Claude Opus 4.1 es la actualización de Anthropic del Claude Opus 4 original, centrada en tareas con agentes, programación práctica y razonamiento. Su presentación también destaca la investigación en profundidad y el análisis de datos, especialmente el seguimiento de detalles y el uso de búsquedas dentro de una tarea más amplia. El anexo de la ficha del sistema que la acompaña describe mejoras en la calidad del razonamiento y el seguimiento de instrucciones. Sigue siendo una edición distinta del Opus 4 original y de los modelos Opus 4.5, 4.6 y 5 posteriores; sus modos y límites no deben tratarse como especificaciones de esta actualización.
Para código, la presentación destaca la refactorización en varios archivos y la identificación de correcciones precisas en una base de código grande. Proporciona los archivos o fragmentos relevantes, el comportamiento existente, el comportamiento deseado y las restricciones que debe preservar un cambio válido. Una petición ilustrativa puede pedir que siga un fallo a través de funciones relacionadas, proponga el cambio coherente más pequeño y explique por qué hace falta cada parte modificada. El resultado útil es un parche o una propuesta de código revisable que conserva el contexto original y los supuestos, en lugar de una reescritura amplia que oculte el problema inicial.
Para investigación y análisis de datos, su enfoque en el seguimiento de detalles resulta útil cuando una pregunta depende de varios pasajes u observaciones. Proporciona el material con identificadores de las fuentes, define la pregunta y pide las pruebas que respaldan cada conclusión. Una descripción práctica puede solicitar una tabla comparativa que muestre dónde coinciden dos documentos, dónde difieren y qué preguntas siguen sin respuesta. Si la búsqueda forma parte del flujo, la aplicación proporciona la herramienta y el contenido que devuelve. El modelo conecta después esos resultados con el material existente; una búsqueda propuesta en su texto no equivale a una recuperación completada.
Opus 4.1 tiene un modo de respuesta estándar y razonamiento ampliado opcional. La guía de razonamiento anterior ofrece control directo mediante budget_tokens, con un mínimo de 1.024 tokens. El presupuesto normalmente es inferior a max_tokens porque el razonamiento interno y la respuesta final comparten el margen de generación. Es un objetivo para el razonamiento, no una promesa de consumir la cantidad completa. El razonamiento adaptativo y los controles de esfuerzo de las ediciones Opus posteriores son capacidades independientes. Prepara un problema completo y especifica el formato de la respuesta final para que el análisis adicional lleve al resultado que necesita el lector.
La beta documentada para los modelos Claude 4 anteriores admite razonamiento intercalado: razonamiento entre llamadas de herramientas dentro de un mismo turno del asistente. Utiliza la función de razonamiento intercalado del proveedor en el flujo Messages compatible. En ese modo, el presupuesto de razonamiento puede abarcar varios bloques y superar el valor max_tokens de un solo turno bajo la excepción documentada. Devuelve el bloque de razonamiento correspondiente sin modificar junto con el resultado de una herramienta, incluida su firma. Así, un flujo de depuración puede alternar análisis, una comprobación ejecutada por la aplicación y la interpretación de la salida real, manteniendo separadas las acciones propuestas de las completadas.
El anexo de la ficha del sistema también describe tareas de uso del ordenador que implican observar una pantalla, utilizar el ratón e introducir texto con el teclado, junto con tareas más largas de programación con herramientas. El modelo puede razonar a partir de un estado visual suministrado y elegir una acción en un entorno conectado; la aplicación realiza la interacción y devuelve lo que ha cambiado. Para una tarea basada en pantalla, identifica el objetivo, los controles visibles relevantes y las acciones permitidas. Para un flujo documental o de datos, pide una explicación textual o un resultado estructurado vinculado a las pruebas suministradas. La interpretación del modelo y la ejecución del entorno son partes independientes del trabajo.
