Anthropic sviluppa Claude Opus 4.7 per attività di sviluppo complesse e prolungate. La sua presentazione si concentra sull'esecuzione sequenziale del lavoro, sull'attenzione alle istruzioni e sulla ricerca di modi per verificare il proprio risultato prima del messaggio finale. Il modello è adatto a indagare problemi difficili nel codice e a preparare materiali professionali che richiedono insieme una soluzione tecnica e una presentazione chiara.
Opus 4.7 segue letteralmente le formulazioni. È preferibile definire l'istruzione attraverso confini espliciti: quali parti modificare, cosa verificare e quale risultato ottenere. Se una condizione riguarda tutte le parti del lavoro, va descritta in questi termini. Il produttore mette in evidenza anche l'uso di note nella memoria su file per attività lunghe, ma la lettura e la conservazione di queste note richiedono strumenti dell'applicazione.
Il modello riceve testo e immagini e produce testo. Per l'input visivo è supportata una risoluzione fino a 2576 pixel sul lato lungo, circa 3,75 megapixel. È utile per screenshot ricchi di contenuti, estrazione di informazioni da diagrammi complessi e attività con un riferimento visivo dettagliato.
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 2576 pixel, con 4784 token visivi; le immagini più grandi vengono ridimensionate prima dell'analisi. Il supporto di file e parametri dipende dal metodo dell'applicazione.
L'alta risoluzione aiuta a conservare i dettagli, ma non rende infallibile la comprensione visiva. In uscita si possono ottenere una spiegazione, una struttura di dati o codice; la creazione e la modifica dell'immagine stessa non sono capacità di output del modello. Per controllare un'interfaccia servono strumenti che mostrino al modello lo schermo ed eseguano azioni nell'applicazione.
Il contesto è di 1 milione di token e nella modalità normale la risposta massima è di 128 mila token. È supportato il ragionamento adattivo; questa versione non dispone di extended thinking manuale con budget_tokens. Il livello standard di effort è high; sono disponibili anche low, medium, xhigh e max. Il livello xhigh offre un'impostazione distinta tra high e max per lavori prolungati di ingegneria e attività agentiche.
Ai bassi livelli di impegno il modello limita particolarmente il lavoro a ciò che è stato richiesto. Per ricerche complesse, il produttore consiglia di prevedere spazio sufficiente per ragionamento e risposta. Questa versione aggiorna la tokenizzazione del testo, quindi la stessa quantità di testo non ha sempre la lunghezza in token a cui si era abituati con le versioni precedenti.
Il riferimento affidabile delle conoscenze integrate è gennaio 2026. Per ricerche aggiornate, lavoro sui documenti ed esecuzione di codice si utilizzano materiali e strumenti forniti dall'applicazione. Opus 4.7 ha meccanismi di protezione che possono bloccare richieste vietate o ad alto rischio nella cybersicurezza. L'attenzione alla verifica del risultato è utile nel lavoro, ma modifiche e conclusioni finali richiedono comunque una verifica nell'ambiente specifico.
", "aboutText": "### Un lavoro di ingegneria accurato\n\nAnthropic sviluppa Claude Opus 4.7 per attività di sviluppo complesse e prolungate. La sua presentazione si concentra sull'esecuzione sequenziale del lavoro, sull'attenzione alle istruzioni e sulla ricerca di modi per verificare il proprio risultato prima del messaggio finale. Il modello è adatto a indagare problemi difficili nel codice e a preparare materiali professionali che richiedono insieme una soluzione tecnica e una presentazione chiara.\n\nOpus 4.7 segue letteralmente le formulazioni. È preferibile definire l'istruzione attraverso confini espliciti: quali parti modificare, cosa verificare e quale risultato ottenere. Se una condizione riguarda tutte le parti del lavoro, va descritta in questi termini. Il produttore mette in evidenza anche l'uso di note nella memoria su file per attività lunghe, ma la lettura e la conservazione di queste note richiedono strumenti dell'applicazione.\n\n### Leggere schemi densi e screenshot di interfacce\n\nIl modello riceve **testo e immagini** e produce **testo**. Per l'input visivo è supportata una risoluzione fino a **2576 pixel sul lato lungo**, circa **3,75 megapixel**. È utile per screenshot ricchi di contenuti, estrazione di informazioni da diagrammi complessi e attività con un riferimento visivo dettagliato.\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 2576 pixel, con 4784 token visivi; le immagini più grandi vengono ridimensionate prima dell'analisi. Il supporto di file e parametri dipende dal metodo dell'applicazione.\n\nL'alta risoluzione aiuta a conservare i dettagli, ma non rende infallibile la comprensione visiva. In uscita si possono ottenere una spiegazione, una struttura di dati o codice; la creazione e la modifica dell'immagine stessa non sono capacità di output del modello. Per controllare un'interfaccia servono strumenti che mostrino al modello lo schermo ed eseguano azioni nell'applicazione.\n\n### Profondità e ampiezza dell'attività\n\nIl contesto è di **1 milione di token** e nella modalità normale la risposta massima è di **128 mila token**. È supportato il ragionamento adattivo; questa versione non dispone di extended thinking manuale con `budget_tokens`. Il livello standard di `effort` è `high`; sono disponibili anche `low`, `medium`, `xhigh` e `max`. Il livello `xhigh` offre un'impostazione distinta tra `high` e `max` per lavori prolungati di ingegneria e attività agentiche.\n\nAi bassi livelli di impegno il modello limita particolarmente il lavoro a ciò che è stato richiesto. Per ricerche complesse, il produttore consiglia di prevedere spazio sufficiente per ragionamento e risposta. Questa versione aggiorna la tokenizzazione del testo, quindi la stessa quantità di testo non ha sempre la lunghezza in token a cui si era abituati con le versioni precedenti.\n\n### Condizioni operative\n\nIl riferimento affidabile delle conoscenze integrate è **gennaio 2026**. Per ricerche aggiornate, lavoro sui documenti ed esecuzione di codice si utilizzano materiali e strumenti forniti dall'applicazione. Opus 4.7 ha meccanismi di protezione che possono bloccare richieste vietate o ad alto rischio nella cybersicurezza. L'attenzione alla verifica del risultato è utile nel lavoro, ma modifiche e conclusioni finali richiedono comunque una verifica nell'ambiente specifico.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "abf55955e42ab3226258acbdb82c1dc7ae05f924337fcf35b52b05a89b73036c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "anthropic/claude-opus-4.7:batchClaude Opus 4.7 è progettato per lavori complessi di ingegneria e per analizzare documenti e immagini con dettagli minuti. Dedica particolare attenzione all'esecuzione precisa delle istruzioni e alla verifica del risultato.
