Claude Haiku 5.5 es la edición de modelo pequeño de Anthropic para tareas de alto volumen y sensibles a la latencia. Sus usos principales incluyen clasificación, enrutamiento, extracción de información, resúmenes, compactación de conversaciones y trabajo acotado de subagentes. Acepta texto e imágenes y genera texto. Una descripción útil le plantea una pregunta limitada y un resultado explícito: una categoría, un conjunto definido de campos, un resumen breve o las pruebas pertinentes para otra parte de una tarea más amplia. Conserva los identificadores de las fuentes con el resultado para que la aplicación conecte la información extraída con su material original.
Anthropic orienta esta edición a atención al cliente en tiempo real, uso del navegador y subtareas cortas de programación, además de análisis repetitivo. Puede complementar a Claude Sonnet 5.5 o Claude Opus 5.5 en un flujo donde un modelo mayor aborda un proyecto ambicioso y Haiku realiza una consulta o un resumen acotados. Para atención al cliente, proporciona la pregunta y el material de referencia permitido y especifica después el tono y lo que debe devolverse. Para una subtarea de programación, identifica los archivos o fragmentos relevantes y la pregunta exacta, en vez de asignar un proyecto abierto sin una condición de finalización.
La ventana de contexto documentada es de un millón de tokens, con hasta 128,000 tokens de salida en generación ordinaria. Los tokens de razonamiento cuentan dentro del margen de generación, por lo que el resultado necesita espacio tanto para razonar como para el texto visible. Su fecha límite de conocimiento fiable es junio de 2026; la información posterior necesita pruebas suministradas o una herramienta de búsqueda. Anthropic documenta por separado una beta exclusiva para lotes que puede elevar la salida a 300,000 tokens para esta edición. Ese mayor margen requiere la función de salida ampliada del proveedor y es distinto del límite ordinario. Un lote asíncrono procesa las solicitudes de forma independiente, por lo que resulta útil para colecciones de documentos o registros cuyos resultados se necesitan después del procesamiento y no de inmediato.
El razonamiento adaptativo está activado de forma predeterminada y effort es el control principal de su profundidad. Los niveles son low, medium, high, xhigh y max, con medium como valor predeterminado. Anthropic recomienda medium para la mayoría de los trabajos, high para tareas más sostenidas o seguimiento estricto de instrucciones y low para solicitudes más sencillas y breves. El razonamiento puede desactivarse en low, medium o high; desactivarlo en xhigh o max se rechaza. Una instrucción que pida una respuesta directa no sustituye ese control. Los ajustes manuales de budget_tokens de Haiku 4.5 no se trasladan a esta edición y deben omitirse temperature, top_p y top_k en la interfaz documentada.
Haiku 5.5 utiliza el tokenizador más reciente introducido en generaciones Claude anteriores y Anthropic estima que el mismo texto puede utilizar aproximadamente un 30% más de tokens que en Haiku 4.5, según su contenido. También conserva los bloques de razonamiento de turnos anteriores del asistente, por lo que la conversación puede crecer más allá del cambio de tokenizador por sí solo. La longitud mínima de entrada que puede almacenarse en caché es de 512 tokens. Conserva los turnos anteriores sin cambios cuando retengas el razonamiento e incorpora las nuevas instrucciones al turno más reciente. Cambiar effort en el nivel superior invalida la caché de mensajes de la conversación; el proveedor documenta una beta independiente para cambiar effort dentro de conversaciones adaptativas. Ninguna de estas capacidades demuestra que una solicitud concreta haya aprovechado la caché.
Para recuperación de información, la guía de instrucciones del modelo recomienda proporcionar la fecha actual junto con la herramienta de búsqueda y mantener estables las definiciones originales del sistema y de las herramientas. Incluye una fecha actualizada en el turno más reciente si la conversación continúa en un día posterior. Indica qué debe encontrarse y conserva las fuentes devueltas antes de pedir una conclusión. Por ejemplo, una tarea ilustrativa puede pedir el comportamiento documentado de una versión de software concreta, seguido de una explicación breve fundamentada en el pasaje recuperado. La aplicación proporciona la herramienta de búsqueda y devuelve sus resultados reales; la consulta propuesta por el modelo no demuestra que se haya realizado.
Cuando se combina salida JSON estructurada con herramientas, la guía documenta una interacción concreta: con el razonamiento desactivado, Haiku puede omitir una llamada necesaria a una herramienta. Anthropic recomienda razonamiento adaptativo para estas solicitudes o separar el requisito final de JSON del paso de herramienta. Define los campos de salida y deja claro que la respuesta final va después de los resultados de las herramientas. Una tarea de extracción puede indicar los campos obligatorios y cómo representar valores ausentes, mientras que una consulta puede pedir primero las pruebas necesarias para completarlos. Lee los bloques de respuesta según su tipo, ya que la respuesta no tiene por qué estar en el primer bloque y el texto de razonamiento se omite de forma predeterminada.
