Claude Opus 4.5 adalah model Anthropic untuk tugas yang memerlukan pemahaman persyaratan ambigu, pemilihan rencana tindakan, dan pekerjaan berurutan hingga mencapai hasil. Penggunaan utama yang diperkenalkan meliputi pemrograman, pekerjaan agen, penggunaan komputer, dan penelitian mendalam. Dalam pekerjaan profesional sehari-hari, model dapat membantu dengan lembar kerja dan presentasi.
Dalam tugas rekayasa, Opus 4.5 dapat mempertimbangkan hubungan antara beberapa bagian sistem, mencari penyebab kesalahan kompleks, membahas kompromi, dan menyiapkan perubahan kode. Untuk pekerjaan panjang, Anthropic secara khusus menekankan perencanaan tindakan, penggunaan alat, dan koordinasi subtugas. Ini sesuai untuk skenario yang memerlukan pembelajaran materi terlebih dahulu, lalu pemilihan tindakan dan pemeriksaan hasilnya.
Sarana untuk membaca dan menyunting berkas, menjalankan perintah, mencari informasi, dan menggunakan antarmuka harus disediakan aplikasi. Model menalar tentang apa yang harus dilakukan dan membentuk panggilan ke alat yang tersedia; pelaksanaan sebenarnya bergantung pada lingkungan yang terhubung. Demikian pula, penyiapan lembar kerja atau presentasi dapat mencakup isi dan kode, sedangkan pembuatan berkas jadi memerlukan alat yang sesuai.
Opus 4.5 mendukung extended thinking dengan anggaran manual budget_tokens. Saat mode ini diaktifkan, model menganalisis tugas sebelum memberikan jawaban akhir. Jika aplikasi mendukungnya, model juga dapat menalar di antara penggunaan alat, mempertimbangkan hasil yang diperoleh sebelum tindakan berikutnya.
Jika metode mendukung pengaturan ini, anggaran manual budget_tokens dimulai dari 1024 token dan biasanya harus lebih kecil daripada max_tokens. Terdapat pengecualian untuk penalaran di antara alat: anggaran dapat melebihi max_tokens karena mencakup beberapa blok analisis dalam satu giliran. Pengecualian ini memerlukan dukungan mode tersebut dalam aplikasi.
Parameter effort mengatur tingkat pengerjaan keseluruhan: tersedia low, medium, dan high, dengan high sebagai tingkat standar. Parameter ini bekerja baik saat penalaran aktif maupun tidak. Anggaran penalaran dan tingkat upaya memiliki fungsi berbeda: yang pertama mengarahkan jumlah analisis internal, sedangkan yang kedua memengaruhi pengerjaan jawaban secara keseluruhan. Versi ini tidak memiliki mode adaptif.
Masukan berupa teks dan gambar, sedangkan model menghasilkan teks. Konteks berjumlah 200 ribu token, dengan panjang jawaban maksimum 64 ribu token. Kumpulan materi besar dapat digunakan untuk penelitian, analisis dokumen, dan pengembangan, tetapi hasil harus termuat dalam batas versi khusus ini.
Format masukan visual biasa pada layanan produsen: JPEG/PNG/GIF/WebP, dengan bingkai pertama untuk animasi. Dalam analisis native: sisi panjang — 1568 piksel, 1568 token visual; gambar besar diperkecil sebelum dianalisis. Dukungan berkas dan parameter ditentukan oleh metode aplikasi.
Batas waktu pengetahuan bawaan yang dapat diandalkan adalah Mei 2025. Informasi terkini memerlukan materi yang diberikan atau alat aplikasi. Anthropic melatih model untuk menolak instruksi berbahaya yang tersembunyi dalam konten pihak lain, tetapi ini tidak meniadakan kesimpulan yang keliru: rencana, perubahan, dan kesimpulan perlu diperiksa dalam tugas sebenarnya.
