Anthropic desarrolla Claude Opus 4.7 para tareas de desarrollo complejas y prolongadas. Su presentación se centra en realizar el trabajo de forma secuencial, atender cuidadosamente las instrucciones y buscar cómo comprobar el propio resultado antes del mensaje final. Es adecuado para investigar problemas difíciles de código y preparar materiales profesionales que requieren una solución técnica y una presentación clara.
Opus 4.7 sigue las formulaciones literalmente. Conviene definir la tarea con límites explícitos: qué partes deben cambiarse, qué hay que comprobar y cuál debe ser el resultado. Si una condición se aplica a todo el trabajo, debe indicarse así. El fabricante también destaca notas en memoria basada en archivos para trabajos prolongados, pero leerlas y guardarlas requiere herramientas de la aplicación.
El modelo recibe texto e imágenes y devuelve texto. La entrada visual admite hasta 2576 píxeles en el lado largo, aproximadamente 3,75 megapíxeles. Es útil para capturas de pantalla densas, extraer información de diagramas complejos y trabajar con referencias visuales detalladas.
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.
La resolución alta ayuda a conservar detalles, pero no hace infalible la comprensión visual. La salida puede ser una explicación, una estructura de datos o código; crear o editar la propia imagen no es una capacidad de salida del modelo. Manejar una interfaz requiere herramientas que muestren la pantalla al modelo y ejecuten acciones en la aplicación.
El contexto es de 1 millón de tokens y, en el modo normal, la respuesta máxima es de 128 mil tokens. Se admite razonamiento adaptativo; esta versión no ofrece extended thinking manual con budget_tokens. El nivel estándar de effort es high; también están disponibles low, medium, xhigh y max. xhigh ofrece un nivel intermedio entre high y max para trabajos prolongados de ingeniería y agentes.
Con niveles bajos de esfuerzo, el modelo limita especialmente el trabajo a lo solicitado. Para investigaciones complejas, el fabricante recomienda reservar espacio suficiente para razonamiento y respuesta. Esta versión actualiza la tokenización, por lo que un mismo volumen de texto no siempre tiene la longitud en tokens habitual de versiones anteriores.
El límite fiable de sus conocimientos incorporados es enero de 2026. La investigación actualizada, el trabajo con documentos y la ejecución de código utilizan materiales y herramientas de la aplicación. Opus 4.7 tiene mecanismos de protección que pueden bloquear solicitudes de ciberseguridad prohibidas o de alto riesgo. Su atención a la comprobación es útil, pero los cambios y conclusiones finales siguen necesitando verificarse en el entorno concreto.
", "aboutText": "### Ingeniería cuidadosa\n\nAnthropic desarrolla Claude Opus 4.7 para tareas de desarrollo complejas y prolongadas. Su presentación se centra en realizar el trabajo de forma secuencial, atender cuidadosamente las instrucciones y buscar cómo comprobar el propio resultado antes del mensaje final. Es adecuado para investigar problemas difíciles de código y preparar materiales profesionales que requieren una solución técnica y una presentación clara.\n\nOpus 4.7 sigue las formulaciones literalmente. Conviene definir la tarea con límites explícitos: qué partes deben cambiarse, qué hay que comprobar y cuál debe ser el resultado. Si una condición se aplica a todo el trabajo, debe indicarse así. El fabricante también destaca notas en memoria basada en archivos para trabajos prolongados, pero leerlas y guardarlas requiere herramientas de la aplicación.\n\n### Ver diagramas densos y capturas de interfaces\n\nEl modelo recibe **texto e imágenes** y devuelve **texto**. La entrada visual admite hasta **2576 píxeles en el lado largo**, aproximadamente **3,75 megapíxeles**. Es útil para capturas de pantalla densas, extraer información de diagramas complejos y trabajar con referencias visuales detalladas.\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\nLa resolución alta ayuda a conservar detalles, pero no hace infalible la comprensión visual. La salida puede ser una explicación, una estructura de datos o código; crear o editar la propia imagen no es una capacidad de salida del modelo. Manejar una interfaz requiere herramientas que muestren la pantalla al modelo y ejecuten acciones en la aplicación.\n\n### Profundidad y volumen de la tarea\n\nEl contexto es de **1 millón de tokens** y, en el modo normal, la respuesta máxima es de **128 mil tokens**. Se admite razonamiento adaptativo; esta versión no ofrece extended thinking manual con `budget_tokens`. El nivel estándar de `effort` es `high`; también están disponibles `low`, `medium`, `xhigh` y `max`. `xhigh` ofrece un nivel intermedio entre `high` y `max` para trabajos prolongados de ingeniería y agentes.