Το Claude Opus 4.6 είναι προσανατολισμένο σε εργασία όπου είναι χρήσιμη η διατήρηση πολλού υλικού στο ίδιο παράθυρο συμφραζομένων και ο συλλογισμός μετά την ανάγνωσή του. Η Anthropic δίνει έμφαση στην ανάπτυξη σε μεγάλες βάσεις κώδικα, τον έλεγχο κώδικα, την αποσφαλμάτωση, τη χρηματοοικονομική ανάλυση και την έρευνα. Το μοντέλο μπορεί να εντοπίζει ουσιώδεις λεπτομέρειες, να συνδέει πληροφορίες από διαφορετικά μέρη του υλικού και να τις χρησιμοποιεί για διαδοχική επίλυση της εργασίας.
Στην ανάπτυξη λογισμικού αυτό σημαίνει επεξεργασία σχεδίου, μελέτη άγνωστου συστήματος και αναζήτηση σφαλμάτων στις αλλαγές. Στην επαγγελματική ανάλυση σημαίνει επεξεργασία εγγράφων και προετοιμασία περιεχομένου για υπολογιστικά φύλλα, αναφορές ή παρουσιάσεις. Για τέτοια σενάρια είναι σημαντικό να παρέχονται στο μοντέλο η ίδια η εργασία και το υλικό από το οποίο πρέπει να εξαχθούν συμπεράσματα, αντί να δίνεται μόνο ο γενικός τίτλος του θέματος.
Το μοντέλο υποστηρίζει προσαρμοστική λειτουργία: καθορίζει από το περιεχόμενο της εργασίας πότε είναι χρήσιμη η πρόσθετη ανάλυση. Η παράμετρος effort ορίζει τον βαθμό επεξεργασίας· για το Opus 4.6 διατίθενται low, medium, high και max, με προεπιλεγμένη τιμή το high. Σύμφωνα με την Anthropic, η βαθιά επεξεργασία μπορεί να αυξάνει τον χρόνο απόκρισης σε απλές εργασίες, επομένως είναι χρήσιμο το επιλεγμένο επίπεδο να αντιστοιχεί στην πολυπλοκότητά τους.
Το παλαιότερο extended thinking με χειροκίνητο προϋπολογισμό εξακολουθεί να υποστηρίζεται, αλλά επισημαίνεται ως λειτουργία υπό κατάργηση. Σε αυτή την έκδοση υπάρχει ουσιαστική διαφορά μεταξύ των λειτουργιών: ο συλλογισμός μεταξύ κλήσεων εργαλείων διατίθεται στην προσαρμοστική λειτουργία, ενώ στη χειροκίνητη λειτουργία το Opus 4.6 δεν τον εκτελεί. Με συνδεδεμένα εργαλεία, η προσαρμοστική ανάλυση βοηθά στη χρήση του αποτελέσματος μιας ενέργειας για την επιλογή της επόμενης.
Οι τρέχουσες προδιαγραφές της Anthropic ορίζουν 1 εκατ. token στο παράθυρο συμφραζομένων και έως 128 χιλ. token απάντησης στην κανονική λειτουργία. Στην είσοδο γίνονται δεκτά κείμενο και εικόνες, ενώ η απάντηση παραμένει κείμενο. Το αξιόπιστο όριο των ενσωματωμένων γνώσεων είναι ο Μάιος 2025.
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 συνομιλίες και εργασίες πρακτόρων μεγάλης διάρκειας, ο κατασκευαστής περιγράφει συμπύκνωση των παλαιών συμφραζομένων: το προηγούμενο μέρος της εργασίας αντικαθίσταται από περίληψη όταν πλησιάζει καθορισμένο όριο. Αυτή η δυνατότητα επισημαίνεται ως πειραματική και απαιτεί υποστήριξη από την εφαρμογή· το μέγεθος του παραθύρου συμφραζομένων από μόνο του δεν παρέχει απεριόριστη μνήμη.
Το Opus 4.6 προορίζεται για εργασία πολλών βημάτων με αναζήτηση, κώδικα και άλλα διαθέσιμα εργαλεία. Το περιβάλλον της εφαρμογής πρέπει να παρέχει ανάγνωση υλικού, εκτέλεση εντολών ή παραγωγή αρχείων. Οι ενέργειες σε συστήματα παραγωγής, ο χειρισμός της διεπαφής και η δημιουργία ολοκληρωμένης παρουσίασης εξαρτώνται από αυτά τα μέσα· το μοντέλο κειμένου δεν τα αποκτά αυτόματα.