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.
Anthropic sviluppa Claude Opus 4.7 per attività di sviluppo complesse e prolungate. La sua presentazione si concentra sull'esecuzione sequenziale del lavoro, sull'attenzione alle istruzioni e sulla ricerca di modi per verificare il proprio risultato prima del messaggio finale. Il modello è adatto a indagare problemi difficili nel codice e a preparare materiali professionali che richiedono insieme una soluzione tecnica e una presentazione chiara.
Opus 4.7 segue letteralmente le formulazioni. È preferibile definire l'istruzione attraverso confini espliciti: quali parti modificare, cosa verificare e quale risultato ottenere. Se una condizione riguarda tutte le parti del lavoro, va descritta in questi termini. Il produttore mette in evidenza anche l'uso di note nella memoria su file per attività lunghe, ma la lettura e la conservazione di queste note richiedono strumenti dell'applicazione.
Il modello riceve testo e immagini e produce testo. Per l'input visivo è supportata una risoluzione fino a 2576 pixel sul lato lungo, circa 3,75 megapixel. È utile per screenshot ricchi di contenuti, estrazione di informazioni da diagrammi complessi e attività con un riferimento visivo dettagliato.
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 2576 pixel, con 4784 token visivi; le immagini più grandi vengono ridimensionate prima dell'analisi. Il supporto di file e parametri dipende dal metodo dell'applicazione.
L'alta risoluzione aiuta a conservare i dettagli, ma non rende infallibile la comprensione visiva. In uscita si possono ottenere una spiegazione, una struttura di dati o codice; la creazione e la modifica dell'immagine stessa non sono capacità di output del modello. Per controllare un'interfaccia servono strumenti che mostrino al modello lo schermo ed eseguano azioni nell'applicazione.
Il contesto è di 1 milione di token e nella modalità normale la risposta massima è di 128 mila token. È supportato il ragionamento adattivo; questa versione non dispone di extended thinking manuale con budget_tokens. Il livello standard di effort è high; sono disponibili anche low, medium, xhigh e max. Il livello xhigh offre un'impostazione distinta tra high e max per lavori prolungati di ingegneria e attività agentiche.
Ai bassi livelli di impegno il modello limita particolarmente il lavoro a ciò che è stato richiesto. Per ricerche complesse, il produttore consiglia di prevedere spazio sufficiente per ragionamento e risposta. Questa versione aggiorna la tokenizzazione del testo, quindi la stessa quantità di testo non ha sempre la lunghezza in token a cui si era abituati con le versioni precedenti.
Il riferimento affidabile delle conoscenze integrate è gennaio 2026. Per ricerche aggiornate, lavoro sui documenti ed esecuzione di codice si utilizzano materiali e strumenti forniti dall'applicazione. Opus 4.7 ha meccanismi di protezione che possono bloccare richieste vietate o ad alto rischio nella cybersicurezza. L'attenzione alla verifica del risultato è utile nel lavoro, ma modifiche e conclusioni finali richiedono comunque una verifica nell'ambiente specifico.
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-4.7: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-4.7:batch, anthropic/claude-opus-4.7 | 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 $0.005 / 1K token Output · Token in output $0.025 / 1K token Input · Lettura dalla cache $0.0005 / 1K token Input · Scrittura nella cache $0.00625 / 1K token Input · Scrittura nella cache, 1 ora $0.01 / 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 $0.005 / 1K token Output · Token in output $0.025 / 1K token Input · Lettura dalla cache $0.0005 / 1K token Input · Scrittura nella cache $0.00625 / 1K token Input · Scrittura nella cache, 1 ora $0.01 / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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-4.7: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-4.7:batch', 'anthropic/claude-opus-4.7']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-opus-4.7: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-4.7:batch
Usa i percorsi dei metodi indicati sopra.