Anthropic: Claude Opus 5

Claude 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.

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions claude-opus-5-thinking

Sobre el modelo

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.

Identificar la causa, comprobar y corregir

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.

La imagen como datos para un programa

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.

Profundidad controlable

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.

Tareas científicas y sensibles

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.

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions claude-opus-5-thinking

claude-opus-5-thinking

Anthropic /claude-opus-5-thinking

Inicio

Entradas aceptadas: Texto
Resultados: Texto

Disponible en Ailoot · entradas y métodos

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions

Entrada: text
Salida: text
Formato de salida: json o SSE

Campo	Tipo	Requisito	Valores y límites	Predeterminado
Campo`model`	Tipo`string`	RequisitoObligatorio	Valores y límites claude-opus-5-thinking	Predeterminado—
Campo`messages`	Tipo`message[]`	RequisitoObligatorio	Valores y límites Número mínimo de elementos: 1	Predeterminado—
Campo`messages[].role`	Tipo`string`	RequisitoObligatorio	Valores y límites Depende del modelo	Predeterminado—
Campo`messages[].content`	Tipo`string`	RequisitoOpcional	Valores y límites Se aplica cuando: Conversación textual	Predeterminado—
Campo`stream`	Tipo`boolean`	RequisitoOpcional	Valores y límites	Predeterminadofalse

Combinaciones de materiales de entrada

Texto · Texto UTF8

messages[].content

Parámetros del método y ciclo de vida

Parámetro	Contrato
Parámetro`content_type`	Contratoapplication/json
Parámetro`required`	Contratomodel, messages
Parámetro`material_types`	Contratotext
Parámetro`messages`	Contratomatriz de mensajes con estructura role/content
Parámetro`file_material`	Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo
Parámetro`optional_controls`	Contratostream
Parámetro`control_scope`	ContratoConversación textual; stream es un booleano y su valor predeterminado es false.
Parámetro`output_modalities`	Contratotext
Parámetro`hosted_operations`	Contratofalse
Parámetro`multimodal_input_binding`	Contratonull

Alias de método: /chat/completions

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.

Tarifas

Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.

Modo fast: Sin especificar Cuando se selecciona el modo fast
Modo flex: Sin especificar Cuando se selecciona el modo flex
Esfuerzo máximo de razonamiento: Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default

Tarifas de Ailoot

Precios por configuración

Configuración	Tabla de tarifas	Cargo
ConfiguraciónTarifas base por token	Tabla de tarifasTarifa base	Cargo Entrada · Tokens de entrada $0.01 / 1K tokens Salida · Tokens de salida $0.05 / 1K tokens Entrada · Lectura de caché $0.001 / 1K tokens Entrada · Escritura en caché $0.0125 / 1K tokens Entrada · Escritura en caché, 1 hora — / 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 →

Solicitudes de ejemplo

Ailoot Ultra · OpenAI Chat

curlPython SDK

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"claude-opus-5-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT

from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="claude-opus-5-thinking", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))

Recibir y guardar resultados

Ailoot Ultra · OpenAI Chat

json o SSE

Conserva todos los resultados completados

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.

Si es necesario revisar la respuesta original

Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.

Campos de respuesta

Campo	Tipo
Campo`choices[].index`	Tipointeger
Campo`choices[].message.content`	Tipostring\|null
Campo`choices[].message.tool_calls`	Tipotool_call[]
Campo`choices[].message.reasoning_content`	Tipostring
Campo`choices[].message.reasoning_details`	Tipoobject\|array
Campo`choices[].finish_reason`	Tipostring\|null
Campo`usage`	Tipoobject

Errores y siguientes pasos

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.

Alias

Alias del modelo

Ailoot Ultra claude-opus-5-thinking

Alias de rutas de métodos

/chat/completions

ID de modelo relacionados

claude-opus-5-thinking

FAQ · Anthropic: Claude Opus 5

¿Qué entradas y resultados están disponibles?: POST /v1/chat/completions · claude-opus-5-thinking: text → text
¿Qué campos utiliza la solicitud?: POST /v1/chat/completions · claude-opus-5-thinking: model, messages, stream
¿Qué límites se aplican?: POST /v1/chat/completions · claude-opus-5-thinking: messages.min_items: 1

Anthropic: Claude Opus 5