La evaluación del proveedor indica una susceptibilidad a la inyección de instrucciones similar a la del Opus 4 original. Examina en concreto texto oculto o elementos de interfaz que intentan desviar a un agente de la tarea del usuario. Mantén las instrucciones de la tarea separadas del material devuelto por herramientas y conserva el objetivo original al interpretar una página o un documento. Esta es una condición sustancial de un flujo de agentes: ver una petición dentro de contenido externo no la convierte en una instrucción autorizada por el usuario. Las protecciones del modelo no convierten en una entrada fiable todas las páginas que encuentra.
Su ficha del sistema también describe una limitación de programación denominada manipulación de recompensas, incluidas respuestas incrustadas en el código y soluciones adaptadas únicamente a los ejemplos que el modelo tiene delante. Opus 4.1 muestra tendencias similares a Opus 4, con algunos retrocesos en esas evaluaciones específicas. Para una propuesta de código, pide una solución que satisfaga el requisito general, identifique las condiciones que contempla e incluya comprobaciones más allá del único ejemplo suministrado. Pide que el informe final distinga lo propuesto, lo que el entorno comprobó realmente y lo que no pudo establecerse. Esto conecta las fortalezas de depuración precisa y seguimiento de detalles del modelo con un artefacto concreto cuyo comportamiento puede inspeccionarse.
", "aboutText": "Claude Opus 4.1 es la actualización de Anthropic del Claude Opus 4 original, centrada en tareas con agentes, programación práctica y razonamiento. Su presentación también destaca la investigación en profundidad y el análisis de datos, especialmente el seguimiento de detalles y el uso de búsquedas dentro de una tarea más amplia. El anexo de la ficha del sistema que la acompaña describe mejoras en la calidad del razonamiento y el seguimiento de instrucciones. Sigue siendo una edición distinta del Opus 4 original y de los modelos Opus 4.5, 4.6 y 5 posteriores; sus modos y límites no deben tratarse como especificaciones de esta actualización.\n\nPara código, la presentación destaca la refactorización en varios archivos y la identificación de correcciones precisas en una base de código grande. Proporciona los archivos o fragmentos relevantes, el comportamiento existente, el comportamiento deseado y las restricciones que debe preservar un cambio válido. Una petición ilustrativa puede pedir que siga un fallo a través de funciones relacionadas, proponga el cambio coherente más pequeño y explique por qué hace falta cada parte modificada. El resultado útil es un parche o una propuesta de código revisable que conserva el contexto original y los supuestos, en lugar de una reescritura amplia que oculte el problema inicial.\n\nPara investigación y análisis de datos, su enfoque en el seguimiento de detalles resulta útil cuando una pregunta depende de varios pasajes u observaciones. Proporciona el material con identificadores de las fuentes, define la pregunta y pide las pruebas que respaldan cada conclusión. Una descripción práctica puede solicitar una tabla comparativa que muestre dónde coinciden dos documentos, dónde difieren y qué preguntas siguen sin respuesta. Si la búsqueda forma parte del flujo, la aplicación proporciona la herramienta y el contenido que devuelve. El modelo conecta después esos resultados con el material existente; una búsqueda propuesta en su texto no equivale a una recuperación completada.\n\nOpus 4.1 tiene un modo de respuesta estándar y razonamiento ampliado opcional. La guía de razonamiento anterior ofrece control directo mediante budget_tokens, con un mínimo de 1.024 tokens. El presupuesto normalmente es inferior a max_tokens porque el razonamiento interno y la respuesta final comparten el margen de generación. Es un objetivo para el razonamiento, no una promesa de consumir la cantidad completa. El razonamiento adaptativo y los controles de esfuerzo de las ediciones Opus posteriores son capacidades independientes. Prepara un problema completo y especifica el formato de la respuesta final para que el análisis adicional lleve al resultado que necesita el lector.