Claude Haiku 5.5 est l’édition compacte d’Anthropic pour les tâches à grand volume sensibles à la latence. Ses principaux usages comprennent la classification, le routage, l’extraction d’informations, les résumés, le compactage de conversations et le travail ciblé de sous-agents. Il accepte du texte et des images et génère du texte. Une consigne utile lui donne une question délimitée et un résultat explicite : une catégorie, un ensemble défini de champs, un court résumé ou les éléments pertinents pour une autre partie d’une tâche plus large. Gardez les identifiants des sources avec le résultat pour qu’une application puisse relier les informations extraites à leur contenu d’origine.
Anthropic positionne cette édition pour l’assistance client en direct, l’utilisation d’un navigateur et de courtes sous-tâches de programmation, ainsi que pour l’analyse répétitive. Elle peut compléter Claude Sonnet 5.5 ou Claude Opus 5.5 dans un workflow où un modèle plus grand traite un projet ambitieux et Haiku une recherche délimitée ou un résumé. Pour une tâche d’assistance, fournissez la question et les références autorisées, puis précisez le ton de la réponse et ce qui doit être renvoyé. Pour une sous-tâche de programmation, identifiez les fichiers ou extraits pertinents et la question exacte, au lieu de confier un projet ouvert sans condition d’achèvement.
La fenêtre de contexte documentée est d’un million de tokens, avec jusqu’à 128 000 tokens de sortie en génération ordinaire. Les tokens de raisonnement comptent dans la limite de génération : le résultat doit donc laisser de la place pour le raisonnement et le texte visible. Sa date limite de connaissances fiables est juin 2026 ; les informations ultérieures nécessitent des éléments fournis ou un outil de recherche. Anthropic documente séparément une fonctionnalité bêta réservée aux lots qui peut porter la sortie à 300 000 tokens pour cette édition. Cette limite plus élevée nécessite la fonctionnalité de sortie étendue du développeur et reste distincte de la limite ordinaire. Un lot asynchrone traite les requêtes indépendamment, ce qui est utile pour des ensembles de documents ou d’enregistrements dont les résultats sont attendus après traitement plutôt qu’immédiatement.
Le raisonnement adaptatif est activé par défaut, et effort est le principal réglage de sa profondeur. Les niveaux sont low, medium, high, xhigh et max, avec medium par défaut. Anthropic recommande medium pour la plupart des tâches, high pour les tâches plus prolongées ou le suivi strict des instructions et low pour les demandes courtes et simples. Le raisonnement peut être désactivé aux niveaux low, medium ou high ; sa désactivation à xhigh ou max est rejetée. Un prompt demandant une réponse directe ne remplace pas ce réglage. Les valeurs manuelles de budget_tokens de Haiku 4.5 ne se transposent pas à cette édition, et temperature, top_p et top_k doivent être omis dans l’interface documentée.
Haiku 5.5 utilise le tokenizer plus récent introduit dans des générations Claude antérieures, et Anthropic estime qu’un même texte peut utiliser environ 30 % de tokens supplémentaires par rapport à Haiku 4.5, selon son contenu. Il conserve aussi les blocs de raisonnement des tours antérieurs de l’assistant, de sorte que la taille de la conversation peut augmenter au-delà du seul changement de tokenizer. La longueur minimale d’un prompt pouvant être mis en cache est de 512 tokens. Gardez les échanges antérieurs inchangés lorsque vous conservez le raisonnement et placez les nouvelles instructions dans le dernier échange. Modifier effort au niveau supérieur invalide le cache des messages de la conversation ; le développeur documente une fonctionnalité bêta distincte pour modifier effort au sein de conversations adaptatives. Aucune de ces capacités ne prouve qu’une requête particulière a été servie depuis le cache.
Pour la recherche d’informations, le guide de prompting du modèle recommande de fournir la date actuelle avec l’outil de recherche et de garder stables les définitions initiales du système et des outils. Donnez une date actualisée dans le dernier échange si la conversation se poursuit un jour ultérieur. Précisez ce qui doit être trouvé et conservez les sources renvoyées avant de demander une conclusion. Par exemple, une tâche illustrative peut demander le comportement documenté d’une version logicielle précise, puis une courte explication fondée sur le passage récupéré. L’application fournit l’outil de recherche et renvoie ses résultats réels ; la recherche proposée par le modèle ne prouve pas qu’elle a eu lieu.
