Claude Sonnet 4.5 adalah edisi Sonnet Anthropic yang berfokus pada pengembangan perangkat lunak, tugas agen kompleks, dan penggunaan komputer, dengan peningkatan penalaran serta matematika. Model ini menerima teks dan gambar serta menghasilkan teks. Rilis ini menjelaskan pekerjaan berkelanjutan dalam beberapa langkah, pemahaman kode, dan perubahan yang melibatkan proyek lebih luas, bukan hanya satu fungsi terpisah. Deskripsi yang berguna menentukan perilaku yang diperlukan, materi sumber yang relevan, dan hasil yang harus disampaikan: usulan patch, penjelasan implementasi, analisis dokumen, atau jawaban terstruktur.
Untuk pekerjaan perangkat lunak, berikan batasan proyek, file atau kutipan yang relevan, kesalahan yang diamati, dan contoh konkret hasil yang diharapkan. Minta kode yang terdampak serta penjelasan cara usulan perubahan menangani contoh tersebut. Pengembang menyajikan model sebagai pilihan yang sesuai untuk membangun agen dan mengerjakan tugas pengembangan dengan alat. Aplikasi yang menaunginya membaca dan mengedit file, menjalankan perintah atau pemeriksaan, serta mengembalikan keluaran aktualnya; model bernalar berdasarkan bukti itu. Pisahkan usulan perubahan dari pemeriksaan yang telah selesai dalam laporan akhir.
Penggunaan komputer merupakan penerapan terpisah dari kemampuan visual dan agennya. Rilis Anthropic memperagakan interaksi browser, navigasi halaman, dan pekerjaan spreadsheet melalui lingkungan yang terhubung. Deskripsi visual dapat memberikan tangkapan layar, menentukan tujuan, dan menjelaskan tindakan yang diizinkan aplikasi. Aplikasi kemudian menjalankan interaksi yang dipilih dan mengembalikan layar yang berubah atau hasil lainnya. Demikian pula, model dapat menyiapkan konten dan kode untuk dokumen, spreadsheet, serta slide, sedangkan lingkungan menghasilkan file akhirnya. Pemahaman teks dan gambar tidak menjadikan model sebagai generator gambar atau audio natif.
Spesifikasi pengembang untuk edisi ini mencantumkan jendela konteks 200K token dan hingga 64K token keluaran. Batas pengetahuan yang andal adalah Januari 2025, berbeda dari batas data pelatihan yang lebih baru yang tercantum pada halaman. Jaga batas dokumen, label halaman, satuan, dan pengenal kode tetap jelas dalam masukan panjang, serta sisakan ruang untuk jawaban yang diminta dan penalaran apa pun. Pengembang juga mendokumentasikan kesadaran konteks untuk edisi ini, sehingga alur kerja yang didukung melacak ruang yang tersisa selama percakapan. Ini membantu mengelola tugas berkelanjutan dalam jendelanya; ini tidak mengganti jendela tersebut dengan kapasitas lebih besar dari edisi Sonnet yang lebih baru.
Sonnet 4.5 mendukung respons biasa dan penalaran yang diperpanjang dengan pengaturan manual. Dalam mode kedua, budget_tokens menetapkan target penalaran internal sebelum jawaban terlihat. Minimum yang didokumentasikan adalah 1,024 token, dan anggaran biasanya harus lebih rendah daripada max_tokens karena penalaran serta jawaban akhir berbagi jatah generasi. Anggaran adalah target, bukan janji untuk menggunakan jumlah token yang persis sama. Edisi ini tidak memiliki mode penalaran adaptif atau kontrol upaya yang dijelaskan untuk model Sonnet yang lebih baru. Pilih kedalaman analisis yang diminta dan sisakan jatah yang cukup untuk jawaban akhir yang berguna.
