Anthropic conçoit Claude Opus 4.7 pour des tâches de développement complexes et prolongées. Sa présentation met l’accent sur le travail séquentiel, l’attention portée aux instructions et la recherche de moyens de vérifier son résultat avant le message final. Le modèle convient à l’étude d’un problème difficile dans le code et à la préparation de contenus professionnels qui nécessitent une solution technique et une présentation claire.
Opus 4.7 suit les formulations littéralement. Il est préférable de définir des limites explicites : les parties à modifier, les éléments à vérifier et le résultat attendu. Une condition applicable à l’ensemble du travail doit être décrite comme telle. Le fabricant souligne aussi l’utilisation de notes dans une mémoire de fichiers pour les tâches longues, mais leur lecture et leur conservation nécessitent les outils de l’application.
Le modèle accepte texte et images et produit du texte. L’entrée visuelle prend en charge une résolution jusqu’à 2576 pixels sur le côté long, soit environ 3,75 mégapixels. Cela est utile pour les captures d’écran chargées, l’extraction d’informations dans des diagrammes complexes et les tâches avec une référence visuelle détaillée.
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 2576 pixels et représente 4784 jetons 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.
La haute résolution aide à conserver les détails, mais ne rend pas la compréhension visuelle infaillible. La sortie peut être une explication, une structure de données ou du code ; la création et l’édition de l’image elle-même ne sont pas des capacités de sortie du modèle. Le contrôle d’une interface nécessite des moyens de montrer l’écran au modèle et d’exécuter des actions dans l’application.
Le contexte est de 1 million de jetons, et la réponse maximale en mode normal de 128 k jetons. Le raisonnement adaptatif est pris en charge ; cette version ne propose pas d’extended thinking manuel avec budget_tokens. Le niveau standard d’effort est high ; low, medium, xhigh et max sont aussi disponibles. Le niveau xhigh ajoute un réglage entre high et max pour les travaux prolongés d’ingénierie et d’agents.
À faible effort, le modèle limite particulièrement strictement son travail à ce qui a été demandé. Pour une recherche complexe, le fabricant recommande de prévoir suffisamment de place pour le raisonnement et la réponse. La segmentation en jetons a été modifiée dans cette version : un même volume de texte n’a donc pas toujours la longueur en jetons habituelle des versions précédentes.
La date de référence fiable des connaissances intégrées est janvier 2026. La recherche à jour, le travail documentaire et l’exécution de code utilisent les contenus et les outils fournis par l’application. Opus 4.7 possède des protections qui peuvent bloquer des demandes interdites ou à haut risque en cybersécurité. Son attention à la vérification est utile, mais les modifications finales et les conclusions doivent toujours être vérifiées dans l’environnement précis.
", "aboutText": "### Un travail d’ingénierie rigoureux\n\nAnthropic conçoit Claude Opus 4.7 pour des tâches de développement complexes et prolongées. Sa présentation met l’accent sur le travail séquentiel, l’attention portée aux instructions et la recherche de moyens de vérifier son résultat avant le message final. Le modèle convient à l’étude d’un problème difficile dans le code et à la préparation de contenus professionnels qui nécessitent une solution technique et une présentation claire.\n\nOpus 4.7 suit les formulations littéralement. Il est préférable de définir des limites explicites : les parties à modifier, les éléments à vérifier et le résultat attendu. Une condition applicable à l’ensemble du travail doit être décrite comme telle. Le fabricant souligne aussi l’utilisation de notes dans une mémoire de fichiers pour les tâches longues, mais leur lecture et leur conservation nécessitent les outils de l’application.\n\n### Lire des schémas denses et des captures d’interface\n\nLe modèle accepte **texte et images** et produit du **texte**. L’entrée visuelle prend en charge une résolution jusqu’à **2576 pixels sur le côté long**, soit environ **3,75 mégapixels**. Cela est utile pour les captures d’écran chargées, l’extraction d’informations dans des diagrammes complexes et les tâches avec une référence visuelle détaillée.\n\nLes 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 2576 pixels et représente 4784 jetons 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.\n\nLa haute résolution aide à conserver les détails, mais ne rend pas la compréhension visuelle infaillible. La sortie peut être une explication, une structure de données ou du code ; la création et l’édition de l’image elle-même ne sont pas des capacités de sortie du modèle. Le contrôle d’une interface nécessite des moyens de montrer l’écran au modèle et d’exécuter des actions dans l’application.