Η Anthropic περιγράφει χωριστά ελέγχους ασφάλειας και μέτρα προστασίας για δυνητικά επικίνδυνες εργασίες κυβερνοασφάλειας. Στη συνήθη ανάπτυξη λογισμικού το μοντέλο μπορεί να βοηθά στον εντοπισμό και τη διόρθωση ευπαθειών, αλλά η φύση του αιτήματος επηρεάζει τη δυνατότητα απάντησης. Τα συμπεράσματα από μεγάλο σύνολο υλικού και οι προτεινόμενες αλλαγές πρέπει να ελέγχονται με βάση τα ίδια τα δεδομένα και το αποτέλεσμα της εκτέλεσης.
", "aboutText": "### Μεγάλη εργασία και σχέσεις μεταξύ των μερών της\n\nΤο Claude Opus 4.6 είναι προσανατολισμένο σε εργασία όπου είναι χρήσιμη η διατήρηση πολλού υλικού στο ίδιο παράθυρο συμφραζομένων και ο συλλογισμός μετά την ανάγνωσή του. Η Anthropic δίνει έμφαση στην ανάπτυξη σε μεγάλες βάσεις κώδικα, τον έλεγχο κώδικα, την αποσφαλμάτωση, τη χρηματοοικονομική ανάλυση και την έρευνα. Το μοντέλο μπορεί να εντοπίζει ουσιώδεις λεπτομέρειες, να συνδέει πληροφορίες από διαφορετικά μέρη του υλικού και να τις χρησιμοποιεί για διαδοχική επίλυση της εργασίας.\n\nΣτην ανάπτυξη λογισμικού αυτό σημαίνει επεξεργασία σχεδίου, μελέτη άγνωστου συστήματος και αναζήτηση σφαλμάτων στις αλλαγές. Στην επαγγελματική ανάλυση σημαίνει επεξεργασία εγγράφων και προετοιμασία περιεχομένου για υπολογιστικά φύλλα, αναφορές ή παρουσιάσεις. Για τέτοια σενάρια είναι σημαντικό να παρέχονται στο μοντέλο η ίδια η εργασία και το υλικό από το οποίο πρέπει να εξαχθούν συμπεράσματα, αντί να δίνεται μόνο ο γενικός τίτλος του θέματος.\n\n### Προσαρμοστικός συλλογισμός\n\nΤο μοντέλο υποστηρίζει προσαρμοστική λειτουργία: καθορίζει από το περιεχόμενο της εργασίας πότε είναι χρήσιμη η πρόσθετη ανάλυση. Η παράμετρος `effort` ορίζει τον βαθμό επεξεργασίας· για το Opus 4.6 διατίθενται `low`, `medium`, `high` και `max`, με προεπιλεγμένη τιμή το `high`. Σύμφωνα με την Anthropic, η βαθιά επεξεργασία μπορεί να αυξάνει τον χρόνο απόκρισης σε απλές εργασίες, επομένως είναι χρήσιμο το επιλεγμένο επίπεδο να αντιστοιχεί στην πολυπλοκότητά τους.\n\nΤο παλαιότερο extended thinking με χειροκίνητο προϋπολογισμό εξακολουθεί να υποστηρίζεται, αλλά επισημαίνεται ως λειτουργία υπό κατάργηση. Σε αυτή την έκδοση υπάρχει ουσιαστική διαφορά μεταξύ των λειτουργιών: ο συλλογισμός μεταξύ κλήσεων εργαλείων διατίθεται στην προσαρμοστική λειτουργία, ενώ στη χειροκίνητη λειτουργία το Opus 4.6 δεν τον εκτελεί. Με συνδεδεμένα εργαλεία, η προσαρμοστική ανάλυση βοηθά στη χρήση του αποτελέσματος μιας ενέργειας για την επιλογή της επόμενης.\n\n### Παράθυρο συμφραζομένων για εργασία μεγάλης διάρκειας\n\nΟι τρέχουσες προδιαγραφές της Anthropic ορίζουν **1 εκατ. token στο παράθυρο συμφραζομένων** και έως **128 χιλ. token απάντησης στην κανονική λειτουργία**. Στην είσοδο γίνονται δεκτά **κείμενο και εικόνες**, ενώ η απάντηση παραμένει κείμενο. Το αξιόπιστο όριο των ενσωματωμένων γνώσεων είναι **ο Μάιος 2025**.\n\nΟι 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.