Anthropic a conçu Claude Haiku 4.5 pour les assistants conversationnels, le service utilisateur, le travail collaboratif sur le code et le prototypage. Le modèle est utile dans un cycle où une personne pose une question, reçoit un résultat et précise immédiatement l’étape suivante. Selon Anthropic, cette version se distingue par une faible latence ; le temps de réponse effectif dépend des instructions et de l’application.
Haiku 4.5 est aussi conçu pour traiter un grand nombre de tâches distinctes. Dans un processus avec agents, une sous-tâche précise peut lui être confiée avant de transmettre son résultat au reste du système. Les domaines décrits comprennent la programmation, le raisonnement et les actions dans une interface. Les appels d’outils et le contrôle de l’ordinateur sont possibles lorsque l’application fournit les moyens correspondants ; une demande de texte ne donne pas à elle seule accès à l’environnement de travail.
Les tâches avec plusieurs étapes logiques disposent d’extended thinking : l’application active explicitement le raisonnement et fixe son budget avec budget_tokens. Si la méthode prend en charge ces réglages, le budget manuel budget_tokens doit être d’au moins 1024 tokens et inférieur à max_tokens pour laisser de la place à la réponse finale. Il oriente le volume d’analyse, tandis que max_tokens limite toute la sortie. Haiku 4.5 utilise précisément un mode manuel : ni le raisonnement adaptatif ni le réglage de profondeur par effort ne sont pris en charge dans cette version. Le raisonnement entre appels d’outils successifs n’est pas non plus pris en charge.
Cette distinction est utile pour choisir une tâche. Le mode normal convient au dialogue direct ; le raisonnement activé laisse au modèle de la place pour approfondir du code ou une question complexe. Le contenu des instructions continue de déterminer les informations à analyser et la forme du résultat.
Le modèle accepte texte et images et renvoie du texte. La fenêtre de contexte est de 200 k tokens, et la réponse maximale de 64 k tokens. Une image sert de matériau d’analyse avec la question : le modèle peut expliquer le contenu visible et le relier aux instructions textuelles. Une entrée d’image n’implique pas la création ou l’édition d’images.
Les formats habituels d’entrée visuelle du fabricant sont JPEG/PNG/GIF/WebP, avec la première image d’une animation. Pour l’analyse native, le côté long mesure 1568 pixels et représente 1568 tokens visuels ; les grandes images sont réduites avant l’analyse. La prise en charge des fichiers et des paramètres dépend de la méthode de l’application.
Pour cette version, Anthropic décrit un style concis et direct. Il est utile de préciser à l’avance le niveau de détail, le format du résultat et les limites de la tâche. La date de référence fiable des connaissances intégrées est février 2025 ; les informations sur des événements ultérieurs doivent être fournies dans les matériaux de la tâche ou obtenues par les outils disponibles dans l’application. Certaines demandes peuvent être refusées.
Si la méthode propose les réglages d’échantillonnage, temperature et top_p ne peuvent pas être définis simultanément : cette version utilise l’un de ces paramètres.
claude-haiku-4-5-20251001-thinkingClaude Haiku 4.5 est destiné aux assistants interactifs, au support utilisateur, au traitement courant d’informations et au travail sur le code. Un mode de raisonnement distinct est prévu pour les questions complexes.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Anthropic a conçu Claude Haiku 4.5 pour les assistants conversationnels, le service utilisateur, le travail collaboratif sur le code et le prototypage. Le modèle est utile dans un cycle où une personne pose une question, reçoit un résultat et précise immédiatement l’étape suivante. Selon Anthropic, cette version se distingue par une faible latence ; le temps de réponse effectif dépend des instructions et de l’application.
Haiku 4.5 est aussi conçu pour traiter un grand nombre de tâches distinctes. Dans un processus avec agents, une sous-tâche précise peut lui être confiée avant de transmettre son résultat au reste du système. Les domaines décrits comprennent la programmation, le raisonnement et les actions dans une interface. Les appels d’outils et le contrôle de l’ordinateur sont possibles lorsque l’application fournit les moyens correspondants ; une demande de texte ne donne pas à elle seule accès à l’environnement de travail.
Les tâches avec plusieurs étapes logiques disposent d’extended thinking : l’application active explicitement le raisonnement et fixe son budget avec budget_tokens. Si la méthode prend en charge ces réglages, le budget manuel budget_tokens doit être d’au moins 1024 tokens et inférieur à max_tokens pour laisser de la place à la réponse finale. Il oriente le volume d’analyse, tandis que max_tokens limite toute la sortie. Haiku 4.5 utilise précisément un mode manuel : ni le raisonnement adaptatif ni le réglage de profondeur par effort ne sont pris en charge dans cette version. Le raisonnement entre appels d’outils successifs n’est pas non plus pris en charge.
Cette distinction est utile pour choisir une tâche. Le mode normal convient au dialogue direct ; le raisonnement activé laisse au modèle de la place pour approfondir du code ou une question complexe. Le contenu des instructions continue de déterminer les informations à analyser et la forme du résultat.
Le modèle accepte texte et images et renvoie du texte. La fenêtre de contexte est de 200 k tokens, et la réponse maximale de 64 k tokens. Une image sert de matériau d’analyse avec la question : le modèle peut expliquer le contenu visible et le relier aux instructions textuelles. Une entrée d’image n’implique pas la création ou l’édition d’images.
Les formats habituels d’entrée visuelle du fabricant sont JPEG/PNG/GIF/WebP, avec la première image d’une animation. Pour l’analyse native, le côté long mesure 1568 pixels et représente 1568 tokens visuels ; les grandes images sont réduites avant l’analyse. La prise en charge des fichiers et des paramètres dépend de la méthode de l’application.
Pour cette version, Anthropic décrit un style concis et direct. Il est utile de préciser à l’avance le niveau de détail, le format du résultat et les limites de la tâche. La date de référence fiable des connaissances intégrées est février 2025 ; les informations sur des événements ultérieurs doivent être fournies dans les matériaux de la tâche ou obtenues par les outils disponibles dans l’application. Certaines demandes peuvent être refusées.
Si la méthode propose les réglages d’échantillonnage, temperature et top_p ne peuvent pas être définis simultanément : cette version utilise l’un de ces paramètres.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites claude-haiku-4-5-20251001-thinking | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.002 / 1K tokens Sortie · Tokens en sortie $0.01 / 1K tokens Entrée · Lecture du cache $0.0002 / 1K tokens Entrée · Écriture dans le cache $0.0025 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-haiku-4-5-20251001-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-haiku-4-5-20251001-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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra claude-haiku-4-5-20251001-thinking
/chat/completions