", "aboutText": "Claude Opus 4.5 adalah model Anthropic untuk tugas yang memerlukan pemahaman persyaratan ambigu, pemilihan rencana tindakan, dan pekerjaan berurutan hingga mencapai hasil. Penggunaan utama yang diperkenalkan meliputi pemrograman, pekerjaan agen, penggunaan komputer, dan penelitian mendalam. Dalam pekerjaan profesional sehari-hari, model dapat membantu dengan lembar kerja dan presentasi.\n\n### Dari analisis masalah menuju pelaksanaan\n\nDalam tugas rekayasa, Opus 4.5 dapat mempertimbangkan hubungan antara beberapa bagian sistem, mencari penyebab kesalahan kompleks, membahas kompromi, dan menyiapkan perubahan kode. Untuk pekerjaan panjang, Anthropic secara khusus menekankan perencanaan tindakan, penggunaan alat, dan koordinasi subtugas. Ini sesuai untuk skenario yang memerlukan pembelajaran materi terlebih dahulu, lalu pemilihan tindakan dan pemeriksaan hasilnya.\n\nSarana untuk membaca dan menyunting berkas, menjalankan perintah, mencari informasi, dan menggunakan antarmuka harus disediakan aplikasi. Model menalar tentang apa yang harus dilakukan dan membentuk panggilan ke alat yang tersedia; pelaksanaan sebenarnya bergantung pada lingkungan yang terhubung. Demikian pula, penyiapan lembar kerja atau presentasi dapat mencakup isi dan kode, sedangkan pembuatan berkas jadi memerlukan alat yang sesuai.\n\n### Dua pengendali pekerjaan yang berbeda\n\nOpus 4.5 mendukung **extended thinking** dengan anggaran manual `budget_tokens`. Saat mode ini diaktifkan, model menganalisis tugas sebelum memberikan jawaban akhir. Jika aplikasi mendukungnya, model juga dapat menalar di antara penggunaan alat, mempertimbangkan hasil yang diperoleh sebelum tindakan berikutnya.\n\nJika metode mendukung pengaturan ini, anggaran manual `budget_tokens` dimulai dari **1024 token** dan biasanya harus lebih kecil daripada `max_tokens`. Terdapat pengecualian untuk penalaran di antara alat: anggaran dapat melebihi `max_tokens` karena mencakup beberapa blok analisis dalam satu giliran. Pengecualian ini memerlukan dukungan mode tersebut dalam aplikasi.\n\nParameter `effort` mengatur tingkat pengerjaan keseluruhan: tersedia `low`, `medium`, dan `high`, dengan `high` sebagai tingkat standar. Parameter ini bekerja baik saat penalaran aktif maupun tidak. Anggaran penalaran dan tingkat upaya memiliki fungsi berbeda: yang pertama mengarahkan jumlah analisis internal, sedangkan yang kedua memengaruhi pengerjaan jawaban secara keseluruhan. Versi ini tidak memiliki mode adaptif.\n\n### Teks dan materi visual\n\nMasukan berupa **teks dan gambar**, sedangkan model menghasilkan **teks**. Konteks berjumlah **200 ribu token**, dengan panjang jawaban maksimum **64 ribu token**. Kumpulan materi besar dapat digunakan untuk penelitian, analisis dokumen, dan pengembangan, tetapi hasil harus termuat dalam batas versi khusus ini.\n\nFormat masukan visual biasa pada layanan produsen: JPEG/PNG/GIF/WebP, dengan bingkai pertama untuk animasi. Dalam analisis native: sisi panjang — 1568 piksel, 1568 token visual; gambar besar diperkecil sebelum dianalisis. Dukungan berkas dan parameter ditentukan oleh metode aplikasi.\n\nBatas waktu pengetahuan bawaan yang dapat diandalkan adalah **Mei 2025**. Informasi terkini memerlukan materi yang diberikan atau alat aplikasi. Anthropic melatih model untuk menolak instruksi berbahaya yang tersembunyi dalam konten pihak lain, tetapi ini tidak meniadakan kesimpulan yang keliru: rencana, perubahan, dan kesimpulan perlu diperiksa dalam tugas sebenarnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Fix a mutation-dependent retry bug\n\nReview this Python function: def ready(items):\n for item in items:\n if item["done"]:\n items.remove(item)\n return items\nWith two adjacent completed items, one remains. Propose a minimal correction that preserves the input list, and provide tests for adjacent completed items, no completed items and an empty list.A corrected Python function, a brief bug explanation and three executable test cases.Check that iteration does not mutate the source list and that the test with two adjacent completed items removes both from the result.claude-opus-4-5-20251101Claude Opus 4.5 ditujukan untuk pengembangan kompleks, penelitian, dan pekerjaan bertahap dengan alat. Membantu menganalisis tugas ambigu serta menyiapkan isi dokumen, lembar kerja, dan presentasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Claude Opus 4.5 adalah model Anthropic untuk tugas yang memerlukan pemahaman persyaratan ambigu, pemilihan rencana tindakan, dan pekerjaan berurutan hingga mencapai hasil. Penggunaan utama yang diperkenalkan meliputi pemrograman, pekerjaan agen, penggunaan komputer, dan penelitian mendalam. Dalam pekerjaan profesional sehari-hari, model dapat membantu dengan lembar kerja dan presentasi.