Beta interleaved-thinking dari pengembang memungkinkan Sonnet 4.5 bernalar di antara panggilan alat dalam satu giliran, menggunakan pengamatan yang dikembalikan untuk menentukan langkah berikutnya. Ini memerlukan fitur beta yang didokumentasikan dalam alur Messages yang didukung. Dalam kondisi ini, anggaran penalaran dapat melebihi max_tokens karena mencakup beberapa blok penalaran dalam giliran asisten yang sama. Kembalikan hasil alat bersama konten penalaran terkait tanpa perubahan, termasuk tanda tangannya; mengedit konten itu membuatnya tidak valid. Dengan demikian, tugas riset atau debugging dapat bergantian antara usulan pemeriksaan, hasil aktual yang dikembalikan, dan analisis yang diperbarui, tanpa menganggap usulan teks sebagai tindakan yang telah selesai.
Untuk materi visual, pengembang mendukung JPEG, PNG, GIF, dan WebP serta hanya menggunakan frame pertama dari animasi. Tingkat gambar natif standar yang digunakan edisi ini memiliki batas sisi panjang 1,568 piksel dan batas 1,568 token visual; gambar yang lebih besar diperkecil. Panduan gambar pengembang mencantumkan hingga 100 gambar per permintaan API untuk model berkonteks 200K, dengan batas gambar dan ukuran keseluruhan permintaan yang dapat tercapai lebih dahulu. Tempatkan gambar sebelum pertanyaan jika memungkinkan, beri label pada beberapa gambar, dan pertahankan teks kecil atau label grafik. Panduan menyarankan gambar yang jelas dan konteks di sekitarnya yang cukup untuk menafsirkan detail yang terlihat.
Penyuntingan konteks dan alat memori diperkenalkan bersama model ini untuk mendukung alur kerja agen yang lebih panjang. Keduanya merupakan cara yang didukung aplikasi untuk mempertahankan keadaan berguna atau menghapus materi alat lama; keduanya bukan memori model tanpa batas atau fitur pemadatan konteks di server yang diperkenalkan kemudian. Untuk tugas beberapa tahap, pertahankan keputusan yang telah dibuat, pertanyaan yang belum terselesaikan, dan bukti yang diperlukan langkah berikutnya. Anthropic juga menjelaskan ketahanan yang lebih kuat terhadap instruksi tersembunyi dalam konten eksternal, sambil menyebutkan bahwa pengklasifikasi khusus model terkadang dapat menandai materi yang tidak berbahaya. Hasil yang berguna tetap berupa keluaran yang dapat ditinjau dan terhubung dengan bukti yang diberikan, dengan mode serta batas Sonnet 4.5 yang tepat dipisahkan dari rilis yang lebih baru.
", "aboutText": "Claude Sonnet 4.5 adalah edisi Sonnet Anthropic yang berfokus pada pengembangan perangkat lunak, tugas agen kompleks, dan penggunaan komputer, dengan peningkatan penalaran serta matematika. Model ini menerima teks dan gambar serta menghasilkan teks. Rilis ini menjelaskan pekerjaan berkelanjutan dalam beberapa langkah, pemahaman kode, dan perubahan yang melibatkan proyek lebih luas, bukan hanya satu fungsi terpisah. Deskripsi yang berguna menentukan perilaku yang diperlukan, materi sumber yang relevan, dan hasil yang harus disampaikan: usulan patch, penjelasan implementasi, analisis dokumen, atau jawaban terstruktur.\n\nUntuk pekerjaan perangkat lunak, berikan batasan proyek, file atau kutipan yang relevan, kesalahan yang diamati, dan contoh konkret hasil yang diharapkan. Minta kode yang terdampak serta penjelasan cara usulan perubahan menangani contoh tersebut. Pengembang menyajikan model sebagai pilihan yang sesuai untuk membangun agen dan mengerjakan tugas pengembangan dengan alat. Aplikasi yang menaunginya membaca dan mengedit file, menjalankan perintah atau pemeriksaan, serta mengembalikan keluaran aktualnya; model bernalar berdasarkan bukti itu. Pisahkan usulan perubahan dari pemeriksaan yang telah selesai dalam laporan akhir.