Claude Haiku 5.5 è l’edizione di piccole dimensioni di Anthropic per compiti ad alto volume sensibili alla latenza. Gli usi principali includono classificazione, instradamento, estrazione di informazioni, riassunti, compattazione delle conversazioni e lavoro mirato con sottoagenti. Accetta testo e immagini e genera testo. Una descrizione utile assegna una domanda circoscritta e un risultato esplicito: una categoria, un insieme definito di campi, un breve riassunto o le prove pertinenti per un’altra parte di un compito più ampio. Conserva gli identificativi delle fonti con il risultato, così che l’applicazione possa collegare le informazioni estratte al materiale originale.
Anthropic posiziona questa edizione per assistenza clienti in tempo reale, uso del browser e brevi sottocompiti di programmazione, oltre all’analisi ripetitiva. Può affiancare Claude Sonnet 5.5 o Claude Opus 5.5 in un flusso in cui un modello più grande gestisce un progetto ambizioso e Haiku una consultazione o un riassunto circoscritti. Per un compito di supporto, fornisci la domanda e le fonti consentite, poi specifica il tono e cosa deve essere restituito. Per un sottocompito di programmazione, identifica i file o estratti pertinenti e la domanda esatta, anziché assegnare un progetto aperto senza condizione di completamento.
La finestra di contesto documentata è di un milione di token, con fino a 128 000 token in uscita nella generazione ordinaria. I token di ragionamento contano nella disponibilità di generazione, quindi il risultato deve lasciare spazio sia al ragionamento sia al testo visibile. La data limite delle conoscenze affidabili è giugno 2026; le informazioni successive richiedono prove fornite o uno strumento di ricerca. Anthropic documenta separatamente una beta riservata ai batch che può aumentare l’uscita a 300 000 token per questa edizione. La disponibilità maggiore richiede la funzionalità di uscita estesa del produttore ed è distinta dal limite ordinario. Un batch asincrono gestisce le richieste indipendentemente, risultando utile per raccolte di documenti o record i cui risultati servono dopo l’elaborazione anziché immediatamente.
Il ragionamento adattivo è attivo per impostazione predefinita ed effort è il controllo principale della profondità di analisi. I livelli sono low, medium, high, xhigh e max, con medium come predefinito. Anthropic raccomanda medium per la maggior parte del lavoro, high per compiti più prolungati o rispetto rigoroso delle istruzioni e low per richieste più semplici e brevi. Il ragionamento può essere disattivato a low, medium o high; disattivarlo a xhigh o max viene rifiutato. Un prompt che chiede una risposta diretta non sostituisce quel controllo. Le impostazioni manuali budget_tokens di Haiku 4.5 non si trasferiscono a questa edizione e temperature, top_p e top_k vanno omessi nell’interfaccia documentata.
Haiku 5.5 usa il tokenizer più recente introdotto in precedenti generazioni Claude e Anthropic stima che lo stesso testo possa usare circa il 30% di token in più rispetto a Haiku 4.5, a seconda del contenuto. Conserva anche i blocchi di ragionamento dei turni precedenti dell’assistente, quindi la conversazione può crescere oltre il solo cambiamento del tokenizer. La lunghezza minima del prompt memorizzabile nella cache è di 512 token. Mantieni invariati i turni precedenti quando conservi il ragionamento e inserisci nuove istruzioni nel turno più recente. Cambiare effort al livello superiore invalida la cache dei messaggi della conversazione; il produttore documenta una beta separata per cambiare effort nelle conversazioni adattive. Nessuna di queste capacità dimostra un riscontro nella cache per una richiesta specifica.
Per il recupero di informazioni, la guida ai prompt del modello raccomanda di fornire la data corrente con lo strumento di ricerca e mantenere stabili le definizioni originali del sistema e degli strumenti. Fornisci una data aggiornata nel turno più recente se la conversazione continua in un giorno successivo. Indica cosa trovare e conserva le fonti restituite prima di chiedere una conclusione. Per esempio, un compito illustrativo può chiedere il comportamento documentato di una versione software specifica, seguito da una breve spiegazione fondata sul passaggio recuperato. L’applicazione fornisce lo strumento di ricerca e restituisce i risultati reali; la consultazione proposta dal modello non dimostra che sia avvenuta.
Quando l’uscita JSON strutturata è combinata con strumenti, la guida documenta un’interazione precisa: con il ragionamento disattivato, Haiku può saltare una chiamata necessaria a uno strumento. Anthropic raccomanda ragionamento adattivo per queste richieste oppure di separare il requisito finale di JSON dal passaggio dello strumento. Definisci i campi di uscita e chiarisci che la risposta finale segue i risultati degli strumenti. Una descrizione di estrazione può indicare campi obbligatori e rappresentazione dei valori mancanti, mentre una consultazione può prima richiedere le prove per compilarli. Leggi i blocchi di risposta secondo il tipo, perché la risposta non deve necessariamente essere il primo blocco e il testo di ragionamento è omesso per impostazione predefinita.