Para instrucciones de agentes más largas, Anthropic señala que el esfuerzo low puede detenerse pronto, saltarse una búsqueda u omitir una comprobación. Su guía recomienda instrucciones explícitas de finalización y comprobaciones reales de los cambios de código antes de declararlos terminados. Prepara el resultado esperado y las pruebas que lo demostrarían: los pasajes seleccionados para un informe, el comportamiento modificado para una propuesta de código o los campos extraídos de un documento. La guía también distingue un mensaje del usuario durante una tarea de la salida de una herramienta: las nuevas instrucciones del usuario pertenecen a un turno de usuario y las pruebas devueltas por herramientas permanecen separadas.
Esta edición tiene sus propias protecciones y puede rechazar categorías que incluyen daños informáticos, daños biológicos, desarrollo de modelos competidores u otros usos prohibidos. El proveedor no documenta una vía alternativa de respaldo en el servidor para Haiku 5.5. Su guía también señala que el esfuerzo xhigh puede terminar ocasionalmente una respuesta de varios turnos sin texto visible de respuesta y que puede aparecer texto similar al razonamiento con más frecuencia con esfuerzo low o con el razonamiento desactivado. Son comportamientos concretos que deben tenerse en cuenta cuando el flujo requiere un resultado visible y estructurado. Para extracción o resúmenes habituales, utiliza una fuente acotada, una salida definida y el nivel de esfuerzo adecuado a la tarea.
", "aboutText": "Claude Haiku 5.5 es la edición de modelo pequeño de Anthropic para tareas de alto volumen y sensibles a la latencia. Sus usos principales incluyen clasificación, enrutamiento, extracción de información, resúmenes, compactación de conversaciones y trabajo acotado de subagentes. Acepta texto e imágenes y genera texto. Una descripción útil le plantea una pregunta limitada y un resultado explícito: una categoría, un conjunto definido de campos, un resumen breve o las pruebas pertinentes para otra parte de una tarea más amplia. Conserva los identificadores de las fuentes con el resultado para que la aplicación conecte la información extraída con su material original.\n\nAnthropic orienta esta edición a atención al cliente en tiempo real, uso del navegador y subtareas cortas de programación, además de análisis repetitivo. Puede complementar a Claude Sonnet 5.5 o Claude Opus 5.5 en un flujo donde un modelo mayor aborda un proyecto ambicioso y Haiku realiza una consulta o un resumen acotados. Para atención al cliente, proporciona la pregunta y el material de referencia permitido y especifica después el tono y lo que debe devolverse. Para una subtarea de programación, identifica los archivos o fragmentos relevantes y la pregunta exacta, en vez de asignar un proyecto abierto sin una condición de finalización.\n\nLa ventana de contexto documentada es de un millón de tokens, con hasta 128,000 tokens de salida en generación ordinaria. Los tokens de razonamiento cuentan dentro del margen de generación, por lo que el resultado necesita espacio tanto para razonar como para el texto visible. Su fecha límite de conocimiento fiable es junio de 2026; la información posterior necesita pruebas suministradas o una herramienta de búsqueda. Anthropic documenta por separado una beta exclusiva para lotes que puede elevar la salida a 300,000 tokens para esta edición. Ese mayor margen requiere la función de salida ampliada del proveedor y es distinto del límite ordinario. Un lote asíncrono procesa las solicitudes de forma independiente, por lo que resulta útil para colecciones de documentos o registros cuyos resultados se necesitan después del procesamiento y no de inmediato.\n\nEl razonamiento adaptativo está activado de forma predeterminada y effort es el control principal de su profundidad. Los niveles son low, medium, high, xhigh y max, con medium como valor predeterminado. Anthropic recomienda medium para la mayoría de los trabajos, high para tareas más sostenidas o seguimiento estricto de instrucciones y low para solicitudes más sencillas y breves. El razonamiento puede desactivarse en low, medium o high; desactivarlo en xhigh o max se rechaza. Una instrucción que pida una respuesta directa no sustituye ese control. Los ajustes manuales de budget_tokens de Haiku 4.5 no se trasladan a esta edición y deben omitirse temperature, top_p y top_k en la interfaz documentada.\n\nHaiku 5.5 utiliza el tokenizador más reciente introducido en generaciones Claude anteriores y Anthropic estima que el mismo texto puede utilizar aproximadamente un 30% más de tokens que en Haiku 4.5, según su contenido. También conserva los bloques de razonamiento de turnos anteriores del asistente, por lo que la conversación puede crecer más allá del cambio de tokenizador por sí solo. La longitud mínima de entrada que puede almacenarse en caché es de 512 tokens. Conserva los turnos anteriores sin cambios cuando retengas el razonamiento e incorpora las nuevas instrucciones al turno más reciente. Cambiar effort en el nivel superior invalida la caché de mensajes de la conversación; el proveedor documenta una beta independiente para cambiar effort dentro de conversaciones adaptativas. Ninguna de estas capacidades demuestra que una solicitud concreta haya aprovechado la caché.