Claude Opus 4.6 vise les travaux où il est utile de conserver de nombreux matériaux dans un même contexte et de raisonner après leur lecture. Anthropic met en avant le développement dans de grandes bases de code, la vérification du code, le débogage, l’analyse financière et la recherche. Le modèle peut repérer des détails importants, relier des informations issues de différentes parties des matériaux et les utiliser pour résoudre une tâche étape par étape.
En développement, cela comprend la préparation d’un plan, l’étude d’un système inconnu et la recherche d’erreurs dans les modifications. En analyse professionnelle, il s’agit de traiter des documents et préparer le contenu de tableaux, rapports ou présentations. Pour ces scénarios, il est important de fournir la tâche et les matériaux sur lesquels tirer des conclusions, plutôt que le seul nom général du sujet.
Le modèle prend en charge un mode adaptatif : il détermine, selon les instructions, quand une analyse supplémentaire est utile. Le paramètre effort définit le degré d’approfondissement ; Opus 4.6 propose low, medium, high et max, avec high comme valeur standard. Selon Anthropic, un travail approfondi peut augmenter le temps de réponse à des tâches simples : le niveau choisi doit donc être adapté à leur complexité.
L’ancien extended thinking à budget manuel reste pris en charge, mais est indiqué comme déprécié. Cette version présente une distinction importante entre les modes : le raisonnement entre appels d’outils est disponible en mode adaptatif, alors qu’Opus 4.6 ne le réalise pas en mode manuel. Avec des outils connectés, l’analyse adaptative aide à utiliser le résultat d’une action pour choisir la suivante.
La spécification actuelle d’Anthropic indique 1 million de tokens de contexte et jusqu’à 128 k tokens de réponse en mode normal. L’entrée accepte texte et images, et la réponse reste textuelle. La date de référence fiable des connaissances intégrées est mai 2025.
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 les longues conversations et les tâches avec agents, le fabricant décrit la compression de l’ancien contexte : lorsque le seuil défini approche, une partie du travail précédent est remplacée par un résumé. Cette capacité est signalée comme expérimentale et nécessite la prise en charge de l’application ; la taille du contexte n’active pas à elle seule une mémoire infinie.
Opus 4.6 est conçu pour travailler en plusieurs étapes avec la recherche, le code et les autres outils disponibles. L’environnement de l’application doit fournir la lecture des matériaux, l’exécution de commandes ou la production de fichiers. Les actions de production, le contrôle d’une interface et la création d’une présentation terminée dépendent de ces moyens ; un modèle textuel ne les reçoit pas automatiquement.
Anthropic décrit séparément les contrôles de sécurité et les protections pour les tâches potentiellement dangereuses en cybersécurité. En développement courant, le modèle peut aider à rechercher et corriger des vulnérabilités, mais la nature de la demande influe sur la possibilité de répondre. Les conclusions tirées d’un grand ensemble de matériaux et les modifications proposées doivent être vérifiées sur les données et le résultat d’exécution.
", "aboutText": "### Une tâche importante et les liens entre ses parties\n\nClaude Opus 4.6 vise les travaux où il est utile de conserver de nombreux matériaux dans un même contexte et de raisonner après leur lecture. Anthropic met en avant le développement dans de grandes bases de code, la vérification du code, le débogage, l’analyse financière et la recherche. Le modèle peut repérer des détails importants, relier des informations issues de différentes parties des matériaux et les utiliser pour résoudre une tâche étape par étape.\n\nEn développement, cela comprend la préparation d’un plan, l’étude d’un système inconnu et la recherche d’erreurs dans les modifications. En analyse professionnelle, il s’agit de traiter des documents et préparer le contenu de tableaux, rapports ou présentations. Pour ces scénarios, il est important de fournir la tâche et les matériaux sur lesquels tirer des conclusions, plutôt que le seul nom général du sujet.\n\n### Raisonnement adaptatif\n\nLe modèle prend en charge un mode adaptatif : il détermine, selon les instructions, quand une analyse supplémentaire est utile. Le paramètre `effort` définit le degré d’approfondissement ; Opus 4.6 propose `low`, `medium`, `high` et `max`, avec `high` comme valeur standard. Selon Anthropic, un travail approfondi peut augmenter le temps de réponse à des tâches simples : le niveau choisi doit donc être adapté à leur complexité.\n\nL’ancien extended thinking à budget manuel reste pris en charge, mais est indiqué comme déprécié. Cette version présente une distinction importante entre les modes : le raisonnement entre appels d’outils est disponible en mode adaptatif, alors qu’Opus 4.6 ne le réalise pas en mode manuel. Avec des outils connectés, l’analyse adaptative aide à utiliser le résultat d’une action pour choisir la suivante.\n\n### Contexte pour le travail prolongé\n\nLa spécification actuelle d’Anthropic indique **1 million de tokens de contexte** et jusqu’à **128 k tokens de réponse en mode normal**. L’entrée accepte **texte et images**, et la réponse reste textuelle. La date de référence fiable des connaissances intégrées est **mai 2025**.\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 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.