Claude Opus 4.6 è orientato a lavori in cui è utile mantenere molti materiali in un solo contesto e ragionare dopo averli letti. Anthropic mette in evidenza lo sviluppo in grandi basi di codice, la verifica del codice, il debugging, l'analisi finanziaria e la ricerca. Il modello può individuare dettagli rilevanti, collegare informazioni di parti diverse dei materiali e utilizzarle per risolvere sequenzialmente l'attività.
Nello sviluppo questo significa lavorare sul piano, studiare un sistema sconosciuto e cercare errori nelle modifiche. Nell'analisi professionale significa elaborare documenti e preparare contenuti per fogli di calcolo, relazioni o presentazioni. Per questi scenari è importante fornire al modello l'attività stessa e i materiali su cui basare le conclusioni, anziché limitarsi al nome generale dell'argomento.
Il modello supporta una modalità adattiva: determina dal contenuto dell'istruzione quando è utile un'analisi aggiuntiva. Il parametro effort definisce il grado di elaborazione; per Opus 4.6 sono disponibili low, medium, high e max, con high come valore standard. Secondo Anthropic, un'elaborazione approfondita può aumentare il tempo di risposta nelle attività semplici, quindi conviene scegliere il livello in funzione della complessità.
La precedente modalità extended thinking con budget manuale è ancora supportata, ma è indicata come deprecata. Questa versione presenta una differenza importante tra le modalità: il ragionamento tra chiamate di strumenti è disponibile nella modalità adattiva, mentre Opus 4.6 non lo esegue nella modalità manuale. Quando sono collegati strumenti, l'analisi adattiva aiuta a utilizzare il risultato di un'azione per scegliere quella successiva.
Le specifiche attuali di Anthropic definiscono 1 milione di token di contesto e fino a 128 mila token di risposta nella modalità normale. In ingresso sono accettati testo e immagini, mentre la risposta resta testuale. Il riferimento affidabile delle conoscenze integrate è maggio 2025.
I formati dell'input visivo ordinario presso il produttore sono JPEG/PNG/GIF/WebP, con il primo fotogramma per le animazioni. Nell'analisi nativa il lato lungo è di 1568 pixel, con 1568 token visivi; le immagini più grandi vengono ridimensionate prima dell'analisi. Il supporto di file e parametri dipende dal metodo dell'applicazione.
Per conversazioni prolungate e attività agentiche, il produttore descrive la compressione del vecchio contesto: la parte precedente del lavoro viene sostituita da un riepilogo quando ci si avvicina a una soglia definita. Questa capacità è indicata come sperimentale e richiede il supporto dell'applicazione; la dimensione del contesto, da sola, non include una memoria infinita.
Opus 4.6 è pensato per un lavoro a più passaggi con ricerca, codice e altri strumenti disponibili. L'ambiente dell'applicazione deve fornire lettura dei materiali, esecuzione dei comandi o produzione dei file. Le azioni di produzione, il controllo dell'interfaccia e la creazione di una presentazione finale dipendono da questi mezzi; un modello testuale non li riceve automaticamente.
Anthropic descrive separatamente verifiche di sicurezza e misure di protezione per attività potenzialmente pericolose nella cybersicurezza. Nello sviluppo ordinario il modello può aiutare a trovare e correggere vulnerabilità, ma la natura della richiesta influisce sulla possibilità di ricevere una risposta. Le conclusioni su un ampio insieme di materiali e le modifiche proposte devono essere verificate sui dati stessi e sul risultato dell'esecuzione.
