{ "aboutHtml": "

Claude Opus 5 adalah model Anthropic untuk pekerjaan profesional rutin yang memerlukan pembelajaran informasi, pemilihan yang beralasan, dan pelaksanaan tugas secara berurutan. Produsen menekankan rekayasa perangkat lunak, skenario bisnis bertahap, pekerjaan ilmiah, dan analisis data visual. Pengenalannya berfokus pada pelaksanaan yang mendalam serta pemeriksaan hasil sendiri.

Menemukan penyebab, memeriksa, dan memperbaiki

Dalam pengembangan, Opus 5 dapat menyelidiki akar penyebab kesalahan dan menggunakan pemeriksaan untuk menilai perubahan yang diusulkan. Jika materi siap pakai untuk pembandingan tidak mencukupi, skenario yang dijelaskan mencakup pembuatan pemeriksaan sendiri, misalnya untuk perilaku parser. Pekerjaan berpusat pada data yang diperoleh: model membacanya, memilih tindakan, melihat hasil, dan memperbaiki masalah yang ditemukan.

Untuk menjalankan perintah, menyunting berkas, dan menjalankan pemeriksaan, aplikasi memerlukan alat yang sesuai. Inisiatif model berkaitan dengan pemilihan serta urutan tindakan dalam lingkungan yang disediakan; hal ini tidak berarti akses mandiri ke proyek atau kemampuan melakukan operasi di luar aplikasi.

Gambar sebagai data untuk program

Opus 5 menerima teks dan gambar, serta menghasilkan teks. Dalam skenario visual, produsen menunjukkan ekstraksi geometri dari gambar dan rekonstruksi komponen melalui kode yang ditulis. Contoh lain mencakup simulasi aerodinamika interaktif dan ilustrasi sel yang dibuat melalui pemrograman.

Format masukan visual biasa pada layanan produsen: JPEG/PNG/GIF/WebP, dengan bingkai pertama untuk animasi. Dalam analisis native: sisi panjang — 2576 piksel, 4784 token visual; gambar besar diperkecil sebelum dianalisis. Dukungan berkas dan parameter ditentukan oleh metode aplikasi.

Tugas-tugas tersebut menunjukkan kerja bersama analisis dan rekayasa: gambar dapat digunakan sebagai materi, sedangkan hasil teks dapat berupa kode atau deskripsi solusi. Menjalankan simulasi, membuat grafik, dan menghasilkan berkas jadi memerlukan alat lingkungan; model tidak memiliki keluaran gambar atau video bawaan tersendiri.

Kedalaman yang dapat diatur

Penalaran adaptif diaktifkan secara default, dengan nilai standar effort berupa high. Tingkat yang didukung adalah low, medium, high, xhigh, dan max. Penalaran dapat dinonaktifkan pada tingkat high dan di bawahnya, sedangkan pada xhigh dan max, penalaran wajib aktif. Extended thinking manual dengan anggaran terpisah tidak tersedia untuk versi ini.

Perubahan tingkat upaya memengaruhi jumlah penalaran, tetapi bukan cara yang andal untuk menentukan panjang teks yang terlihat. Jika diperlukan jawaban singkat atau struktur tertentu, nyatakan dalam instruksi itu sendiri. Konteks berjumlah 1 juta token, dengan jawaban maksimum 128 ribu token dalam mode biasa; analisis mendalam memerlukan ruang untuk penalaran dan isi akhir.

Tugas ilmiah dan sensitif

Batas waktu pengetahuan bawaan yang dapat diandalkan adalah Mei 2026. Di antara bidang ilmiah, Anthropic menjelaskan biologi struktural, kimia organik, dan bioinformatika. Produsen juga mencatat keterbatasan penting dalam penelitian biologi mandiri yang panjang; kemampuan membahas materi ilmiah tidak berarti penyelesaian setiap penelitian secara otonom.

Mekanisme perlindungan mengizinkan pencarian kesalahan dalam kode sumber, tetapi membatasi beberapa tugas sensitif. Informasi terkini memerlukan materi yang diberikan atau pencarian, sedangkan hasil teknis dan ilmiah perlu diperiksa dalam lingkungan bidang terkait.