Dalam tugas rekayasa, Opus 4.5 dapat mempertimbangkan hubungan antara beberapa bagian sistem, mencari penyebab kesalahan kompleks, membahas kompromi, dan menyiapkan perubahan kode. Untuk pekerjaan panjang, Anthropic secara khusus menekankan perencanaan tindakan, penggunaan alat, dan koordinasi subtugas. Ini sesuai untuk skenario yang memerlukan pembelajaran materi terlebih dahulu, lalu pemilihan tindakan dan pemeriksaan hasilnya.
Sarana untuk membaca dan menyunting berkas, menjalankan perintah, mencari informasi, dan menggunakan antarmuka harus disediakan aplikasi. Model menalar tentang apa yang harus dilakukan dan membentuk panggilan ke alat yang tersedia; pelaksanaan sebenarnya bergantung pada lingkungan yang terhubung. Demikian pula, penyiapan lembar kerja atau presentasi dapat mencakup isi dan kode, sedangkan pembuatan berkas jadi memerlukan alat yang sesuai.
Opus 4.5 mendukung extended thinking dengan anggaran manual budget_tokens. Saat mode ini diaktifkan, model menganalisis tugas sebelum memberikan jawaban akhir. Jika aplikasi mendukungnya, model juga dapat menalar di antara penggunaan alat, mempertimbangkan hasil yang diperoleh sebelum tindakan berikutnya.
Jika metode mendukung pengaturan ini, anggaran manual budget_tokens dimulai dari 1024 token dan biasanya harus lebih kecil daripada max_tokens. Terdapat pengecualian untuk penalaran di antara alat: anggaran dapat melebihi max_tokens karena mencakup beberapa blok analisis dalam satu giliran. Pengecualian ini memerlukan dukungan mode tersebut dalam aplikasi.
Parameter effort mengatur tingkat pengerjaan keseluruhan: tersedia low, medium, dan high, dengan high sebagai tingkat standar. Parameter ini bekerja baik saat penalaran aktif maupun tidak. Anggaran penalaran dan tingkat upaya memiliki fungsi berbeda: yang pertama mengarahkan jumlah analisis internal, sedangkan yang kedua memengaruhi pengerjaan jawaban secara keseluruhan. Versi ini tidak memiliki mode adaptif.
Masukan berupa teks dan gambar, sedangkan model menghasilkan teks. Konteks berjumlah 200 ribu token, dengan panjang jawaban maksimum 64 ribu token. Kumpulan materi besar dapat digunakan untuk penelitian, analisis dokumen, dan pengembangan, tetapi hasil harus termuat dalam batas versi khusus ini.
Format masukan visual biasa pada layanan produsen: JPEG/PNG/GIF/WebP, dengan bingkai pertama untuk animasi. Dalam analisis native: sisi panjang — 1568 piksel, 1568 token visual; gambar besar diperkecil sebelum dianalisis. Dukungan berkas dan parameter ditentukan oleh metode aplikasi.
Batas waktu pengetahuan bawaan yang dapat diandalkan adalah Mei 2025. Informasi terkini memerlukan materi yang diberikan atau alat aplikasi. Anthropic melatih model untuk menolak instruksi berbahaya yang tersembunyi dalam konten pihak lain, tetapi ini tidak meniadakan kesimpulan yang keliru: rencana, perubahan, dan kesimpulan perlu diperiksa dalam tugas sebenarnya.