", "aboutText": "### Un'attività ampia e i legami tra le sue parti\n\nClaude Opus 4.6 è orientato a lavori in cui è utile mantenere molti materiali in un solo contesto e ragionare dopo averli letti. Anthropic mette in evidenza lo sviluppo in grandi basi di codice, la verifica del codice, il debugging, l'analisi finanziaria e la ricerca. Il modello può individuare dettagli rilevanti, collegare informazioni di parti diverse dei materiali e utilizzarle per risolvere sequenzialmente l'attività.\n\nNello sviluppo questo significa lavorare sul piano, studiare un sistema sconosciuto e cercare errori nelle modifiche. Nell'analisi professionale significa elaborare documenti e preparare contenuti per fogli di calcolo, relazioni o presentazioni. Per questi scenari è importante fornire al modello l'attività stessa e i materiali su cui basare le conclusioni, anziché limitarsi al nome generale dell'argomento.\n\n### Ragionamento adattivo\n\nIl modello supporta una modalità adattiva: determina dal contenuto dell'istruzione quando è utile un'analisi aggiuntiva. Il parametro `effort` definisce il grado di elaborazione; per Opus 4.6 sono disponibili `low`, `medium`, `high` e `max`, con `high` come valore standard. Secondo Anthropic, un'elaborazione approfondita può aumentare il tempo di risposta nelle attività semplici, quindi conviene scegliere il livello in funzione della complessità.\n\nLa precedente modalità extended thinking con budget manuale è ancora supportata, ma è indicata come deprecata. Questa versione presenta una differenza importante tra le modalità: il ragionamento tra chiamate di strumenti è disponibile nella modalità adattiva, mentre Opus 4.6 non lo esegue nella modalità manuale. Quando sono collegati strumenti, l'analisi adattiva aiuta a utilizzare il risultato di un'azione per scegliere quella successiva.\n\n### Contesto per il lavoro prolungato\n\nLe specifiche attuali di Anthropic definiscono **1 milione di token di contesto** e fino a **128 mila token di risposta nella modalità normale**. In ingresso sono accettati **testo e immagini**, mentre la risposta resta testuale. Il riferimento affidabile delle conoscenze integrate è **maggio 2025**.\n\nI formati dell'input visivo ordinario presso il produttore sono JPEG/PNG/GIF/WebP, con il primo fotogramma per le animazioni. Nell'analisi nativa il lato lungo è di 1568 pixel, con 1568 token visivi; le immagini più grandi vengono ridimensionate prima dell'analisi. Il supporto di file e parametri dipende dal metodo dell'applicazione.\n\nPer conversazioni prolungate e attività agentiche, il produttore descrive la compressione del vecchio contesto: la parte precedente del lavoro viene sostituita da un riepilogo quando ci si avvicina a una soglia definita. Questa capacità è indicata come sperimentale e richiede il supporto dell'applicazione; la dimensione del contesto, da sola, non include una memoria infinita.\n\n### Strumenti e verifica del risultato\n\nOpus 4.6 è pensato per un lavoro a più passaggi con ricerca, codice e altri strumenti disponibili. L'ambiente dell'applicazione deve fornire lettura dei materiali, esecuzione dei comandi o produzione dei file. Le azioni di produzione, il controllo dell'interfaccia e la creazione di una presentazione finale dipendono da questi mezzi; un modello testuale non li riceve automaticamente.\n\nAnthropic descrive separatamente verifiche di sicurezza e misure di protezione per attività potenzialmente pericolose nella cybersicurezza. Nello sviluppo ordinario il modello può aiutare a trovare e correggere vulnerabilità, ma la natura della richiesta influisce sulla possibilità di ricevere una risposta. Le conclusioni su un ampio insieme di materiali e le modifiche proposte devono essere verificate sui dati stessi e sul risultato dell'esecuzione.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Review an idempotency bug\n\nReview this payment-handler excerpt: if not exists(event.id): charge(event.amount); save(event.id). Two workers can process the same event concurrently. The database supports transactions and a unique event_id. Propose a minimal safe change, explain the crash window and give tests for concurrent delivery and a crash after charging. Do not assume the payment service supports idempotency.A focused review with the race, a proposed code or pseudocode patch, required payment-service guarantees and two test scenarios.Verify that the proposal handles the external charge boundary explicitly rather than claiming a database transaction alone prevents duplicate charges.anthropic/claude-opus-4.6Claude Opus 4.6 è pensato per grandi basi di codice, debugging, ricerca e analisi di documenti lunghi. Supporta il ragionamento adattivo e un contesto fino a 1 milione di token.
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 4.6 è orientato a lavori in cui è utile mantenere molti materiali in un solo contesto e ragionare dopo averli letti. Anthropic mette in evidenza lo sviluppo in grandi basi di codice, la verifica del codice, il debugging, l'analisi finanziaria e la ricerca. Il modello può individuare dettagli rilevanti, collegare informazioni di parti diverse dei materiali e utilizzarle per risolvere sequenzialmente l'attività.