\n\nPara recuperación de información, la guía de instrucciones del modelo recomienda proporcionar la fecha actual junto con la herramienta de búsqueda y mantener estables las definiciones originales del sistema y de las herramientas. Incluye una fecha actualizada en el turno más reciente si la conversación continúa en un día posterior. Indica qué debe encontrarse y conserva las fuentes devueltas antes de pedir una conclusión. Por ejemplo, una tarea ilustrativa puede pedir el comportamiento documentado de una versión de software concreta, seguido de una explicación breve fundamentada en el pasaje recuperado. La aplicación proporciona la herramienta de búsqueda y devuelve sus resultados reales; la consulta propuesta por el modelo no demuestra que se haya realizado.\n\nCuando se combina salida JSON estructurada con herramientas, la guía documenta una interacción concreta: con el razonamiento desactivado, Haiku puede omitir una llamada necesaria a una herramienta. Anthropic recomienda razonamiento adaptativo para estas solicitudes o separar el requisito final de JSON del paso de herramienta. Define los campos de salida y deja claro que la respuesta final va después de los resultados de las herramientas. Una tarea de extracción puede indicar los campos obligatorios y cómo representar valores ausentes, mientras que una consulta puede pedir primero las pruebas necesarias para completarlos. Lee los bloques de respuesta según su tipo, ya que la respuesta no tiene por qué estar en el primer bloque y el texto de razonamiento se omite de forma predeterminada.\n\nPara instrucciones de agentes más largas, Anthropic señala que el esfuerzo low puede detenerse pronto, saltarse una búsqueda u omitir una comprobación. Su guía recomienda instrucciones explícitas de finalización y comprobaciones reales de los cambios de código antes de declararlos terminados. Prepara el resultado esperado y las pruebas que lo demostrarían: los pasajes seleccionados para un informe, el comportamiento modificado para una propuesta de código o los campos extraídos de un documento. La guía también distingue un mensaje del usuario durante una tarea de la salida de una herramienta: las nuevas instrucciones del usuario pertenecen a un turno de usuario y las pruebas devueltas por herramientas permanecen separadas.\n\nEsta edición tiene sus propias protecciones y puede rechazar categorías que incluyen daños informáticos, daños biológicos, desarrollo de modelos competidores u otros usos prohibidos. El proveedor no documenta una vía alternativa de respaldo en el servidor para Haiku 5.5. Su guía también señala que el esfuerzo xhigh puede terminar ocasionalmente una respuesta de varios turnos sin texto visible de respuesta y que puede aparecer texto similar al razonamiento con más frecuencia con esfuerzo low o con el razonamiento desactivado. Son comportamientos concretos que deben tenerse en cuenta cuando el flujo requiere un resultado visible y estructurado. Para extracción o resúmenes habituales, utiliza una fuente acotada, una salida definida y el nivel de esfuerzo adecuado a la tarea.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.anthropic/claude-haiku-5.5Claude Haiku 5.5 es el modelo pequeño de Anthropic para clasificación, extracción, resúmenes, enrutamiento y tareas acotadas de agentes. Combina comprensión de texto e imágenes con razonamiento adaptativo y está orientado a trabajo repetitivo que necesita una respuesta rápida.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Claude Haiku 5.5 es la edición de modelo pequeño de Anthropic para tareas de alto volumen y sensibles a la latencia. Sus usos principales incluyen clasificación, enrutamiento, extracción de información, resúmenes, compactación de conversaciones y trabajo acotado de subagentes. Acepta texto e imágenes y genera texto. Una descripción útil le plantea una pregunta limitada y un resultado explícito: una categoría, un conjunto definido de campos, un resumen breve o las pruebas pertinentes para otra parte de una tarea más amplia. Conserva los identificadores de las fuentes con el resultado para que la aplicación conecte la información extraída con su material original.
Anthropic orienta esta edición a atención al cliente en tiempo real, uso del navegador y subtareas cortas de programación, además de análisis repetitivo. Puede complementar a Claude Sonnet 5.5 o Claude Opus 5.5 en un flujo donde un modelo mayor aborda un proyecto ambicioso y Haiku realiza una consulta o un resumen acotados. Para atención al cliente, proporciona la pregunta y el material de referencia permitido y especifica después el tono y lo que debe devolverse. Para una subtarea de programación, identifica los archivos o fragmentos relevantes y la pregunta exacta, en vez de asignar un proyecto abierto sin una condición de finalización.
La ventana de contexto documentada es de un millón de tokens, con hasta 128,000 tokens de salida en generación ordinaria. Los tokens de razonamiento cuentan dentro del margen de generación, por lo que el resultado necesita espacio tanto para razonar como para el texto visible. Su fecha límite de conocimiento fiable es junio de 2026; la información posterior necesita pruebas suministradas o una herramienta de búsqueda. Anthropic documenta por separado una beta exclusiva para lotes que puede elevar la salida a 300,000 tokens para esta edición. Ese mayor margen requiere la función de salida ampliada del proveedor y es distinto del límite ordinario. Un lote asíncrono procesa las solicitudes de forma independiente, por lo que resulta útil para colecciones de documentos o registros cuyos resultados se necesitan después del procesamiento y no de inmediato.