\n\nΓια συνομιλίες και εργασίες πρακτόρων μεγάλης διάρκειας, ο κατασκευαστής περιγράφει συμπύκνωση των παλαιών συμφραζομένων: το προηγούμενο μέρος της εργασίας αντικαθίσταται από περίληψη όταν πλησιάζει καθορισμένο όριο. Αυτή η δυνατότητα επισημαίνεται ως πειραματική και απαιτεί υποστήριξη από την εφαρμογή· το μέγεθος του παραθύρου συμφραζομένων από μόνο του δεν παρέχει απεριόριστη μνήμη.\n\n### Εργαλεία και έλεγχος αποτελέσματος\n\nΤο Opus 4.6 προορίζεται για εργασία πολλών βημάτων με αναζήτηση, κώδικα και άλλα διαθέσιμα εργαλεία. Το περιβάλλον της εφαρμογής πρέπει να παρέχει ανάγνωση υλικού, εκτέλεση εντολών ή παραγωγή αρχείων. Οι ενέργειες σε συστήματα παραγωγής, ο χειρισμός της διεπαφής και η δημιουργία ολοκληρωμένης παρουσίασης εξαρτώνται από αυτά τα μέσα· το μοντέλο κειμένου δεν τα αποκτά αυτόματα.\n\nΗ Anthropic περιγράφει χωριστά ελέγχους ασφάλειας και μέτρα προστασίας για δυνητικά επικίνδυνες εργασίες κυβερνοασφάλειας. Στη συνήθη ανάπτυξη λογισμικού το μοντέλο μπορεί να βοηθά στον εντοπισμό και τη διόρθωση ευπαθειών, αλλά η φύση του αιτήματος επηρεάζει τη δυνατότητα απάντησης. Τα συμπεράσματα από μεγάλο σύνολο υλικού και οι προτεινόμενες αλλαγές πρέπει να ελέγχονται με βάση τα ίδια τα δεδομένα και το αποτέλεσμα της εκτέλεσης.", "editorialOverlay": { "copy_fields": { "practical_html": "Τεχνικό παράδειγμα στα αγγλικά
Trace a cache invalidation defect\n\nReview this change using the supplied contract. Contract: changing an account's role must affect the next permission check. Current flow: update_role writes the database; can_edit reads a role cache with a 15-minute TTL. Propose the smallest correction, explain the failure window, and give regression tests for a demotion and an unrelated account. Do not assume any framework.A code-review note containing cause, a targeted invalidation strategy and two regression-test specifications.A demoted account cannot retain edit permission until the cache expires, while another account's entry remains valid.claude-opus-4-6Το Claude Opus 4.6 προορίζεται για μεγάλες βάσεις κώδικα, αποσφαλμάτωση, έρευνα και ανάλυση εκτενών εγγράφων. Υποστηρίζει προσαρμοστικό συλλογισμό και παράθυρο συμφραζομένων έως 1 εκατ. token.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Claude Opus 4.6 είναι προσανατολισμένο σε εργασία όπου είναι χρήσιμη η διατήρηση πολλού υλικού στο ίδιο παράθυρο συμφραζομένων και ο συλλογισμός μετά την ανάγνωσή του. Η Anthropic δίνει έμφαση στην ανάπτυξη σε μεγάλες βάσεις κώδικα, τον έλεγχο κώδικα, την αποσφαλμάτωση, τη χρηματοοικονομική ανάλυση και την έρευνα. Το μοντέλο μπορεί να εντοπίζει ουσιώδεις λεπτομέρειες, να συνδέει πληροφορίες από διαφορετικά μέρη του υλικού και να τις χρησιμοποιεί για διαδοχική επίλυση της εργασίας.
Στην ανάπτυξη λογισμικού αυτό σημαίνει επεξεργασία σχεδίου, μελέτη άγνωστου συστήματος και αναζήτηση σφαλμάτων στις αλλαγές. Στην επαγγελματική ανάλυση σημαίνει επεξεργασία εγγράφων και προετοιμασία περιεχομένου για υπολογιστικά φύλλα, αναφορές ή παρουσιάσεις. Για τέτοια σενάρια είναι σημαντικό να παρέχονται στο μοντέλο η ίδια η εργασία και το υλικό από το οποίο πρέπει να εξαχθούν συμπεράσματα, αντί να δίνεται μόνο ο γενικός τίτλος του θέματος.