Lorsque des sorties JSON structurées sont associées à des outils, le guide documente une interaction particulière : avec le raisonnement désactivé, Haiku peut omettre un appel d’outil nécessaire. Anthropic recommande le raisonnement adaptatif pour ces requêtes, ou la séparation entre l’exigence de JSON final et l’étape d’outil. Définissez les champs de sortie et précisez que la réponse finale suit les résultats des outils. Une consigne d’extraction de données peut nommer les champs requis et la représentation des valeurs manquantes, tandis qu’une consigne de recherche peut d’abord demander les éléments nécessaires pour les renseigner. Lisez les blocs de réponse selon leur type, car la réponse n’est pas nécessairement le premier bloc et le texte de raisonnement est omis par défaut.
Pour les prompts d’agents plus longs, Anthropic note que le niveau low peut entraîner un arrêt prématuré, l’omission d’une recherche ou l’absence d’une vérification. Son guide recommande des instructions explicites d’achèvement et de vraies vérifications des modifications de code avant de les annoncer comme terminées. Préparez le résultat attendu et les éléments qui le démontreraient : les passages sélectionnés pour un rapport, le comportement modifié pour une proposition de code ou les champs extraits d’un document. Le guide distingue aussi un message de l’utilisateur en cours de tâche d’une sortie d’outil : les nouvelles instructions de l’utilisateur appartiennent à un tour utilisateur, tandis que les éléments renvoyés par les outils restent séparés.
Cette édition a ses propres protections et peut opposer un refus pour des catégories comme les usages cybernétiques nuisibles, les usages biologiques nuisibles, le développement de modèles concurrents ou d’autres usages interdits. Le développeur ne documente pas de mécanisme de repli côté serveur pour Haiku 5.5. Son guide note également que le niveau xhigh peut parfois terminer une réponse sur plusieurs échanges sans texte de réponse visible, et que du texte ressemblant à du raisonnement peut apparaître plus souvent à low ou lorsque le raisonnement est désactivé. Ce sont des comportements précis à prendre en compte lorsqu’un workflow exige un résultat visible et structuré. Pour une extraction ou un résumé ordinaire, utilisez une source ciblée, une sortie définie et le niveau d’effort adapté à la tâche.
", "aboutText": "Claude Haiku 5.5 est l’édition compacte d’Anthropic pour les tâches à grand volume sensibles à la latence. Ses principaux usages comprennent la classification, le routage, l’extraction d’informations, les résumés, le compactage de conversations et le travail ciblé de sous-agents. Il accepte du texte et des images et génère du texte. Une consigne utile lui donne une question délimitée et un résultat explicite : une catégorie, un ensemble défini de champs, un court résumé ou les éléments pertinents pour une autre partie d’une tâche plus large. Gardez les identifiants des sources avec le résultat pour qu’une application puisse relier les informations extraites à leur contenu d’origine.\n\nAnthropic positionne cette édition pour l’assistance client en direct, l’utilisation d’un navigateur et de courtes sous-tâches de programmation, ainsi que pour l’analyse répétitive. Elle peut compléter Claude Sonnet 5.5 ou Claude Opus 5.5 dans un workflow où un modèle plus grand traite un projet ambitieux et Haiku une recherche délimitée ou un résumé. Pour une tâche d’assistance, fournissez la question et les références autorisées, puis précisez le ton de la réponse et ce qui doit être renvoyé. Pour une sous-tâche de programmation, identifiez les fichiers ou extraits pertinents et la question exacte, au lieu de confier un projet ouvert sans condition d’achèvement.\n\nLa fenêtre de contexte documentée est d’un million de tokens, avec jusqu’à 128 000 tokens de sortie en génération ordinaire. Les tokens de raisonnement comptent dans la limite de génération : le résultat doit donc laisser de la place pour le raisonnement et le texte visible. Sa date limite de connaissances fiables est juin 2026 ; les informations ultérieures nécessitent des éléments fournis ou un outil de recherche. Anthropic documente séparément une fonctionnalité bêta réservée aux lots qui peut porter la sortie à 300 000 tokens pour cette édition. Cette limite plus élevée nécessite la fonctionnalité de sortie étendue du développeur et reste distincte de la limite ordinaire. Un lot asynchrone traite les requêtes indépendamment, ce qui est utile pour des ensembles de documents ou d’enregistrements dont les résultats sont attendus après traitement plutôt qu’immédiatement.\n\nLe raisonnement adaptatif est activé par défaut, et effort est le principal réglage de sa profondeur. Les niveaux sont low, medium, high, xhigh et max, avec medium par défaut. Anthropic recommande medium pour la plupart des tâches, high pour les tâches plus prolongées ou le suivi strict des instructions et low pour les demandes courtes et simples. Le raisonnement peut être désactivé aux niveaux low, medium ou high ; sa désactivation à xhigh ou max est rejetée. Un prompt demandant une réponse directe ne remplace pas ce réglage. Les valeurs manuelles de budget_tokens de Haiku 4.5 ne se transposent pas à cette édition, et temperature, top_p et top_k doivent être omis dans l’interface documentée.