", "aboutText": "Claude Opus 5 adalah model Anthropic untuk pekerjaan profesional rutin yang memerlukan pembelajaran informasi, pemilihan yang beralasan, dan pelaksanaan tugas secara berurutan. Produsen menekankan rekayasa perangkat lunak, skenario bisnis bertahap, pekerjaan ilmiah, dan analisis data visual. Pengenalannya berfokus pada pelaksanaan yang mendalam serta pemeriksaan hasil sendiri.\n\n### Menemukan penyebab, memeriksa, dan memperbaiki\n\nDalam pengembangan, Opus 5 dapat menyelidiki akar penyebab kesalahan dan menggunakan pemeriksaan untuk menilai perubahan yang diusulkan. Jika materi siap pakai untuk pembandingan tidak mencukupi, skenario yang dijelaskan mencakup pembuatan pemeriksaan sendiri, misalnya untuk perilaku parser. Pekerjaan berpusat pada data yang diperoleh: model membacanya, memilih tindakan, melihat hasil, dan memperbaiki masalah yang ditemukan.\n\nUntuk menjalankan perintah, menyunting berkas, dan menjalankan pemeriksaan, aplikasi memerlukan alat yang sesuai. Inisiatif model berkaitan dengan pemilihan serta urutan tindakan dalam lingkungan yang disediakan; hal ini tidak berarti akses mandiri ke proyek atau kemampuan melakukan operasi di luar aplikasi.\n\n### Gambar sebagai data untuk program\n\nOpus 5 menerima **teks dan gambar**, serta menghasilkan **teks**. Dalam skenario visual, produsen menunjukkan ekstraksi geometri dari gambar dan rekonstruksi komponen melalui kode yang ditulis. Contoh lain mencakup simulasi aerodinamika interaktif dan ilustrasi sel yang dibuat melalui pemrograman.\n\nFormat masukan visual biasa pada layanan produsen: JPEG/PNG/GIF/WebP, dengan bingkai pertama untuk animasi. Dalam analisis native: sisi panjang — 2576 piksel, 4784 token visual; gambar besar diperkecil sebelum dianalisis. Dukungan berkas dan parameter ditentukan oleh metode aplikasi.\n\nTugas-tugas tersebut menunjukkan kerja bersama analisis dan rekayasa: gambar dapat digunakan sebagai materi, sedangkan hasil teks dapat berupa kode atau deskripsi solusi. Menjalankan simulasi, membuat grafik, dan menghasilkan berkas jadi memerlukan alat lingkungan; model tidak memiliki keluaran gambar atau video bawaan tersendiri.\n\n### Kedalaman yang dapat diatur\n\nPenalaran adaptif diaktifkan secara default, dengan nilai standar `effort` berupa `high`. Tingkat yang didukung adalah `low`, `medium`, `high`, `xhigh`, dan `max`. Penalaran dapat dinonaktifkan pada tingkat `high` dan di bawahnya, sedangkan pada `xhigh` dan `max`, penalaran wajib aktif. Extended thinking manual dengan anggaran terpisah tidak tersedia untuk versi ini.\n\nPerubahan tingkat upaya memengaruhi jumlah penalaran, tetapi bukan cara yang andal untuk menentukan panjang teks yang terlihat. Jika diperlukan jawaban singkat atau struktur tertentu, nyatakan dalam instruksi itu sendiri. Konteks berjumlah **1 juta token**, dengan jawaban maksimum **128 ribu token** dalam mode biasa; analisis mendalam memerlukan ruang untuk penalaran dan isi akhir.\n\n### Tugas ilmiah dan sensitif\n\nBatas waktu pengetahuan bawaan yang dapat diandalkan adalah **Mei 2026**. Di antara bidang ilmiah, Anthropic menjelaskan biologi struktural, kimia organik, dan bioinformatika. Produsen juga mencatat keterbatasan penting dalam penelitian biologi mandiri yang panjang; kemampuan membahas materi ilmiah tidak berarti penyelesaian setiap penelitian secara otonom.\n\nMekanisme perlindungan mengizinkan pencarian kesalahan dalam kode sumber, tetapi membatasi beberapa tugas sensitif. Informasi terkini memerlukan materi yang diberikan atau pencarian, sedangkan hasil teknis dan ilmiah perlu diperiksa dalam lingkungan bidang terkait.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2f72eaa832b17a35ce5f32c58cba3be86a28b5cdd13815ecc35c91364d36e195", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "
A