Το μοντέλο υποστηρίζει προσαρμοστική λειτουργία: καθορίζει από το περιεχόμενο της εργασίας πότε είναι χρήσιμη η πρόσθετη ανάλυση. Η παράμετρος effort ορίζει τον βαθμό επεξεργασίας· για το Opus 4.6 διατίθενται low, medium, high και max, με προεπιλεγμένη τιμή το high. Σύμφωνα με την Anthropic, η βαθιά επεξεργασία μπορεί να αυξάνει τον χρόνο απόκρισης σε απλές εργασίες, επομένως είναι χρήσιμο το επιλεγμένο επίπεδο να αντιστοιχεί στην πολυπλοκότητά τους.
Το παλαιότερο extended thinking με χειροκίνητο προϋπολογισμό εξακολουθεί να υποστηρίζεται, αλλά επισημαίνεται ως λειτουργία υπό κατάργηση. Σε αυτή την έκδοση υπάρχει ουσιαστική διαφορά μεταξύ των λειτουργιών: ο συλλογισμός μεταξύ κλήσεων εργαλείων διατίθεται στην προσαρμοστική λειτουργία, ενώ στη χειροκίνητη λειτουργία το Opus 4.6 δεν τον εκτελεί. Με συνδεδεμένα εργαλεία, η προσαρμοστική ανάλυση βοηθά στη χρήση του αποτελέσματος μιας ενέργειας για την επιλογή της επόμενης.
Οι τρέχουσες προδιαγραφές της Anthropic ορίζουν 1 εκατ. token στο παράθυρο συμφραζομένων και έως 128 χιλ. token απάντησης στην κανονική λειτουργία. Στην είσοδο γίνονται δεκτά κείμενο και εικόνες, ενώ η απάντηση παραμένει κείμενο. Το αξιόπιστο όριο των ενσωματωμένων γνώσεων είναι ο Μάιος 2025.
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 συνομιλίες και εργασίες πρακτόρων μεγάλης διάρκειας, ο κατασκευαστής περιγράφει συμπύκνωση των παλαιών συμφραζομένων: το προηγούμενο μέρος της εργασίας αντικαθίσταται από περίληψη όταν πλησιάζει καθορισμένο όριο. Αυτή η δυνατότητα επισημαίνεται ως πειραματική και απαιτεί υποστήριξη από την εφαρμογή· το μέγεθος του παραθύρου συμφραζομένων από μόνο του δεν παρέχει απεριόριστη μνήμη.
Το Opus 4.6 προορίζεται για εργασία πολλών βημάτων με αναζήτηση, κώδικα και άλλα διαθέσιμα εργαλεία. Το περιβάλλον της εφαρμογής πρέπει να παρέχει ανάγνωση υλικού, εκτέλεση εντολών ή παραγωγή αρχείων. Οι ενέργειες σε συστήματα παραγωγής, ο χειρισμός της διεπαφής και η δημιουργία ολοκληρωμένης παρουσίασης εξαρτώνται από αυτά τα μέσα· το μοντέλο κειμένου δεν τα αποκτά αυτόματα.
Η Anthropic περιγράφει χωριστά ελέγχους ασφάλειας και μέτρα προστασίας για δυνητικά επικίνδυνες εργασίες κυβερνοασφάλειας. Στη συνήθη ανάπτυξη λογισμικού το μοντέλο μπορεί να βοηθά στον εντοπισμό και τη διόρθωση ευπαθειών, αλλά η φύση του αιτήματος επηρεάζει τη δυνατότητα απάντησης. Τα συμπεράσματα από μεγάλο σύνολο υλικού και οι προτεινόμενες αλλαγές πρέπει να ελέγχονται με βάση τα ίδια τα δεδομένα και το αποτέλεσμα της εκτέλεσης.