POST /v1/messagestext, imagetext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan claude-opus-4-5-20251101 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring|content_block[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomsystem | Jenisstring|content_block[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan Minimum: 1 Batas berlaku untuk: batas maksimum yang tepat untuk model/kartu yang dipilih | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop_sequences | Jenisstring[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenistool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: alat disediakan | Bawaan— |
Kolomtools[].description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].input_schema | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomthinking.type | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomthinking.budget_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomoutput_config.effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommetadata | Jenisobject | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomcache_control | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Teks · Teks UTF8
messages[].content atau blok type=text
Teks + gambar
{type:image,source:{type:base64,media_type,data}} atau sumber dengan type=url
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkonten UTF-8 aktual dimasukkan sebagai teks; ID file atau alamat URL (URLs) memerlukan dukungan yang tepat dan terpisah |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
POST /v1/messagesAiloot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-5-20251101", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-5-20251101", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="claude-opus-4-5-20251101",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "claude-opus-4-5-20251101",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='claude-opus-4-5-20251101',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot claude-opus-4-5-20251101
Ailoot Ultra claude-opus-4-5-20251101
/chat/completions
claude-opus-4-5-20251101Claude Opus 4.5 ditujukan untuk pengembangan kompleks, penelitian, dan pekerjaan bertahap dengan alat. Membantu menganalisis tugas ambigu serta menyiapkan isi dokumen, lembar kerja, dan presentasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Claude Opus 4.5 adalah model Anthropic untuk tugas yang memerlukan pemahaman persyaratan ambigu, pemilihan rencana tindakan, dan pekerjaan berurutan hingga mencapai hasil. Penggunaan utama yang diperkenalkan meliputi pemrograman, pekerjaan agen, penggunaan komputer, dan penelitian mendalam. Dalam pekerjaan profesional sehari-hari, model dapat membantu dengan lembar kerja dan presentasi.
Dalam tugas rekayasa, Opus 4.5 dapat mempertimbangkan hubungan antara beberapa bagian sistem, mencari penyebab kesalahan kompleks, membahas kompromi, dan menyiapkan perubahan kode. Untuk pekerjaan panjang, Anthropic secara khusus menekankan perencanaan tindakan, penggunaan alat, dan koordinasi subtugas. Ini sesuai untuk skenario yang memerlukan pembelajaran materi terlebih dahulu, lalu pemilihan tindakan dan pemeriksaan hasilnya.
Sarana untuk membaca dan menyunting berkas, menjalankan perintah, mencari informasi, dan menggunakan antarmuka harus disediakan aplikasi. Model menalar tentang apa yang harus dilakukan dan membentuk panggilan ke alat yang tersedia; pelaksanaan sebenarnya bergantung pada lingkungan yang terhubung. Demikian pula, penyiapan lembar kerja atau presentasi dapat mencakup isi dan kode, sedangkan pembuatan berkas jadi memerlukan alat yang sesuai.
Opus 4.5 mendukung extended thinking dengan anggaran manual budget_tokens. Saat mode ini diaktifkan, model menganalisis tugas sebelum memberikan jawaban akhir. Jika aplikasi mendukungnya, model juga dapat menalar di antara penggunaan alat, mempertimbangkan hasil yang diperoleh sebelum tindakan berikutnya.
Jika metode mendukung pengaturan ini, anggaran manual budget_tokens dimulai dari 1024 token dan biasanya harus lebih kecil daripada max_tokens. Terdapat pengecualian untuk penalaran di antara alat: anggaran dapat melebihi max_tokens karena mencakup beberapa blok analisis dalam satu giliran. Pengecualian ini memerlukan dukungan mode tersebut dalam aplikasi.
Parameter effort mengatur tingkat pengerjaan keseluruhan: tersedia low, medium, dan high, dengan high sebagai tingkat standar. Parameter ini bekerja baik saat penalaran aktif maupun tidak. Anggaran penalaran dan tingkat upaya memiliki fungsi berbeda: yang pertama mengarahkan jumlah analisis internal, sedangkan yang kedua memengaruhi pengerjaan jawaban secara keseluruhan. Versi ini tidak memiliki mode adaptif.
Masukan berupa teks dan gambar, sedangkan model menghasilkan teks. Konteks berjumlah 200 ribu token, dengan panjang jawaban maksimum 64 ribu token. Kumpulan materi besar dapat digunakan untuk penelitian, analisis dokumen, dan pengembangan, tetapi hasil harus termuat dalam batas versi khusus ini.