\n\nPour les longues conversations et les tâches avec agents, le fabricant décrit la compression de l’ancien contexte : lorsque le seuil défini approche, une partie du travail précédent est remplacée par un résumé. Cette capacité est signalée comme expérimentale et nécessite la prise en charge de l’application ; la taille du contexte n’active pas à elle seule une mémoire infinie.\n\n### Outils et vérification du résultat\n\nOpus 4.6 est conçu pour travailler en plusieurs étapes avec la recherche, le code et les autres outils disponibles. L’environnement de l’application doit fournir la lecture des matériaux, l’exécution de commandes ou la production de fichiers. Les actions de production, le contrôle d’une interface et la création d’une présentation terminée dépendent de ces moyens ; un modèle textuel ne les reçoit pas automatiquement.\n\nAnthropic décrit séparément les contrôles de sécurité et les protections pour les tâches potentiellement dangereuses en cybersécurité. En développement courant, le modèle peut aider à rechercher et corriger des vulnérabilités, mais la nature de la demande influe sur la possibilité de répondre. Les conclusions tirées d’un grand ensemble de matériaux et les modifications proposées doivent être vérifiées sur les données et le résultat d’exécution.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Review an idempotency bug\n\nReview this payment-handler excerpt: if not exists(event.id): charge(event.amount); save(event.id). Two workers can process the same event concurrently. The database supports transactions and a unique event_id. Propose a minimal safe change, explain the crash window and give tests for concurrent delivery and a crash after charging. Do not assume the payment service supports idempotency.A focused review with the race, a proposed code or pseudocode patch, required payment-service guarantees and two test scenarios.Verify that the proposal handles the external charge boundary explicitly rather than claiming a database transaction alone prevents duplicate charges.anthropic/claude-opus-4.6Claude Opus 4.6 est destiné aux grandes bases de code, au débogage, à la recherche et aux documents longs. Il prend en charge le raisonnement adaptatif et un contexte jusqu’à 1 million de tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Claude Opus 4.6 vise les travaux où il est utile de conserver de nombreux matériaux dans un même contexte et de raisonner après leur lecture. Anthropic met en avant le développement dans de grandes bases de code, la vérification du code, le débogage, l’analyse financière et la recherche. Le modèle peut repérer des détails importants, relier des informations issues de différentes parties des matériaux et les utiliser pour résoudre une tâche étape par étape.
En développement, cela comprend la préparation d’un plan, l’étude d’un système inconnu et la recherche d’erreurs dans les modifications. En analyse professionnelle, il s’agit de traiter des documents et préparer le contenu de tableaux, rapports ou présentations. Pour ces scénarios, il est important de fournir la tâche et les matériaux sur lesquels tirer des conclusions, plutôt que le seul nom général du sujet.
Le modèle prend en charge un mode adaptatif : il détermine, selon les instructions, quand une analyse supplémentaire est utile. Le paramètre effort définit le degré d’approfondissement ; Opus 4.6 propose low, medium, high et max, avec high comme valeur standard. Selon Anthropic, un travail approfondi peut augmenter le temps de réponse à des tâches simples : le niveau choisi doit donc être adapté à leur complexité.
L’ancien extended thinking à budget manuel reste pris en charge, mais est indiqué comme déprécié. Cette version présente une distinction importante entre les modes : le raisonnement entre appels d’outils est disponible en mode adaptatif, alors qu’Opus 4.6 ne le réalise pas en mode manuel. Avec des outils connectés, l’analyse adaptative aide à utiliser le résultat d’une action pour choisir la suivante.
La spécification actuelle d’Anthropic indique 1 million de tokens de contexte et jusqu’à 128 k tokens de réponse en mode normal. L’entrée accepte texte et images, et la réponse reste textuelle. La date de référence fiable des connaissances intégrées est mai 2025.
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 les longues conversations et les tâches avec agents, le fabricant décrit la compression de l’ancien contexte : lorsque le seuil défini approche, une partie du travail précédent est remplacée par un résumé. Cette capacité est signalée comme expérimentale et nécessite la prise en charge de l’application ; la taille du contexte n’active pas à elle seule une mémoire infinie.
Opus 4.6 est conçu pour travailler en plusieurs étapes avec la recherche, le code et les autres outils disponibles. L’environnement de l’application doit fournir la lecture des matériaux, l’exécution de commandes ou la production de fichiers. Les actions de production, le contrôle d’une interface et la création d’une présentation terminée dépendent de ces moyens ; un modèle textuel ne les reçoit pas automatiquement.
Anthropic décrit séparément les contrôles de sécurité et les protections pour les tâches potentiellement dangereuses en cybersécurité. En développement courant, le modèle peut aider à rechercher et corriger des vulnérabilités, mais la nature de la demande influe sur la possibilité de répondre. Les conclusions tirées d’un grand ensemble de matériaux et les modifications proposées doivent être vérifiées sur les données et le résultat d’exécution.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites anthropic/claude-opus-4.6 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
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, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
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.