El razonamiento adaptativo está activado de forma predeterminada y effort es el control principal de su profundidad. Los niveles son low, medium, high, xhigh y max, con medium como valor predeterminado. Anthropic recomienda medium para la mayoría de los trabajos, high para tareas más sostenidas o seguimiento estricto de instrucciones y low para solicitudes más sencillas y breves. El razonamiento puede desactivarse en low, medium o high; desactivarlo en xhigh o max se rechaza. Una instrucción que pida una respuesta directa no sustituye ese control. Los ajustes manuales de budget_tokens de Haiku 4.5 no se trasladan a esta edición y deben omitirse temperature, top_p y top_k en la interfaz documentada.
Haiku 5.5 utiliza el tokenizador más reciente introducido en generaciones Claude anteriores y Anthropic estima que el mismo texto puede utilizar aproximadamente un 30% más de tokens que en Haiku 4.5, según su contenido. También conserva los bloques de razonamiento de turnos anteriores del asistente, por lo que la conversación puede crecer más allá del cambio de tokenizador por sí solo. La longitud mínima de entrada que puede almacenarse en caché es de 512 tokens. Conserva los turnos anteriores sin cambios cuando retengas el razonamiento e incorpora las nuevas instrucciones al turno más reciente. Cambiar effort en el nivel superior invalida la caché de mensajes de la conversación; el proveedor documenta una beta independiente para cambiar effort dentro de conversaciones adaptativas. Ninguna de estas capacidades demuestra que una solicitud concreta haya aprovechado la caché.
Para recuperación de información, la guía de instrucciones del modelo recomienda proporcionar la fecha actual junto con la herramienta de búsqueda y mantener estables las definiciones originales del sistema y de las herramientas. Incluye una fecha actualizada en el turno más reciente si la conversación continúa en un día posterior. Indica qué debe encontrarse y conserva las fuentes devueltas antes de pedir una conclusión. Por ejemplo, una tarea ilustrativa puede pedir el comportamiento documentado de una versión de software concreta, seguido de una explicación breve fundamentada en el pasaje recuperado. La aplicación proporciona la herramienta de búsqueda y devuelve sus resultados reales; la consulta propuesta por el modelo no demuestra que se haya realizado.
Cuando se combina salida JSON estructurada con herramientas, la guía documenta una interacción concreta: con el razonamiento desactivado, Haiku puede omitir una llamada necesaria a una herramienta. Anthropic recomienda razonamiento adaptativo para estas solicitudes o separar el requisito final de JSON del paso de herramienta. Define los campos de salida y deja claro que la respuesta final va después de los resultados de las herramientas. Una tarea de extracción puede indicar los campos obligatorios y cómo representar valores ausentes, mientras que una consulta puede pedir primero las pruebas necesarias para completarlos. Lee los bloques de respuesta según su tipo, ya que la respuesta no tiene por qué estar en el primer bloque y el texto de razonamiento se omite de forma predeterminada.
Para instrucciones de agentes más largas, Anthropic señala que el esfuerzo low puede detenerse pronto, saltarse una búsqueda u omitir una comprobación. Su guía recomienda instrucciones explícitas de finalización y comprobaciones reales de los cambios de código antes de declararlos terminados. Prepara el resultado esperado y las pruebas que lo demostrarían: los pasajes seleccionados para un informe, el comportamiento modificado para una propuesta de código o los campos extraídos de un documento. La guía también distingue un mensaje del usuario durante una tarea de la salida de una herramienta: las nuevas instrucciones del usuario pertenecen a un turno de usuario y las pruebas devueltas por herramientas permanecen separadas.
Esta edición tiene sus propias protecciones y puede rechazar categorías que incluyen daños informáticos, daños biológicos, desarrollo de modelos competidores u otros usos prohibidos. El proveedor no documenta una vía alternativa de respaldo en el servidor para Haiku 5.5. Su guía también señala que el esfuerzo xhigh puede terminar ocasionalmente una respuesta de varios turnos sin texto visible de respuesta y que puede aparecer texto similar al razonamiento con más frecuencia con esfuerzo low o con el razonamiento desactivado. Son comportamientos concretos que deben tenerse en cuenta cuando el flujo requiere un resultado visible y estructurado. Para extracción o resúmenes habituales, utiliza una fuente acotada, una salida definida y el nivel de esfuerzo adecuado a la tarea.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites anthropic/claude-haiku-5.5 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora $0.0004 / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive100,000 | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora $0.0004 / 1K tokens |
| ConfiguraciónNivel 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de100,000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora $0.002 / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-haiku-5.5", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='anthropic/claude-haiku-5.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='anthropic/claude-haiku-5.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Usa las rutas de método indicadas arriba.
anthropic/claude-haiku-5.5Claude Haiku 5.5 es el modelo pequeño de Anthropic para clasificación, extracción, resúmenes, enrutamiento y tareas acotadas de agentes. Combina comprensión de texto e imágenes con razonamiento adaptativo y está orientado a trabajo repetitivo que necesita una respuesta rápida.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Claude Haiku 5.5 es la edición de modelo pequeño de Anthropic para tareas de alto volumen y sensibles a la latencia. Sus usos principales incluyen clasificación, enrutamiento, extracción de información, resúmenes, compactación de conversaciones y trabajo acotado de subagentes. Acepta texto e imágenes y genera texto. Una descripción útil le plantea una pregunta limitada y un resultado explícito: una categoría, un conjunto definido de campos, un resumen breve o las pruebas pertinentes para otra parte de una tarea más amplia. Conserva los identificadores de las fuentes con el resultado para que la aplicación conecte la información extraída con su material original.