Format masukan visual biasa pada layanan produsen: JPEG/PNG/GIF/WebP, dengan bingkai pertama untuk animasi. Dalam analisis native: sisi panjang — 1568 piksel, 1568 token visual; gambar besar diperkecil sebelum dianalisis. Dukungan berkas dan parameter ditentukan oleh metode aplikasi.
Batas waktu pengetahuan bawaan yang dapat diandalkan adalah Mei 2025. Informasi terkini memerlukan materi yang diberikan atau alat aplikasi. Anthropic melatih model untuk menolak instruksi berbahaya yang tersembunyi dalam konten pihak lain, tetapi ini tidak meniadakan kesimpulan yang keliru: rencana, perubahan, dan kesimpulan perlu diperiksa dalam tugas sebenarnya.
POST /v1/responsestext, imagetext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan claude-opus-4-5-20251101 | Bawaan— |
Kolominput | Jenisstring|input_item[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolominput[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan message, reasoning, function_call, function_call_output | Bawaan— |
Kolominput[].content | Jenisstring|content_part[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolominput[].call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: function_call_output; pertahankan call_id yang benar-benar dikembalikan | Bawaan— |
Kolominput[].output | Jenisstring|content_part[] | PersyaratanOpsional | Nilai & batasan Berlaku jika: function_call_output | Bawaan— |
Kolommax_output_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenistool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning.effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning.summary | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtext.format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtext.verbosity | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominclude | Jenisstring[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstore | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprevious_response_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Persyaratan ID: Hanya ID respons yang benar-benar diperoleh dari kelanjutan yang didukung Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_key | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Teks · Teks UTF8
Teks masukan atau bagian input_text
Teks + gambar
{type:input_image,image_url}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, input |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkonten UTF-8 aktual dimasukkan sebagai teks; ID file atau alamat URL (URLs) memerlukan dukungan yang tepat dan terpisah |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
POST /v1/responsesAiloot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-5-20251101", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-5-20251101", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="claude-opus-4-5-20251101", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "claude-opus-4-5-20251101", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="claude-opus-4-5-20251101", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap item keluaran dan bagian konten, call_id fungsi yang sebenarnya, penalaran terenkripsi, dan data penggunaan. Saat streaming, pertahankan identitas peristiwa/item secara lengkap.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolomstatus | Jenisstring |
Kolomoutput[] | Jenismessage|reasoning|function_call|other item |
Kolomoutput[].content[] | Jeniscontent part |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot claude-opus-4-5-20251101
Ailoot Ultra claude-opus-4-5-20251101
/chat/completions
claude-opus-4-5-20251101Claude Opus 4.5 ditujukan untuk pengembangan kompleks, penelitian, dan pekerjaan bertahap dengan alat. Membantu menganalisis tugas ambigu serta menyiapkan isi dokumen, lembar kerja, dan presentasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Claude Opus 4.5 adalah model Anthropic untuk tugas yang memerlukan pemahaman persyaratan ambigu, pemilihan rencana tindakan, dan pekerjaan berurutan hingga mencapai hasil. Penggunaan utama yang diperkenalkan meliputi pemrograman, pekerjaan agen, penggunaan komputer, dan penelitian mendalam. Dalam pekerjaan profesional sehari-hari, model dapat membantu dengan lembar kerja dan presentasi.
Dalam tugas rekayasa, Opus 4.5 dapat mempertimbangkan hubungan antara beberapa bagian sistem, mencari penyebab kesalahan kompleks, membahas kompromi, dan menyiapkan perubahan kode. Untuk pekerjaan panjang, Anthropic secara khusus menekankan perencanaan tindakan, penggunaan alat, dan koordinasi subtugas. Ini sesuai untuk skenario yang memerlukan pembelajaran materi terlebih dahulu, lalu pemilihan tindakan dan pemeriksaan hasilnya.
Sarana untuk membaca dan menyunting berkas, menjalankan perintah, mencari informasi, dan menggunakan antarmuka harus disediakan aplikasi. Model menalar tentang apa yang harus dilakukan dan membentuk panggilan ke alat yang tersedia; pelaksanaan sebenarnya bergantung pada lingkungan yang terhubung. Demikian pula, penyiapan lembar kerja atau presentasi dapat mencakup isi dan kode, sedangkan pembuatan berkas jadi memerlukan alat yang sesuai.