Per prompt più lunghi con agenti, Anthropic osserva che il livello low può terminare presto, saltare una ricerca o omettere una verifica. La guida raccomanda istruzioni esplicite di completamento e verifiche reali delle modifiche al codice prima di dichiararle finite. Prepara il risultato atteso e le prove che lo dimostrerebbero: i passaggi selezionati per un rapporto, il comportamento modificato per una proposta di codice o i campi estratti da un documento. La guida distingue inoltre un messaggio dell’utente durante il compito dall’uscita di uno strumento: le nuove istruzioni dell’utente appartengono a un turno utente, mentre le prove restituite dagli strumenti restano separate.
Questa edizione ha proprie protezioni e può rifiutare categorie che includono usi informatici dannosi, usi biologici dannosi, sviluppo di modelli concorrenti o altri usi proibiti. Il produttore non documenta un meccanismo di ripiego lato server per Haiku 5.5. La guida osserva anche che xhigh può occasionalmente terminare una risposta su più turni senza testo di risposta visibile e che testo simile al ragionamento può apparire più spesso a low o con ragionamento disattivato. Sono comportamenti specifici da considerare quando un flusso richiede un risultato visibile e strutturato. Per normali estrazioni o riassunti, usa una fonte mirata, un’uscita definita e il livello di impegno adeguato al compito.
", "aboutText": "Claude Haiku 5.5 è l’edizione di piccole dimensioni di Anthropic per compiti ad alto volume sensibili alla latenza. Gli usi principali includono classificazione, instradamento, estrazione di informazioni, riassunti, compattazione delle conversazioni e lavoro mirato con sottoagenti. Accetta testo e immagini e genera testo. Una descrizione utile assegna una domanda circoscritta e un risultato esplicito: una categoria, un insieme definito di campi, un breve riassunto o le prove pertinenti per un’altra parte di un compito più ampio. Conserva gli identificativi delle fonti con il risultato, così che l’applicazione possa collegare le informazioni estratte al materiale originale.\n\nAnthropic posiziona questa edizione per assistenza clienti in tempo reale, uso del browser e brevi sottocompiti di programmazione, oltre all’analisi ripetitiva. Può affiancare Claude Sonnet 5.5 o Claude Opus 5.5 in un flusso in cui un modello più grande gestisce un progetto ambizioso e Haiku una consultazione o un riassunto circoscritti. Per un compito di supporto, fornisci la domanda e le fonti consentite, poi specifica il tono e cosa deve essere restituito. Per un sottocompito di programmazione, identifica i file o estratti pertinenti e la domanda esatta, anziché assegnare un progetto aperto senza condizione di completamento.\n\nLa finestra di contesto documentata è di un milione di token, con fino a 128 000 token in uscita nella generazione ordinaria. I token di ragionamento contano nella disponibilità di generazione, quindi il risultato deve lasciare spazio sia al ragionamento sia al testo visibile. La data limite delle conoscenze affidabili è giugno 2026; le informazioni successive richiedono prove fornite o uno strumento di ricerca. Anthropic documenta separatamente una beta riservata ai batch che può aumentare l’uscita a 300 000 token per questa edizione. La disponibilità maggiore richiede la funzionalità di uscita estesa del produttore ed è distinta dal limite ordinario. Un batch asincrono gestisce le richieste indipendentemente, risultando utile per raccolte di documenti o record i cui risultati servono dopo l’elaborazione anziché immediatamente.\n\nIl ragionamento adattivo è attivo per impostazione predefinita ed effort è il controllo principale della profondità di analisi. I livelli sono low, medium, high, xhigh e max, con medium come predefinito. Anthropic raccomanda medium per la maggior parte del lavoro, high per compiti più prolungati o rispetto rigoroso delle istruzioni e low per richieste più semplici e brevi. Il ragionamento può essere disattivato a low, medium o high; disattivarlo a xhigh o max viene rifiutato. Un prompt che chiede una risposta diretta non sostituisce quel controllo. Le impostazioni manuali budget_tokens di Haiku 4.5 non si trasferiscono a questa edizione e temperature, top_p e top_k vanno omessi nell’interfaccia documentata.\n\nHaiku 5.5 usa il tokenizer più recente introdotto in precedenti generazioni Claude e Anthropic stima che lo stesso testo possa usare circa il 30% di token in più rispetto a Haiku 4.5, a seconda del contenuto. Conserva anche i blocchi di ragionamento dei turni precedenti dell’assistente, quindi la conversazione può crescere oltre il solo cambiamento del tokenizer. La lunghezza minima del prompt memorizzabile nella cache è di 512 token. Mantieni invariati i turni precedenti quando conservi il ragionamento e inserisci nuove istruzioni nel turno più recente. Cambiare effort al livello superiore invalida la cache dei messaggi della conversazione; il produttore documenta una beta separata per cambiare effort nelle conversazioni adattive. Nessuna di queste capacità dimostra un riscontro nella cache per una richiesta specifica.