Anthropic: Claude Opus 5

Anthropic /claude-opus-5-thinking

Mulai

Claude Opus 5 ditujukan untuk pengembangan yang mendalam, analisis informasi, dan pekerjaan profesional bertahap. Mendukung penalaran adaptif dan pemeriksaan hasil melalui alat aplikasi.

Masukan yang diterima
Teks
Hasil
Teks
Tentang model

Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.

Claude Opus 5 adalah model Anthropic untuk pekerjaan profesional rutin yang memerlukan pembelajaran informasi, pemilihan yang beralasan, dan pelaksanaan tugas secara berurutan. Produsen menekankan rekayasa perangkat lunak, skenario bisnis bertahap, pekerjaan ilmiah, dan analisis data visual. Pengenalannya berfokus pada pelaksanaan yang mendalam serta pemeriksaan hasil sendiri.

Menemukan penyebab, memeriksa, dan memperbaiki

Dalam pengembangan, Opus 5 dapat menyelidiki akar penyebab kesalahan dan menggunakan pemeriksaan untuk menilai perubahan yang diusulkan. Jika materi siap pakai untuk pembandingan tidak mencukupi, skenario yang dijelaskan mencakup pembuatan pemeriksaan sendiri, misalnya untuk perilaku parser. Pekerjaan berpusat pada data yang diperoleh: model membacanya, memilih tindakan, melihat hasil, dan memperbaiki masalah yang ditemukan.

Untuk menjalankan perintah, menyunting berkas, dan menjalankan pemeriksaan, aplikasi memerlukan alat yang sesuai. Inisiatif model berkaitan dengan pemilihan serta urutan tindakan dalam lingkungan yang disediakan; hal ini tidak berarti akses mandiri ke proyek atau kemampuan melakukan operasi di luar aplikasi.

Gambar sebagai data untuk program

Opus 5 menerima teks dan gambar, serta menghasilkan teks. Dalam skenario visual, produsen menunjukkan ekstraksi geometri dari gambar dan rekonstruksi komponen melalui kode yang ditulis. Contoh lain mencakup simulasi aerodinamika interaktif dan ilustrasi sel yang dibuat melalui pemrograman.

Format masukan visual biasa pada layanan produsen: JPEG/PNG/GIF/WebP, dengan bingkai pertama untuk animasi. Dalam analisis native: sisi panjang — 2576 piksel, 4784 token visual; gambar besar diperkecil sebelum dianalisis. Dukungan berkas dan parameter ditentukan oleh metode aplikasi.

Tugas-tugas tersebut menunjukkan kerja bersama analisis dan rekayasa: gambar dapat digunakan sebagai materi, sedangkan hasil teks dapat berupa kode atau deskripsi solusi. Menjalankan simulasi, membuat grafik, dan menghasilkan berkas jadi memerlukan alat lingkungan; model tidak memiliki keluaran gambar atau video bawaan tersendiri.

Kedalaman yang dapat diatur

Penalaran adaptif diaktifkan secara default, dengan nilai standar effort berupa high. Tingkat yang didukung adalah low, medium, high, xhigh, dan max. Penalaran dapat dinonaktifkan pada tingkat high dan di bawahnya, sedangkan pada xhigh dan max, penalaran wajib aktif. Extended thinking manual dengan anggaran terpisah tidak tersedia untuk versi ini.

Perubahan tingkat upaya memengaruhi jumlah penalaran, tetapi bukan cara yang andal untuk menentukan panjang teks yang terlihat. Jika diperlukan jawaban singkat atau struktur tertentu, nyatakan dalam instruksi itu sendiri. Konteks berjumlah 1 juta token, dengan jawaban maksimum 128 ribu token dalam mode biasa; analisis mendalam memerlukan ruang untuk penalaran dan isi akhir.