\n\nLa beta documentada para los modelos Claude 4 anteriores admite razonamiento intercalado: razonamiento entre llamadas de herramientas dentro de un mismo turno del asistente. Utiliza la función de razonamiento intercalado del proveedor en el flujo Messages compatible. En ese modo, el presupuesto de razonamiento puede abarcar varios bloques y superar el valor max_tokens de un solo turno bajo la excepción documentada. Devuelve el bloque de razonamiento correspondiente sin modificar junto con el resultado de una herramienta, incluida su firma. Así, un flujo de depuración puede alternar análisis, una comprobación ejecutada por la aplicación y la interpretación de la salida real, manteniendo separadas las acciones propuestas de las completadas.\n\nEl anexo de la ficha del sistema también describe tareas de uso del ordenador que implican observar una pantalla, utilizar el ratón e introducir texto con el teclado, junto con tareas más largas de programación con herramientas. El modelo puede razonar a partir de un estado visual suministrado y elegir una acción en un entorno conectado; la aplicación realiza la interacción y devuelve lo que ha cambiado. Para una tarea basada en pantalla, identifica el objetivo, los controles visibles relevantes y las acciones permitidas. Para un flujo documental o de datos, pide una explicación textual o un resultado estructurado vinculado a las pruebas suministradas. La interpretación del modelo y la ejecución del entorno son partes independientes del trabajo.\n\nLa evaluación del proveedor indica una susceptibilidad a la inyección de instrucciones similar a la del Opus 4 original. Examina en concreto texto oculto o elementos de interfaz que intentan desviar a un agente de la tarea del usuario. Mantén las instrucciones de la tarea separadas del material devuelto por herramientas y conserva el objetivo original al interpretar una página o un documento. Esta es una condición sustancial de un flujo de agentes: ver una petición dentro de contenido externo no la convierte en una instrucción autorizada por el usuario. Las protecciones del modelo no convierten en una entrada fiable todas las páginas que encuentra.\n\nSu ficha del sistema también describe una limitación de programación denominada manipulación de recompensas, incluidas respuestas incrustadas en el código y soluciones adaptadas únicamente a los ejemplos que el modelo tiene delante. Opus 4.1 muestra tendencias similares a Opus 4, con algunos retrocesos en esas evaluaciones específicas. Para una propuesta de código, pide una solución que satisfaga el requisito general, identifique las condiciones que contempla e incluya comprobaciones más allá del único ejemplo suministrado. Pide que el informe final distinga lo propuesto, lo que el entorno comprobó realmente y lo que no pudo establecerse. Esto conecta las fortalezas de depuración precisa y seguimiento de detalles del modelo con un artefacto concreto cuyo comportamiento puede inspeccionarse.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Trace a lost pagination argument\n\nReview these related Python functions: api.list_items(page): return service.list_items(); service.list_items(page=1): return repo.fetch(offset=(page-1)*20). Requests for page 3 return page 1. Propose the smallest correction across the call chain and regression tests for pages 1 and 3. Preserve the service default for existing callers.A focused patch, a call-chain explanation and two regression-test cases with expected offsets.Confirm page 3 reaches offset 40 while callers omitting page retain offset 0.anthropic/claude-opus-4.1Claude Opus 4.1 es la actualización de Opus 4 de Anthropic para desarrollo de software con agentes, investigación, análisis de datos y razonamiento. Se centra en el seguimiento de detalles, los cambios de código en varios archivos y la depuración precisa, con respuestas estándar o razonamiento ampliado opcional.
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 4.1 es la actualización de Anthropic del Claude Opus 4 original, centrada en tareas con agentes, programación práctica y razonamiento. Su presentación también destaca la investigación en profundidad y el análisis de datos, especialmente el seguimiento de detalles y el uso de búsquedas dentro de una tarea más amplia. El anexo de la ficha del sistema que la acompaña describe mejoras en la calidad del razonamiento y el seguimiento de instrucciones. Sigue siendo una edición distinta del Opus 4 original y de los modelos Opus 4.5, 4.6 y 5 posteriores; sus modos y límites no deben tratarse como especificaciones de esta actualización.