\n\nPer il recupero di informazioni, la guida ai prompt del modello raccomanda di fornire la data corrente con lo strumento di ricerca e mantenere stabili le definizioni originali del sistema e degli strumenti. Fornisci una data aggiornata nel turno più recente se la conversazione continua in un giorno successivo. Indica cosa trovare e conserva le fonti restituite prima di chiedere una conclusione. Per esempio, un compito illustrativo può chiedere il comportamento documentato di una versione software specifica, seguito da una breve spiegazione fondata sul passaggio recuperato. L’applicazione fornisce lo strumento di ricerca e restituisce i risultati reali; la consultazione proposta dal modello non dimostra che sia avvenuta.\n\nQuando l’uscita JSON strutturata è combinata con strumenti, la guida documenta un’interazione precisa: con il ragionamento disattivato, Haiku può saltare una chiamata necessaria a uno strumento. Anthropic raccomanda ragionamento adattivo per queste richieste oppure di separare il requisito finale di JSON dal passaggio dello strumento. Definisci i campi di uscita e chiarisci che la risposta finale segue i risultati degli strumenti. Una descrizione di estrazione può indicare campi obbligatori e rappresentazione dei valori mancanti, mentre una consultazione può prima richiedere le prove per compilarli. Leggi i blocchi di risposta secondo il tipo, perché la risposta non deve necessariamente essere il primo blocco e il testo di ragionamento è omesso per impostazione predefinita.\n\nPer prompt più lunghi con agenti, Anthropic osserva che il livello low può terminare presto, saltare una ricerca o omettere una verifica. La guida raccomanda istruzioni esplicite di completamento e verifiche reali delle modifiche al codice prima di dichiararle finite. Prepara il risultato atteso e le prove che lo dimostrerebbero: i passaggi selezionati per un rapporto, il comportamento modificato per una proposta di codice o i campi estratti da un documento. La guida distingue inoltre un messaggio dell’utente durante il compito dall’uscita di uno strumento: le nuove istruzioni dell’utente appartengono a un turno utente, mentre le prove restituite dagli strumenti restano separate.\n\nQuesta edizione ha proprie protezioni e può rifiutare categorie che includono usi informatici dannosi, usi biologici dannosi, sviluppo di modelli concorrenti o altri usi proibiti. Il produttore non documenta un meccanismo di ripiego lato server per Haiku 5.5. La guida osserva anche che xhigh può occasionalmente terminare una risposta su più turni senza testo di risposta visibile e che testo simile al ragionamento può apparire più spesso a low o con ragionamento disattivato. Sono comportamenti specifici da considerare quando un flusso richiede un risultato visibile e strutturato. Per normali estrazioni o riassunti, usa una fonte mirata, un’uscita definita e il livello di impegno adeguato al compito.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.anthropic/claude-haiku-5.5Claude Haiku 5.5 è il modello di piccole dimensioni di Anthropic per classificazione, estrazione, riassunti, instradamento e compiti mirati con agenti. Combina comprensione di testo e immagini con ragionamento adattivo ed è pensato per lavoro ripetitivo che richiede una risposta rapida.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Claude Haiku 5.5 è l’edizione di piccole dimensioni di Anthropic per compiti ad alto volume sensibili alla latenza. Gli usi principali includono classificazione, instradamento, estrazione di informazioni, riassunti, compattazione delle conversazioni e lavoro mirato con sottoagenti. Accetta testo e immagini e genera testo. Una descrizione utile assegna una domanda circoscritta e un risultato esplicito: una categoria, un insieme definito di campi, un breve riassunto o le prove pertinenti per un’altra parte di un compito più ampio. Conserva gli identificativi delle fonti con il risultato, così che l’applicazione possa collegare le informazioni estratte al materiale originale.
Anthropic posiziona questa edizione per assistenza clienti in tempo reale, uso del browser e brevi sottocompiti di programmazione, oltre all’analisi ripetitiva. Può affiancare Claude Sonnet 5.5 o Claude Opus 5.5 in un flusso in cui un modello più grande gestisce un progetto ambizioso e Haiku una consultazione o un riassunto circoscritti. Per un compito di supporto, fornisci la domanda e le fonti consentite, poi specifica il tono e cosa deve essere restituito. Per un sottocompito di programmazione, identifica i file o estratti pertinenti e la domanda esatta, anziché assegnare un progetto aperto senza condizione di completamento.
La finestra di contesto documentata è di un milione di token, con fino a 128 000 token in uscita nella generazione ordinaria. I token di ragionamento contano nella disponibilità di generazione, quindi il risultato deve lasciare spazio sia al ragionamento sia al testo visibile. La data limite delle conoscenze affidabili è giugno 2026; le informazioni successive richiedono prove fornite o uno strumento di ricerca. Anthropic documenta separatamente una beta riservata ai batch che può aumentare l’uscita a 300 000 token per questa edizione. La disponibilità maggiore richiede la funzionalità di uscita estesa del produttore ed è distinta dal limite ordinario. Un batch asincrono gestisce le richieste indipendentemente, risultando utile per raccolte di documenti o record i cui risultati servono dopo l’elaborazione anziché immediatamente.
