Claude Opus 5 es un modelo de Anthropic para trabajo profesional habitual que requiere estudiar información, tomar una decisión fundamentada y realizar la tarea de forma secuencial. El fabricante destaca ingeniería de software, procesos empresariales de varios pasos, trabajo científico y análisis visual. Su presentación se centra en la ejecución cuidadosa y la comprobación del propio resultado.
En desarrollo, Opus 5 puede investigar la causa de un error y utilizar comprobaciones para evaluar un cambio propuesto. Si no hay material suficiente para contrastarlo, los usos descritos incluyen crear una comprobación propia, por ejemplo para el comportamiento de un analizador. El trabajo gira en torno a datos obtenidos: el modelo los lee, elige una acción, observa el resultado y corrige los problemas detectados.
Para ejecutar comandos, editar archivos y realizar comprobaciones, la aplicación necesita las herramientas correspondientes. La iniciativa del modelo se refiere a elegir y ordenar acciones dentro del entorno proporcionado; no implica acceso autónomo a un proyecto ni operaciones fuera de la aplicación.
Opus 5 recibe texto e imágenes y devuelve texto. En los usos visuales, el fabricante muestra extracción de geometría de una imagen y reconstrucción de una pieza mediante código. Otros ejemplos incluyen una simulación aerodinámica interactiva y una ilustración de una célula creadas mediante programación.
Los formatos habituales de entrada visual del fabricante son JPEG/PNG/GIF/WebP, con el primer fotograma de una animación. En el análisis nativo, el lado largo es de 2576 píxeles y se utilizan 4784 tokens visuales; las imágenes grandes se reducen antes del análisis. La compatibilidad con archivos y parámetros depende del método de la aplicación.
Estos usos muestran la combinación de análisis e ingeniería: la imagen aporta material y el resultado de texto puede ser código o una descripción de la solución. Ejecutar una simulación, construir gráficos y producir un archivo terminado requiere herramientas del entorno; el modelo no tiene una salida integrada independiente de imagen o video.
El razonamiento adaptativo está activado por defecto y el nivel estándar de effort es high. Se admiten low, medium, high, xhigh y max. Con high y niveles inferiores se puede desactivar el razonamiento; en xhigh y max es obligatorio. Esta versión no contempla extended thinking manual con presupuesto independiente.
Cambiar el esfuerzo influye en el volumen de razonamiento, pero no es una forma fiable de fijar la longitud del texto visible. Si se necesita una respuesta corta o una estructura determinada, debe indicarse en la instrucción. El contexto es de 1 millón de tokens y, en el modo normal, la respuesta máxima es de 128 mil tokens; un análisis profundo debe dejar espacio para razonamiento y contenido final.
El límite fiable de sus conocimientos incorporados es mayo de 2026. Entre las aplicaciones científicas, Anthropic describe biología estructural, química orgánica y bioinformática. También señala limitaciones importantes en investigaciones biológicas autónomas prolongadas; poder analizar material científico no implica finalizar de forma autónoma cualquier investigación.
Los mecanismos de protección permiten buscar errores en código fuente, pero restringen determinadas tareas sensibles. La información actualizada requiere materiales aportados o búsqueda, y los resultados técnicos y científicos deben comprobarse en su ámbito concreto.
", "aboutText": "Claude Opus 5 es un modelo de Anthropic para trabajo profesional habitual que requiere estudiar información, tomar una decisión fundamentada y realizar la tarea de forma secuencial. El fabricante destaca ingeniería de software, procesos empresariales de varios pasos, trabajo científico y análisis visual. Su presentación se centra en la ejecución cuidadosa y la comprobación del propio resultado.\n\n### Identificar la causa, comprobar y corregir\n\nEn desarrollo, Opus 5 puede investigar la causa de un error y utilizar comprobaciones para evaluar un cambio propuesto. Si no hay material suficiente para contrastarlo, los usos descritos incluyen crear una comprobación propia, por ejemplo para el comportamiento de un analizador. El trabajo gira en torno a datos obtenidos: el modelo los lee, elige una acción, observa el resultado y corrige los problemas detectados.\n\nPara ejecutar comandos, editar archivos y realizar comprobaciones, la aplicación necesita las herramientas correspondientes. La iniciativa del modelo se refiere a elegir y ordenar acciones dentro del entorno proporcionado; no implica acceso autónomo a un proyecto ni operaciones fuera de la aplicación.\n\n### La imagen como datos para un programa\n\nOpus 5 recibe **texto e imágenes** y devuelve **texto**. En los usos visuales, el fabricante muestra extracción de geometría de una imagen y reconstrucción de una pieza mediante código. Otros ejemplos incluyen una simulación aerodinámica interactiva y una ilustración de una célula creadas mediante programación.\n\nLos formatos habituales de entrada visual del fabricante son JPEG/PNG/GIF/WebP, con el primer fotograma de una animación. En el análisis nativo, el lado largo es de 2576 píxeles y se utilizan 4784 tokens visuales; las imágenes grandes se reducen antes del análisis. La compatibilidad con archivos y parámetros depende del método de la aplicación.