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": { "practical_html": "Esempio tecnico in inglese
Trace a lost pagination argument\n\nReview these related Python functions: api.list_items(page): return service.list_items(); service.list_items(page=1): return repo.fetch(offset=(page-1)*20). Requests for page 3 return page 1. Propose the smallest correction across the call chain and regression tests for pages 1 and 3. Preserve the service default for existing callers.A focused patch, a call-chain explanation and two regression-test cases with expected offsets.Confirm page 3 reaches offset 40 while callers omitting page retain offset 0.anthropic/claude-opus-4.1Claude 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/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti anthropic/claude-opus-4.1 | 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 $0.03 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.003 / 1K token Input · Scrittura nella cache $0.0375 / 1K token Input · Scrittura nella cache, 1 ora $0.06 / 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 $0.03 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.003 / 1K token Input · Scrittura nella cache $0.0375 / 1K token Input · Scrittura nella cache, 1 ora $0.06 / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-opus-4.1", "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-opus-4.1',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-opus-4.1',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-opus-4.1
Usa i percorsi dei metodi indicati sopra.
anthropic/claude-opus-4.1Claude 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/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti anthropic/claude-opus-4.1 | 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 $0.03 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.003 / 1K token Input · Scrittura nella cache $0.0375 / 1K token Input · Scrittura nella cache, 1 ora $0.06 / 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 $0.03 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.003 / 1K token Input · Scrittura nella cache $0.0375 / 1K token Input · Scrittura nella cache, 1 ora $0.06 / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "anthropic/claude-opus-4.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-opus-4.1', '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-opus-4.1', '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-opus-4.1
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Trace a lost pagination argument\n\nReview these related Python functions: api.list_items(page): return service.list_items(); service.list_items(page=1): return repo.fetch(offset=(page-1)*20). Requests for page 3 return page 1. Propose the smallest correction across the call chain and regression tests for pages 1 and 3. Preserve the service default for existing callers.A focused patch, a call-chain explanation and two regression-test cases with expected offsets.Confirm page 3 reaches offset 40 while callers omitting page retain offset 0.