Il ragionamento adattivo è attivo per impostazione predefinita ed effort è il controllo principale della profondità di analisi. I livelli sono low, medium, high, xhigh e max, con medium come predefinito. Anthropic raccomanda medium per la maggior parte del lavoro, high per compiti più prolungati o rispetto rigoroso delle istruzioni e low per richieste più semplici e brevi. Il ragionamento può essere disattivato a low, medium o high; disattivarlo a xhigh o max viene rifiutato. Un prompt che chiede una risposta diretta non sostituisce quel controllo. Le impostazioni manuali budget_tokens di Haiku 4.5 non si trasferiscono a questa edizione e temperature, top_p e top_k vanno omessi nell’interfaccia documentata.
Haiku 5.5 usa il tokenizer più recente introdotto in precedenti generazioni Claude e Anthropic stima che lo stesso testo possa usare circa il 30% di token in più rispetto a Haiku 4.5, a seconda del contenuto. Conserva anche i blocchi di ragionamento dei turni precedenti dell’assistente, quindi la conversazione può crescere oltre il solo cambiamento del tokenizer. La lunghezza minima del prompt memorizzabile nella cache è di 512 token. Mantieni invariati i turni precedenti quando conservi il ragionamento e inserisci nuove istruzioni nel turno più recente. Cambiare effort al livello superiore invalida la cache dei messaggi della conversazione; il produttore documenta una beta separata per cambiare effort nelle conversazioni adattive. Nessuna di queste capacità dimostra un riscontro nella cache per una richiesta specifica.
Per il recupero di informazioni, la guida ai prompt del modello raccomanda di fornire la data corrente con lo strumento di ricerca e mantenere stabili le definizioni originali del sistema e degli strumenti. Fornisci una data aggiornata nel turno più recente se la conversazione continua in un giorno successivo. Indica cosa trovare e conserva le fonti restituite prima di chiedere una conclusione. Per esempio, un compito illustrativo può chiedere il comportamento documentato di una versione software specifica, seguito da una breve spiegazione fondata sul passaggio recuperato. L’applicazione fornisce lo strumento di ricerca e restituisce i risultati reali; la consultazione proposta dal modello non dimostra che sia avvenuta.
Quando l’uscita JSON strutturata è combinata con strumenti, la guida documenta un’interazione precisa: con il ragionamento disattivato, Haiku può saltare una chiamata necessaria a uno strumento. Anthropic raccomanda ragionamento adattivo per queste richieste oppure di separare il requisito finale di JSON dal passaggio dello strumento. Definisci i campi di uscita e chiarisci che la risposta finale segue i risultati degli strumenti. Una descrizione di estrazione può indicare campi obbligatori e rappresentazione dei valori mancanti, mentre una consultazione può prima richiedere le prove per compilarli. Leggi i blocchi di risposta secondo il tipo, perché la risposta non deve necessariamente essere il primo blocco e il testo di ragionamento è omesso per impostazione predefinita.
Per prompt più lunghi con agenti, Anthropic osserva che il livello low può terminare presto, saltare una ricerca o omettere una verifica. La guida raccomanda istruzioni esplicite di completamento e verifiche reali delle modifiche al codice prima di dichiararle finite. Prepara il risultato atteso e le prove che lo dimostrerebbero: i passaggi selezionati per un rapporto, il comportamento modificato per una proposta di codice o i campi estratti da un documento. La guida distingue inoltre un messaggio dell’utente durante il compito dall’uscita di uno strumento: le nuove istruzioni dell’utente appartengono a un turno utente, mentre le prove restituite dagli strumenti restano separate.
Questa edizione ha proprie protezioni e può rifiutare categorie che includono usi informatici dannosi, usi biologici dannosi, sviluppo di modelli concorrenti o altri usi proibiti. Il produttore non documenta un meccanismo di ripiego lato server per Haiku 5.5. La guida osserva anche che xhigh può occasionalmente terminare una risposta su più turni senza testo di risposta visibile e che testo simile al ragionamento può apparire più spesso a low o con ragionamento disattivato. Sono comportamenti specifici da considerare quando un flusso richiede un risultato visibile e strutturato. Per normali estrazioni o riassunti, usa una fonte mirata, un’uscita definita e il livello di impegno adeguato al compito.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti anthropic/claude-haiku-5.5 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 1K token Input · Scrittura nella cache, 1 ora $0.0004 / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso100.000 | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 1K token Input · Scrittura nella cache, 1 ora $0.0004 / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di100.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 1K token Input · Scrittura nella cache, 1 ora $0.002 / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-haiku-5.5", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='anthropic/claude-haiku-5.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='anthropic/claude-haiku-5.5',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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Usa i percorsi dei metodi indicati sopra.
anthropic/claude-haiku-5.5Claude Haiku 5.5 è il modello di piccole dimensioni di Anthropic per classificazione, estrazione, riassunti, instradamento e compiti mirati con agenti. Combina comprensione di testo e immagini con ragionamento adattivo ed è pensato per lavoro ripetitivo che richiede una risposta rapida.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Claude Haiku 5.5 è l’edizione di piccole dimensioni di Anthropic per compiti ad alto volume sensibili alla latenza. Gli usi principali includono classificazione, instradamento, estrazione di informazioni, riassunti, compattazione delle conversazioni e lavoro mirato con sottoagenti. Accetta testo e immagini e genera testo. Una descrizione utile assegna una domanda circoscritta e un risultato esplicito: una categoria, un insieme definito di campi, un breve riassunto o le prove pertinenti per un’altra parte di un compito più ampio. Conserva gli identificativi delle fonti con il risultato, così che l’applicazione possa collegare le informazioni estratte al materiale originale.
