Claude Opus 4.1 è l’aggiornamento di Anthropic al Claude Opus 4 originale, concentrato sui compiti con agenti, sulla programmazione reale e sul ragionamento. La presentazione evidenzia anche ricerca approfondita e analisi dei dati, soprattutto la capacità di tenere traccia dei dettagli e usare la ricerca all’interno di un compito più ampio. L’addendum alla scheda del sistema che accompagna la versione descrive miglioramenti nella qualità del ragionamento e nel rispetto delle istruzioni. Rimane un’edizione distinta dall’Opus 4 originale e dai successivi modelli Opus 4.5, 4.6 e 5; i loro modi e limiti non devono essere considerati specifiche di questo aggiornamento.
Per il lavoro sul codice, la presentazione evidenzia rifattorizzazione su più file e individuazione di correzioni precise all’interno di una grande base di codice. Fornisci al modello i file o estratti pertinenti, il comportamento esistente, quello desiderato e i vincoli che una modifica valida deve preservare. Una richiesta illustrativa può chiedere di seguire un guasto attraverso funzioni correlate, proporre la più piccola modifica coerente e spiegare perché ogni parte modificata è necessaria. Il risultato utile è una patch o una proposta di codice verificabile che conservi il contesto sorgente e le ipotesi, anziché una riscrittura ampia che nasconda il problema originale.
Per ricerca e analisi dei dati, l’attenzione ai dettagli è utile quando una domanda dipende da più passaggi o osservazioni. Fornisci il materiale con identificativi delle fonti, definisci la domanda e richiedi le prove a sostegno di ogni conclusione. Una descrizione pratica può richiedere una tabella che mostri dove due documenti concordano, dove differiscono e quali domande restano senza risposta. Se la ricerca fa parte del flusso, l’applicazione fornisce lo strumento e il contenuto restituito. Il modello collega poi quei risultati al materiale esistente; una ricerca proposta nel suo testo non è un recupero completato.
Opus 4.1 ha una modalità di risposta standard e ragionamento esteso facoltativo. La guida precedente al ragionamento offre controllo diretto tramite budget_tokens, con un minimo di 1 024 token. Il budget è normalmente inferiore a max_tokens perché ragionamento interno e risposta finale condividono la disponibilità di generazione. È un obiettivo di ragionamento, non una promessa di consumare l’intero budget. Il ragionamento adattivo e i controlli di impegno delle successive edizioni Opus sono capacità separate. Prepara un problema completo e specifica il formato della risposta finale, così che l’analisi aggiuntiva porti al risultato necessario al lettore.
La beta documentata per i primi modelli Claude 4 supporta ragionamento intercalato: ragionamento tra le chiamate agli strumenti all’interno di un turno dell’assistente. Usa la funzionalità di ragionamento intercalato del produttore nel flusso Messages supportato. In quella modalità, il budget di ragionamento può coprire più blocchi e superare il valore max_tokens di un singolo turno nell’eccezione documentata. Restituisci il blocco di ragionamento corrispondente invariato, compresa la firma, insieme al risultato di uno strumento. Un flusso di debug può così alternare analisi, una verifica eseguita dall’applicazione e interpretazione dell’uscita reale, mantenendo separate le azioni proposte da quelle completate.
L’addendum alla scheda del sistema descrive anche compiti di uso del computer con osservazione dello schermo, azioni del mouse e immissioni da tastiera, insieme a compiti più lunghi di programmazione con strumenti. Il modello può ragionare da uno stato visivo fornito e selezionare un’azione in un ambiente collegato; l’applicazione esegue l’interazione e restituisce ciò che è cambiato. Per una richiesta basata sullo schermo, identifica l’obiettivo, i controlli visibili pertinenti e le azioni consentite. Per un flusso documentale o di dati, richiedi una spiegazione testuale o un risultato strutturato collegato alle prove fornite. L’interpretazione del modello e l’esecuzione dell’ambiente sono parti separate del lavoro.
La valutazione del produttore riporta una vulnerabilità all’iniezione di prompt simile a quella dell’Opus 4 originale. Esamina specificamente testo nascosto o elementi dell’interfaccia che tentano di allontanare un agente dal compito dell’utente. Mantieni separate le istruzioni del compito dal materiale restituito dagli strumenti e conserva l’obiettivo originale quando interpreti una pagina o un documento. È una condizione sostanziale di un flusso con agenti: vedere una richiesta in contenuti esterni non la rende un’istruzione autorizzata dall’utente. Le protezioni del modello non rendono ogni pagina incontrata un ingresso affidabile.