Nello sviluppo questo significa lavorare sul piano, studiare un sistema sconosciuto e cercare errori nelle modifiche. Nell'analisi professionale significa elaborare documenti e preparare contenuti per fogli di calcolo, relazioni o presentazioni. Per questi scenari è importante fornire al modello l'attività stessa e i materiali su cui basare le conclusioni, anziché limitarsi al nome generale dell'argomento.
Il modello supporta una modalità adattiva: determina dal contenuto dell'istruzione quando è utile un'analisi aggiuntiva. Il parametro effort definisce il grado di elaborazione; per Opus 4.6 sono disponibili low, medium, high e max, con high come valore standard. Secondo Anthropic, un'elaborazione approfondita può aumentare il tempo di risposta nelle attività semplici, quindi conviene scegliere il livello in funzione della complessità.
La precedente modalità extended thinking con budget manuale è ancora supportata, ma è indicata come deprecata. Questa versione presenta una differenza importante tra le modalità: il ragionamento tra chiamate di strumenti è disponibile nella modalità adattiva, mentre Opus 4.6 non lo esegue nella modalità manuale. Quando sono collegati strumenti, l'analisi adattiva aiuta a utilizzare il risultato di un'azione per scegliere quella successiva.
Le specifiche attuali di Anthropic definiscono 1 milione di token di contesto e fino a 128 mila token di risposta nella modalità normale. In ingresso sono accettati testo e immagini, mentre la risposta resta testuale. Il riferimento affidabile delle conoscenze integrate è maggio 2025.
I formati dell'input visivo ordinario presso il produttore sono JPEG/PNG/GIF/WebP, con il primo fotogramma per le animazioni. Nell'analisi nativa il lato lungo è di 1568 pixel, con 1568 token visivi; le immagini più grandi vengono ridimensionate prima dell'analisi. Il supporto di file e parametri dipende dal metodo dell'applicazione.
Per conversazioni prolungate e attività agentiche, il produttore descrive la compressione del vecchio contesto: la parte precedente del lavoro viene sostituita da un riepilogo quando ci si avvicina a una soglia definita. Questa capacità è indicata come sperimentale e richiede il supporto dell'applicazione; la dimensione del contesto, da sola, non include una memoria infinita.
Opus 4.6 è pensato per un lavoro a più passaggi con ricerca, codice e altri strumenti disponibili. L'ambiente dell'applicazione deve fornire lettura dei materiali, esecuzione dei comandi o produzione dei file. Le azioni di produzione, il controllo dell'interfaccia e la creazione di una presentazione finale dipendono da questi mezzi; un modello testuale non li riceve automaticamente.
Anthropic descrive separatamente verifiche di sicurezza e misure di protezione per attività potenzialmente pericolose nella cybersicurezza. Nello sviluppo ordinario il modello può aiutare a trovare e correggere vulnerabilità, ma la natura della richiesta influisce sulla possibilità di ricevere una risposta. Le conclusioni su un ampio insieme di materiali e le modifiche proposte devono essere verificate sui dati stessi e sul risultato dell'esecuzione.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti anthropic/claude-opus-4.6 | 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 $0.01 / 1K token Output · Token in output $0.05 / 1K token Input · Lettura dalla cache $0.001 / 1K token Input · Scrittura nella cache $0.0125 / 1K token Input · Scrittura nella cache, 1 ora $0.02 / 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 $0.01 / 1K token Output · Token in output $0.05 / 1K token Input · Lettura dalla cache $0.001 / 1K token Input · Scrittura nella cache $0.0125 / 1K token Input · Scrittura nella cache, 1 ora $0.02 / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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-4.6", "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-4.6',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-4.6',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-4.6
Usa i percorsi dei metodi indicati sopra.
anthropic/claude-opus-4.6Claude Opus 4.6 è pensato per grandi basi di codice, debugging, ricerca e analisi di documenti lunghi. Supporta il ragionamento adattivo e un contesto fino a 1 milione di token.
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 4.6 è orientato a lavori in cui è utile mantenere molti materiali in un solo contesto e ragionare dopo averli letti. Anthropic mette in evidenza lo sviluppo in grandi basi di codice, la verifica del codice, il debugging, l'analisi finanziaria e la ricerca. Il modello può individuare dettagli rilevanti, collegare informazioni di parti diverse dei materiali e utilizzarle per risolvere sequenzialmente l'attività.