Anthropic posiziona questa edizione per assistenza clienti in tempo reale, uso del browser e brevi sottocompiti di programmazione, oltre all’analisi ripetitiva. Può affiancare Claude Sonnet 5.5 o Claude Opus 5.5 in un flusso in cui un modello più grande gestisce un progetto ambizioso e Haiku una consultazione o un riassunto circoscritti. Per un compito di supporto, fornisci la domanda e le fonti consentite, poi specifica il tono e cosa deve essere restituito. Per un sottocompito di programmazione, identifica i file o estratti pertinenti e la domanda esatta, anziché assegnare un progetto aperto senza condizione di completamento.
La finestra di contesto documentata è di un milione di token, con fino a 128 000 token in uscita nella generazione ordinaria. I token di ragionamento contano nella disponibilità di generazione, quindi il risultato deve lasciare spazio sia al ragionamento sia al testo visibile. La data limite delle conoscenze affidabili è giugno 2026; le informazioni successive richiedono prove fornite o uno strumento di ricerca. Anthropic documenta separatamente una beta riservata ai batch che può aumentare l’uscita a 300 000 token per questa edizione. La disponibilità maggiore richiede la funzionalità di uscita estesa del produttore ed è distinta dal limite ordinario. Un batch asincrono gestisce le richieste indipendentemente, risultando utile per raccolte di documenti o record i cui risultati servono dopo l’elaborazione anziché immediatamente.
Il ragionamento adattivo è attivo per impostazione predefinita ed effort è il controllo principale della profondità di analisi. I livelli sono low, medium, high, xhigh e max, con medium come predefinito. Anthropic raccomanda medium per la maggior parte del lavoro, high per compiti più prolungati o rispetto rigoroso delle istruzioni e low per richieste più semplici e brevi. Il ragionamento può essere disattivato a low, medium o high; disattivarlo a xhigh o max viene rifiutato. Un prompt che chiede una risposta diretta non sostituisce quel controllo. Le impostazioni manuali budget_tokens di Haiku 4.5 non si trasferiscono a questa edizione e temperature, top_p e top_k vanno omessi nell’interfaccia documentata.
Haiku 5.5 usa il tokenizer più recente introdotto in precedenti generazioni Claude e Anthropic stima che lo stesso testo possa usare circa il 30% di token in più rispetto a Haiku 4.5, a seconda del contenuto. Conserva anche i blocchi di ragionamento dei turni precedenti dell’assistente, quindi la conversazione può crescere oltre il solo cambiamento del tokenizer. La lunghezza minima del prompt memorizzabile nella cache è di 512 token. Mantieni invariati i turni precedenti quando conservi il ragionamento e inserisci nuove istruzioni nel turno più recente. Cambiare effort al livello superiore invalida la cache dei messaggi della conversazione; il produttore documenta una beta separata per cambiare effort nelle conversazioni adattive. Nessuna di queste capacità dimostra un riscontro nella cache per una richiesta specifica.
Per il recupero di informazioni, la guida ai prompt del modello raccomanda di fornire la data corrente con lo strumento di ricerca e mantenere stabili le definizioni originali del sistema e degli strumenti. Fornisci una data aggiornata nel turno più recente se la conversazione continua in un giorno successivo. Indica cosa trovare e conserva le fonti restituite prima di chiedere una conclusione. Per esempio, un compito illustrativo può chiedere il comportamento documentato di una versione software specifica, seguito da una breve spiegazione fondata sul passaggio recuperato. L’applicazione fornisce lo strumento di ricerca e restituisce i risultati reali; la consultazione proposta dal modello non dimostra che sia avvenuta.
Quando l’uscita JSON strutturata è combinata con strumenti, la guida documenta un’interazione precisa: con il ragionamento disattivato, Haiku può saltare una chiamata necessaria a uno strumento. Anthropic raccomanda ragionamento adattivo per queste richieste oppure di separare il requisito finale di JSON dal passaggio dello strumento. Definisci i campi di uscita e chiarisci che la risposta finale segue i risultati degli strumenti. Una descrizione di estrazione può indicare campi obbligatori e rappresentazione dei valori mancanti, mentre una consultazione può prima richiedere le prove per compilarli. Leggi i blocchi di risposta secondo il tipo, perché la risposta non deve necessariamente essere il primo blocco e il testo di ragionamento è omesso per impostazione predefinita.
Per prompt più lunghi con agenti, Anthropic osserva che il livello low può terminare presto, saltare una ricerca o omettere una verifica. La guida raccomanda istruzioni esplicite di completamento e verifiche reali delle modifiche al codice prima di dichiararle finite. Prepara il risultato atteso e le prove che lo dimostrerebbero: i passaggi selezionati per un rapporto, il comportamento modificato per una proposta di codice o i campi estratti da un documento. La guida distingue inoltre un messaggio dell’utente durante il compito dall’uscita di uno strumento: le nuove istruzioni dell’utente appartengono a un turno utente, mentre le prove restituite dagli strumenti restano separate.