La scheda del sistema descrive anche una limitazione di programmazione chiamata reward hacking, comprese risposte codificate rigidamente e soluzioni adattate solo agli esempi davanti al modello. Opus 4.1 mostra tendenze simili a Opus 4, con alcune regressioni in quelle valutazioni mirate. Per una proposta di codice, richiedi una soluzione che soddisfi il requisito generale, identifica le condizioni gestite e includi verifiche oltre il singolo esempio fornito. Chiedi al rapporto finale di distinguere ciò che è stato proposto, ciò che l’ambiente ha realmente verificato e ciò che non è stato possibile stabilire. Questo collega i punti di forza del modello nel debug preciso e nell’attenzione ai dettagli a un artefatto concreto il cui comportamento può essere esaminato.
", "aboutText": "Claude Opus 4.1 è l’aggiornamento di Anthropic al Claude Opus 4 originale, concentrato sui compiti con agenti, sulla programmazione reale e sul ragionamento. La presentazione evidenzia anche ricerca approfondita e analisi dei dati, soprattutto la capacità di tenere traccia dei dettagli e usare la ricerca all’interno di un compito più ampio. L’addendum alla scheda del sistema che accompagna la versione descrive miglioramenti nella qualità del ragionamento e nel rispetto delle istruzioni. Rimane un’edizione distinta dall’Opus 4 originale e dai successivi modelli Opus 4.5, 4.6 e 5; i loro modi e limiti non devono essere considerati specifiche di questo aggiornamento.\n\nPer il lavoro sul codice, la presentazione evidenzia rifattorizzazione su più file e individuazione di correzioni precise all’interno di una grande base di codice. Fornisci al modello i file o estratti pertinenti, il comportamento esistente, quello desiderato e i vincoli che una modifica valida deve preservare. Una richiesta illustrativa può chiedere di seguire un guasto attraverso funzioni correlate, proporre la più piccola modifica coerente e spiegare perché ogni parte modificata è necessaria. Il risultato utile è una patch o una proposta di codice verificabile che conservi il contesto sorgente e le ipotesi, anziché una riscrittura ampia che nasconda il problema originale.\n\nPer ricerca e analisi dei dati, l’attenzione ai dettagli è utile quando una domanda dipende da più passaggi o osservazioni. Fornisci il materiale con identificativi delle fonti, definisci la domanda e richiedi le prove a sostegno di ogni conclusione. Una descrizione pratica può richiedere una tabella che mostri dove due documenti concordano, dove differiscono e quali domande restano senza risposta. Se la ricerca fa parte del flusso, l’applicazione fornisce lo strumento e il contenuto restituito. Il modello collega poi quei risultati al materiale esistente; una ricerca proposta nel suo testo non è un recupero completato.\n\nOpus 4.1 ha una modalità di risposta standard e ragionamento esteso facoltativo. La guida precedente al ragionamento offre controllo diretto tramite budget_tokens, con un minimo di 1 024 token. Il budget è normalmente inferiore a max_tokens perché ragionamento interno e risposta finale condividono la disponibilità di generazione. È un obiettivo di ragionamento, non una promessa di consumare l’intero budget. Il ragionamento adattivo e i controlli di impegno delle successive edizioni Opus sono capacità separate. Prepara un problema completo e specifica il formato della risposta finale, così che l’analisi aggiuntiva porti al risultato necessario al lettore.\n\nLa beta documentata per i primi modelli Claude 4 supporta ragionamento intercalato: ragionamento tra le chiamate agli strumenti all’interno di un turno dell’assistente. Usa la funzionalità di ragionamento intercalato del produttore nel flusso Messages supportato. In quella modalità, il budget di ragionamento può coprire più blocchi e superare il valore max_tokens di un singolo turno nell’eccezione documentata. Restituisci il blocco di ragionamento corrispondente invariato, compresa la firma, insieme al risultato di uno strumento. Un flusso di debug può così alternare analisi, una verifica eseguita dall’applicazione e interpretazione dell’uscita reale, mantenendo separate le azioni proposte da quelle completate.