Claude 3.7 Sonnet Thinking מתאר את מצב החשיבה המורחבת של Claude 3.7 Sonnet, ולא דור נפרד של מודל הבסיס. Anthropic משלבת תשובות רגילות והנמקה עמוקה יותר במודל היברידי אחד. גרסת Thinking מועילה כשמשימה כוללת מגבלות המשפיעות זו על זו והתשובה משתפרת מעיבודן לפני הצגת מסקנה.
המודל מקדיש טוקני הנמקה נוספים לבעיה לפני החזרת התשובה הסופית. Anthropic מדגישה מתמטיקה, פיזיקה, ביצוע הוראות מורכבות ותכנות, תוך דגש על משימות עסקיות אמיתיות ולא רק על חידות תחרות. היצרן מתעד שליטה במאמץ ההנמקה באמצעות תקציב טוקני חשיבה; התקציב והתשובה הסופית חולקים את מכסת הפלט הזמינה. יותר הנמקה דורשת זמן נוסף, ולכן שמרו את המצב הזה לעבודה שבה הניתוח הנוסף חשוב.
למשימה אנליטית, ספקו את הראיות, את השאלה שיש לפתור ואת הקריטריונים להשוואת חלופות. בקשו מסקנה ולאחריה את העובדות התומכות, ההנחות והשאלות שנותרו פתוחות. כך התשובה הסופית מקבלת מבנה שימושי בלי להתייחס לאורך ההנמקה שלה כראיה לנכונות המסקנה.
Anthropic מדגישה במיוחד שינויי קוד, ניווט בפרויקטים מורכבים ובניית ממשקי אינטרנט. תדריך מועיל כולל את הקוד הרלוונטי, את ההתנהגות הצפויה, את הכשל שנצפה ואת החלקים שחייבים להישאר ללא שינוי. בקשו תיקון קוהרנטי והסבר כיצד לאמת אותו. לממשק, הגדירו פעולות משתמש, מצבי טעינה ושגיאה, התנהגות רספונסיבית ואת הפלט הדרוש, כמו רכיב או אוסף שינויים בדפים.
הדוגמאות האלה מתארות משימות לתת למודל. הרצת פקודות, קריאת מאגר ועריכת קבצים דורשות כלים שמספק היישום שסביבו. יכולת התכנות של המודל והרשאת היישום להריץ קוד הן חלקים נפרדים בתהליך.
ההבנה החזותית של Claude תומכת בהנמקה על חומר כמו צילומי מסך, תרשימים ומסמכים מאוירים, לצד הוראות כתובות. ספקו תמונה קריאה וציינו איזה פרט חשוב: ציר מסומן, בעיית פריסה או יחס בין אובייקטים. לנתונים מדויקים בתרשים, כללו את הערכים הבסיסיים כשאפשר. התוצאה היא הסבר טקסטואלי, ניתוח או קוד, ולא תמונה שנוצרה.
לפרויקט Ailoot API, הגדירו במפורש את התוצר הסופי הצפוי: מימוש, טיעון שנבדק, טבלת השוואה או הסבר אבחוני. ספקו את החומר הרלוונטי עם הדרישה הזאת, במקום לבקש מהמודל לנחש הקשר פרויקט חסר.
Anthropic מציינת שאוקטובר 2024 הוא מועד עדכון הידע המהימן האחרון של מודל הבסיס הזה. ספקו מסמכים עדכניים כשהשאלה תלויה באירועים מאוחרים יותר או בפרטים טכניים משתנים. כרטיס המערכת שלו מתעד גם דפוס כשל בתכנות שבו ניסיונות חוזרים שלא מצליחים עלולים להוביל לקיצורי דרך המותאמים לבדיקות מסוימות. בקשו פתרון כללי ובדקו שינויים בבדיקות בקפידה כמו שינויים בקוד היישום. תיעוד הנמקה מפורט יכול לעזור לבחון תשובה, אך המחקר של Anthropic אינו מבסס אותו כתיאור מלא או חסין שגיאות של אופן קבלת ההחלטה.