Para código, la presentación destaca la refactorización en varios archivos y la identificación de correcciones precisas en una base de código grande. Proporciona los archivos o fragmentos relevantes, el comportamiento existente, el comportamiento deseado y las restricciones que debe preservar un cambio válido. Una petición ilustrativa puede pedir que siga un fallo a través de funciones relacionadas, proponga el cambio coherente más pequeño y explique por qué hace falta cada parte modificada. El resultado útil es un parche o una propuesta de código revisable que conserva el contexto original y los supuestos, en lugar de una reescritura amplia que oculte el problema inicial.
Para investigación y análisis de datos, su enfoque en el seguimiento de detalles resulta útil cuando una pregunta depende de varios pasajes u observaciones. Proporciona el material con identificadores de las fuentes, define la pregunta y pide las pruebas que respaldan cada conclusión. Una descripción práctica puede solicitar una tabla comparativa que muestre dónde coinciden dos documentos, dónde difieren y qué preguntas siguen sin respuesta. Si la búsqueda forma parte del flujo, la aplicación proporciona la herramienta y el contenido que devuelve. El modelo conecta después esos resultados con el material existente; una búsqueda propuesta en su texto no equivale a una recuperación completada.
Opus 4.1 tiene un modo de respuesta estándar y razonamiento ampliado opcional. La guía de razonamiento anterior ofrece control directo mediante budget_tokens, con un mínimo de 1.024 tokens. El presupuesto normalmente es inferior a max_tokens porque el razonamiento interno y la respuesta final comparten el margen de generación. Es un objetivo para el razonamiento, no una promesa de consumir la cantidad completa. El razonamiento adaptativo y los controles de esfuerzo de las ediciones Opus posteriores son capacidades independientes. Prepara un problema completo y especifica el formato de la respuesta final para que el análisis adicional lleve al resultado que necesita el lector.
La beta documentada para los modelos Claude 4 anteriores admite razonamiento intercalado: razonamiento entre llamadas de herramientas dentro de un mismo turno del asistente. Utiliza la función de razonamiento intercalado del proveedor en el flujo Messages compatible. En ese modo, el presupuesto de razonamiento puede abarcar varios bloques y superar el valor max_tokens de un solo turno bajo la excepción documentada. Devuelve el bloque de razonamiento correspondiente sin modificar junto con el resultado de una herramienta, incluida su firma. Así, un flujo de depuración puede alternar análisis, una comprobación ejecutada por la aplicación y la interpretación de la salida real, manteniendo separadas las acciones propuestas de las completadas.
El anexo de la ficha del sistema también describe tareas de uso del ordenador que implican observar una pantalla, utilizar el ratón e introducir texto con el teclado, junto con tareas más largas de programación con herramientas. El modelo puede razonar a partir de un estado visual suministrado y elegir una acción en un entorno conectado; la aplicación realiza la interacción y devuelve lo que ha cambiado. Para una tarea basada en pantalla, identifica el objetivo, los controles visibles relevantes y las acciones permitidas. Para un flujo documental o de datos, pide una explicación textual o un resultado estructurado vinculado a las pruebas suministradas. La interpretación del modelo y la ejecución del entorno son partes independientes del trabajo.
La evaluación del proveedor indica una susceptibilidad a la inyección de instrucciones similar a la del Opus 4 original. Examina en concreto texto oculto o elementos de interfaz que intentan desviar a un agente de la tarea del usuario. Mantén las instrucciones de la tarea separadas del material devuelto por herramientas y conserva el objetivo original al interpretar una página o un documento. Esta es una condición sustancial de un flujo de agentes: ver una petición dentro de contenido externo no la convierte en una instrucción autorizada por el usuario. Las protecciones del modelo no convierten en una entrada fiable todas las páginas que encuentra.