Opus 4.5 mendukung extended thinking dengan anggaran manual budget_tokens. Saat mode ini diaktifkan, model menganalisis tugas sebelum memberikan jawaban akhir. Jika aplikasi mendukungnya, model juga dapat menalar di antara penggunaan alat, mempertimbangkan hasil yang diperoleh sebelum tindakan berikutnya.
Jika metode mendukung pengaturan ini, anggaran manual budget_tokens dimulai dari 1024 token dan biasanya harus lebih kecil daripada max_tokens. Terdapat pengecualian untuk penalaran di antara alat: anggaran dapat melebihi max_tokens karena mencakup beberapa blok analisis dalam satu giliran. Pengecualian ini memerlukan dukungan mode tersebut dalam aplikasi.
Parameter effort mengatur tingkat pengerjaan keseluruhan: tersedia low, medium, dan high, dengan high sebagai tingkat standar. Parameter ini bekerja baik saat penalaran aktif maupun tidak. Anggaran penalaran dan tingkat upaya memiliki fungsi berbeda: yang pertama mengarahkan jumlah analisis internal, sedangkan yang kedua memengaruhi pengerjaan jawaban secara keseluruhan. Versi ini tidak memiliki mode adaptif.
Masukan berupa teks dan gambar, sedangkan model menghasilkan teks. Konteks berjumlah 200 ribu token, dengan panjang jawaban maksimum 64 ribu token. Kumpulan materi besar dapat digunakan untuk penelitian, analisis dokumen, dan pengembangan, tetapi hasil harus termuat dalam batas versi khusus ini.
Format masukan visual biasa pada layanan produsen: JPEG/PNG/GIF/WebP, dengan bingkai pertama untuk animasi. Dalam analisis native: sisi panjang — 1568 piksel, 1568 token visual; gambar besar diperkecil sebelum dianalisis. Dukungan berkas dan parameter ditentukan oleh metode aplikasi.
Batas waktu pengetahuan bawaan yang dapat diandalkan adalah Mei 2025. Informasi terkini memerlukan materi yang diberikan atau alat aplikasi. Anthropic melatih model untuk menolak instruksi berbahaya yang tersembunyi dalam konten pihak lain, tetapi ini tidak meniadakan kesimpulan yang keliru: rencana, perubahan, dan kesimpulan perlu diperiksa dalam tugas sebenarnya.
POST /v1/chat/completionstext, imagetext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan claude-opus-4-5-20251101 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Teks · Teks UTF8
messages[].content
Teks + gambar
{type:image_url,image_url:{url,detail}}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkonten UTF-8 aktual dimasukkan sebagai teks; ID file atau alamat URL (URLs) memerlukan dukungan yang tepat dan terpisah |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
POST /v1/chat/completionsAiloot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-5-20251101", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-5-20251101", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="claude-opus-4-5-20251101",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "claude-opus-4-5-20251101",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-opus-4-5-20251101',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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot claude-opus-4-5-20251101
Ailoot Ultra claude-opus-4-5-20251101
/chat/completions
claude-opus-4-5-20251101Claude Opus 4.5 ditujukan untuk pengembangan kompleks, penelitian, dan pekerjaan bertahap dengan alat. Membantu menganalisis tugas ambigu serta menyiapkan isi dokumen, lembar kerja, dan presentasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Claude Opus 4.5 adalah model Anthropic untuk tugas yang memerlukan pemahaman persyaratan ambigu, pemilihan rencana tindakan, dan pekerjaan berurutan hingga mencapai hasil. Penggunaan utama yang diperkenalkan meliputi pemrograman, pekerjaan agen, penggunaan komputer, dan penelitian mendalam. Dalam pekerjaan profesional sehari-hari, model dapat membantu dengan lembar kerja dan presentasi.
Dalam tugas rekayasa, Opus 4.5 dapat mempertimbangkan hubungan antara beberapa bagian sistem, mencari penyebab kesalahan kompleks, membahas kompromi, dan menyiapkan perubahan kode. Untuk pekerjaan panjang, Anthropic secara khusus menekankan perencanaan tindakan, penggunaan alat, dan koordinasi subtugas. Ini sesuai untuk skenario yang memerlukan pembelajaran materi terlebih dahulu, lalu pemilihan tindakan dan pemeriksaan hasilnya.