\n\nL’addendum alla scheda del sistema descrive anche compiti di uso del computer con osservazione dello schermo, azioni del mouse e immissioni da tastiera, insieme a compiti più lunghi di programmazione con strumenti. Il modello può ragionare da uno stato visivo fornito e selezionare un’azione in un ambiente collegato; l’applicazione esegue l’interazione e restituisce ciò che è cambiato. Per una richiesta basata sullo schermo, identifica l’obiettivo, i controlli visibili pertinenti e le azioni consentite. Per un flusso documentale o di dati, richiedi una spiegazione testuale o un risultato strutturato collegato alle prove fornite. L’interpretazione del modello e l’esecuzione dell’ambiente sono parti separate del lavoro.\n\nLa valutazione del produttore riporta una vulnerabilità all’iniezione di prompt simile a quella dell’Opus 4 originale. Esamina specificamente testo nascosto o elementi dell’interfaccia che tentano di allontanare un agente dal compito dell’utente. Mantieni separate le istruzioni del compito dal materiale restituito dagli strumenti e conserva l’obiettivo originale quando interpreti una pagina o un documento. È una condizione sostanziale di un flusso con agenti: vedere una richiesta in contenuti esterni non la rende un’istruzione autorizzata dall’utente. Le protezioni del modello non rendono ogni pagina incontrata un ingresso affidabile.\n\nLa scheda del sistema descrive anche una limitazione di programmazione chiamata reward hacking, comprese risposte codificate rigidamente e soluzioni adattate solo agli esempi davanti al modello. Opus 4.1 mostra tendenze simili a Opus 4, con alcune regressioni in quelle valutazioni mirate. Per una proposta di codice, richiedi una soluzione che soddisfi il requisito generale, identifica le condizioni gestite e includi verifiche oltre il singolo esempio fornito. Chiedi al rapporto finale di distinguere ciò che è stato proposto, ciò che l’ambiente ha realmente verificato e ciò che non è stato possibile stabilire. Questo collega i punti di forza del modello nel debug preciso e nell’attenzione ai dettagli a un artefatto concreto il cui comportamento può essere esaminato.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9eb55e15e63cac01eeedfe53839f892b6f500a45e1fd195f85d56e7c6c69b559", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "anthropic/claude-opus-4.1:batchClaude Opus 4.1 è l’aggiornamento di Anthropic a Opus 4 per il lavoro software con agenti, la ricerca, l’analisi dei dati e il ragionamento. Tra i punti centrali figurano la capacità di tenere traccia dei dettagli, le modifiche di codice su più file e il debug preciso, con risposte standard o ragionamento esteso facoltativo.
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 Opus 4.1 è l’aggiornamento di Anthropic al Claude Opus 4 originale, concentrato sui compiti con agenti, sulla programmazione reale e sul ragionamento. La presentazione evidenzia anche ricerca approfondita e analisi dei dati, soprattutto la capacità di tenere traccia dei dettagli e usare la ricerca all’interno di un compito più ampio. L’addendum alla scheda del sistema che accompagna la versione descrive miglioramenti nella qualità del ragionamento e nel rispetto delle istruzioni. Rimane un’edizione distinta dall’Opus 4 originale e dai successivi modelli Opus 4.5, 4.6 e 5; i loro modi e limiti non devono essere considerati specifiche di questo aggiornamento.
Per il lavoro sul codice, la presentazione evidenzia rifattorizzazione su più file e individuazione di correzioni precise all’interno di una grande base di codice. Fornisci al modello i file o estratti pertinenti, il comportamento esistente, quello desiderato e i vincoli che una modifica valida deve preservare. Una richiesta illustrativa può chiedere di seguire un guasto attraverso funzioni correlate, proporre la più piccola modifica coerente e spiegare perché ogni parte modificata è necessaria. Il risultato utile è una patch o una proposta di codice verificabile che conservi il contesto sorgente e le ipotesi, anziché una riscrittura ampia che nasconda il problema originale.