Questa edizione ha proprie protezioni e può rifiutare categorie che includono usi informatici dannosi, usi biologici dannosi, sviluppo di modelli concorrenti o altri usi proibiti. Il produttore non documenta un meccanismo di ripiego lato server per Haiku 5.5. La guida osserva anche che xhigh può occasionalmente terminare una risposta su più turni senza testo di risposta visibile e che testo simile al ragionamento può apparire più spesso a low o con ragionamento disattivato. Sono comportamenti specifici da considerare quando un flusso richiede un risultato visibile e strutturato. Per normali estrazioni o riassunti, usa una fonte mirata, un’uscita definita e il livello di impegno adeguato al compito.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti anthropic/claude-haiku-5.5 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 1K token Input · Scrittura nella cache, 1 ora $0.0004 / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso100.000 | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 1K token Input · Scrittura nella cache, 1 ora $0.0004 / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di100.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 1K token Input · Scrittura nella cache, 1 ora $0.002 / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "anthropic/claude-haiku-5.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'anthropic/claude-haiku-5.5', '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': 'anthropic/claude-haiku-5.5', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Usa i percorsi dei metodi indicati sopra.
~anthropic/claude-haiku-latestClaude Haiku 5.5 è il modello di piccole dimensioni di Anthropic per classificazione, estrazione, riassunti, instradamento e compiti mirati con agenti. Combina comprensione di testo e immagini con ragionamento adattivo ed è pensato per lavoro ripetitivo che richiede una risposta rapida.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Claude Haiku 5.5 è l’edizione di piccole dimensioni di Anthropic per compiti ad alto volume sensibili alla latenza. Gli usi principali includono classificazione, instradamento, estrazione di informazioni, riassunti, compattazione delle conversazioni e lavoro mirato con sottoagenti. Accetta testo e immagini e genera testo. Una descrizione utile assegna una domanda circoscritta e un risultato esplicito: una categoria, un insieme definito di campi, un breve riassunto o le prove pertinenti per un’altra parte di un compito più ampio. Conserva gli identificativi delle fonti con il risultato, così che l’applicazione possa collegare le informazioni estratte al materiale originale.
Anthropic posiziona questa edizione per assistenza clienti in tempo reale, uso del browser e brevi sottocompiti di programmazione, oltre all’analisi ripetitiva. Può affiancare Claude Sonnet 5.5 o Claude Opus 5.5 in un flusso in cui un modello più grande gestisce un progetto ambizioso e Haiku una consultazione o un riassunto circoscritti. Per un compito di supporto, fornisci la domanda e le fonti consentite, poi specifica il tono e cosa deve essere restituito. Per un sottocompito di programmazione, identifica i file o estratti pertinenti e la domanda esatta, anziché assegnare un progetto aperto senza condizione di completamento.
La finestra di contesto documentata è di un milione di token, con fino a 128 000 token in uscita nella generazione ordinaria. I token di ragionamento contano nella disponibilità di generazione, quindi il risultato deve lasciare spazio sia al ragionamento sia al testo visibile. La data limite delle conoscenze affidabili è giugno 2026; le informazioni successive richiedono prove fornite o uno strumento di ricerca. Anthropic documenta separatamente una beta riservata ai batch che può aumentare l’uscita a 300 000 token per questa edizione. La disponibilità maggiore richiede la funzionalità di uscita estesa del produttore ed è distinta dal limite ordinario. Un batch asincrono gestisce le richieste indipendentemente, risultando utile per raccolte di documenti o record i cui risultati servono dopo l’elaborazione anziché immediatamente.
Il ragionamento adattivo è attivo per impostazione predefinita ed effort è il controllo principale della profondità di analisi. I livelli sono low, medium, high, xhigh e max, con medium come predefinito. Anthropic raccomanda medium per la maggior parte del lavoro, high per compiti più prolungati o rispetto rigoroso delle istruzioni e low per richieste più semplici e brevi. Il ragionamento può essere disattivato a low, medium o high; disattivarlo a xhigh o max viene rifiutato. Un prompt che chiede una risposta diretta non sostituisce quel controllo. Le impostazioni manuali budget_tokens di Haiku 4.5 non si trasferiscono a questa edizione e temperature, top_p e top_k vanno omessi nell’interfaccia documentata.
Haiku 5.5 usa il tokenizer più recente introdotto in precedenti generazioni Claude e Anthropic stima che lo stesso testo possa usare circa il 30% di token in più rispetto a Haiku 4.5, a seconda del contenuto. Conserva anche i blocchi di ragionamento dei turni precedenti dell’assistente, quindi la conversazione può crescere oltre il solo cambiamento del tokenizer. La lunghezza minima del prompt memorizzabile nella cache è di 512 token. Mantieni invariati i turni precedenti quando conservi il ragionamento e inserisci nuove istruzioni nel turno più recente. Cambiare effort al livello superiore invalida la cache dei messaggi della conversazione; il produttore documenta una beta separata per cambiare effort nelle conversazioni adattive. Nessuna di queste capacità dimostra un riscontro nella cache per una richiesta specifica.