\n\nHaiku 5.5 utilise le tokenizer plus récent introduit dans des générations Claude antérieures, et Anthropic estime qu’un même texte peut utiliser environ 30 % de tokens supplémentaires par rapport à Haiku 4.5, selon son contenu. Il conserve aussi les blocs de raisonnement des tours antérieurs de l’assistant, de sorte que la taille de la conversation peut augmenter au-delà du seul changement de tokenizer. La longueur minimale d’un prompt pouvant être mis en cache est de 512 tokens. Gardez les échanges antérieurs inchangés lorsque vous conservez le raisonnement et placez les nouvelles instructions dans le dernier échange. Modifier effort au niveau supérieur invalide le cache des messages de la conversation ; le développeur documente une fonctionnalité bêta distincte pour modifier effort au sein de conversations adaptatives. Aucune de ces capacités ne prouve qu’une requête particulière a été servie depuis le cache.\n\nPour la recherche d’informations, le guide de prompting du modèle recommande de fournir la date actuelle avec l’outil de recherche et de garder stables les définitions initiales du système et des outils. Donnez une date actualisée dans le dernier échange si la conversation se poursuit un jour ultérieur. Précisez ce qui doit être trouvé et conservez les sources renvoyées avant de demander une conclusion. Par exemple, une tâche illustrative peut demander le comportement documenté d’une version logicielle précise, puis une courte explication fondée sur le passage récupéré. L’application fournit l’outil de recherche et renvoie ses résultats réels ; la recherche proposée par le modèle ne prouve pas qu’elle a eu lieu.\n\nLorsque des sorties JSON structurées sont associées à des outils, le guide documente une interaction particulière : avec le raisonnement désactivé, Haiku peut omettre un appel d’outil nécessaire. Anthropic recommande le raisonnement adaptatif pour ces requêtes, ou la séparation entre l’exigence de JSON final et l’étape d’outil. Définissez les champs de sortie et précisez que la réponse finale suit les résultats des outils. Une consigne d’extraction de données peut nommer les champs requis et la représentation des valeurs manquantes, tandis qu’une consigne de recherche peut d’abord demander les éléments nécessaires pour les renseigner. Lisez les blocs de réponse selon leur type, car la réponse n’est pas nécessairement le premier bloc et le texte de raisonnement est omis par défaut.\n\nPour les prompts d’agents plus longs, Anthropic note que le niveau low peut entraîner un arrêt prématuré, l’omission d’une recherche ou l’absence d’une vérification. Son guide recommande des instructions explicites d’achèvement et de vraies vérifications des modifications de code avant de les annoncer comme terminées. Préparez le résultat attendu et les éléments qui le démontreraient : les passages sélectionnés pour un rapport, le comportement modifié pour une proposition de code ou les champs extraits d’un document. Le guide distingue aussi un message de l’utilisateur en cours de tâche d’une sortie d’outil : les nouvelles instructions de l’utilisateur appartiennent à un tour utilisateur, tandis que les éléments renvoyés par les outils restent séparés.\n\nCette édition a ses propres protections et peut opposer un refus pour des catégories comme les usages cybernétiques nuisibles, les usages biologiques nuisibles, le développement de modèles concurrents ou d’autres usages interdits. Le développeur ne documente pas de mécanisme de repli côté serveur pour Haiku 5.5. Son guide note également que le niveau xhigh peut parfois terminer une réponse sur plusieurs échanges sans texte de réponse visible, et que du texte ressemblant à du raisonnement peut apparaître plus souvent à low ou lorsque le raisonnement est désactivé. Ce sont des comportements précis à prendre en compte lorsqu’un workflow exige un résultat visible et structuré. Pour une extraction ou un résumé ordinaire, utilisez une source ciblée, une sortie définie et le niveau d’effort adapté à la tâche.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ee648af2759564f65c91da56c0139c5274c95a1988fac72d4367ac27891bce34", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "methods": [ { "html": "anthropic/claude-haiku-5.5:batchClaude Haiku 5.5 est le modèle compact d’Anthropic pour la classification, l’extraction, les résumés, le routage et les tâches ciblées d’agents. Il associe la compréhension du texte et des images à un raisonnement adaptatif et vise les tâches répétitives qui demandent une réponse rapide.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Claude Haiku 5.5 est l’édition compacte d’Anthropic pour les tâches à grand volume sensibles à la latence. Ses principaux usages comprennent la classification, le routage, l’extraction d’informations, les résumés, le compactage de conversations et le travail ciblé de sous-agents. Il accepte du texte et des images et génère du texte. Une consigne utile lui donne une question délimitée et un résultat explicite : une catégorie, un ensemble défini de champs, un court résumé ou les éléments pertinents pour une autre partie d’une tâche plus large. Gardez les identifiants des sources avec le résultat pour qu’une application puisse relier les informations extraites à leur contenu d’origine.