\n\nEstos usos muestran la combinación de análisis e ingeniería: la imagen aporta material y el resultado de texto puede ser código o una descripción de la solución. Ejecutar una simulación, construir gráficos y producir un archivo terminado requiere herramientas del entorno; el modelo no tiene una salida integrada independiente de imagen o video.\n\n### Profundidad controlable\n\nEl razonamiento adaptativo está activado por defecto y el nivel estándar de `effort` es `high`. Se admiten `low`, `medium`, `high`, `xhigh` y `max`. Con `high` y niveles inferiores se puede desactivar el razonamiento; en `xhigh` y `max` es obligatorio. Esta versión no contempla extended thinking manual con presupuesto independiente.\n\nCambiar el esfuerzo influye en el volumen de razonamiento, pero no es una forma fiable de fijar la longitud del texto visible. Si se necesita una respuesta corta o una estructura determinada, debe indicarse en la instrucción. El contexto es de **1 millón de tokens** y, en el modo normal, la respuesta máxima es de **128 mil tokens**; un análisis profundo debe dejar espacio para razonamiento y contenido final.\n\n### Tareas científicas y sensibles\n\nEl límite fiable de sus conocimientos incorporados es **mayo de 2026**. Entre las aplicaciones científicas, Anthropic describe biología estructural, química orgánica y bioinformática. También señala limitaciones importantes en investigaciones biológicas autónomas prolongadas; poder analizar material científico no implica finalizar de forma autónoma cualquier investigación.\n\nLos mecanismos de protección permiten buscar errores en código fuente, pero restringen determinadas tareas sensibles. La información actualizada requiere materiales aportados o búsqueda, y los resultados técnicos y científicos deben comprobarse en su ámbito concreto.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "99ea3a8cdb360c810dfa75a622bd6f1af8df60ddebc3df30c11d35cb44629b40", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "anthropic/claude-opus-5:batchClaude Opus 5 está orientado al desarrollo cuidadoso, el análisis de información y el trabajo profesional en varios pasos. Admite razonamiento adaptativo y comprobación de resultados mediante herramientas de la aplicación.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Claude Opus 5 es un modelo de Anthropic para trabajo profesional habitual que requiere estudiar información, tomar una decisión fundamentada y realizar la tarea de forma secuencial. El fabricante destaca ingeniería de software, procesos empresariales de varios pasos, trabajo científico y análisis visual. Su presentación se centra en la ejecución cuidadosa y la comprobación del propio resultado.
En desarrollo, Opus 5 puede investigar la causa de un error y utilizar comprobaciones para evaluar un cambio propuesto. Si no hay material suficiente para contrastarlo, los usos descritos incluyen crear una comprobación propia, por ejemplo para el comportamiento de un analizador. El trabajo gira en torno a datos obtenidos: el modelo los lee, elige una acción, observa el resultado y corrige los problemas detectados.
Para ejecutar comandos, editar archivos y realizar comprobaciones, la aplicación necesita las herramientas correspondientes. La iniciativa del modelo se refiere a elegir y ordenar acciones dentro del entorno proporcionado; no implica acceso autónomo a un proyecto ni operaciones fuera de la aplicación.
Opus 5 recibe texto e imágenes y devuelve texto. En los usos visuales, el fabricante muestra extracción de geometría de una imagen y reconstrucción de una pieza mediante código. Otros ejemplos incluyen una simulación aerodinámica interactiva y una ilustración de una célula creadas mediante programación.
Los formatos habituales de entrada visual del fabricante son JPEG/PNG/GIF/WebP, con el primer fotograma de una animación. En el análisis nativo, el lado largo es de 2576 píxeles y se utilizan 4784 tokens visuales; las imágenes grandes se reducen antes del análisis. La compatibilidad con archivos y parámetros depende del método de la aplicación.
Estos usos muestran la combinación de análisis e ingeniería: la imagen aporta material y el resultado de texto puede ser código o una descripción de la solución. Ejecutar una simulación, construir gráficos y producir un archivo terminado requiere herramientas del entorno; el modelo no tiene una salida integrada independiente de imagen o video.
El razonamiento adaptativo está activado por defecto y el nivel estándar de effort es high. Se admiten low, medium, high, xhigh y max. Con high y niveles inferiores se puede desactivar el razonamiento; en xhigh y max es obligatorio. Esta versión no contempla extended thinking manual con presupuesto independiente.
Cambiar el esfuerzo influye en el volumen de razonamiento, pero no es una forma fiable de fijar la longitud del texto visible. Si se necesita una respuesta corta o una estructura determinada, debe indicarse en la instrucción. El contexto es de 1 millón de tokens y, en el modo normal, la respuesta máxima es de 128 mil tokens; un análisis profundo debe dejar espacio para razonamiento y contenido final.