Per il recupero di informazioni, la guida ai prompt del modello raccomanda di fornire la data corrente con lo strumento di ricerca e mantenere stabili le definizioni originali del sistema e degli strumenti. Fornisci una data aggiornata nel turno più recente se la conversazione continua in un giorno successivo. Indica cosa trovare e conserva le fonti restituite prima di chiedere una conclusione. Per esempio, un compito illustrativo può chiedere il comportamento documentato di una versione software specifica, seguito da una breve spiegazione fondata sul passaggio recuperato. L’applicazione fornisce lo strumento di ricerca e restituisce i risultati reali; la consultazione proposta dal modello non dimostra che sia avvenuta.
Quando l’uscita JSON strutturata è combinata con strumenti, la guida documenta un’interazione precisa: con il ragionamento disattivato, Haiku può saltare una chiamata necessaria a uno strumento. Anthropic raccomanda ragionamento adattivo per queste richieste oppure di separare il requisito finale di JSON dal passaggio dello strumento. Definisci i campi di uscita e chiarisci che la risposta finale segue i risultati degli strumenti. Una descrizione di estrazione può indicare campi obbligatori e rappresentazione dei valori mancanti, mentre una consultazione può prima richiedere le prove per compilarli. Leggi i blocchi di risposta secondo il tipo, perché la risposta non deve necessariamente essere il primo blocco e il testo di ragionamento è omesso per impostazione predefinita.
Per prompt più lunghi con agenti, Anthropic osserva che il livello low può terminare presto, saltare una ricerca o omettere una verifica. La guida raccomanda istruzioni esplicite di completamento e verifiche reali delle modifiche al codice prima di dichiararle finite. Prepara il risultato atteso e le prove che lo dimostrerebbero: i passaggi selezionati per un rapporto, il comportamento modificato per una proposta di codice o i campi estratti da un documento. La guida distingue inoltre un messaggio dell’utente durante il compito dall’uscita di uno strumento: le nuove istruzioni dell’utente appartengono a un turno utente, mentre le prove restituite dagli strumenti restano separate.
Questa edizione ha proprie protezioni e può rifiutare categorie che includono usi informatici dannosi, usi biologici dannosi, sviluppo di modelli concorrenti o altri usi proibiti. Il produttore non documenta un meccanismo di ripiego lato server per Haiku 5.5. La guida osserva anche che xhigh può occasionalmente terminare una risposta su più turni senza testo di risposta visibile e che testo simile al ragionamento può apparire più spesso a low o con ragionamento disattivato. Sono comportamenti specifici da considerare quando un flusso richiede un risultato visibile e strutturato. Per normali estrazioni o riassunti, usa una fonte mirata, un’uscita definita e il livello di impegno adeguato al compito.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti ~anthropic/claude-haiku-latest | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 1K token Input · Scrittura nella cache, 1 ora $0.0004 / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso100.000 | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 1K token Input · Scrittura nella cache, 1 ora $0.0004 / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di100.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 1K token Input · Scrittura nella cache, 1 ora $0.002 / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~anthropic/claude-haiku-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='~anthropic/claude-haiku-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='~anthropic/claude-haiku-latest',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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Usa i percorsi dei metodi indicati sopra.
~anthropic/claude-haiku-latestClaude Haiku 5.5 è il modello di piccole dimensioni di Anthropic per classificazione, estrazione, riassunti, instradamento e compiti mirati con agenti. Combina comprensione di testo e immagini con ragionamento adattivo ed è pensato per lavoro ripetitivo che richiede una risposta rapida.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Claude Haiku 5.5 è l’edizione di piccole dimensioni di Anthropic per compiti ad alto volume sensibili alla latenza. Gli usi principali includono classificazione, instradamento, estrazione di informazioni, riassunti, compattazione delle conversazioni e lavoro mirato con sottoagenti. Accetta testo e immagini e genera testo. Una descrizione utile assegna una domanda circoscritta e un risultato esplicito: una categoria, un insieme definito di campi, un breve riassunto o le prove pertinenti per un’altra parte di un compito più ampio. Conserva gli identificativi delle fonti con il risultato, così che l’applicazione possa collegare le informazioni estratte al materiale originale.
Anthropic posiziona questa edizione per assistenza clienti in tempo reale, uso del browser e brevi sottocompiti di programmazione, oltre all’analisi ripetitiva. Può affiancare Claude Sonnet 5.5 o Claude Opus 5.5 in un flusso in cui un modello più grande gestisce un progetto ambizioso e Haiku una consultazione o un riassunto circoscritti. Per un compito di supporto, fornisci la domanda e le fonti consentite, poi specifica il tono e cosa deve essere restituito. Per un sottocompito di programmazione, identifica i file o estratti pertinenti e la domanda esatta, anziché assegnare un progetto aperto senza condizione di completamento.