\n\nPenggunaan komputer merupakan penerapan terpisah dari kemampuan visual dan agennya. Rilis Anthropic memperagakan interaksi browser, navigasi halaman, dan pekerjaan spreadsheet melalui lingkungan yang terhubung. Deskripsi visual dapat memberikan tangkapan layar, menentukan tujuan, dan menjelaskan tindakan yang diizinkan aplikasi. Aplikasi kemudian menjalankan interaksi yang dipilih dan mengembalikan layar yang berubah atau hasil lainnya. Demikian pula, model dapat menyiapkan konten dan kode untuk dokumen, spreadsheet, serta slide, sedangkan lingkungan menghasilkan file akhirnya. Pemahaman teks dan gambar tidak menjadikan model sebagai generator gambar atau audio natif.\n\nSpesifikasi pengembang untuk edisi ini mencantumkan jendela konteks 200K token dan hingga 64K token keluaran. Batas pengetahuan yang andal adalah Januari 2025, berbeda dari batas data pelatihan yang lebih baru yang tercantum pada halaman. Jaga batas dokumen, label halaman, satuan, dan pengenal kode tetap jelas dalam masukan panjang, serta sisakan ruang untuk jawaban yang diminta dan penalaran apa pun. Pengembang juga mendokumentasikan kesadaran konteks untuk edisi ini, sehingga alur kerja yang didukung melacak ruang yang tersisa selama percakapan. Ini membantu mengelola tugas berkelanjutan dalam jendelanya; ini tidak mengganti jendela tersebut dengan kapasitas lebih besar dari edisi Sonnet yang lebih baru.\n\nSonnet 4.5 mendukung respons biasa dan penalaran yang diperpanjang dengan pengaturan manual. Dalam mode kedua, budget_tokens menetapkan target penalaran internal sebelum jawaban terlihat. Minimum yang didokumentasikan adalah 1,024 token, dan anggaran biasanya harus lebih rendah daripada max_tokens karena penalaran serta jawaban akhir berbagi jatah generasi. Anggaran adalah target, bukan janji untuk menggunakan jumlah token yang persis sama. Edisi ini tidak memiliki mode penalaran adaptif atau kontrol upaya yang dijelaskan untuk model Sonnet yang lebih baru. Pilih kedalaman analisis yang diminta dan sisakan jatah yang cukup untuk jawaban akhir yang berguna.\n\nBeta interleaved-thinking dari pengembang memungkinkan Sonnet 4.5 bernalar di antara panggilan alat dalam satu giliran, menggunakan pengamatan yang dikembalikan untuk menentukan langkah berikutnya. Ini memerlukan fitur beta yang didokumentasikan dalam alur Messages yang didukung. Dalam kondisi ini, anggaran penalaran dapat melebihi max_tokens karena mencakup beberapa blok penalaran dalam giliran asisten yang sama. Kembalikan hasil alat bersama konten penalaran terkait tanpa perubahan, termasuk tanda tangannya; mengedit konten itu membuatnya tidak valid. Dengan demikian, tugas riset atau debugging dapat bergantian antara usulan pemeriksaan, hasil aktual yang dikembalikan, dan analisis yang diperbarui, tanpa menganggap usulan teks sebagai tindakan yang telah selesai.\n\nUntuk materi visual, pengembang mendukung JPEG, PNG, GIF, dan WebP serta hanya menggunakan frame pertama dari animasi. Tingkat gambar natif standar yang digunakan edisi ini memiliki batas sisi panjang 1,568 piksel dan batas 1,568 token visual; gambar yang lebih besar diperkecil. Panduan gambar pengembang mencantumkan hingga 100 gambar per permintaan API untuk model berkonteks 200K, dengan batas gambar dan ukuran keseluruhan permintaan yang dapat tercapai lebih dahulu. Tempatkan gambar sebelum pertanyaan jika memungkinkan, beri label pada beberapa gambar, dan pertahankan teks kecil atau label grafik. Panduan menyarankan gambar yang jelas dan konteks di sekitarnya yang cukup untuk menafsirkan detail yang terlihat.