\n\n### Profondeur et volume de la tâche\n\nLe contexte est de **1 million de jetons**, et la réponse maximale en mode normal de **128 k jetons**. Le raisonnement adaptatif est pris en charge ; cette version ne propose pas d’extended thinking manuel avec `budget_tokens`. Le niveau standard d’`effort` est `high` ; `low`, `medium`, `xhigh` et `max` sont aussi disponibles. Le niveau `xhigh` ajoute un réglage entre `high` et `max` pour les travaux prolongés d’ingénierie et d’agents.\n\nÀ faible effort, le modèle limite particulièrement strictement son travail à ce qui a été demandé. Pour une recherche complexe, le fabricant recommande de prévoir suffisamment de place pour le raisonnement et la réponse. La segmentation en jetons a été modifiée dans cette version : un même volume de texte n’a donc pas toujours la longueur en jetons habituelle des versions précédentes.\n\n### Conditions de travail\n\nLa date de référence fiable des connaissances intégrées est **janvier 2026**. La recherche à jour, le travail documentaire et l’exécution de code utilisent les contenus et les outils fournis par l’application. Opus 4.7 possède des protections qui peuvent bloquer des demandes interdites ou à haut risque en cybersécurité. Son attention à la vérification est utile, mais les modifications finales et les conclusions doivent toujours être vérifiées dans l’environnement précis.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9a7682885e71e717be4d1f7fa2f5395ede1724e8c7a4f1318047ce85ef460b8a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ca", "methods": [ { "html": "anthropic/claude-opus-4.7:batchClaude Opus 4.7 est conçu pour l’ingénierie complexe et l’analyse de documents ou d’images riches en petits détails. Il accorde une attention particulière au respect précis des instructions et à la vérification du résultat.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Anthropic conçoit Claude Opus 4.7 pour des tâches de développement complexes et prolongées. Sa présentation met l’accent sur le travail séquentiel, l’attention portée aux instructions et la recherche de moyens de vérifier son résultat avant le message final. Le modèle convient à l’étude d’un problème difficile dans le code et à la préparation de contenus professionnels qui nécessitent une solution technique et une présentation claire.
Opus 4.7 suit les formulations littéralement. Il est préférable de définir des limites explicites : les parties à modifier, les éléments à vérifier et le résultat attendu. Une condition applicable à l’ensemble du travail doit être décrite comme telle. Le fabricant souligne aussi l’utilisation de notes dans une mémoire de fichiers pour les tâches longues, mais leur lecture et leur conservation nécessitent les outils de l’application.
Le modèle accepte texte et images et produit du texte. L’entrée visuelle prend en charge une résolution jusqu’à 2576 pixels sur le côté long, soit environ 3,75 mégapixels. Cela est utile pour les captures d’écran chargées, l’extraction d’informations dans des diagrammes complexes et les tâches avec une référence visuelle détaillée.
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 2576 pixels et représente 4784 jetons 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.
La haute résolution aide à conserver les détails, mais ne rend pas la compréhension visuelle infaillible. La sortie peut être une explication, une structure de données ou du code ; la création et l’édition de l’image elle-même ne sont pas des capacités de sortie du modèle. Le contrôle d’une interface nécessite des moyens de montrer l’écran au modèle et d’exécuter des actions dans l’application.
Le contexte est de 1 million de jetons, et la réponse maximale en mode normal de 128 k jetons. Le raisonnement adaptatif est pris en charge ; cette version ne propose pas d’extended thinking manuel avec budget_tokens. Le niveau standard d’effort est high ; low, medium, xhigh et max sont aussi disponibles. Le niveau xhigh ajoute un réglage entre high et max pour les travaux prolongés d’ingénierie et d’agents.
À faible effort, le modèle limite particulièrement strictement son travail à ce qui a été demandé. Pour une recherche complexe, le fabricant recommande de prévoir suffisamment de place pour le raisonnement et la réponse. La segmentation en jetons a été modifiée dans cette version : un même volume de texte n’a donc pas toujours la longueur en jetons habituelle des versions précédentes.
La date de référence fiable des connaissances intégrées est janvier 2026. La recherche à jour, le travail documentaire et l’exécution de code utilisent les contenus et les outils fournis par l’application. Opus 4.7 possède des protections qui peuvent bloquer des demandes interdites ou à haut risque en cybersécurité. Son attention à la vérification est utile, mais les modifications finales et les conclusions doivent toujours être vérifiées dans l’environnement précis.