Anthropic orienta esta edición a atención al cliente en tiempo real, uso del navegador y subtareas cortas de programación, además de análisis repetitivo. Puede complementar a Claude Sonnet 5.5 o Claude Opus 5.5 en un flujo donde un modelo mayor aborda un proyecto ambicioso y Haiku realiza una consulta o un resumen acotados. Para atención al cliente, proporciona la pregunta y el material de referencia permitido y especifica después el tono y lo que debe devolverse. Para una subtarea de programación, identifica los archivos o fragmentos relevantes y la pregunta exacta, en vez de asignar un proyecto abierto sin una condición de finalización.
La ventana de contexto documentada es de un millón de tokens, con hasta 128,000 tokens de salida en generación ordinaria. Los tokens de razonamiento cuentan dentro del margen de generación, por lo que el resultado necesita espacio tanto para razonar como para el texto visible. Su fecha límite de conocimiento fiable es junio de 2026; la información posterior necesita pruebas suministradas o una herramienta de búsqueda. Anthropic documenta por separado una beta exclusiva para lotes que puede elevar la salida a 300,000 tokens para esta edición. Ese mayor margen requiere la función de salida ampliada del proveedor y es distinto del límite ordinario. Un lote asíncrono procesa las solicitudes de forma independiente, por lo que resulta útil para colecciones de documentos o registros cuyos resultados se necesitan después del procesamiento y no de inmediato.
El razonamiento adaptativo está activado de forma predeterminada y effort es el control principal de su profundidad. Los niveles son low, medium, high, xhigh y max, con medium como valor predeterminado. Anthropic recomienda medium para la mayoría de los trabajos, high para tareas más sostenidas o seguimiento estricto de instrucciones y low para solicitudes más sencillas y breves. El razonamiento puede desactivarse en low, medium o high; desactivarlo en xhigh o max se rechaza. Una instrucción que pida una respuesta directa no sustituye ese control. Los ajustes manuales de budget_tokens de Haiku 4.5 no se trasladan a esta edición y deben omitirse temperature, top_p y top_k en la interfaz documentada.
Haiku 5.5 utiliza el tokenizador más reciente introducido en generaciones Claude anteriores y Anthropic estima que el mismo texto puede utilizar aproximadamente un 30% más de tokens que en Haiku 4.5, según su contenido. También conserva los bloques de razonamiento de turnos anteriores del asistente, por lo que la conversación puede crecer más allá del cambio de tokenizador por sí solo. La longitud mínima de entrada que puede almacenarse en caché es de 512 tokens. Conserva los turnos anteriores sin cambios cuando retengas el razonamiento e incorpora las nuevas instrucciones al turno más reciente. Cambiar effort en el nivel superior invalida la caché de mensajes de la conversación; el proveedor documenta una beta independiente para cambiar effort dentro de conversaciones adaptativas. Ninguna de estas capacidades demuestra que una solicitud concreta haya aprovechado la caché.
Para recuperación de información, la guía de instrucciones del modelo recomienda proporcionar la fecha actual junto con la herramienta de búsqueda y mantener estables las definiciones originales del sistema y de las herramientas. Incluye una fecha actualizada en el turno más reciente si la conversación continúa en un día posterior. Indica qué debe encontrarse y conserva las fuentes devueltas antes de pedir una conclusión. Por ejemplo, una tarea ilustrativa puede pedir el comportamiento documentado de una versión de software concreta, seguido de una explicación breve fundamentada en el pasaje recuperado. La aplicación proporciona la herramienta de búsqueda y devuelve sus resultados reales; la consulta propuesta por el modelo no demuestra que se haya realizado.
Cuando se combina salida JSON estructurada con herramientas, la guía documenta una interacción concreta: con el razonamiento desactivado, Haiku puede omitir una llamada necesaria a una herramienta. Anthropic recomienda razonamiento adaptativo para estas solicitudes o separar el requisito final de JSON del paso de herramienta. Define los campos de salida y deja claro que la respuesta final va después de los resultados de las herramientas. Una tarea de extracción puede indicar los campos obligatorios y cómo representar valores ausentes, mientras que una consulta puede pedir primero las pruebas necesarias para completarlos. Lee los bloques de respuesta según su tipo, ya que la respuesta no tiene por qué estar en el primer bloque y el texto de razonamiento se omite de forma predeterminada.
Para instrucciones de agentes más largas, Anthropic señala que el esfuerzo low puede detenerse pronto, saltarse una búsqueda u omitir una comprobación. Su guía recomienda instrucciones explícitas de finalización y comprobaciones reales de los cambios de código antes de declararlos terminados. Prepara el resultado esperado y las pruebas que lo demostrarían: los pasajes seleccionados para un informe, el comportamiento modificado para una propuesta de código o los campos extraídos de un documento. La guía también distingue un mensaje del usuario durante una tarea de la salida de una herramienta: las nuevas instrucciones del usuario pertenecen a un turno de usuario y las pruebas devueltas por herramientas permanecen separadas.