\n\nPenyuntingan konteks dan alat memori diperkenalkan bersama model ini untuk mendukung alur kerja agen yang lebih panjang. Keduanya merupakan cara yang didukung aplikasi untuk mempertahankan keadaan berguna atau menghapus materi alat lama; keduanya bukan memori model tanpa batas atau fitur pemadatan konteks di server yang diperkenalkan kemudian. Untuk tugas beberapa tahap, pertahankan keputusan yang telah dibuat, pertanyaan yang belum terselesaikan, dan bukti yang diperlukan langkah berikutnya. Anthropic juga menjelaskan ketahanan yang lebih kuat terhadap instruksi tersembunyi dalam konten eksternal, sambil menyebutkan bahwa pengklasifikasi khusus model terkadang dapat menandai materi yang tidak berbahaya. Hasil yang berguna tetap berupa keluaran yang dapat ditinjau dan terhubung dengan bukti yang diberikan, dengan mode serta batas Sonnet 4.5 yang tepat dipisahkan dari rilis yang lebih baru.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "19346902e472a4913ab6df9f66a70b5f17e5f6384a1d37c5d7a712691a70ba82", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "claude-sonnet-4-5-20250929-thinkingClaude Sonnet 4.5 adalah model teks dan gambar Anthropic untuk pengembangan perangkat lunak, agen kompleks, penggunaan komputer, dan pekerjaan analitis. Model ini mendukung respons langsung atau penalaran yang diperpanjang dengan pengaturan manual, dengan penalaran di antara panggilan alat dalam alur beta yang didokumentasikan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Claude Sonnet 4.5 adalah edisi Sonnet Anthropic yang berfokus pada pengembangan perangkat lunak, tugas agen kompleks, dan penggunaan komputer, dengan peningkatan penalaran serta matematika. Model ini menerima teks dan gambar serta menghasilkan teks. Rilis ini menjelaskan pekerjaan berkelanjutan dalam beberapa langkah, pemahaman kode, dan perubahan yang melibatkan proyek lebih luas, bukan hanya satu fungsi terpisah. Deskripsi yang berguna menentukan perilaku yang diperlukan, materi sumber yang relevan, dan hasil yang harus disampaikan: usulan patch, penjelasan implementasi, analisis dokumen, atau jawaban terstruktur.
Untuk pekerjaan perangkat lunak, berikan batasan proyek, file atau kutipan yang relevan, kesalahan yang diamati, dan contoh konkret hasil yang diharapkan. Minta kode yang terdampak serta penjelasan cara usulan perubahan menangani contoh tersebut. Pengembang menyajikan model sebagai pilihan yang sesuai untuk membangun agen dan mengerjakan tugas pengembangan dengan alat. Aplikasi yang menaunginya membaca dan mengedit file, menjalankan perintah atau pemeriksaan, serta mengembalikan keluaran aktualnya; model bernalar berdasarkan bukti itu. Pisahkan usulan perubahan dari pemeriksaan yang telah selesai dalam laporan akhir.
Penggunaan komputer merupakan penerapan terpisah dari kemampuan visual dan agennya. Rilis Anthropic memperagakan interaksi browser, navigasi halaman, dan pekerjaan spreadsheet melalui lingkungan yang terhubung. Deskripsi visual dapat memberikan tangkapan layar, menentukan tujuan, dan menjelaskan tindakan yang diizinkan aplikasi. Aplikasi kemudian menjalankan interaksi yang dipilih dan mengembalikan layar yang berubah atau hasil lainnya. Demikian pula, model dapat menyiapkan konten dan kode untuk dokumen, spreadsheet, serta slide, sedangkan lingkungan menghasilkan file akhirnya. Pemahaman teks dan gambar tidak menjadikan model sebagai generator gambar atau audio natif.
Spesifikasi pengembang untuk edisi ini mencantumkan jendela konteks 200K token dan hingga 64K token keluaran. Batas pengetahuan yang andal adalah Januari 2025, berbeda dari batas data pelatihan yang lebih baru yang tercantum pada halaman. Jaga batas dokumen, label halaman, satuan, dan pengenal kode tetap jelas dalam masukan panjang, serta sisakan ruang untuk jawaban yang diminta dan penalaran apa pun. Pengembang juga mendokumentasikan kesadaran konteks untuk edisi ini, sehingga alur kerja yang didukung melacak ruang yang tersisa selama percakapan. Ini membantu mengelola tugas berkelanjutan dalam jendelanya; ini tidak mengganti jendela tersebut dengan kapasitas lebih besar dari edisi Sonnet yang lebih baru.