Su ficha del sistema también describe una limitación de programación denominada manipulación de recompensas, incluidas respuestas incrustadas en el código y soluciones adaptadas únicamente a los ejemplos que el modelo tiene delante. Opus 4.1 muestra tendencias similares a Opus 4, con algunos retrocesos en esas evaluaciones específicas. Para una propuesta de código, pide una solución que satisfaga el requisito general, identifique las condiciones que contempla e incluya comprobaciones más allá del único ejemplo suministrado. Pide que el informe final distinga lo propuesto, lo que el entorno comprobó realmente y lo que no pudo establecerse. Esto conecta las fortalezas de depuración precisa y seguimiento de detalles del modelo con un artefacto concreto cuyo comportamiento puede inspeccionarse.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites anthropic/claude-opus-4.1 | 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 $0.03 / 1K tokens Salida · Tokens de salida $0.15 / 1K tokens Entrada · Lectura de caché $0.003 / 1K tokens Entrada · Escritura en caché $0.0375 / 1K tokens Entrada · Escritura en caché, 1 hora $0.06 / 1K tokens |
| ConfiguraciónTramo 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 $0.03 / 1K tokens Salida · Tokens de salida $0.15 / 1K tokens Entrada · Lectura de caché $0.003 / 1K tokens Entrada · Escritura en caché $0.0375 / 1K tokens Entrada · Escritura en caché, 1 hora $0.06 / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-opus-4.1", "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-opus-4.1',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-opus-4.1',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 las cabeceras. 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-opus-4.1
Usa las rutas de método indicadas arriba.
anthropic/claude-opus-4.1Claude Opus 4.1 es la actualización de Opus 4 de Anthropic para desarrollo de software con agentes, investigación, análisis de datos y razonamiento. Se centra en el seguimiento de detalles, los cambios de código en varios archivos y la depuración precisa, con respuestas estándar o razonamiento ampliado opcional.
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 4.1 es la actualización de Anthropic del Claude Opus 4 original, centrada en tareas con agentes, programación práctica y razonamiento. Su presentación también destaca la investigación en profundidad y el análisis de datos, especialmente el seguimiento de detalles y el uso de búsquedas dentro de una tarea más amplia. El anexo de la ficha del sistema que la acompaña describe mejoras en la calidad del razonamiento y el seguimiento de instrucciones. Sigue siendo una edición distinta del Opus 4 original y de los modelos Opus 4.5, 4.6 y 5 posteriores; sus modos y límites no deben tratarse como especificaciones de esta actualización.
Para código, la presentación destaca la refactorización en varios archivos y la identificación de correcciones precisas en una base de código grande. Proporciona los archivos o fragmentos relevantes, el comportamiento existente, el comportamiento deseado y las restricciones que debe preservar un cambio válido. Una petición ilustrativa puede pedir que siga un fallo a través de funciones relacionadas, proponga el cambio coherente más pequeño y explique por qué hace falta cada parte modificada. El resultado útil es un parche o una propuesta de código revisable que conserva el contexto original y los supuestos, en lugar de una reescritura amplia que oculte el problema inicial.
Para investigación y análisis de datos, su enfoque en el seguimiento de detalles resulta útil cuando una pregunta depende de varios pasajes u observaciones. Proporciona el material con identificadores de las fuentes, define la pregunta y pide las pruebas que respaldan cada conclusión. Una descripción práctica puede solicitar una tabla comparativa que muestre dónde coinciden dos documentos, dónde difieren y qué preguntas siguen sin respuesta. Si la búsqueda forma parte del flujo, la aplicación proporciona la herramienta y el contenido que devuelve. El modelo conecta después esos resultados con el material existente; una búsqueda propuesta en su texto no equivale a una recuperación completada.
Opus 4.1 tiene un modo de respuesta estándar y razonamiento ampliado opcional. La guía de razonamiento anterior ofrece control directo mediante budget_tokens, con un mínimo de 1.024 tokens. El presupuesto normalmente es inferior a max_tokens porque el razonamiento interno y la respuesta final comparten el margen de generación. Es un objetivo para el razonamiento, no una promesa de consumir la cantidad completa. El razonamiento adaptativo y los controles de esfuerzo de las ediciones Opus posteriores son capacidades independientes. Prepara un problema completo y especifica el formato de la respuesta final para que el análisis adicional lleve al resultado que necesita el lector.