Anthropic positionne cette édition pour l’assistance client en direct, l’utilisation d’un navigateur et de courtes sous-tâches de programmation, ainsi que pour l’analyse répétitive. Elle peut compléter Claude Sonnet 5.5 ou Claude Opus 5.5 dans un workflow où un modèle plus grand traite un projet ambitieux et Haiku une recherche délimitée ou un résumé. Pour une tâche d’assistance, fournissez la question et les références autorisées, puis précisez le ton de la réponse et ce qui doit être renvoyé. Pour une sous-tâche de programmation, identifiez les fichiers ou extraits pertinents et la question exacte, au lieu de confier un projet ouvert sans condition d’achèvement.
La fenêtre de contexte documentée est d’un million de tokens, avec jusqu’à 128 000 tokens de sortie en génération ordinaire. Les tokens de raisonnement comptent dans la limite de génération : le résultat doit donc laisser de la place pour le raisonnement et le texte visible. Sa date limite de connaissances fiables est juin 2026 ; les informations ultérieures nécessitent des éléments fournis ou un outil de recherche. Anthropic documente séparément une fonctionnalité bêta réservée aux lots qui peut porter la sortie à 300 000 tokens pour cette édition. Cette limite plus élevée nécessite la fonctionnalité de sortie étendue du développeur et reste distincte de la limite ordinaire. Un lot asynchrone traite les requêtes indépendamment, ce qui est utile pour des ensembles de documents ou d’enregistrements dont les résultats sont attendus après traitement plutôt qu’immédiatement.
Le raisonnement adaptatif est activé par défaut, et effort est le principal réglage de sa profondeur. Les niveaux sont low, medium, high, xhigh et max, avec medium par défaut. Anthropic recommande medium pour la plupart des tâches, high pour les tâches plus prolongées ou le suivi strict des instructions et low pour les demandes courtes et simples. Le raisonnement peut être désactivé aux niveaux low, medium ou high ; sa désactivation à xhigh ou max est rejetée. Un prompt demandant une réponse directe ne remplace pas ce réglage. Les valeurs manuelles de budget_tokens de Haiku 4.5 ne se transposent pas à cette édition, et temperature, top_p et top_k doivent être omis dans l’interface documentée.
Haiku 5.5 utilise le tokenizer plus récent introduit dans des générations Claude antérieures, et Anthropic estime qu’un même texte peut utiliser environ 30 % de tokens supplémentaires par rapport à Haiku 4.5, selon son contenu. Il conserve aussi les blocs de raisonnement des tours antérieurs de l’assistant, de sorte que la taille de la conversation peut augmenter au-delà du seul changement de tokenizer. La longueur minimale d’un prompt pouvant être mis en cache est de 512 tokens. Gardez les échanges antérieurs inchangés lorsque vous conservez le raisonnement et placez les nouvelles instructions dans le dernier échange. Modifier effort au niveau supérieur invalide le cache des messages de la conversation ; le développeur documente une fonctionnalité bêta distincte pour modifier effort au sein de conversations adaptatives. Aucune de ces capacités ne prouve qu’une requête particulière a été servie depuis le cache.