La finestra di contesto documentata è di un milione di token, con fino a 128 000 token in uscita nella generazione ordinaria. I token di ragionamento contano nella disponibilità di generazione, quindi il risultato deve lasciare spazio sia al ragionamento sia al testo visibile. La data limite delle conoscenze affidabili è giugno 2026; le informazioni successive richiedono prove fornite o uno strumento di ricerca. Anthropic documenta separatamente una beta riservata ai batch che può aumentare l’uscita a 300 000 token per questa edizione. La disponibilità maggiore richiede la funzionalità di uscita estesa del produttore ed è distinta dal limite ordinario. Un batch asincrono gestisce le richieste indipendentemente, risultando utile per raccolte di documenti o record i cui risultati servono dopo l’elaborazione anziché immediatamente.
Il ragionamento adattivo è attivo per impostazione predefinita ed effort è il controllo principale della profondità di analisi. I livelli sono low, medium, high, xhigh e max, con medium come predefinito. Anthropic raccomanda medium per la maggior parte del lavoro, high per compiti più prolungati o rispetto rigoroso delle istruzioni e low per richieste più semplici e brevi. Il ragionamento può essere disattivato a low, medium o high; disattivarlo a xhigh o max viene rifiutato. Un prompt che chiede una risposta diretta non sostituisce quel controllo. Le impostazioni manuali budget_tokens di Haiku 4.5 non si trasferiscono a questa edizione e temperature, top_p e top_k vanno omessi nell’interfaccia documentata.
Haiku 5.5 usa il tokenizer più recente introdotto in precedenti generazioni Claude e Anthropic stima che lo stesso testo possa usare circa il 30% di token in più rispetto a Haiku 4.5, a seconda del contenuto. Conserva anche i blocchi di ragionamento dei turni precedenti dell’assistente, quindi la conversazione può crescere oltre il solo cambiamento del tokenizer. La lunghezza minima del prompt memorizzabile nella cache è di 512 token. Mantieni invariati i turni precedenti quando conservi il ragionamento e inserisci nuove istruzioni nel turno più recente. Cambiare effort al livello superiore invalida la cache dei messaggi della conversazione; il produttore documenta una beta separata per cambiare effort nelle conversazioni adattive. Nessuna di queste capacità dimostra un riscontro nella cache per una richiesta specifica.
Per il recupero di informazioni, la guida ai prompt del modello raccomanda di fornire la data corrente con lo strumento di ricerca e mantenere stabili le definizioni originali del sistema e degli strumenti. Fornisci una data aggiornata nel turno più recente se la conversazione continua in un giorno successivo. Indica cosa trovare e conserva le fonti restituite prima di chiedere una conclusione. Per esempio, un compito illustrativo può chiedere il comportamento documentato di una versione software specifica, seguito da una breve spiegazione fondata sul passaggio recuperato. L’applicazione fornisce lo strumento di ricerca e restituisce i risultati reali; la consultazione proposta dal modello non dimostra che sia avvenuta.
Quando l’uscita JSON strutturata è combinata con strumenti, la guida documenta un’interazione precisa: con il ragionamento disattivato, Haiku può saltare una chiamata necessaria a uno strumento. Anthropic raccomanda ragionamento adattivo per queste richieste oppure di separare il requisito finale di JSON dal passaggio dello strumento. Definisci i campi di uscita e chiarisci che la risposta finale segue i risultati degli strumenti. Una descrizione di estrazione può indicare campi obbligatori e rappresentazione dei valori mancanti, mentre una consultazione può prima richiedere le prove per compilarli. Leggi i blocchi di risposta secondo il tipo, perché la risposta non deve necessariamente essere il primo blocco e il testo di ragionamento è omesso per impostazione predefinita.
Per prompt più lunghi con agenti, Anthropic osserva che il livello low può terminare presto, saltare una ricerca o omettere una verifica. La guida raccomanda istruzioni esplicite di completamento e verifiche reali delle modifiche al codice prima di dichiararle finite. Prepara il risultato atteso e le prove che lo dimostrerebbero: i passaggi selezionati per un rapporto, il comportamento modificato per una proposta di codice o i campi estratti da un documento. La guida distingue inoltre un messaggio dell’utente durante il compito dall’uscita di uno strumento: le nuove istruzioni dell’utente appartengono a un turno utente, mentre le prove restituite dagli strumenti restano separate.
Questa edizione ha proprie protezioni e può rifiutare categorie che includono usi informatici dannosi, usi biologici dannosi, sviluppo di modelli concorrenti o altri usi proibiti. Il produttore non documenta un meccanismo di ripiego lato server per Haiku 5.5. La guida osserva anche che xhigh può occasionalmente terminare una risposta su più turni senza testo di risposta visibile e che testo simile al ragionamento può apparire più spesso a low o con ragionamento disattivato. Sono comportamenti specifici da considerare quando un flusso richiede un risultato visibile e strutturato. Per normali estrazioni o riassunti, usa una fonte mirata, un’uscita definita e il livello di impegno adeguato al compito.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti ~anthropic/claude-haiku-latest | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 1K token Input · Scrittura nella cache, 1 ora $0.0004 / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso100.000 | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 1K token Input · Scrittura nella cache, 1 ora $0.0004 / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di100.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 1K token Input · Scrittura nella cache, 1 ora $0.002 / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "~anthropic/claude-haiku-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': '~anthropic/claude-haiku-latest', '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': '~anthropic/claude-haiku-latest', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.