Sonnet 4.5 mendukung respons biasa dan penalaran yang diperpanjang dengan pengaturan manual. Dalam mode kedua, budget_tokens menetapkan target penalaran internal sebelum jawaban terlihat. Minimum yang didokumentasikan adalah 1,024 token, dan anggaran biasanya harus lebih rendah daripada max_tokens karena penalaran serta jawaban akhir berbagi jatah generasi. Anggaran adalah target, bukan janji untuk menggunakan jumlah token yang persis sama. Edisi ini tidak memiliki mode penalaran adaptif atau kontrol upaya yang dijelaskan untuk model Sonnet yang lebih baru. Pilih kedalaman analisis yang diminta dan sisakan jatah yang cukup untuk jawaban akhir yang berguna.
Beta interleaved-thinking dari pengembang memungkinkan Sonnet 4.5 bernalar di antara panggilan alat dalam satu giliran, menggunakan pengamatan yang dikembalikan untuk menentukan langkah berikutnya. Ini memerlukan fitur beta yang didokumentasikan dalam alur Messages yang didukung. Dalam kondisi ini, anggaran penalaran dapat melebihi max_tokens karena mencakup beberapa blok penalaran dalam giliran asisten yang sama. Kembalikan hasil alat bersama konten penalaran terkait tanpa perubahan, termasuk tanda tangannya; mengedit konten itu membuatnya tidak valid. Dengan demikian, tugas riset atau debugging dapat bergantian antara usulan pemeriksaan, hasil aktual yang dikembalikan, dan analisis yang diperbarui, tanpa menganggap usulan teks sebagai tindakan yang telah selesai.
Untuk materi visual, pengembang mendukung JPEG, PNG, GIF, dan WebP serta hanya menggunakan frame pertama dari animasi. Tingkat gambar natif standar yang digunakan edisi ini memiliki batas sisi panjang 1,568 piksel dan batas 1,568 token visual; gambar yang lebih besar diperkecil. Panduan gambar pengembang mencantumkan hingga 100 gambar per permintaan API untuk model berkonteks 200K, dengan batas gambar dan ukuran keseluruhan permintaan yang dapat tercapai lebih dahulu. Tempatkan gambar sebelum pertanyaan jika memungkinkan, beri label pada beberapa gambar, dan pertahankan teks kecil atau label grafik. Panduan menyarankan gambar yang jelas dan konteks di sekitarnya yang cukup untuk menafsirkan detail yang terlihat.
Penyuntingan konteks dan alat memori diperkenalkan bersama model ini untuk mendukung alur kerja agen yang lebih panjang. Keduanya merupakan cara yang didukung aplikasi untuk mempertahankan keadaan berguna atau menghapus materi alat lama; keduanya bukan memori model tanpa batas atau fitur pemadatan konteks di server yang diperkenalkan kemudian. Untuk tugas beberapa tahap, pertahankan keputusan yang telah dibuat, pertanyaan yang belum terselesaikan, dan bukti yang diperlukan langkah berikutnya. Anthropic juga menjelaskan ketahanan yang lebih kuat terhadap instruksi tersembunyi dalam konten eksternal, sambil menyebutkan bahwa pengklasifikasi khusus model terkadang dapat menandai materi yang tidak berbahaya. Hasil yang berguna tetap berupa keluaran yang dapat ditinjau dan terhubung dengan bukti yang diberikan, dengan mode serta batas Sonnet 4.5 yang tepat dipisahkan dari rilis yang lebih baru.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan claude-sonnet-4-5-20250929-thinking | 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 $0.006 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0.0006 / 1K token Masukan · Penulisan cache $0.0075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-sonnet-4-5-20250929-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\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-sonnet-4-5-20250929-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"))\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 Ultra claude-sonnet-4-5-20250929-thinking
/chat/completions