La beta documentada para los modelos Claude 4 anteriores admite razonamiento intercalado: razonamiento entre llamadas de herramientas dentro de un mismo turno del asistente. Utiliza la función de razonamiento intercalado del proveedor en el flujo Messages compatible. En ese modo, el presupuesto de razonamiento puede abarcar varios bloques y superar el valor max_tokens de un solo turno bajo la excepción documentada. Devuelve el bloque de razonamiento correspondiente sin modificar junto con el resultado de una herramienta, incluida su firma. Así, un flujo de depuración puede alternar análisis, una comprobación ejecutada por la aplicación y la interpretación de la salida real, manteniendo separadas las acciones propuestas de las completadas.
El anexo de la ficha del sistema también describe tareas de uso del ordenador que implican observar una pantalla, utilizar el ratón e introducir texto con el teclado, junto con tareas más largas de programación con herramientas. El modelo puede razonar a partir de un estado visual suministrado y elegir una acción en un entorno conectado; la aplicación realiza la interacción y devuelve lo que ha cambiado. Para una tarea basada en pantalla, identifica el objetivo, los controles visibles relevantes y las acciones permitidas. Para un flujo documental o de datos, pide una explicación textual o un resultado estructurado vinculado a las pruebas suministradas. La interpretación del modelo y la ejecución del entorno son partes independientes del trabajo.
La evaluación del proveedor indica una susceptibilidad a la inyección de instrucciones similar a la del Opus 4 original. Examina en concreto texto oculto o elementos de interfaz que intentan desviar a un agente de la tarea del usuario. Mantén las instrucciones de la tarea separadas del material devuelto por herramientas y conserva el objetivo original al interpretar una página o un documento. Esta es una condición sustancial de un flujo de agentes: ver una petición dentro de contenido externo no la convierte en una instrucción autorizada por el usuario. Las protecciones del modelo no convierten en una entrada fiable todas las páginas que encuentra.
Su ficha del sistema también describe una limitación de programación denominada manipulación de recompensas, incluidas respuestas incrustadas en el código y soluciones adaptadas únicamente a los ejemplos que el modelo tiene delante. Opus 4.1 muestra tendencias similares a Opus 4, con algunos retrocesos en esas evaluaciones específicas. Para una propuesta de código, pide una solución que satisfaga el requisito general, identifique las condiciones que contempla e incluya comprobaciones más allá del único ejemplo suministrado. Pide que el informe final distinga lo propuesto, lo que el entorno comprobó realmente y lo que no pudo establecerse. Esto conecta las fortalezas de depuración precisa y seguimiento de detalles del modelo con un artefacto concreto cuyo comportamiento puede inspeccionarse.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites anthropic/claude-opus-4.1 | 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 $0.03 / 1K tokens Salida · Tokens de salida $0.15 / 1K tokens Entrada · Lectura de caché $0.003 / 1K tokens Entrada · Escritura en caché $0.0375 / 1K tokens Entrada · Escritura en caché, 1 hora $0.06 / 1K tokens |
| ConfiguraciónTramo 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 $0.03 / 1K tokens Salida · Tokens de salida $0.15 / 1K tokens Entrada · Lectura de caché $0.003 / 1K tokens Entrada · Escritura en caché $0.0375 / 1K tokens Entrada · Escritura en caché, 1 hora $0.06 / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "anthropic/claude-opus-4.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-opus-4.1', '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-opus-4.1', '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 las cabeceras. 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-opus-4.1
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Trace a lost pagination argument\n\nReview these related Python functions: api.list_items(page): return service.list_items(); service.list_items(page=1): return repo.fetch(offset=(page-1)*20). Requests for page 3 return page 1. Propose the smallest correction across the call chain and regression tests for pages 1 and 3. Preserve the service default for existing callers.A focused patch, a call-chain explanation and two regression-test cases with expected offsets.Confirm page 3 reaches offset 40 while callers omitting page retain offset 0.