Sarana untuk membaca dan menyunting berkas, menjalankan perintah, mencari informasi, dan menggunakan antarmuka harus disediakan aplikasi. Model menalar tentang apa yang harus dilakukan dan membentuk panggilan ke alat yang tersedia; pelaksanaan sebenarnya bergantung pada lingkungan yang terhubung. Demikian pula, penyiapan lembar kerja atau presentasi dapat mencakup isi dan kode, sedangkan pembuatan berkas jadi memerlukan alat yang sesuai.
Opus 4.5 mendukung extended thinking dengan anggaran manual budget_tokens. Saat mode ini diaktifkan, model menganalisis tugas sebelum memberikan jawaban akhir. Jika aplikasi mendukungnya, model juga dapat menalar di antara penggunaan alat, mempertimbangkan hasil yang diperoleh sebelum tindakan berikutnya.
Jika metode mendukung pengaturan ini, anggaran manual budget_tokens dimulai dari 1024 token dan biasanya harus lebih kecil daripada max_tokens. Terdapat pengecualian untuk penalaran di antara alat: anggaran dapat melebihi max_tokens karena mencakup beberapa blok analisis dalam satu giliran. Pengecualian ini memerlukan dukungan mode tersebut dalam aplikasi.
Parameter effort mengatur tingkat pengerjaan keseluruhan: tersedia low, medium, dan high, dengan high sebagai tingkat standar. Parameter ini bekerja baik saat penalaran aktif maupun tidak. Anggaran penalaran dan tingkat upaya memiliki fungsi berbeda: yang pertama mengarahkan jumlah analisis internal, sedangkan yang kedua memengaruhi pengerjaan jawaban secara keseluruhan. Versi ini tidak memiliki mode adaptif.
Masukan berupa teks dan gambar, sedangkan model menghasilkan teks. Konteks berjumlah 200 ribu token, dengan panjang jawaban maksimum 64 ribu token. Kumpulan materi besar dapat digunakan untuk penelitian, analisis dokumen, dan pengembangan, tetapi hasil harus termuat dalam batas versi khusus ini.
Format masukan visual biasa pada layanan produsen: JPEG/PNG/GIF/WebP, dengan bingkai pertama untuk animasi. Dalam analisis native: sisi panjang — 1568 piksel, 1568 token visual; gambar besar diperkecil sebelum dianalisis. Dukungan berkas dan parameter ditentukan oleh metode aplikasi.
Batas waktu pengetahuan bawaan yang dapat diandalkan adalah Mei 2025. Informasi terkini memerlukan materi yang diberikan atau alat aplikasi. Anthropic melatih model untuk menolak instruksi berbahaya yang tersembunyi dalam konten pihak lain, tetapi ini tidak meniadakan kesimpulan yang keliru: rencana, perubahan, dan kesimpulan perlu diperiksa dalam tugas sebenarnya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan claude-opus-4-5-20251101 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Percakapan teks | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream |
Parametercontrol_scope | KontrakPercakapan teks; stream adalah nilai boolean dengan false sebagai bawaan. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias metode: /chat/completions
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.01 / 1K token Keluaran · Token keluaran $0.05 / 1K token Masukan · Pembacaan cache $0.001 / 1K token Masukan · Penulisan cache $0.0125 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-opus-4-5-20251101","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-opus-4-5-20251101", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot claude-opus-4-5-20251101
Ailoot Ultra claude-opus-4-5-20251101
/chat/completions
claude-opus-4-5-20251101Claude Opus 4.5 ditujukan untuk pengembangan kompleks, penelitian, dan pekerjaan bertahap dengan alat. Membantu menganalisis tugas ambigu serta menyiapkan isi dokumen, lembar kerja, dan presentasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Claude Opus 4.5 adalah model Anthropic untuk tugas yang memerlukan pemahaman persyaratan ambigu, pemilihan rencana tindakan, dan pekerjaan berurutan hingga mencapai hasil. Penggunaan utama yang diperkenalkan meliputi pemrograman, pekerjaan agen, penggunaan komputer, dan penelitian mendalam. Dalam pekerjaan profesional sehari-hari, model dapat membantu dengan lembar kerja dan presentasi.