Esta edición tiene sus propias protecciones y puede rechazar categorías que incluyen daños informáticos, daños biológicos, desarrollo de modelos competidores u otros usos prohibidos. El proveedor no documenta una vía alternativa de respaldo en el servidor para Haiku 5.5. Su guía también señala que el esfuerzo xhigh puede terminar ocasionalmente una respuesta de varios turnos sin texto visible de respuesta y que puede aparecer texto similar al razonamiento con más frecuencia con esfuerzo low o con el razonamiento desactivado. Son comportamientos concretos que deben tenerse en cuenta cuando el flujo requiere un resultado visible y estructurado. Para extracción o resúmenes habituales, utiliza una fuente acotada, una salida definida y el nivel de esfuerzo adecuado a la tarea.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites anthropic/claude-haiku-5.5 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora $0.0004 / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive100,000 | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora $0.0004 / 1K tokens |
| ConfiguraciónNivel 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de100,000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora $0.002 / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "anthropic/claude-haiku-5.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-haiku-5.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-haiku-5.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Usa las rutas de método indicadas arriba.
~anthropic/claude-haiku-latestClaude Haiku 5.5 es el modelo pequeño de Anthropic para clasificación, extracción, resúmenes, enrutamiento y tareas acotadas de agentes. Combina comprensión de texto e imágenes con razonamiento adaptativo y está orientado a trabajo repetitivo que necesita una respuesta rápida.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Claude Haiku 5.5 es la edición de modelo pequeño de Anthropic para tareas de alto volumen y sensibles a la latencia. Sus usos principales incluyen clasificación, enrutamiento, extracción de información, resúmenes, compactación de conversaciones y trabajo acotado de subagentes. Acepta texto e imágenes y genera texto. Una descripción útil le plantea una pregunta limitada y un resultado explícito: una categoría, un conjunto definido de campos, un resumen breve o las pruebas pertinentes para otra parte de una tarea más amplia. Conserva los identificadores de las fuentes con el resultado para que la aplicación conecte la información extraída con su material original.
Anthropic orienta esta edición a atención al cliente en tiempo real, uso del navegador y subtareas cortas de programación, además de análisis repetitivo. Puede complementar a Claude Sonnet 5.5 o Claude Opus 5.5 en un flujo donde un modelo mayor aborda un proyecto ambicioso y Haiku realiza una consulta o un resumen acotados. Para atención al cliente, proporciona la pregunta y el material de referencia permitido y especifica después el tono y lo que debe devolverse. Para una subtarea de programación, identifica los archivos o fragmentos relevantes y la pregunta exacta, en vez de asignar un proyecto abierto sin una condición de finalización.
La ventana de contexto documentada es de un millón de tokens, con hasta 128,000 tokens de salida en generación ordinaria. Los tokens de razonamiento cuentan dentro del margen de generación, por lo que el resultado necesita espacio tanto para razonar como para el texto visible. Su fecha límite de conocimiento fiable es junio de 2026; la información posterior necesita pruebas suministradas o una herramienta de búsqueda. Anthropic documenta por separado una beta exclusiva para lotes que puede elevar la salida a 300,000 tokens para esta edición. Ese mayor margen requiere la función de salida ampliada del proveedor y es distinto del límite ordinario. Un lote asíncrono procesa las solicitudes de forma independiente, por lo que resulta útil para colecciones de documentos o registros cuyos resultados se necesitan después del procesamiento y no de inmediato.
El razonamiento adaptativo está activado de forma predeterminada y effort es el control principal de su profundidad. Los niveles son low, medium, high, xhigh y max, con medium como valor predeterminado. Anthropic recomienda medium para la mayoría de los trabajos, high para tareas más sostenidas o seguimiento estricto de instrucciones y low para solicitudes más sencillas y breves. El razonamiento puede desactivarse en low, medium o high; desactivarlo en xhigh o max se rechaza. Una instrucción que pida una respuesta directa no sustituye ese control. Los ajustes manuales de budget_tokens de Haiku 4.5 no se trasladan a esta edición y deben omitirse temperature, top_p y top_k en la interfaz documentada.
Haiku 5.5 utiliza el tokenizador más reciente introducido en generaciones Claude anteriores y Anthropic estima que el mismo texto puede utilizar aproximadamente un 30% más de tokens que en Haiku 4.5, según su contenido. También conserva los bloques de razonamiento de turnos anteriores del asistente, por lo que la conversación puede crecer más allá del cambio de tokenizador por sí solo. La longitud mínima de entrada que puede almacenarse en caché es de 512 tokens. Conserva los turnos anteriores sin cambios cuando retengas el razonamiento e incorpora las nuevas instrucciones al turno más reciente. Cambiar effort en el nivel superior invalida la caché de mensajes de la conversación; el proveedor documenta una beta independiente para cambiar effort dentro de conversaciones adaptativas. Ninguna de estas capacidades demuestra que una solicitud concreta haya aprovechado la caché.