El límite fiable de sus conocimientos incorporados es mayo de 2026. Entre las aplicaciones científicas, Anthropic describe biología estructural, química orgánica y bioinformática. También señala limitaciones importantes en investigaciones biológicas autónomas prolongadas; poder analizar material científico no implica finalizar de forma autónoma cualquier investigación.
Los mecanismos de protección permiten buscar errores en código fuente, pero restringen determinadas tareas sensibles. La información actualizada requiere materiales aportados o búsqueda, y los resultados técnicos y científicos deben comprobarse en su ámbito concreto.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObligatorio | Valores y límites /v1/chat/completions | Predeterminado— |
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites anthropic/claude-opus-5:batch | Predeterminado— |
Camporequests | Tipobatch_item[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Camporequests[].custom_id | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores y límites 24h | Predeterminado— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores y límites anthropic/claude-opus-5:batch, anthropic/claude-opus-5 | Predeterminado— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores y límites anthropic | Predeterminado— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores y límites false, null | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratoendpoint, model, requests |
Parámetromaterial_types | Contratotext |
Parámetrorepresentation | Contratorequests[] en línea; cada elemento tiene custom_id y body |
Parámetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parámetrofile_material | ContratoQuien realiza la llamada puede leer localmente el JSONL UTF-8 real e incorporarlo a requests[]. No se utiliza el campo purpose para cargas, ni input_file_id ni referencias a archivos. Si falta el material del cliente o está vacío, la preparación se detiene antes del POST. |
Parámetroserialization_order | Contratoendpoint, model, provider (si se proporciona), completion_window (si se proporciona), requests al final |
Parámetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parámetroschema_scope | ContratoCuerpos de solicitudes de texto de Chat Completions dentro de la estructura Batch en línea documentada. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · El response.id real de la respuesta de creación original; el mismo usuario, clave y grupo
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 $0.005 / 1K tokens Salida · Tokens de salida $0.025 / 1K tokens Entrada · Lectura de caché $0.0005 / 1K tokens Entrada · Escritura en caché $0.00625 / 1K tokens Entrada · Escritura en caché, 1 hora $0.01 / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.005 / 1K tokens Salida · Tokens de salida $0.025 / 1K tokens Entrada · Lectura de caché $0.0005 / 1K tokens Entrada · Escritura en caché $0.00625 / 1K tokens Entrada · Escritura en caché, 1 hora $0.01 / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"anthropic/claude-opus-5:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['anthropic/claude-opus-5:batch', 'anthropic/claude-opus-5']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-opus-5:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON de results[].response.body en línea
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nConserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva el JSON completo del estado original, cada result/custom_id y el cuerpo completo de la respuesta o del error. Guarda results[] completados como JSONL sin filtrar.
Conserva el ID de la operación original. La respuesta 503 result_pending_check incluye X-Should-Retry:false; nunca vuelvas a enviar un lote original cuyo resultado sea desconocido.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónLa estructura en línea documentada no es válida, hay claves duplicadas, existe un problema con la identidad de los elementos o hay un conflicto entre las capacidades configuradas del modelo. | Siguiente pasoCorrige los campos indicados antes de realizar cualquier nuevo envío. |
Respuesta401 · authentication_error | CondiciónClave de API no válida. | Siguiente pasoUsa la clave de Ailoot autorizada. |
Respuesta403 · permission_error | CondiciónGrupo de Batch no disponible. | Siguiente pasoVerifica los permisos de la clave y el grupo. |
Respuesta422 · invalid_request_error | CondiciónBatch usa facturación contra saldo; se rechazan las solicitudes de creación con una suscripción. | Siguiente pasoUsa el grupo autorizado con facturación contra saldo. |
Respuesta422 · price_unavailable | CondiciónNo se puede cotizar la entrada de Batch. | Siguiente pasoConserva la respuesta; usa la entrada documentada para la familia. |
Respuesta402 · billing_error | CondiciónReserva de Batch no disponible. | Siguiente pasoResuelve los requisitos de admisión antes de realizar una nueva solicitud. |
Respuesta503 · price_unavailable | CondiciónPrecio del método Batch o tarifas nativas no disponibles. | Siguiente pasoConserva la respuesta; no sustituyas los precios. |
Respuesta503 · api_error | CondiciónLa ruta exacta del proveedor no está disponible. | Siguiente pasoConserva la respuesta para reparar la ruta. |
Respuesta503 · result_pending_check | CondiciónEl resultado original requiere una revisión; X-Should-Retry:false. | Siguiente pasoConserva el operation_id/id original y consulta su estado; nunca repitas el POST original. |
Respuesta404 · not_found | CondiciónLa operación de consulta de estado de Batch no existe o pertenece a otra identidad. | Siguiente pasoUsa el id original exacto y el mismo usuario, clave y grupo. |
Ailoot Ultra anthropic/claude-opus-5:batch
Usa las rutas de método indicadas arriba.