Claude Opus 4.8 associe travail prolongé avec agents, analyse professionnelle, compréhension visuelle et utilisation d’une mémoire fournie par l’application. Anthropic souligne son comportement lors de la vérification des conclusions : le modèle a été entraîné à repérer le manque de preuves, signaler l’incertitude et ne pas affirmer qu’un résultat est accompli sans fondement suffisant.
Dans une tâche d’ingénierie, le modèle peut étudier plusieurs composants liés, examiner un plan, détecter des erreurs et poursuivre après de nouvelles données. Pour les documents, sa capacité à traiter un contenu dense et son attention aux problèmes des contenus d’entrée et des conclusions sont importantes. Les domaines professionnels décrits comprennent recherche, analyse, documents et préparation de contenus de présentation.
Les instructions sont interprétées littéralement, surtout à faible effort. Le modèle n’est pas tenu d’étendre silencieusement une condition d’un élément aux autres : il est préférable de préciser le champ d’application, le format et les critères du résultat. En vérification du code, le seuil de gravité défini détermine les problèmes relevés qui figurent dans la réponse. Demander de signaler toutes les observations doit être distingué de la demande de les filtrer.
Opus 4.8 prend en charge un raisonnement adaptatif qui doit être activé dans l’application. Cette version ne propose pas d’extended thinking manuel avec un budget_tokens distinct. Les niveaux d’effort sont low, medium, high, xhigh et max, avec high comme niveau standard. Selon Anthropic, les niveaux plus profonds peuvent accroître l’analyse, les appels d’outils et le temps de travail ; un approfondissement moindre est utile pour les tâches courtes et limitées.
Le modèle adapte le niveau de détail à la complexité qu’il attribue à la tâche : une question simple peut recevoir une réponse courte, une analyse ouverte une réponse développée. Une longueur ou une voix rédactionnelle précises doivent être indiquées explicitement, de préférence avec un exemple positif. Des messages de progression intermédiaires sont prévus pour les travaux prolongés avec outils ; leur contenu et leur fréquence peuvent aussi être orientés par les instructions.
L’entrée est composée de texte et d’images, et le résultat est produit sous forme de texte. La fenêtre de contexte est de 1 million de tokens, et la réponse maximale en mode normal de 128 k tokens. La date de référence fiable des connaissances intégrées est janvier 2026.
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 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.
Recherche web, exécution de commandes, mémoire de fichiers, contrôle d’interface et sous-tâches autonomes nécessitent la prise en charge de l’application. Le modèle peut utiliser les moyens disponibles, mais le niveau d’effort et la clarté de la description des outils influent sur le choix des actions. Cela est particulièrement utile pour relier recherche d’informations, analyse et exécution technique.
Lors de la création d’interfaces et de diapositives, Opus 4.8 possède des préférences de présentation stables. Pour un style précis, il est utile d’indiquer une palette, une typographie, une composition et une dynamique de mouvement concrètes, ou de demander d’abord plusieurs directions. Un fichier terminé ou une interface fonctionnelle est produit par les outils de l’environnement ; la sortie propre du modèle reste textuelle.
", "aboutText": "Claude Opus 4.8 associe travail prolongé avec agents, analyse professionnelle, compréhension visuelle et utilisation d’une mémoire fournie par l’application. Anthropic souligne son comportement lors de la vérification des conclusions : le modèle a été entraîné à repérer le manque de preuves, signaler l’incertitude et ne pas affirmer qu’un résultat est accompli sans fondement suffisant.\n\n### Préciser le cadre et mener le travail au résultat\n\nDans une tâche d’ingénierie, le modèle peut étudier plusieurs composants liés, examiner un plan, détecter des erreurs et poursuivre après de nouvelles données. Pour les documents, sa capacité à traiter un contenu dense et son attention aux problèmes des contenus d’entrée et des conclusions sont importantes. Les domaines professionnels décrits comprennent recherche, analyse, documents et préparation de contenus de présentation.\n\nLes instructions sont interprétées littéralement, surtout à faible effort. Le modèle n’est pas tenu d’étendre silencieusement une condition d’un élément aux autres : il est préférable de préciser le champ d’application, le format et les critères du résultat. En vérification du code, le seuil de gravité défini détermine les problèmes relevés qui figurent dans la réponse. Demander de signaler toutes les observations doit être distingué de la demande de les filtrer.\n\n### Régler le raisonnement et la rédaction\n\nOpus 4.8 prend en charge un raisonnement adaptatif qui doit être activé dans l’application. Cette version ne propose pas d’extended thinking manuel avec un `budget_tokens` distinct. Les niveaux d’`effort` sont `low`, `medium`, `high`, `xhigh` et `max`, avec `high` comme niveau standard. Selon Anthropic, les niveaux plus profonds peuvent accroître l’analyse, les appels d’outils et le temps de travail ; un approfondissement moindre est utile pour les tâches courtes et limitées.\n\nLe modèle adapte le niveau de détail à la complexité qu’il attribue à la tâche : une question simple peut recevoir une réponse courte, une analyse ouverte une réponse développée. Une longueur ou une voix rédactionnelle précises doivent être indiquées explicitement, de préférence avec un exemple positif. Des messages de progression intermédiaires sont prévus pour les travaux prolongés avec outils ; leur contenu et leur fréquence peuvent aussi être orientés par les instructions.\n\n### Contenus, outils et présentation visuelle\n\nL’entrée est composée de **texte et d’images**, et le résultat est produit **sous forme de texte**. La fenêtre de contexte est de **1 million de tokens**, et la réponse maximale en mode normal de **128 k tokens**. La date de référence fiable des connaissances intégrées est **janvier 2026**.