\n\nCon niveles bajos de esfuerzo, el modelo limita especialmente el trabajo a lo solicitado. Para investigaciones complejas, el fabricante recomienda reservar espacio suficiente para razonamiento y respuesta. Esta versión actualiza la tokenización, por lo que un mismo volumen de texto no siempre tiene la longitud en tokens habitual de versiones anteriores.\n\n### Condiciones de trabajo\n\nEl límite fiable de sus conocimientos incorporados es **enero de 2026**. La investigación actualizada, el trabajo con documentos y la ejecución de código utilizan materiales y herramientas de la aplicación. Opus 4.7 tiene mecanismos de protección que pueden bloquear solicitudes de ciberseguridad prohibidas o de alto riesgo. Su atención a la comprobación es útil, pero los cambios y conclusiones finales siguen necesitando verificarse en el entorno concreto.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "fcd7a65ab43f7acee13969f28440245230c0a74c8a8ead7df4ba0acd0bbcd0b3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "claude-opus-4-7-thinkingClaude Opus 4.7 está diseñado para ingeniería compleja y análisis de documentos e imágenes con detalles pequeños. Presta especial atención a seguir las instrucciones con precisión y comprobar el resultado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Anthropic desarrolla Claude Opus 4.7 para tareas de desarrollo complejas y prolongadas. Su presentación se centra en realizar el trabajo de forma secuencial, atender cuidadosamente las instrucciones y buscar cómo comprobar el propio resultado antes del mensaje final. Es adecuado para investigar problemas difíciles de código y preparar materiales profesionales que requieren una solución técnica y una presentación clara.
Opus 4.7 sigue las formulaciones literalmente. Conviene definir la tarea con límites explícitos: qué partes deben cambiarse, qué hay que comprobar y cuál debe ser el resultado. Si una condición se aplica a todo el trabajo, debe indicarse así. El fabricante también destaca notas en memoria basada en archivos para trabajos prolongados, pero leerlas y guardarlas requiere herramientas de la aplicación.
El modelo recibe texto e imágenes y devuelve texto. La entrada visual admite hasta 2576 píxeles en el lado largo, aproximadamente 3,75 megapíxeles. Es útil para capturas de pantalla densas, extraer información de diagramas complejos y trabajar con referencias visuales detalladas.
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.
La resolución alta ayuda a conservar detalles, pero no hace infalible la comprensión visual. La salida puede ser una explicación, una estructura de datos o código; crear o editar la propia imagen no es una capacidad de salida del modelo. Manejar una interfaz requiere herramientas que muestren la pantalla al modelo y ejecuten acciones en la aplicación.
El contexto es de 1 millón de tokens y, en el modo normal, la respuesta máxima es de 128 mil tokens. Se admite razonamiento adaptativo; esta versión no ofrece extended thinking manual con budget_tokens. El nivel estándar de effort es high; también están disponibles low, medium, xhigh y max. xhigh ofrece un nivel intermedio entre high y max para trabajos prolongados de ingeniería y agentes.
Con niveles bajos de esfuerzo, el modelo limita especialmente el trabajo a lo solicitado. Para investigaciones complejas, el fabricante recomienda reservar espacio suficiente para razonamiento y respuesta. Esta versión actualiza la tokenización, por lo que un mismo volumen de texto no siempre tiene la longitud en tokens habitual de versiones anteriores.
El límite fiable de sus conocimientos incorporados es enero de 2026. La investigación actualizada, el trabajo con documentos y la ejecución de código utilizan materiales y herramientas de la aplicación. Opus 4.7 tiene mecanismos de protección que pueden bloquear solicitudes de ciberseguridad prohibidas o de alto riesgo. Su atención a la comprobación es útil, pero los cambios y conclusiones finales siguen necesitando verificarse en el entorno concreto.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites claude-opus-4-7-thinking | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Conversación textual | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
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 |
Parámetrocontrol_scope | ContratoConversación textual; stream es un booleano y su valor predeterminado es false. |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_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.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| 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 $0.0125 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-opus-4-7-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="claude-opus-4-7-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 claude-opus-4-7-thinking
/chat/completions