Per ricerca e analisi dei dati, l’attenzione ai dettagli è utile quando una domanda dipende da più passaggi o osservazioni. Fornisci il materiale con identificativi delle fonti, definisci la domanda e richiedi le prove a sostegno di ogni conclusione. Una descrizione pratica può richiedere una tabella che mostri dove due documenti concordano, dove differiscono e quali domande restano senza risposta. Se la ricerca fa parte del flusso, l’applicazione fornisce lo strumento e il contenuto restituito. Il modello collega poi quei risultati al materiale esistente; una ricerca proposta nel suo testo non è un recupero completato.
Opus 4.1 ha una modalità di risposta standard e ragionamento esteso facoltativo. La guida precedente al ragionamento offre controllo diretto tramite budget_tokens, con un minimo di 1 024 token. Il budget è normalmente inferiore a max_tokens perché ragionamento interno e risposta finale condividono la disponibilità di generazione. È un obiettivo di ragionamento, non una promessa di consumare l’intero budget. Il ragionamento adattivo e i controlli di impegno delle successive edizioni Opus sono capacità separate. Prepara un problema completo e specifica il formato della risposta finale, così che l’analisi aggiuntiva porti al risultato necessario al lettore.
La beta documentata per i primi modelli Claude 4 supporta ragionamento intercalato: ragionamento tra le chiamate agli strumenti all’interno di un turno dell’assistente. Usa la funzionalità di ragionamento intercalato del produttore nel flusso Messages supportato. In quella modalità, il budget di ragionamento può coprire più blocchi e superare il valore max_tokens di un singolo turno nell’eccezione documentata. Restituisci il blocco di ragionamento corrispondente invariato, compresa la firma, insieme al risultato di uno strumento. Un flusso di debug può così alternare analisi, una verifica eseguita dall’applicazione e interpretazione dell’uscita reale, mantenendo separate le azioni proposte da quelle completate.
L’addendum alla scheda del sistema descrive anche compiti di uso del computer con osservazione dello schermo, azioni del mouse e immissioni da tastiera, insieme a compiti più lunghi di programmazione con strumenti. Il modello può ragionare da uno stato visivo fornito e selezionare un’azione in un ambiente collegato; l’applicazione esegue l’interazione e restituisce ciò che è cambiato. Per una richiesta basata sullo schermo, identifica l’obiettivo, i controlli visibili pertinenti e le azioni consentite. Per un flusso documentale o di dati, richiedi una spiegazione testuale o un risultato strutturato collegato alle prove fornite. L’interpretazione del modello e l’esecuzione dell’ambiente sono parti separate del lavoro.
La valutazione del produttore riporta una vulnerabilità all’iniezione di prompt simile a quella dell’Opus 4 originale. Esamina specificamente testo nascosto o elementi dell’interfaccia che tentano di allontanare un agente dal compito dell’utente. Mantieni separate le istruzioni del compito dal materiale restituito dagli strumenti e conserva l’obiettivo originale quando interpreti una pagina o un documento. È una condizione sostanziale di un flusso con agenti: vedere una richiesta in contenuti esterni non la rende un’istruzione autorizzata dall’utente. Le protezioni del modello non rendono ogni pagina incontrata un ingresso affidabile.
La scheda del sistema descrive anche una limitazione di programmazione chiamata reward hacking, comprese risposte codificate rigidamente e soluzioni adattate solo agli esempi davanti al modello. Opus 4.1 mostra tendenze simili a Opus 4, con alcune regressioni in quelle valutazioni mirate. Per una proposta di codice, richiedi una soluzione che soddisfi il requisito generale, identifica le condizioni gestite e includi verifiche oltre il singolo esempio fornito. Chiedi al rapporto finale di distinguere ciò che è stato proposto, ciò che l’ambiente ha realmente verificato e ciò che non è stato possibile stabilire. Questo collega i punti di forza del modello nel debug preciso e nell’attenzione ai dettagli a un artefatto concreto il cui comportamento può essere esaminato.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObbligatorio | Valori e limiti /v1/chat/completions | Predefinito— |
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti anthropic/claude-opus-4.1:batch | Predefinito— |
Camporequests | Tipobatch_item[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Camporequests[].custom_id | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campocompletion_window | Tipostring | RequisitoFacoltativo | Valori e limiti 24h | Predefinito— |