Tugas ilmiah dan sensitif

Batas waktu pengetahuan bawaan yang dapat diandalkan adalah Mei 2026. Di antara bidang ilmiah, Anthropic menjelaskan biologi struktural, kimia organik, dan bioinformatika. Produsen juga mencatat keterbatasan penting dalam penelitian biologi mandiri yang panjang; kemampuan membahas materi ilmiah tidak berarti penyelesaian setiap penelitian secara otonom.

Mekanisme perlindungan mengizinkan pencarian kesalahan dalam kode sumber, tetapi membatasi beberapa tugas sensitif. Informasi terkini memerlukan materi yang diberikan atau pencarian, sedangkan hasil teknis dan ilmiah perlu diperiksa dalam lingkungan bidang terkait.

Tersedia di Ailoot · masukan & metode

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Masukan
text
Keluaran
text
Format keluaran
json atau SSE
KolomJenisPersyaratanNilai & batasanBawaan
KolommodelJenisstringPersyaratanWajibNilai & batasan
claude-opus-5-thinking
Bawaan—
KolommessagesJenismessage[]PersyaratanWajibNilai & batasan
Item minimum: 1
Bawaan—
Kolommessages[].roleJenisstringPersyaratanWajibNilai & batasan
Bergantung pada model
Bawaan—
Kolommessages[].contentJenisstringPersyaratanOpsionalNilai & batasan
Berlaku jika: Percakapan teks
Bawaan—
KolomstreamJenisbooleanPersyaratanOpsionalNilai & batasanBawaanfalse
Kombinasi bahan masukan

Teks · Teks UTF8

messages[].content

Parameter metode dan siklus hidup
ParameterKontrak
Parametercontent_typeKontrakapplication/json
ParameterrequiredKontrakmodel, messages
Parametermaterial_typesKontraktext
ParametermessagesKontrakarray pesan dengan struktur role/content
Parameterfile_materialKontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan
Parameteroptional_controlsKontrakstream
Parametercontrol_scopeKontrakPercakapan teks; stream adalah nilai boolean dengan false sebagai bawaan.
Parameteroutput_modalitiesKontraktext
Parameterhosted_operationsKontrakfalse
Parametermultimodal_input_bindingKontraknull

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.

Paket

Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.

Mode Fast
Tidak ditentukan Saat mode fast dipilih
Mode Flex
Tidak ditentukan Saat mode flex dipilih
Upaya penalaran maksimum
Tidak ditentukan Saat upaya penalaran maksimum menggunakan penyesuaian default

Tarif Ailoot

Harga menurut konfigurasi

KonfigurasiJadwal tarifBiaya
KonfigurasiTarif dasar tokenJadwal tarifTarif dasarBiaya
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 →

Contoh permintaan

Ailoot Ultra · OpenAI Chat

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-5-thinking","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\n

Terima dan simpan hasil

Ailoot Ultra · OpenAI Chat

json atau SSE

Simpan semua hasil yang selesai

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.

Jika respons asli perlu diperiksa

Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.

Kolom respons
KolomJenis
Kolomchoices[].indexJenisinteger
Kolomchoices[].message.contentJenisstring|null
Kolomchoices[].message.tool_callsJenistool_call[]
Kolomchoices[].message.reasoning_contentJenisstring
Kolomchoices[].message.reasoning_detailsJenisobject|array
Kolomchoices[].finish_reasonJenisstring|null
KolomusageJenisobject
Kesalahan dan langkah berikutnya
ResponsKondisiLangkah berikutnya
Respons400 · invalid_request_errorKondisiBidang wajib, representasi materi, atau nilai parameter tidak validLangkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru.