Dalam tugas rekayasa, Opus 4.5 dapat mempertimbangkan hubungan antara beberapa bagian sistem, mencari penyebab kesalahan kompleks, membahas kompromi, dan menyiapkan perubahan kode. Untuk pekerjaan panjang, Anthropic secara khusus menekankan perencanaan tindakan, penggunaan alat, dan koordinasi subtugas. Ini sesuai untuk skenario yang memerlukan pembelajaran materi terlebih dahulu, lalu pemilihan tindakan dan pemeriksaan hasilnya.
Sarana untuk membaca dan menyunting berkas, menjalankan perintah, mencari informasi, dan menggunakan antarmuka harus disediakan aplikasi. Model menalar tentang apa yang harus dilakukan dan membentuk panggilan ke alat yang tersedia; pelaksanaan sebenarnya bergantung pada lingkungan yang terhubung. Demikian pula, penyiapan lembar kerja atau presentasi dapat mencakup isi dan kode, sedangkan pembuatan berkas jadi memerlukan alat yang sesuai.
Opus 4.5 mendukung extended thinking dengan anggaran manual budget_tokens. Saat mode ini diaktifkan, model menganalisis tugas sebelum memberikan jawaban akhir. Jika aplikasi mendukungnya, model juga dapat menalar di antara penggunaan alat, mempertimbangkan hasil yang diperoleh sebelum tindakan berikutnya.
Jika metode mendukung pengaturan ini, anggaran manual budget_tokens dimulai dari 1024 token dan biasanya harus lebih kecil daripada max_tokens. Terdapat pengecualian untuk penalaran di antara alat: anggaran dapat melebihi max_tokens karena mencakup beberapa blok analisis dalam satu giliran. Pengecualian ini memerlukan dukungan mode tersebut dalam aplikasi.
Parameter effort mengatur tingkat pengerjaan keseluruhan: tersedia low, medium, dan high, dengan high sebagai tingkat standar. Parameter ini bekerja baik saat penalaran aktif maupun tidak. Anggaran penalaran dan tingkat upaya memiliki fungsi berbeda: yang pertama mengarahkan jumlah analisis internal, sedangkan yang kedua memengaruhi pengerjaan jawaban secara keseluruhan. Versi ini tidak memiliki mode adaptif.
Masukan berupa teks dan gambar, sedangkan model menghasilkan teks. Konteks berjumlah 200 ribu token, dengan panjang jawaban maksimum 64 ribu token. Kumpulan materi besar dapat digunakan untuk penelitian, analisis dokumen, dan pengembangan, tetapi hasil harus termuat dalam batas versi khusus ini.
Format masukan visual biasa pada layanan produsen: JPEG/PNG/GIF/WebP, dengan bingkai pertama untuk animasi. Dalam analisis native: sisi panjang — 1568 piksel, 1568 token visual; gambar besar diperkecil sebelum dianalisis. Dukungan berkas dan parameter ditentukan oleh metode aplikasi.
Batas waktu pengetahuan bawaan yang dapat diandalkan adalah Mei 2025. Informasi terkini memerlukan materi yang diberikan atau alat aplikasi. Anthropic melatih model untuk menolak instruksi berbahaya yang tersembunyi dalam konten pihak lain, tetapi ini tidak meniadakan kesimpulan yang keliru: rencana, perubahan, dan kesimpulan perlu diperiksa dalam tugas sebenarnya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan claude-opus-4-5-20251101 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.01 / 1K token Keluaran · Token keluaran $0.05 / 1K token Masukan · Pembacaan cache $0.001 / 1K token Masukan · Penulisan cache $0.0125 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "claude-opus-4-5-20251101",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'claude-opus-4-5-20251101', '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': 'claude-opus-4-5-20251101', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot claude-opus-4-5-20251101
Ailoot Ultra claude-opus-4-5-20251101
/chat/completions
Contoh teknis dalam bahasa Inggris
Fix a mutation-dependent retry bug\n\nReview this Python function: def ready(items):\n for item in items:\n if item["done"]:\n items.remove(item)\n return items\nWith two adjacent completed items, one remains. Propose a minimal correction that preserves the input list, and provide tests for adjacent completed items, no completed items and an empty list.A corrected Python function, a brief bug explanation and three executable test cases.Check that iteration does not mutate the source list and that the test with two adjacent completed items removes both from the result.