POST /v1/batchestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champendpoint | Typestring | ExigenceObligatoire | Valeurs et limites /v1/chat/completions | Par défaut— |
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites anthropic/claude-opus-4.7:batch | Par défaut— |
Champrequests | Typebatch_item[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champrequests[].custom_id | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champrequests[].body.messages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champcompletion_window | Typestring | ExigenceFacultatif | Valeurs et limites 24h | Par défaut— |
Champprovider | Typeobject|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champrequests[].body.model | Typestring | ExigenceFacultatif | Valeurs et limites anthropic/claude-opus-4.7:batch, anthropic/claude-opus-4.7 | Par défaut— |
Champprovider.only | Typestring[] | ExigenceFacultatif | Valeurs et limites anthropic | Par défaut— |
Champprovider.allow_fallbacks | Typeboolean|null | ExigenceFacultatif | Valeurs et limites false, null | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratendpoint, model, requests |
Paramètrematerial_types | Contrattext |
Paramètrerepresentation | Contratrequests[] intégré ; chaque élément comporte custom_id et body |
Paramètrerequest_endpoint_profile | Contrat/v1/chat/completions |
Paramètrefile_material | ContratL’appelant peut charger localement le contenu JSONL UTF-8 effectif dans requests[]. Aucun paramètre purpose de téléversement, input_file_id ni référence à un fichier n’est utilisé. Si les données du client sont absentes ou vides, la préparation s’arrête avant le POST. |
Paramètreserialization_order | Contratendpoint, model, provider (si fourni), completion_window (si fourni), requests en dernier |
Paramètreoptional_controls | Contratprovider.only, provider.allow_fallbacks, completion_window |
Paramètreschema_scope | ContratCorps de requêtes Chat Completions textuelles dans l’enveloppe Batch intégrée documentée. |
Cycle de vie : asynchronous
GET /v1/batches/{operation_id} · response.id effectivement renvoyé lors de la création d’origine ; même utilisateur, même clé et même groupe
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.005 / 1K jetons Sortie · Jetons en sortie $0.025 / 1K jetons Entrée · Lecture du cache $0.0005 / 1K jetons Entrée · Écriture dans le cache $0.00625 / 1K jetons Entrée · Écriture dans le cache, 1 h $0.01 / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.005 / 1K jetons Sortie · Jetons en sortie $0.025 / 1K jetons Entrée · Lecture du cache $0.0005 / 1K jetons Entrée · Écriture dans le cache $0.00625 / 1K jetons Entrée · Écriture dans le cache, 1 h $0.01 / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"anthropic/claude-opus-4.7: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-4.7:batch', 'anthropic/claude-opus-4.7']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-opus-4.7: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 results[].response.body intégré
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\nConservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez l’intégralité du JSON de statut d’origine, chaque résultat/custom_id et le corps complet de la réponse ou de l’erreur. Enregistrez les results[] terminés au format JSONL sans filtrage.
Conservez l’identifiant de l’opération d’origine. La réponse 503 result_pending_check contient X-Should-Retry:false ; ne soumettez jamais à nouveau un lot d’origine dont l’issue est inconnue.
| Champ | Type |
|---|---|
Champresults[].custom_id | Typestring |
Champresults[].response.body.choices[].message.content | Typestring|null |
Champresults[].error | Typeobject|null |
Champusage | Typeobject|null |
Champid | Typestring |
Champmodel | Typestring |
Champendpoint | Typestring |
Champstatus | Typestring |
Champrequest_counts | Typeobject |
Champresults[].id | Typestring |
Champresults[].response.status_code | Typeinteger |
Champresults[].response.request_id | Typestring |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionEnveloppe intégrée documentée invalide, clés dupliquées, identité d’élément incorrecte ou conflit avec les capacités configurées du modèle. | Étape suivanteCorrigez les champs indiqués avant toute nouvelle soumission. |
Réponse401 · authentication_error | ConditionClé API invalide. | Étape suivanteUtilisez la clé Ailoot autorisée. |
Réponse403 · permission_error | ConditionGroupe de traitement par lots indisponible. | Étape suivanteVérifiez les droits d’accès de la clé/du groupe. |
Réponse422 · invalid_request_error | ConditionLe traitement par lots est facturé sur le solde ; la création via un abonnement est refusée. | Étape suivanteUtilisez le groupe autorisé dont la facturation est prélevée sur le solde. |
Réponse422 · price_unavailable | ConditionImpossible d’établir un devis pour les données d’entrée du traitement par lots. | Étape suivanteConservez la réponse ; utilisez les données d’entrée documentées pour cette famille. |
Réponse402 · billing_error | ConditionRéserve pour le traitement par lots indisponible. | Étape suivanteRésolvez le problème d’admission avant d’envoyer une nouvelle requête. |
Réponse503 · price_unavailable | ConditionPrix de la méthode Batch/tarifs natifs indisponibles. | Étape suivanteConservez la réponse ; ne remplacez pas les prix par d’autres. |
Réponse503 · api_error | ConditionRoute exacte du fournisseur indisponible. | Étape suivanteConservez la réponse pour réparer la route. |
Réponse503 · result_pending_check | ConditionLe résultat d’origine nécessite une vérification ; X-Should-Retry:false. | Étape suivanteConservez l’operation_id/id d’origine et consultez son statut ; ne répétez jamais le POST d’origine. |
Réponse404 · not_found | ConditionOpération de suivi du traitement par lots absente ou appartenant à une autre identité. | Étape suivanteUtilisez l’id exact d’origine avec le même utilisateur, la même clé et le même groupe. |
Ailoot Ultra anthropic/claude-opus-4.7:batch
Utilisez les chemins de méthode indiqués ci-dessus.