", "aboutText": "Claude 3.7 Sonnet Thinking מתאר את מצב החשיבה המורחבת של Claude 3.7 Sonnet, ולא דור נפרד של מודל הבסיס. Anthropic משלבת תשובות רגילות והנמקה עמוקה יותר במודל היברידי אחד. גרסת Thinking מועילה כשמשימה כוללת מגבלות המשפיעות זו על זו והתשובה משתפרת מעיבודן לפני הצגת מסקנה.\n\n### הנמקה מורחבת לבעיות מעשיות\n\nהמודל מקדיש טוקני הנמקה נוספים לבעיה לפני החזרת התשובה הסופית. Anthropic מדגישה מתמטיקה, פיזיקה, ביצוע הוראות מורכבות ותכנות, תוך דגש על משימות עסקיות אמיתיות ולא רק על חידות תחרות. היצרן מתעד שליטה במאמץ ההנמקה באמצעות תקציב טוקני חשיבה; התקציב והתשובה הסופית חולקים את מכסת הפלט הזמינה. יותר הנמקה דורשת זמן נוסף, ולכן שמרו את המצב הזה לעבודה שבה הניתוח הנוסף חשוב.\n\nלמשימה אנליטית, ספקו את הראיות, את השאלה שיש לפתור ואת הקריטריונים להשוואת חלופות. בקשו מסקנה ולאחריה את העובדות התומכות, ההנחות והשאלות שנותרו פתוחות. כך התשובה הסופית מקבלת מבנה שימושי בלי להתייחס לאורך ההנמקה שלה כראיה לנכונות המסקנה.\n\n### תכנות ופיתוח ממשקים קדמיים\n\nAnthropic מדגישה במיוחד שינויי קוד, ניווט בפרויקטים מורכבים ובניית ממשקי אינטרנט. תדריך מועיל כולל את הקוד הרלוונטי, את ההתנהגות הצפויה, את הכשל שנצפה ואת החלקים שחייבים להישאר ללא שינוי. בקשו תיקון קוהרנטי והסבר כיצד לאמת אותו. לממשק, הגדירו פעולות משתמש, מצבי טעינה ושגיאה, התנהגות רספונסיבית ואת הפלט הדרוש, כמו רכיב או אוסף שינויים בדפים.\n\nהדוגמאות האלה מתארות משימות לתת למודל. הרצת פקודות, קריאת מאגר ועריכת קבצים דורשות כלים שמספק היישום שסביבו. יכולת התכנות של המודל והרשאת היישום להריץ קוד הן חלקים נפרדים בתהליך.\n\n### טקסט, תמונות והתוצר הסופי\n\nההבנה החזותית של Claude תומכת בהנמקה על חומר כמו צילומי מסך, תרשימים ומסמכים מאוירים, לצד הוראות כתובות. ספקו תמונה קריאה וציינו איזה פרט חשוב: ציר מסומן, בעיית פריסה או יחס בין אובייקטים. לנתונים מדויקים בתרשים, כללו את הערכים הבסיסיים כשאפשר. התוצאה היא הסבר טקסטואלי, ניתוח או קוד, ולא תמונה שנוצרה.\n\nלפרויקט Ailoot API, הגדירו במפורש את התוצר הסופי הצפוי: מימוש, טיעון שנבדק, טבלת השוואה או הסבר אבחוני. ספקו את החומר הרלוונטי עם הדרישה הזאת, במקום לבקש מהמודל לנחש הקשר פרויקט חסר.\n\n### ידע ואימות\n\nAnthropic מציינת שאוקטובר 2024 הוא מועד עדכון הידע המהימן האחרון של מודל הבסיס הזה. ספקו מסמכים עדכניים כשהשאלה תלויה באירועים מאוחרים יותר או בפרטים טכניים משתנים. כרטיס המערכת שלו מתעד גם דפוס כשל בתכנות שבו ניסיונות חוזרים שלא מצליחים עלולים להוביל לקיצורי דרך המותאמים לבדיקות מסוימות. בקשו פתרון כללי ובדקו שינויים בבדיקות בקפידה כמו שינויים בקוד היישום. תיעוד הנמקה מפורט יכול לעזור לבחון תשובה, אך המחקר של Anthropic אינו מבסס אותו כתיאור מלא או חסין שגיאות של אופן קבלת ההחלטה.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Reason through a batching rule\n\nA packing line must send 42 jars. Each sealed carton holds 6 jars; opened cartons cannot ship. Each pallet holds at most 4 cartons. Determine the minimum cartons and pallets, then explain a valid loading arrangement. Separate the arithmetic from the assumptions, and state whether any jars remain unpacked.Carton and pallet counts, a loading arrangement, arithmetic and explicit assumptions.Multiply carton capacity back to 42 and verify no pallet exceeds four cartons.claude-3-7-sonnet-20250219-thinkingClaude 3.7 Sonnet הוא מודל ההנמקה ההיברידי של Anthropic, המשמש כאן במצב חשיבה מורחבת. הוא מעבד משימות תכנות, מתמטיקה וניתוח תובעניות לפני הפקת תשובת טקסט, עם דגש מיוחד על פיתוח תוכנה מעשי ועבודה על ממשקים קדמיים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Claude 3.7 Sonnet Thinking מתאר את מצב החשיבה המורחבת של Claude 3.7 Sonnet, ולא דור נפרד של מודל הבסיס. Anthropic משלבת תשובות רגילות והנמקה עמוקה יותר במודל היברידי אחד. גרסת Thinking מועילה כשמשימה כוללת מגבלות המשפיעות זו על זו והתשובה משתפרת מעיבודן לפני הצגת מסקנה.