Para recuperación de información, la guía de instrucciones del modelo recomienda proporcionar la fecha actual junto con la herramienta de búsqueda y mantener estables las definiciones originales del sistema y de las herramientas. Incluye una fecha actualizada en el turno más reciente si la conversación continúa en un día posterior. Indica qué debe encontrarse y conserva las fuentes devueltas antes de pedir una conclusión. Por ejemplo, una tarea ilustrativa puede pedir el comportamiento documentado de una versión de software concreta, seguido de una explicación breve fundamentada en el pasaje recuperado. La aplicación proporciona la herramienta de búsqueda y devuelve sus resultados reales; la consulta propuesta por el modelo no demuestra que se haya realizado.
Cuando se combina salida JSON estructurada con herramientas, la guía documenta una interacción concreta: con el razonamiento desactivado, Haiku puede omitir una llamada necesaria a una herramienta. Anthropic recomienda razonamiento adaptativo para estas solicitudes o separar el requisito final de JSON del paso de herramienta. Define los campos de salida y deja claro que la respuesta final va después de los resultados de las herramientas. Una tarea de extracción puede indicar los campos obligatorios y cómo representar valores ausentes, mientras que una consulta puede pedir primero las pruebas necesarias para completarlos. Lee los bloques de respuesta según su tipo, ya que la respuesta no tiene por qué estar en el primer bloque y el texto de razonamiento se omite de forma predeterminada.
Para instrucciones de agentes más largas, Anthropic señala que el esfuerzo low puede detenerse pronto, saltarse una búsqueda u omitir una comprobación. Su guía recomienda instrucciones explícitas de finalización y comprobaciones reales de los cambios de código antes de declararlos terminados. Prepara el resultado esperado y las pruebas que lo demostrarían: los pasajes seleccionados para un informe, el comportamiento modificado para una propuesta de código o los campos extraídos de un documento. La guía también distingue un mensaje del usuario durante una tarea de la salida de una herramienta: las nuevas instrucciones del usuario pertenecen a un turno de usuario y las pruebas devueltas por herramientas permanecen separadas.
Esta edición tiene sus propias protecciones y puede rechazar categorías que incluyen daños informáticos, daños biológicos, desarrollo de modelos competidores u otros usos prohibidos. El proveedor no documenta una vía alternativa de respaldo en el servidor para Haiku 5.5. Su guía también señala que el esfuerzo xhigh puede terminar ocasionalmente una respuesta de varios turnos sin texto visible de respuesta y que puede aparecer texto similar al razonamiento con más frecuencia con esfuerzo low o con el razonamiento desactivado. Son comportamientos concretos que deben tenerse en cuenta cuando el flujo requiere un resultado visible y estructurado. Para extracción o resúmenes habituales, utiliza una fuente acotada, una salida definida y el nivel de esfuerzo adecuado a la tarea.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites ~anthropic/claude-haiku-latest | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora $0.0004 / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive100,000 | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora $0.0004 / 1K tokens |
| ConfiguraciónNivel 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de100,000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora $0.002 / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~anthropic/claude-haiku-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='~anthropic/claude-haiku-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='~anthropic/claude-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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Usa las rutas de método indicadas arriba.
~anthropic/claude-haiku-latestClaude Haiku 5.5 es el modelo pequeño de Anthropic para clasificación, extracción, resúmenes, enrutamiento y tareas acotadas de agentes. Combina comprensión de texto e imágenes con razonamiento adaptativo y está orientado a trabajo repetitivo que necesita una respuesta rápida.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Claude Haiku 5.5 es la edición de modelo pequeño de Anthropic para tareas de alto volumen y sensibles a la latencia. Sus usos principales incluyen clasificación, enrutamiento, extracción de información, resúmenes, compactación de conversaciones y trabajo acotado de subagentes. Acepta texto e imágenes y genera texto. Una descripción útil le plantea una pregunta limitada y un resultado explícito: una categoría, un conjunto definido de campos, un resumen breve o las pruebas pertinentes para otra parte de una tarea más amplia. Conserva los identificadores de las fuentes con el resultado para que la aplicación conecte la información extraída con su material original.
Anthropic orienta esta edición a atención al cliente en tiempo real, uso del navegador y subtareas cortas de programación, además de análisis repetitivo. Puede complementar a Claude Sonnet 5.5 o Claude Opus 5.5 en un flujo donde un modelo mayor aborda un proyecto ambicioso y Haiku realiza una consulta o un resumen acotados. Para atención al cliente, proporciona la pregunta y el material de referencia permitido y especifica después el tono y lo que debe devolverse. Para una subtarea de programación, identifica los archivos o fragmentos relevantes y la pregunta exacta, en vez de asignar un proyecto abierto sin una condición de finalización.