Alias

Alias model

Ailoot Ultra claude-opus-5-thinking

Alias jalur metode

/chat/completions

ID pemanggil terkait

claude-opus-5-thinking

", "method_identity": { "effective_request_model_id": "claude-opus-5-thinking", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "claude-opus-5-thinking", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|claude-opus-5-thinking", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 1, "cache_write": 12.5, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Bidang wajib, representasi materi, atau nilai parameter tidak valid", "http_status": 400, "recovery": "Perbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Teks UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "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.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json atau SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "claude-opus-5-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Percakapan teks" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Percakapan teks; stream adalah nilai boolean dengan false sebagai bawaan.", "file_material": "dokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan", "hosted_operations": false, "material_types": [ "text" ], "messages": "array pesan dengan struktur role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Tarif dasar token", "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-5-thinking\",\"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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-5-thinking\", 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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 10, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 50, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "claude-opus-5-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "claude-opus-5-thinking", "nativeProvenance": { "input_facts_canonical_sha256": "52300f592e7a28e50a462229f97c8f7078c9e1a0d28d70ae38597dcefc6b5f62", "input_html_sha256": "fc4abd1fa9b907d5340a293b88ebafc6cce847431e2baeafc50e6804fcd34de1", "private_audit_sha256": "24500a759fe286546150661df243cd41de038f570c422f64bbfa3a2a97cf65a9", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/id/claude-opus-5-thinking/", "description": "Claude Opus 5 ditujukan untuk pengembangan yang mendalam, analisis informasi, dan pekerjaan profesional bertahap. Mendukung penalaran adaptif dan pemeriksaan hasil melalui alat aplikasi.", "locale": "id", "md_url": "https://ailoot.ai/models/id/claude-opus-5-thinking/index.md", "title": "Anthropic: Claude Opus 5 — Ailoot", "url": "https://ailoot.ai/models/id/claude-opus-5-thinking/" }, "rawModel": { "about": "Claude Opus 5 adalah model Anthropic untuk pekerjaan profesional rutin yang memerlukan pembelajaran informasi, pemilihan yang beralasan, dan pelaksanaan tugas secara berurutan. Produsen menekankan rekayasa perangkat lunak, skenario bisnis bertahap, pekerjaan ilmiah, dan analisis data visual. Pengenalannya berfokus pada pelaksanaan yang mendalam serta pemeriksaan hasil sendiri.\n\n### Menemukan penyebab, memeriksa, dan memperbaiki\n\nDalam pengembangan, Opus 5 dapat menyelidiki akar penyebab kesalahan dan menggunakan pemeriksaan untuk menilai perubahan yang diusulkan. Jika materi siap pakai untuk pembandingan tidak mencukupi, skenario yang dijelaskan mencakup pembuatan pemeriksaan sendiri, misalnya untuk perilaku parser. Pekerjaan berpusat pada data yang diperoleh: model membacanya, memilih tindakan, melihat hasil, dan memperbaiki masalah yang ditemukan.\n\nUntuk menjalankan perintah, menyunting berkas, dan menjalankan pemeriksaan, aplikasi memerlukan alat yang sesuai. Inisiatif model berkaitan dengan pemilihan serta urutan tindakan dalam lingkungan yang disediakan; hal ini tidak berarti akses mandiri ke proyek atau kemampuan melakukan operasi di luar aplikasi.\n\n### Gambar sebagai data untuk program\n\nOpus 5 menerima **teks dan gambar**, serta menghasilkan **teks**. Dalam skenario visual, produsen menunjukkan ekstraksi geometri dari gambar dan rekonstruksi komponen melalui kode yang ditulis. Contoh lain mencakup simulasi aerodinamika interaktif dan ilustrasi sel yang dibuat melalui pemrograman.\n\nFormat masukan visual biasa pada layanan produsen: JPEG/PNG/GIF/WebP, dengan bingkai pertama untuk animasi. Dalam analisis native: sisi panjang — 2576 piksel, 4784 token visual; gambar besar diperkecil sebelum dianalisis. Dukungan berkas dan parameter ditentukan oleh metode aplikasi.