Nello sviluppo questo significa lavorare sul piano, studiare un sistema sconosciuto e cercare errori nelle modifiche. Nell'analisi professionale significa elaborare documenti e preparare contenuti per fogli di calcolo, relazioni o presentazioni. Per questi scenari è importante fornire al modello l'attività stessa e i materiali su cui basare le conclusioni, anziché limitarsi al nome generale dell'argomento.
Il modello supporta una modalità adattiva: determina dal contenuto dell'istruzione quando è utile un'analisi aggiuntiva. Il parametro effort definisce il grado di elaborazione; per Opus 4.6 sono disponibili low, medium, high e max, con high come valore standard. Secondo Anthropic, un'elaborazione approfondita può aumentare il tempo di risposta nelle attività semplici, quindi conviene scegliere il livello in funzione della complessità.
La precedente modalità extended thinking con budget manuale è ancora supportata, ma è indicata come deprecata. Questa versione presenta una differenza importante tra le modalità: il ragionamento tra chiamate di strumenti è disponibile nella modalità adattiva, mentre Opus 4.6 non lo esegue nella modalità manuale. Quando sono collegati strumenti, l'analisi adattiva aiuta a utilizzare il risultato di un'azione per scegliere quella successiva.
Le specifiche attuali di Anthropic definiscono 1 milione di token di contesto e fino a 128 mila token di risposta nella modalità normale. In ingresso sono accettati testo e immagini, mentre la risposta resta testuale. Il riferimento affidabile delle conoscenze integrate è maggio 2025.
I formati dell'input visivo ordinario presso il produttore sono JPEG/PNG/GIF/WebP, con il primo fotogramma per le animazioni. Nell'analisi nativa il lato lungo è di 1568 pixel, con 1568 token visivi; le immagini più grandi vengono ridimensionate prima dell'analisi. Il supporto di file e parametri dipende dal metodo dell'applicazione.
Per conversazioni prolungate e attività agentiche, il produttore descrive la compressione del vecchio contesto: la parte precedente del lavoro viene sostituita da un riepilogo quando ci si avvicina a una soglia definita. Questa capacità è indicata come sperimentale e richiede il supporto dell'applicazione; la dimensione del contesto, da sola, non include una memoria infinita.
Opus 4.6 è pensato per un lavoro a più passaggi con ricerca, codice e altri strumenti disponibili. L'ambiente dell'applicazione deve fornire lettura dei materiali, esecuzione dei comandi o produzione dei file. Le azioni di produzione, il controllo dell'interfaccia e la creazione di una presentazione finale dipendono da questi mezzi; un modello testuale non li riceve automaticamente.
Anthropic descrive separatamente verifiche di sicurezza e misure di protezione per attività potenzialmente pericolose nella cybersicurezza. Nello sviluppo ordinario il modello può aiutare a trovare e correggere vulnerabilità, ma la natura della richiesta influisce sulla possibilità di ricevere una risposta. Le conclusioni su un ampio insieme di materiali e le modifiche proposte devono essere verificate sui dati stessi e sul risultato dell'esecuzione.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti anthropic/claude-opus-4.6 | 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 $0.01 / 1K token Output · Token in output $0.05 / 1K token Input · Lettura dalla cache $0.001 / 1K token Input · Scrittura nella cache $0.0125 / 1K token Input · Scrittura nella cache, 1 ora $0.02 / 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 $0.01 / 1K token Output · Token in output $0.05 / 1K token Input · Lettura dalla cache $0.001 / 1K token Input · Scrittura nella cache $0.0125 / 1K token Input · Scrittura nella cache, 1 ora $0.02 / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "anthropic/claude-opus-4.6",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.6', '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-4.6', '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-4.6
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Review an idempotency bug\n\nReview this payment-handler excerpt: if not exists(event.id): charge(event.amount); save(event.id). Two workers can process the same event concurrently. The database supports transactions and a unique event_id. Propose a minimal safe change, explain the crash window and give tests for concurrent delivery and a crash after charging. Do not assume the payment service supports idempotency.A focused review with the race, a proposed code or pseudocode patch, required payment-service guarantees and two test scenarios.Verify that the proposal handles the external charge boundary explicitly rather than claiming a database transaction alone prevents duplicate charges.