεργασία μεγάλου αριθμού μεμονωμένων εργασιών. Σε διαδικασία με πράκτορες μπορεί να του ανατεθεί συγκεκριμένη επιμέρους εργασία και κατόπιν να μεταβιβαστεί το αποτέλεσμα στο υπόλοιπο σύστημα. Οι περιγραφόμενες χρήσεις περιλαμβάνουν προγραμματισμό, συλλογισμό και ενέργειες στη διεπαφή. Οι κλήσεις εργαλείων και ο χειρισμός υπολογιστή είναι δυνατοί όταν η εφαρμογή παρέχει στο μοντέλο τα αντίστοιχα μέσα· ένα αίτημα κειμένου από μόνο του δεν του δίνει πρόσβαση στο περιβάλλον εργασίας.
Για εργασίες με πολλά λογικά βήματα προβλέπεται extended thinking: η εφαρμογή ενεργοποιεί ρητά τον συλλογισμό και ορίζει τον προϋπολογισμό του μέσω του budget_tokens. Εφόσον η μέθοδος υποστηρίζει αυτές τις ρυθμίσεις, ο χειροκίνητος προϋπολογισμός budget_tokens πρέπει να είναι τουλάχιστον 1024 token και μικρότερος από το max_tokens, ώστε να απομένει χώρος για την τελική απάντηση. Καθοδηγεί την έκταση της ανάλυσης, ενώ το max_tokens περιορίζει ολόκληρη την έξοδο. Το Haiku 4.5 χρησιμοποιεί συγκεκριμένα τη χειροκίνητη λειτουργία: ο προσαρμοστικός συλλογισμός και ο έλεγχος βάθους μέσω του effort δεν υποστηρίζονται σε αυτή την έκδοση. Επίσης δεν υποστηρίζεται συλλογισμός μεταξύ διαδοχικών κλήσεων εργαλείων.
Είναι χρήσιμο να λαμβάνεται υπόψη αυτή η διαφορά κατά την επιλογή εργασίας. Η κανονική λειτουργία εξυπηρετεί τον άμεσο διάλογο· ο ενεργός συλλογισμός δίνει στο μοντέλο χώρο να επεξεργαστεί κώδικα ή σύνθετο ερώτημα. Το περιεχόμενο της εργασίας εξακολουθεί να καθορίζει ποιες πληροφορίες πρέπει να αναλυθούν και σε ποια μορφή να παρουσιαστεί το αποτέλεσμα.
Το μοντέλο δέχεται κείμενο και εικόνες και δίνει το αποτέλεσμα σε κείμενο. Το παράθυρο συμφραζομένων είναι 200 χιλ. token και η μέγιστη απάντηση 64 χιλ. token. Η εικόνα αποτελεί υλικό ανάλυσης μαζί με το ερώτημα: το μοντέλο μπορεί να εξηγήσει το ορατό περιεχόμενο και να το συνδέσει με την εργασία κειμένου. Η υποστήριξη εικόνας στην είσοδο δεν σημαίνει δημιουργία ή επεξεργασία εικόνων.
Οι συνήθεις μορφές οπτικής εισόδου του κατασκευαστή είναι JPEG/PNG/GIF/WebP, με χρήση του πρώτου καρέ μιας κινούμενης εικόνας. Κατά την εγγενή ανάλυση: μεγάλη πλευρά 1568 pixels, 1568 οπτικά token· οι μεγάλες εικόνες σμικρύνονται πριν από την ανάλυση. Η υποστήριξη αρχείων και παραμέτρων καθορίζεται από τη μέθοδο της εφαρμογής.
Για αυτή την έκδοση, η Anthropic περιγράφει σύντομο, άμεσο ύφος επικοινωνίας. Είναι χρήσιμο να δηλώνονται εκ των προτέρων το επιθυμητό επίπεδο λεπτομέρειας, η μορφή αποτελέσματος και οι περιορισμοί της εργασίας. Οι ενσωματωμένες γνώσεις έχουν αξιόπιστο όριο τον Φεβρουάριο 2025· πληροφορίες για μεταγενέστερα γεγονότα πρέπει να παρέχονται στο υλικό της εργασίας ή να αντλούνται μέσω εργαλείων που διαθέτει η εφαρμογή. Ορισμένα αιτήματα ενδέχεται να απορριφθούν.
Αν η μέθοδος παρέχει ρυθμίσεις δειγματοληψίας, δεν μπορούν να ορίζονται ταυτόχρονα τα temperature και top_p: σε αυτή την έκδοση επιλέγεται μία από αυτές τις παραμέτρους.
POST /v1/chat/completionstext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια claude-haiku-latest | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Παραδείγματα: system, user, assistant, tool, function Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο. Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_part[]|null | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_calls | Τύποςtool_call[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
Πεδίοmessages[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].reasoning_content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
Πεδίοmessages[].reasoning_details | Τύποςobject|array | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_completion_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοstream_options.include_usage | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop | Τύποςstring|string[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςfunction_tool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].function.name | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
Πεδίοtools[].function.description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].function.parameters | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοresponse_format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning_effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
Πεδίοfunctions | Τύποςfunction[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοfunction_call | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content
Κείμενο + εικόνα
{type:image_url,image_url:{url,detail}}
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext, image |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςtext_file_material | Σύμβασηπραγματικό περιεχόμενο UTF-8 που εισάγεται ως κείμενο· τα IDs/URLs αρχείων απαιτούν ξεχωριστή, ακριβή υποστήριξη |
Κύκλος ζωής: exact retained published method
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
POST /v1/chat/completionsΤο Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Οι πίνακες αναφοράς του μοντέλου δεν αλλάζουν την επιλογή μεθόδου, τις εκτιμήσεις τιμής ή τις χρεώσεις. Οι εφαρμοζόμενες χρεώσεις χρησιμοποιούν τις τιμές της επιλεγμένης μεθόδου Ailoot.
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| Διαμόρφωσηanthropic/claude-haiku-4.5 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,002 $ / 1K token Έξοδος · Έξοδος 0,01 $ / 1K token |
| Διαμόρφωση | Χρέωση |
|---|---|
| Διαμόρφωσηclaude-haiku-4-5-20251001 · Δημοσιευμένες τιμές | Χρέωση Είσοδος · Εγγραφή στην κρυφή μνήμη $0.0025 ανά 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0.0002 ανά 1K token Είσοδος · Token εισόδου $0.002 ανά 1K token Έξοδος · Token εξόδου $0.010 ανά 1K token Ανά αίτημα $0.000 ανά αίτημα |
set -eu\n: "${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-haiku-latest", "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-haiku-latest", "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-haiku-latest",\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-haiku-latest",\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-haiku-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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
claude-haiku-4-5-20251001, claude-haiku, claude-haiku-latest
Τεχνικό παράδειγμα στα αγγλικά
Answer a delivery question\n\nWrite a concise support reply using only these notes: order R17 left the warehouse Tuesday; the carrier estimates Friday delivery; the customer asks if Thursday is guaranteed. Explain the current estimate, answer the guarantee question directly and offer to check a new carrier update if one becomes available. Keep the reply under 80 words.A customer-ready reply under 80 words, preserving the order ID and delivery estimate.Check that the reply never guarantees Thursday or invents a tracking update.