\n\nTugas-tugas tersebut menunjukkan kerja bersama analisis dan rekayasa: gambar dapat digunakan sebagai materi, sedangkan hasil teks dapat berupa kode atau deskripsi solusi. Menjalankan simulasi, membuat grafik, dan menghasilkan berkas jadi memerlukan alat lingkungan; model tidak memiliki keluaran gambar atau video bawaan tersendiri.\n\n### Kedalaman yang dapat diatur\n\nPenalaran adaptif diaktifkan secara default, dengan nilai standar `effort` berupa `high`. Tingkat yang didukung adalah `low`, `medium`, `high`, `xhigh`, dan `max`. Penalaran dapat dinonaktifkan pada tingkat `high` dan di bawahnya, sedangkan pada `xhigh` dan `max`, penalaran wajib aktif. Extended thinking manual dengan anggaran terpisah tidak tersedia untuk versi ini.\n\nPerubahan tingkat upaya memengaruhi jumlah penalaran, tetapi bukan cara yang andal untuk menentukan panjang teks yang terlihat. Jika diperlukan jawaban singkat atau struktur tertentu, nyatakan dalam instruksi itu sendiri. Konteks berjumlah **1 juta token**, dengan jawaban maksimum **128 ribu token** dalam mode biasa; analisis mendalam memerlukan ruang untuk penalaran dan isi akhir.\n\n### Tugas ilmiah dan sensitif\n\nBatas waktu pengetahuan bawaan yang dapat diandalkan adalah **Mei 2026**. Di antara bidang ilmiah, Anthropic menjelaskan biologi struktural, kimia organik, dan bioinformatika. Produsen juga mencatat keterbatasan penting dalam penelitian biologi mandiri yang panjang; kemampuan membahas materi ilmiah tidak berarti penyelesaian setiap penelitian secara otonom.\n\nMekanisme perlindungan mengizinkan pencarian kesalahan dalam kode sumber, tetapi membatasi beberapa tugas sensitif. Informasi terkini memerlukan materi yang diberikan atau pencarian, sedangkan hasil teknis dan ilmiah perlu diperiksa dalam lingkungan bidang terkait.", "alias_of": null, "aliases": [], "author": "Anthropic", "capabilities": { "context_length": 1000000, "manufacturer_input": [ "text", "image", "file" ], "manufacturer_output": [ "text" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Informasi lengkap harga konfigurasi tersedia di bagian detail." } ], "ctx": null, "formats": [ "chat" ], "id": "claude-opus-5-thinking", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 1, "cache_write": 12.5, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Bidang wajib, representasi materi, atau nilai parameter tidak valid", "http_status": 400, "recovery": "Perbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Teks UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "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.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json atau SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "claude-opus-5-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Percakapan teks" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Percakapan teks; stream adalah nilai boolean dengan false sebagai bawaan.", "file_material": "dokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan", "hosted_operations": false, "material_types": [ "text" ], "messages": "array pesan dengan struktur role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Tarif dasar token", "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-5-thinking\",\"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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-5-thinking\", 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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 10, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 50, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "claude-opus-5-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "claude-opus-5-thinking", "request_model_id": "claude-opus-5-thinking", "route_label": "Ultra" } ], "name": "Anthropic: Claude Opus 5", "price": { "in": 10, "in_label": null, "out": 50, "out_label": null, "scope_label": "Token rates", "sort_in": 10, "sort_out": 50, "varies": false }, "short": "Claude Opus 5 ditujukan untuk pengembangan yang mendalam, analisis informasi, dan pekerjaan profesional bertahap. Mendukung penalaran adaptif dan pemeriksaan hasil melalui alat aplikasi." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Claude Opus 5 ditujukan untuk pengembangan yang mendalam, analisis informasi, dan pekerjaan profesional bertahap. Mendukung penalaran adaptif dan pemeriksaan hasil melalui alat aplikasi.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "47884d284cf56c6152857b1d7bbf2445644349be62e783cf091f0a31b4dec30a", "renderer_sha256": "2a0471475a29000c23db326ca1e315df73dee7524f6bc2907818ee3458813f2d" }, "sourceRevision": "a051b257865fd53ffd4a9a9f6e2ec069101f30add4d61140b693dc00b2d387cc" }