POST /v1/messagestext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια claude-opus-4-6 | 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 |
|---|---|---|
| Διαμόρφωσηclaude-opus-4-6 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,02 $ / 1K token Έξοδος · Έξοδος 0,075 $ / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη 0,025 $ / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη 0,002 $ / 1K token |
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| Διαμόρφωσηclaude-opus-4-6 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,01 $ / 1K token Έξοδος · Έξοδος 0,05 $ / 1K token |
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-opus-4-6", "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-opus-4-6", "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-opus-4-6",\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-opus-4-6",\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-opus-4-6',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-opus-4-6
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
claude-opus-4-6Το Claude Opus 4.6 προορίζεται για μεγάλες βάσεις κώδικα, αποσφαλμάτωση, έρευνα και ανάλυση εκτενών εγγράφων. Υποστηρίζει προσαρμοστικό συλλογισμό και παράθυρο συμφραζομένων έως 1 εκατ. token.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Claude Opus 4.6 είναι προσανατολισμένο σε εργασία όπου είναι χρήσιμη η διατήρηση πολλού υλικού στο ίδιο παράθυρο συμφραζομένων και ο συλλογισμός μετά την ανάγνωσή του. Η Anthropic δίνει έμφαση στην ανάπτυξη σε μεγάλες βάσεις κώδικα, τον έλεγχο κώδικα, την αποσφαλμάτωση, τη χρηματοοικονομική ανάλυση και την έρευνα. Το μοντέλο μπορεί να εντοπίζει ουσιώδεις λεπτομέρειες, να συνδέει πληροφορίες από διαφορετικά μέρη του υλικού και να τις χρησιμοποιεί για διαδοχική επίλυση της εργασίας.
Στην ανάπτυξη λογισμικού αυτό σημαίνει επεξεργασία σχεδίου, μελέτη άγνωστου συστήματος και αναζήτηση σφαλμάτων στις αλλαγές. Στην επαγγελματική ανάλυση σημαίνει επεξεργασία εγγράφων και προετοιμασία περιεχομένου για υπολογιστικά φύλλα, αναφορές ή παρουσιάσεις. Για τέτοια σενάρια είναι σημαντικό να παρέχονται στο μοντέλο η ίδια η εργασία και το υλικό από το οποίο πρέπει να εξαχθούν συμπεράσματα, αντί να δίνεται μόνο ο γενικός τίτλος του θέματος.
Το μοντέλο υποστηρίζει προσαρμοστική λειτουργία: καθορίζει από το περιεχόμενο της εργασίας πότε είναι χρήσιμη η πρόσθετη ανάλυση. Η παράμετρος effort ορίζει τον βαθμό επεξεργασίας· για το Opus 4.6 διατίθενται low, medium, high και max, με προεπιλεγμένη τιμή το high. Σύμφωνα με την Anthropic, η βαθιά επεξεργασία μπορεί να αυξάνει τον χρόνο απόκρισης σε απλές εργασίες, επομένως είναι χρήσιμο το επιλεγμένο επίπεδο να αντιστοιχεί στην πολυπλοκότητά τους.
Το παλαιότερο extended thinking με χειροκίνητο προϋπολογισμό εξακολουθεί να υποστηρίζεται, αλλά επισημαίνεται ως λειτουργία υπό κατάργηση. Σε αυτή την έκδοση υπάρχει ουσιαστική διαφορά μεταξύ των λειτουργιών: ο συλλογισμός μεταξύ κλήσεων εργαλείων διατίθεται στην προσαρμοστική λειτουργία, ενώ στη χειροκίνητη λειτουργία το Opus 4.6 δεν τον εκτελεί. Με συνδεδεμένα εργαλεία, η προσαρμοστική ανάλυση βοηθά στη χρήση του αποτελέσματος μιας ενέργειας για την επιλογή της επόμενης.
Οι τρέχουσες προδιαγραφές της Anthropic ορίζουν 1 εκατ. token στο παράθυρο συμφραζομένων και έως 128 χιλ. token απάντησης στην κανονική λειτουργία. Στην είσοδο γίνονται δεκτά κείμενο και εικόνες, ενώ η απάντηση παραμένει κείμενο. Το αξιόπιστο όριο των ενσωματωμένων γνώσεων είναι ο Μάιος 2025.
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 συνομιλίες και εργασίες πρακτόρων μεγάλης διάρκειας, ο κατασκευαστής περιγράφει συμπύκνωση των παλαιών συμφραζομένων: το προηγούμενο μέρος της εργασίας αντικαθίσταται από περίληψη όταν πλησιάζει καθορισμένο όριο. Αυτή η δυνατότητα επισημαίνεται ως πειραματική και απαιτεί υποστήριξη από την εφαρμογή· το μέγεθος του παραθύρου συμφραζομένων από μόνο του δεν παρέχει απεριόριστη μνήμη.