\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 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.\n\nRecherche web, exécution de commandes, mémoire de fichiers, contrôle d’interface et sous-tâches autonomes nécessitent la prise en charge de l’application. Le modèle peut utiliser les moyens disponibles, mais le niveau d’effort et la clarté de la description des outils influent sur le choix des actions. Cela est particulièrement utile pour relier recherche d’informations, analyse et exécution technique.\n\nLors de la création d’interfaces et de diapositives, Opus 4.8 possède des préférences de présentation stables. Pour un style précis, il est utile d’indiquer une palette, une typographie, une composition et une dynamique de mouvement concrètes, ou de demander d’abord plusieurs directions. Un fichier terminé ou une interface fonctionnelle est produit par les outils de l’environnement ; la sortie propre du modèle reste textuelle.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a1668430f171ede861fdfe32a8d4b1d03125dbe7e6160e415b3471219aae88bb", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "methods": [ { "html": "anthropic/claude-opus-4.8:batchClaude Opus 4.8 est destiné au développement prolongé et à l’analyse professionnelle. Il maintient le cap dans un travail en plusieurs étapes, signale l’incertitude et tient compte des exigences explicites du résultat.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Claude Opus 4.8 associe travail prolongé avec agents, analyse professionnelle, compréhension visuelle et utilisation d’une mémoire fournie par l’application. Anthropic souligne son comportement lors de la vérification des conclusions : le modèle a été entraîné à repérer le manque de preuves, signaler l’incertitude et ne pas affirmer qu’un résultat est accompli sans fondement suffisant.
Dans une tâche d’ingénierie, le modèle peut étudier plusieurs composants liés, examiner un plan, détecter des erreurs et poursuivre après de nouvelles données. Pour les documents, sa capacité à traiter un contenu dense et son attention aux problèmes des contenus d’entrée et des conclusions sont importantes. Les domaines professionnels décrits comprennent recherche, analyse, documents et préparation de contenus de présentation.
Les instructions sont interprétées littéralement, surtout à faible effort. Le modèle n’est pas tenu d’étendre silencieusement une condition d’un élément aux autres : il est préférable de préciser le champ d’application, le format et les critères du résultat. En vérification du code, le seuil de gravité défini détermine les problèmes relevés qui figurent dans la réponse. Demander de signaler toutes les observations doit être distingué de la demande de les filtrer.
Opus 4.8 prend en charge un raisonnement adaptatif qui doit être activé dans l’application. Cette version ne propose pas d’extended thinking manuel avec un budget_tokens distinct. Les niveaux d’effort sont low, medium, high, xhigh et max, avec high comme niveau standard. Selon Anthropic, les niveaux plus profonds peuvent accroître l’analyse, les appels d’outils et le temps de travail ; un approfondissement moindre est utile pour les tâches courtes et limitées.
Le modèle adapte le niveau de détail à la complexité qu’il attribue à la tâche : une question simple peut recevoir une réponse courte, une analyse ouverte une réponse développée. Une longueur ou une voix rédactionnelle précises doivent être indiquées explicitement, de préférence avec un exemple positif. Des messages de progression intermédiaires sont prévus pour les travaux prolongés avec outils ; leur contenu et leur fréquence peuvent aussi être orientés par les instructions.
L’entrée est composée de texte et d’images, et le résultat est produit sous forme de texte. La fenêtre de contexte est de 1 million de tokens, et la réponse maximale en mode normal de 128 k tokens. La date de référence fiable des connaissances intégrées est janvier 2026.
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 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.
Recherche web, exécution de commandes, mémoire de fichiers, contrôle d’interface et sous-tâches autonomes nécessitent la prise en charge de l’application. Le modèle peut utiliser les moyens disponibles, mais le niveau d’effort et la clarté de la description des outils influent sur le choix des actions. Cela est particulièrement utile pour relier recherche d’informations, analyse et exécution technique.
Lors de la création d’interfaces et de diapositives, Opus 4.8 possède des préférences de présentation stables. Pour un style précis, il est utile d’indiquer une palette, une typographie, une composition et une dynamique de mouvement concrètes, ou de demander d’abord plusieurs directions. Un fichier terminé ou une interface fonctionnelle est produit par les outils de l’environnement ; la sortie propre du modèle reste textuelle.
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-4.8: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-4.8:batch, anthropic/claude-opus-4.8 | 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 $0.005 / 1K tokens Sortie · Tokens en sortie $0.025 / 1K tokens Entrée · Lecture du cache $0.0005 / 1K tokens Entrée · Écriture dans le cache $0.00625 / 1K tokens Entrée · Écriture dans le cache, 1 h $0.01 / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.005 / 1K tokens Sortie · Tokens en sortie $0.025 / 1K tokens Entrée · Lecture du cache $0.0005 / 1K tokens Entrée · Écriture dans le cache $0.00625 / 1K tokens Entrée · Écriture dans le cache, 1 h $0.01 / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-opus-4.8: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-4.8:batch', 'anthropic/claude-opus-4.8']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-opus-4.8: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-opus-4.8:batch
Utilisez les chemins de méthode indiqués ci-dessus.