Pour la recherche d’informations, le guide de prompting du modèle recommande de fournir la date actuelle avec l’outil de recherche et de garder stables les définitions initiales du système et des outils. Donnez une date actualisée dans le dernier échange si la conversation se poursuit un jour ultérieur. Précisez ce qui doit être trouvé et conservez les sources renvoyées avant de demander une conclusion. Par exemple, une tâche illustrative peut demander le comportement documenté d’une version logicielle précise, puis une courte explication fondée sur le passage récupéré. L’application fournit l’outil de recherche et renvoie ses résultats réels ; la recherche proposée par le modèle ne prouve pas qu’elle a eu lieu.
Lorsque des sorties JSON structurées sont associées à des outils, le guide documente une interaction particulière : avec le raisonnement désactivé, Haiku peut omettre un appel d’outil nécessaire. Anthropic recommande le raisonnement adaptatif pour ces requêtes, ou la séparation entre l’exigence de JSON final et l’étape d’outil. Définissez les champs de sortie et précisez que la réponse finale suit les résultats des outils. Une consigne d’extraction de données peut nommer les champs requis et la représentation des valeurs manquantes, tandis qu’une consigne de recherche peut d’abord demander les éléments nécessaires pour les renseigner. Lisez les blocs de réponse selon leur type, car la réponse n’est pas nécessairement le premier bloc et le texte de raisonnement est omis par défaut.
Pour les prompts d’agents plus longs, Anthropic note que le niveau low peut entraîner un arrêt prématuré, l’omission d’une recherche ou l’absence d’une vérification. Son guide recommande des instructions explicites d’achèvement et de vraies vérifications des modifications de code avant de les annoncer comme terminées. Préparez le résultat attendu et les éléments qui le démontreraient : les passages sélectionnés pour un rapport, le comportement modifié pour une proposition de code ou les champs extraits d’un document. Le guide distingue aussi un message de l’utilisateur en cours de tâche d’une sortie d’outil : les nouvelles instructions de l’utilisateur appartiennent à un tour utilisateur, tandis que les éléments renvoyés par les outils restent séparés.
Cette édition a ses propres protections et peut opposer un refus pour des catégories comme les usages cybernétiques nuisibles, les usages biologiques nuisibles, le développement de modèles concurrents ou d’autres usages interdits. Le développeur ne documente pas de mécanisme de repli côté serveur pour Haiku 5.5. Son guide note également que le niveau xhigh peut parfois terminer une réponse sur plusieurs échanges sans texte de réponse visible, et que du texte ressemblant à du raisonnement peut apparaître plus souvent à low ou lorsque le raisonnement est désactivé. Ce sont des comportements précis à prendre en compte lorsqu’un workflow exige un résultat visible et structuré. Pour une extraction ou un résumé ordinaire, utilisez une source ciblée, une sortie définie et le niveau d’effort adapté à la tâche.
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-haiku-5.5: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-haiku-5.5:batch, anthropic/claude-haiku-5.5 | 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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0001 / 1K tokens Sortie · Tokens en sortie $0.0005 / 1K tokens Entrée · Lecture du cache $0.00001 / 1K tokens Entrée · Écriture dans le cache $0.000125 / 1K tokens Entrée · Écriture dans le cache, 1 h $0.0002 / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse100'000 | Coût Entrée · Tokens en entrée $0.0001 / 1K tokens Sortie · Tokens en sortie $0.0005 / 1K tokens Entrée · Lecture du cache $0.00001 / 1K tokens Entrée · Écriture dans le cache $0.000125 / 1K tokens Entrée · Écriture dans le cache, 1 h $0.0002 / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de100'000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0005 / 1K tokens Sortie · Tokens en sortie $0.0025 / 1K tokens Entrée · Lecture du cache $0.00005 / 1K tokens Entrée · Écriture dans le cache $0.000625 / 1K tokens Entrée · Écriture dans le cache, 1 h $0.001 / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"anthropic/claude-haiku-5.5: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-haiku-5.5:batch', 'anthropic/claude-haiku-5.5']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-haiku-5.5: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 suivanteRéglez les conditions d’admission avant une nouvelle requête. |
Réponse503 · price_unavailable | ConditionPrix de la méthode Batch/tarifs natifs indisponibles. | Étape suivanteConservez la réponse ; ne substituez pas d’autres prix. |
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-haiku-5.5:batch
Utilisez les chemins de méthode indiqués ci-dessus.