La ventana de contexto documentada es de un millón de tokens, con hasta 128,000 tokens de salida en generación ordinaria. Los tokens de razonamiento cuentan dentro del margen de generación, por lo que el resultado necesita espacio tanto para razonar como para el texto visible. Su fecha límite de conocimiento fiable es junio de 2026; la información posterior necesita pruebas suministradas o una herramienta de búsqueda. Anthropic documenta por separado una beta exclusiva para lotes que puede elevar la salida a 300,000 tokens para esta edición. Ese mayor margen requiere la función de salida ampliada del proveedor y es distinto del límite ordinario. Un lote asíncrono procesa las solicitudes de forma independiente, por lo que resulta útil para colecciones de documentos o registros cuyos resultados se necesitan después del procesamiento y no de inmediato.
El razonamiento adaptativo está activado de forma predeterminada y effort es el control principal de su profundidad. Los niveles son low, medium, high, xhigh y max, con medium como valor predeterminado. Anthropic recomienda medium para la mayoría de los trabajos, high para tareas más sostenidas o seguimiento estricto de instrucciones y low para solicitudes más sencillas y breves. El razonamiento puede desactivarse en low, medium o high; desactivarlo en xhigh o max se rechaza. Una instrucción que pida una respuesta directa no sustituye ese control. Los ajustes manuales de budget_tokens de Haiku 4.5 no se trasladan a esta edición y deben omitirse temperature, top_p y top_k en la interfaz documentada.
Haiku 5.5 utiliza el tokenizador más reciente introducido en generaciones Claude anteriores y Anthropic estima que el mismo texto puede utilizar aproximadamente un 30% más de tokens que en Haiku 4.5, según su contenido. También conserva los bloques de razonamiento de turnos anteriores del asistente, por lo que la conversación puede crecer más allá del cambio de tokenizador por sí solo. La longitud mínima de entrada que puede almacenarse en caché es de 512 tokens. Conserva los turnos anteriores sin cambios cuando retengas el razonamiento e incorpora las nuevas instrucciones al turno más reciente. Cambiar effort en el nivel superior invalida la caché de mensajes de la conversación; el proveedor documenta una beta independiente para cambiar effort dentro de conversaciones adaptativas. Ninguna de estas capacidades demuestra que una solicitud concreta haya aprovechado la caché.
Para recuperación de información, la guía de instrucciones del modelo recomienda proporcionar la fecha actual junto con la herramienta de búsqueda y mantener estables las definiciones originales del sistema y de las herramientas. Incluye una fecha actualizada en el turno más reciente si la conversación continúa en un día posterior. Indica qué debe encontrarse y conserva las fuentes devueltas antes de pedir una conclusión. Por ejemplo, una tarea ilustrativa puede pedir el comportamiento documentado de una versión de software concreta, seguido de una explicación breve fundamentada en el pasaje recuperado. La aplicación proporciona la herramienta de búsqueda y devuelve sus resultados reales; la consulta propuesta por el modelo no demuestra que se haya realizado.
Cuando se combina salida JSON estructurada con herramientas, la guía documenta una interacción concreta: con el razonamiento desactivado, Haiku puede omitir una llamada necesaria a una herramienta. Anthropic recomienda razonamiento adaptativo para estas solicitudes o separar el requisito final de JSON del paso de herramienta. Define los campos de salida y deja claro que la respuesta final va después de los resultados de las herramientas. Una tarea de extracción puede indicar los campos obligatorios y cómo representar valores ausentes, mientras que una consulta puede pedir primero las pruebas necesarias para completarlos. Lee los bloques de respuesta según su tipo, ya que la respuesta no tiene por qué estar en el primer bloque y el texto de razonamiento se omite de forma predeterminada.
Para instrucciones de agentes más largas, Anthropic señala que el esfuerzo low puede detenerse pronto, saltarse una búsqueda u omitir una comprobación. Su guía recomienda instrucciones explícitas de finalización y comprobaciones reales de los cambios de código antes de declararlos terminados. Prepara el resultado esperado y las pruebas que lo demostrarían: los pasajes seleccionados para un informe, el comportamiento modificado para una propuesta de código o los campos extraídos de un documento. La guía también distingue un mensaje del usuario durante una tarea de la salida de una herramienta: las nuevas instrucciones del usuario pertenecen a un turno de usuario y las pruebas devueltas por herramientas permanecen separadas.
Esta edición tiene sus propias protecciones y puede rechazar categorías que incluyen daños informáticos, daños biológicos, desarrollo de modelos competidores u otros usos prohibidos. El proveedor no documenta una vía alternativa de respaldo en el servidor para Haiku 5.5. Su guía también señala que el esfuerzo xhigh puede terminar ocasionalmente una respuesta de varios turnos sin texto visible de respuesta y que puede aparecer texto similar al razonamiento con más frecuencia con esfuerzo low o con el razonamiento desactivado. Son comportamientos concretos que deben tenerse en cuenta cuando el flujo requiere un resultado visible y estructurado. Para extracción o resúmenes habituales, utiliza una fuente acotada, una salida definida y el nivel de esfuerzo adecuado a la tarea.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites ~anthropic/claude-haiku-latest | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora $0.0004 / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive100,000 | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora $0.0004 / 1K tokens |
| ConfiguraciónNivel 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de100,000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora $0.002 / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "~anthropic/claude-haiku-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~anthropic/claude-haiku-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~anthropic/claude-haiku-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.