Anthropic: Claude Opus 4.7

Claude Opus 4.7 est conçu pour l’ingénierie complexe et l’analyse de documents ou d’images riches en petits détails. Il accorde une attention particulière au respect précis des instructions et à la vérification du résultat.

Ailoot Ultra · Chat OpenAI POST /v1/chat/completions claude-opus-4-7-thinking

À propos du modèle

Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.

Un travail d’ingénierie rigoureux

Anthropic conçoit Claude Opus 4.7 pour des tâches de développement complexes et prolongées. Sa présentation met l’accent sur le travail séquentiel, l’attention portée aux instructions et la recherche de moyens de vérifier son résultat avant le message final. Le modèle convient à l’étude d’un problème difficile dans le code et à la préparation de contenus professionnels qui nécessitent une solution technique et une présentation claire.

Opus 4.7 suit les formulations littéralement. Il est préférable de définir des limites explicites : les parties à modifier, les éléments à vérifier et le résultat attendu. Une condition applicable à l’ensemble du travail doit être décrite comme telle. Le fabricant souligne aussi l’utilisation de notes dans une mémoire de fichiers pour les tâches longues, mais leur lecture et leur conservation nécessitent les outils de l’application.

Lire des schémas denses et des captures d’interface

Le modèle accepte texte et images et produit du texte. L’entrée visuelle prend en charge une résolution jusqu’à 2576 pixels sur le côté long, soit environ 3,75 mégapixels. Cela est utile pour les captures d’écran chargées, l’extraction d’informations dans des diagrammes complexes et les tâches avec une référence visuelle détaillée.

Les formats habituels d’entrée visuelle du fabricant sont JPEG/PNG/GIF/WebP, avec la première image d’une animation. Pour l’analyse native, le côté long mesure 2576 pixels et représente 4784 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.

La haute résolution aide à conserver les détails, mais ne rend pas la compréhension visuelle infaillible. La sortie peut être une explication, une structure de données ou du code ; la création et l’édition de l’image elle-même ne sont pas des capacités de sortie du modèle. Le contrôle d’une interface nécessite des moyens de montrer l’écran au modèle et d’exécuter des actions dans l’application.

Profondeur et volume de la tâche

Le contexte est de 1 million de tokens, et la réponse maximale en mode normal de 128 k tokens. Le raisonnement adaptatif est pris en charge ; cette version ne propose pas d’extended thinking manuel avec budget_tokens. Le niveau standard d’effort est high ; low, medium, xhigh et max sont aussi disponibles. Le niveau xhigh ajoute un réglage entre high et max pour les travaux prolongés d’ingénierie et d’agents.

À faible effort, le modèle limite particulièrement strictement son travail à ce qui a été demandé. Pour une recherche complexe, le fabricant recommande de prévoir suffisamment de place pour le raisonnement et la réponse. La tokenisation a été modifiée dans cette version : un même volume de texte n’a donc pas toujours la longueur en tokens habituelle des versions précédentes.

Conditions de travail

La date de référence fiable des connaissances intégrées est janvier 2026. La recherche à jour, le travail documentaire et l’exécution de code utilisent les matériaux et les outils fournis par l’application. Opus 4.7 possède des protections qui peuvent bloquer des demandes interdites ou à haut risque en cybersécurité. Son attention à la vérification est utile, mais les modifications finales et les conclusions doivent toujours être vérifiées dans l’environnement précis.

Ailoot Ultra · Chat OpenAI POST /v1/chat/completions claude-opus-4-7-thinking

claude-opus-4-7-thinking

Anthropic /claude-opus-4-7-thinking

Premiers pas

Entrées acceptées: Texte
Résultats: Texte

Disponible dans Ailoot · entrées et méthodes

Ailoot Ultra · Chat OpenAI POST /v1/chat/completions

Types d’entrée: text
Types de sortie: text
Format de sortie: json ou SSE

Champ	Type	Exigence	Valeurs et limites	Par défaut
Champ`model`	Type`string`	ExigenceObligatoire	Valeurs et limites claude-opus-4-7-thinking	Par défaut—
Champ`messages`	Type`message[]`	ExigenceObligatoire	Valeurs et limites Nombre minimal d’éléments: 1	Par défaut—
Champ`messages[].role`	Type`string`	ExigenceObligatoire	Valeurs et limites Selon le modèle	Par défaut—
Champ`messages[].content`	Type`string`	ExigenceFacultatif	Valeurs et limites S’applique lorsque: Conversation textuelle	Par défaut—
Champ`stream`	Type`boolean`	ExigenceFacultatif	Valeurs et limites	Par défautfalse

Combinaisons d’éléments d’entrée

Texte · Texte UTF8

messages[].content

Paramètres et cycle de vie de la méthode

Paramètre	Contrat
Paramètre`content_type`	Contratapplication/json
Paramètre`required`	Contratmodel, messages
Paramètre`material_types`	Contrattext
Paramètre`messages`	Contrattableau de messages avec une structure role/content
Paramètre`file_material`	Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit
Paramètre`optional_controls`	Contratstream
Paramètre`control_scope`	ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false.
Paramètre`output_modalities`	Contrattext
Paramètre`hosted_operations`	Contratfalse
Paramètre`multimodal_input_binding`	Contratnull

Alias de méthode : /chat/completions

Cycle de vie : synchronous_or_streamed

Envoyez l’identifiant exact du modèle avec messages.

La longueur du contexte n’est pas un plafond de sortie.

Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.

Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide: Non précisé Lorsque le mode rapide est sélectionné
Mode Flex: Non précisé Lorsque le mode flex est sélectionné
Effort de raisonnement maximal: Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)

Tarifs Ailoot

Prix par configuration

Configuration	Barème tarifaire	Coût
ConfigurationTarifs de base des tokens	Barème tarifaireTarif de base	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 — / 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 →

Exemples de requêtes

Ailoot Ultra · Chat OpenAI

curlPython SDK

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"claude-opus-4-7-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT

from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="claude-opus-4-7-thinking", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))

Recevoir et enregistrer les résultats

Ailoot Ultra · Chat OpenAI

json ou SSE

Conserver tous les résultats terminés

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.

Si la réponse d’origine doit être vérifiée

Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.

Champs de la réponse

Champ	Type
Champ`choices[].index`	Typeinteger
Champ`choices[].message.content`	Typestring\|null
Champ`choices[].message.tool_calls`	Typetool_call[]
Champ`choices[].message.reasoning_content`	Typestring
Champ`choices[].message.reasoning_details`	Typeobject\|array
Champ`choices[].finish_reason`	Typestring\|null
Champ`usage`	Typeobject

Erreurs et étapes suivantes

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.

Alias

Alias du modèle

Ailoot Ultra claude-opus-4-7-thinking

Alias des chemins de méthode

/chat/completions

ID d’appel associés

claude-opus-4-7-thinking

FAQ · Anthropic: Claude Opus 4.7

Quelles entrées et quels résultats sont disponibles ?: POST /v1/chat/completions · claude-opus-4-7-thinking: text → text
Quels champs la requête utilise-t-elle ?: POST /v1/chat/completions · claude-opus-4-7-thinking: model, messages, stream
Quelles limites s’appliquent ?: POST /v1/chat/completions · claude-opus-4-7-thinking: messages.min_items: 1

Anthropic: Claude Opus 4.7