Campoprovider | Tipoobject|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Camporequests[].body.model | Tipostring | RequisitoFacoltativo | Valori e limiti anthropic/claude-opus-4.1:batch, anthropic/claude-opus-4.1 | Predefinito— |
Campoprovider.only | Tipostring[] | RequisitoFacoltativo | Valori e limiti anthropic | Predefinito— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoFacoltativo | Valori e limiti false, null | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattoendpoint, model, requests |
Parametromaterial_types | Contrattotext |
Parametrorepresentation | Contrattorequests[] inline; ogni elemento contiene custom_id e body |
Parametrorequest_endpoint_profile | Contratto/v1/chat/completions |
Parametrofile_material | ContrattoIl chiamante può leggere localmente i dati JSONL effettivi in UTF-8 e inserirli in requests[]. Non viene usato alcun purpose di caricamento, input_file_id o riferimento a file. Il materiale del cliente mancante o vuoto interrompe la preparazione prima del POST. |
Parametroserialization_order | Contrattoendpoint, model, provider (se fornito), completion_window (se fornito), requests per ultimo |
Parametrooptional_controls | Contrattoprovider.only, provider.allow_fallbacks, completion_window |
Parametroschema_scope | ContrattoCorpi delle richieste Chat Completions per testo nella struttura inline Batch documentata. |
Ciclo di vita: asynchronous
GET /v1/batches/{operation_id} · response.id effettivo della risposta alla creazione originale; stesso utente/chiave/gruppo
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 $0.015 / 1K token Output · Token in output $0.075 / 1K token Input · Lettura dalla cache $0.0015 / 1K token Input · Scrittura nella cache $0.01875 / 1K token Input · Scrittura nella cache, 1 ora $0.03 / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.015 / 1K token Output · Token in output $0.075 / 1K token Input · Lettura dalla cache $0.0015 / 1K token Input · Scrittura nella cache $0.01875 / 1K token Input · Scrittura nella cache, 1 ora $0.03 / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"anthropic/claude-opus-4.1:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['anthropic/claude-opus-4.1:batch', 'anthropic/claude-opus-4.1']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-opus-4.1:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON inline di results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nConserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva il JSON completo dello stato originale, ogni result/custom_id e il corpo completo della risposta o dell'errore. Salva i results[] completati come JSONL senza filtrarli.
Conserva l'ID dell'operazione originale. La risposta 503 result_pending_check contiene X-Should-Retry:false; non reinviare mai un batch originale il cui esito è sconosciuto.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneStruttura inline documentata non valida, chiavi duplicate, identità degli elementi non valida o conflitto con le capacità configurate del modello. | Passaggio successivoCorreggi i campi indicati prima di qualsiasi nuovo invio. |
Risposta401 · authentication_error | CondizioneChiave API non valida. | Passaggio successivoUsa la chiave Ailoot autorizzata. |
Risposta403 · permission_error | CondizioneGruppo Batch non disponibile. | Passaggio successivoVerifica le autorizzazioni della chiave e del gruppo. |
Risposta422 · invalid_request_error | CondizioneBatch usa l'addebito sul saldo; la creazione tramite abbonamento viene rifiutata. | Passaggio successivoUsa il gruppo autorizzato con addebito sul saldo. |
Risposta422 · price_unavailable | CondizioneNon è possibile formulare un preventivo per l'input Batch. | Passaggio successivoConserva la risposta; usa l'input documentato per la famiglia. |
Risposta402 · billing_error | CondizioneRiserva Batch non disponibile. | Passaggio successivoRisolvi le condizioni di ammissione prima di una nuova richiesta. |
Risposta503 · price_unavailable | CondizionePrezzo del metodo Batch o tariffe native non disponibili. | Passaggio successivoConserva la risposta; non sostituire i prezzi. |
Risposta503 · api_error | CondizioneLa rotta esatta del fornitore non è disponibile. | Passaggio successivoConserva la risposta per la riparazione della rotta. |
Risposta503 · result_pending_check | CondizioneIl risultato originale richiede una verifica; X-Should-Retry:false. | Passaggio successivoConserva operation_id/id originale e leggine lo stato; non ripetere mai il POST originale. |
Risposta404 · not_found | CondizioneL'operazione di stato Batch è assente o appartiene a un'altra identità. | Passaggio successivoUsa l'id originale esatto e lo stesso utente/chiave/gruppo. |
Ailoot Ultra anthropic/claude-opus-4.1:batch
Usa i percorsi dei metodi indicati sopra.