Το Opus 4.6 προορίζεται για εργασία πολλών βημάτων με αναζήτηση, κώδικα και άλλα διαθέσιμα εργαλεία. Το περιβάλλον της εφαρμογής πρέπει να παρέχει ανάγνωση υλικού, εκτέλεση εντολών ή παραγωγή αρχείων. Οι ενέργειες σε συστήματα παραγωγής, ο χειρισμός της διεπαφής και η δημιουργία ολοκληρωμένης παρουσίασης εξαρτώνται από αυτά τα μέσα· το μοντέλο κειμένου δεν τα αποκτά αυτόματα.
Η Anthropic περιγράφει χωριστά ελέγχους ασφάλειας και μέτρα προστασίας για δυνητικά επικίνδυνες εργασίες κυβερνοασφάλειας. Στη συνήθη ανάπτυξη λογισμικού το μοντέλο μπορεί να βοηθά στον εντοπισμό και τη διόρθωση ευπαθειών, αλλά η φύση του αιτήματος επηρεάζει τη δυνατότητα απάντησης. Τα συμπεράσματα από μεγάλο σύνολο υλικού και οι προτεινόμενες αλλαγές πρέπει να ελέγχονται με βάση τα ίδια τα δεδομένα και το αποτέλεσμα της εκτέλεσης.
POST /v1/responsestext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια claude-opus-4-6 | 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 |
|---|---|---|
| Διαμόρφωσηclaude-opus-4-6 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,02 $ / 1K token Έξοδος · Έξοδος 0,075 $ / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη 0,025 $ / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη 0,002 $ / 1K token |
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| Διαμόρφωσηclaude-opus-4-6 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,01 $ / 1K token Έξοδος · Έξοδος 0,05 $ / 1K token |
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-opus-4-6", "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-opus-4-6", "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-opus-4-6", 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-opus-4-6", 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-opus-4-6", 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-opus-4-6
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
claude-opus-4-6Το Claude Opus 4.6 προορίζεται για μεγάλες βάσεις κώδικα, αποσφαλμάτωση, έρευνα και ανάλυση εκτενών εγγράφων. Υποστηρίζει προσαρμοστικό συλλογισμό και παράθυρο συμφραζομένων έως 1 εκατ. token.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Claude Opus 4.6 είναι προσανατολισμένο σε εργασία όπου είναι χρήσιμη η διατήρηση πολλού υλικού στο ίδιο παράθυρο συμφραζομένων και ο συλλογισμός μετά την ανάγνωσή του. Η Anthropic δίνει έμφαση στην ανάπτυξη σε μεγάλες βάσεις κώδικα, τον έλεγχο κώδικα, την αποσφαλμάτωση, τη χρηματοοικονομική ανάλυση και την έρευνα. Το μοντέλο μπορεί να εντοπίζει ουσιώδεις λεπτομέρειες, να συνδέει πληροφορίες από διαφορετικά μέρη του υλικού και να τις χρησιμοποιεί για διαδοχική επίλυση της εργασίας.
Στην ανάπτυξη λογισμικού αυτό σημαίνει επεξεργασία σχεδίου, μελέτη άγνωστου συστήματος και αναζήτηση σφαλμάτων στις αλλαγές. Στην επαγγελματική ανάλυση σημαίνει επεξεργασία εγγράφων και προετοιμασία περιεχομένου για υπολογιστικά φύλλα, αναφορές ή παρουσιάσεις. Για τέτοια σενάρια είναι σημαντικό να παρέχονται στο μοντέλο η ίδια η εργασία και το υλικό από το οποίο πρέπει να εξαχθούν συμπεράσματα, αντί να δίνεται μόνο ο γενικός τίτλος του θέματος.
Το μοντέλο υποστηρίζει προσαρμοστική λειτουργία: καθορίζει από το περιεχόμενο της εργασίας πότε είναι χρήσιμη η πρόσθετη ανάλυση. Η παράμετρος effort ορίζει τον βαθμό επεξεργασίας· για το Opus 4.6 διατίθενται low, medium, high και max, με προεπιλεγμένη τιμή το high. Σύμφωνα με την Anthropic, η βαθιά επεξεργασία μπορεί να αυξάνει τον χρόνο απόκρισης σε απλές εργασίες, επομένως είναι χρήσιμο το επιλεγμένο επίπεδο να αντιστοιχεί στην πολυπλοκότητά τους.