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 $0.01 / 1K tokens Sortie · Tokens en sortie $0.05 / 1K tokens Entrée · Lecture du cache $0.001 / 1K tokens Entrée · Écriture dans le cache $0.0125 / 1K tokens Entrée · Écriture dans le cache, 1 h $0.02 / 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 $0.01 / 1K tokens Sortie · Tokens en sortie $0.05 / 1K tokens Entrée · Lecture du cache $0.001 / 1K tokens Entrée · Écriture dans le cache $0.0125 / 1K tokens Entrée · Écriture dans le cache, 1 h $0.02 / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-opus-4.6", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\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='anthropic/claude-opus-4.6',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\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"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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)\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\nwith client.chat.completions.stream(model='anthropic/claude-opus-4.6',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\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 anthropic/claude-opus-4.6
Utilisez les chemins de méthode indiqués ci-dessus.
anthropic/claude-opus-4.6Claude Opus 4.6 est destiné aux grandes bases de code, au débogage, à la recherche et aux documents longs. Il prend en charge le raisonnement adaptatif et un contexte jusqu’à 1 million de tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Claude Opus 4.6 vise les travaux où il est utile de conserver de nombreux matériaux dans un même contexte et de raisonner après leur lecture. Anthropic met en avant le développement dans de grandes bases de code, la vérification du code, le débogage, l’analyse financière et la recherche. Le modèle peut repérer des détails importants, relier des informations issues de différentes parties des matériaux et les utiliser pour résoudre une tâche étape par étape.
En développement, cela comprend la préparation d’un plan, l’étude d’un système inconnu et la recherche d’erreurs dans les modifications. En analyse professionnelle, il s’agit de traiter des documents et préparer le contenu de tableaux, rapports ou présentations. Pour ces scénarios, il est important de fournir la tâche et les matériaux sur lesquels tirer des conclusions, plutôt que le seul nom général du sujet.
Le modèle prend en charge un mode adaptatif : il détermine, selon les instructions, quand une analyse supplémentaire est utile. Le paramètre effort définit le degré d’approfondissement ; Opus 4.6 propose low, medium, high et max, avec high comme valeur standard. Selon Anthropic, un travail approfondi peut augmenter le temps de réponse à des tâches simples : le niveau choisi doit donc être adapté à leur complexité.
L’ancien extended thinking à budget manuel reste pris en charge, mais est indiqué comme déprécié. Cette version présente une distinction importante entre les modes : le raisonnement entre appels d’outils est disponible en mode adaptatif, alors qu’Opus 4.6 ne le réalise pas en mode manuel. Avec des outils connectés, l’analyse adaptative aide à utiliser le résultat d’une action pour choisir la suivante.
La spécification actuelle d’Anthropic indique 1 million de tokens de contexte et jusqu’à 128 k tokens de réponse en mode normal. L’entrée accepte texte et images, et la réponse reste textuelle. La date de référence fiable des connaissances intégrées est mai 2025.
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 les longues conversations et les tâches avec agents, le fabricant décrit la compression de l’ancien contexte : lorsque le seuil défini approche, une partie du travail précédent est remplacée par un résumé. Cette capacité est signalée comme expérimentale et nécessite la prise en charge de l’application ; la taille du contexte n’active pas à elle seule une mémoire infinie.
Opus 4.6 est conçu pour travailler en plusieurs étapes avec la recherche, le code et les autres outils disponibles. L’environnement de l’application doit fournir la lecture des matériaux, l’exécution de commandes ou la production de fichiers. Les actions de production, le contrôle d’une interface et la création d’une présentation terminée dépendent de ces moyens ; un modèle textuel ne les reçoit pas automatiquement.
Anthropic décrit séparément les contrôles de sécurité et les protections pour les tâches potentiellement dangereuses en cybersécurité. En développement courant, le modèle peut aider à rechercher et corriger des vulnérabilités, mais la nature de la demande influe sur la possibilité de répondre. Les conclusions tirées d’un grand ensemble de matériaux et les modifications proposées doivent être vérifiées sur les données et le résultat d’exécution.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites anthropic/claude-opus-4.6 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
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 $0.01 / 1K tokens Sortie · Tokens en sortie $0.05 / 1K tokens Entrée · Lecture du cache $0.001 / 1K tokens Entrée · Écriture dans le cache $0.0125 / 1K tokens Entrée · Écriture dans le cache, 1 h $0.02 / 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 $0.01 / 1K tokens Sortie · Tokens en sortie $0.05 / 1K tokens Entrée · Lecture du cache $0.001 / 1K tokens Entrée · Écriture dans le cache $0.0125 / 1K tokens Entrée · Écriture dans le cache, 1 h $0.02 / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "anthropic/claude-opus-4.6",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-opus-4.6', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-opus-4.6', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
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 |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_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 anthropic/claude-opus-4.6
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Review an idempotency bug\n\nReview this payment-handler excerpt: if not exists(event.id): charge(event.amount); save(event.id). Two workers can process the same event concurrently. The database supports transactions and a unique event_id. Propose a minimal safe change, explain the crash window and give tests for concurrent delivery and a crash after charging. Do not assume the payment service supports idempotency.A focused review with the race, a proposed code or pseudocode patch, required payment-service guarantees and two test scenarios.Verify that the proposal handles the external charge boundary explicitly rather than claiming a database transaction alone prevents duplicate charges.