המודל מקדיש טוקני הנמקה נוספים לבעיה לפני החזרת התשובה הסופית. Anthropic מדגישה מתמטיקה, פיזיקה, ביצוע הוראות מורכבות ותכנות, תוך דגש על משימות עסקיות אמיתיות ולא רק על חידות תחרות. היצרן מתעד שליטה במאמץ ההנמקה באמצעות תקציב טוקני חשיבה; התקציב והתשובה הסופית חולקים את מכסת הפלט הזמינה. יותר הנמקה דורשת זמן נוסף, ולכן שמרו את המצב הזה לעבודה שבה הניתוח הנוסף חשוב.
למשימה אנליטית, ספקו את הראיות, את השאלה שיש לפתור ואת הקריטריונים להשוואת חלופות. בקשו מסקנה ולאחריה את העובדות התומכות, ההנחות והשאלות שנותרו פתוחות. כך התשובה הסופית מקבלת מבנה שימושי בלי להתייחס לאורך ההנמקה שלה כראיה לנכונות המסקנה.
Anthropic מדגישה במיוחד שינויי קוד, ניווט בפרויקטים מורכבים ובניית ממשקי אינטרנט. תדריך מועיל כולל את הקוד הרלוונטי, את ההתנהגות הצפויה, את הכשל שנצפה ואת החלקים שחייבים להישאר ללא שינוי. בקשו תיקון קוהרנטי והסבר כיצד לאמת אותו. לממשק, הגדירו פעולות משתמש, מצבי טעינה ושגיאה, התנהגות רספונסיבית ואת הפלט הדרוש, כמו רכיב או אוסף שינויים בדפים.
הדוגמאות האלה מתארות משימות לתת למודל. הרצת פקודות, קריאת מאגר ועריכת קבצים דורשות כלים שמספק היישום שסביבו. יכולת התכנות של המודל והרשאת היישום להריץ קוד הן חלקים נפרדים בתהליך.
ההבנה החזותית של Claude תומכת בהנמקה על חומר כמו צילומי מסך, תרשימים ומסמכים מאוירים, לצד הוראות כתובות. ספקו תמונה קריאה וציינו איזה פרט חשוב: ציר מסומן, בעיית פריסה או יחס בין אובייקטים. לנתונים מדויקים בתרשים, כללו את הערכים הבסיסיים כשאפשר. התוצאה היא הסבר טקסטואלי, ניתוח או קוד, ולא תמונה שנוצרה.
לפרויקט Ailoot API, הגדירו במפורש את התוצר הסופי הצפוי: מימוש, טיעון שנבדק, טבלת השוואה או הסבר אבחוני. ספקו את החומר הרלוונטי עם הדרישה הזאת, במקום לבקש מהמודל לנחש הקשר פרויקט חסר.
Anthropic מציינת שאוקטובר 2024 הוא מועד עדכון הידע המהימן האחרון של מודל הבסיס הזה. ספקו מסמכים עדכניים כשהשאלה תלויה באירועים מאוחרים יותר או בפרטים טכניים משתנים. כרטיס המערכת שלו מתעד גם דפוס כשל בתכנות שבו ניסיונות חוזרים שלא מצליחים עלולים להוביל לקיצורי דרך המותאמים לבדיקות מסוימות. בקשו פתרון כללי ובדקו שינויים בבדיקות בקפידה כמו שינויים בקוד היישום. תיעוד הנמקה מפורט יכול לעזור לבחון תשובה, אך המחקר של Anthropic אינו מבסס אותו כתיאור מלא או חסין שגיאות של אופן קבלת ההחלטה.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות claude-3-7-sonnet-20250219-thinking | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.006 / 1K טוקנים פלט · טוקני פלט $0.03 / 1K טוקנים קלט · קריאה מהמטמון $0.0006 / 1K טוקנים קלט · כתיבה למטמון $0.0075 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-3-7-sonnet-20250219-thinking", "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='claude-3-7-sonnet-20250219-thinking',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='claude-3-7-sonnet-20250219-thinking',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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra claude-3-7-sonnet-20250219-thinking
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Reason through a batching rule\n\nA packing line must send 42 jars. Each sealed carton holds 6 jars; opened cartons cannot ship. Each pallet holds at most 4 cartons. Determine the minimum cartons and pallets, then explain a valid loading arrangement. Separate the arithmetic from the assumptions, and state whether any jars remain unpacked.Carton and pallet counts, a loading arrangement, arithmetic and explicit assumptions.Multiply carton capacity back to 42 and verify no pallet exceeds four cartons.