Το παλαιότερο extended thinking με χειροκίνητο προϋπολογισμό εξακολουθεί να υποστηρίζεται, αλλά επισημαίνεται ως λειτουργία υπό κατάργηση. Σε αυτή την έκδοση υπάρχει ουσιαστική διαφορά μεταξύ των λειτουργιών: ο συλλογισμός μεταξύ κλήσεων εργαλείων διατίθεται στην προσαρμοστική λειτουργία, ενώ στη χειροκίνητη λειτουργία το Opus 4.6 δεν τον εκτελεί. Με συνδεδεμένα εργαλεία, η προσαρμοστική ανάλυση βοηθά στη χρήση του αποτελέσματος μιας ενέργειας για την επιλογή της επόμενης.
Οι τρέχουσες προδιαγραφές της Anthropic ορίζουν 1 εκατ. token στο παράθυρο συμφραζομένων και έως 128 χιλ. token απάντησης στην κανονική λειτουργία. Στην είσοδο γίνονται δεκτά κείμενο και εικόνες, ενώ η απάντηση παραμένει κείμενο. Το αξιόπιστο όριο των ενσωματωμένων γνώσεων είναι ο Μάιος 2025.
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 συνομιλίες και εργασίες πρακτόρων μεγάλης διάρκειας, ο κατασκευαστής περιγράφει συμπύκνωση των παλαιών συμφραζομένων: το προηγούμενο μέρος της εργασίας αντικαθίσταται από περίληψη όταν πλησιάζει καθορισμένο όριο. Αυτή η δυνατότητα επισημαίνεται ως πειραματική και απαιτεί υποστήριξη από την εφαρμογή· το μέγεθος του παραθύρου συμφραζομένων από μόνο του δεν παρέχει απεριόριστη μνήμη.
Το Opus 4.6 προορίζεται για εργασία πολλών βημάτων με αναζήτηση, κώδικα και άλλα διαθέσιμα εργαλεία. Το περιβάλλον της εφαρμογής πρέπει να παρέχει ανάγνωση υλικού, εκτέλεση εντολών ή παραγωγή αρχείων. Οι ενέργειες σε συστήματα παραγωγής, ο χειρισμός της διεπαφής και η δημιουργία ολοκληρωμένης παρουσίασης εξαρτώνται από αυτά τα μέσα· το μοντέλο κειμένου δεν τα αποκτά αυτόματα.
Η Anthropic περιγράφει χωριστά ελέγχους ασφάλειας και μέτρα προστασίας για δυνητικά επικίνδυνες εργασίες κυβερνοασφάλειας. Στη συνήθη ανάπτυξη λογισμικού το μοντέλο μπορεί να βοηθά στον εντοπισμό και τη διόρθωση ευπαθειών, αλλά η φύση του αιτήματος επηρεάζει τη δυνατότητα απάντησης. Τα συμπεράσματα από μεγάλο σύνολο υλικού και οι προτεινόμενες αλλαγές πρέπει να ελέγχονται με βάση τα ίδια τα δεδομένα και το αποτέλεσμα της εκτέλεσης.
POST /v1/chat/completionstext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια claude-opus-4-6 | 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 |
|---|---|---|
| Διαμόρφωσηclaude-opus-4-6 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,02 $ / 1K token Έξοδος · Έξοδος 0,075 $ / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη 0,025 $ / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη 0,002 $ / 1K token |
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| Διαμόρφωσηclaude-opus-4-6 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Είσοδος 0,01 $ / 1K token Έξοδος · Έξοδος 0,05 $ / 1K token |
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-opus-4-6", "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-opus-4-6", "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-opus-4-6",\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-opus-4-6",\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-opus-4-6',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-opus-4-6
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Τεχνικό παράδειγμα στα αγγλικά
Trace a cache invalidation defect\n\nReview this change using the supplied contract. Contract: changing an account's role must affect the next permission check. Current flow: update_role writes the database; can_edit reads a role cache with a 15-minute TTL. Propose the smallest correction, explain the failure window, and give regression tests for a demotion and an unrelated account. Do not assume any framework.A code-review note containing cause, a targeted invalidation strategy and two regression-test specifications.A demoted account cannot retain edit permission until the cache expires, while another account's entry remains valid.