Claude 3.7 Sonnet Thinking descrive la modalità di ragionamento esteso di Claude 3.7 Sonnet, non una generazione separata del modello di base. Anthropic combina risposte ordinarie e ragionamento più approfondito in un solo modello ibrido. La variante Thinking è utile quando un compito contiene vincoli che interagiscono e la risposta trae beneficio dall’esaminarli prima di presentare una conclusione.
Il modello dedica token di ragionamento aggiuntivi al problema prima di restituire la risposta finale. Anthropic evidenzia matematica, fisica, rispetto di istruzioni complesse e programmazione, concentrandosi su compiti aziendali reali anziché solo su problemi da competizione. Il produttore documenta il controllo dell’impegno di ragionamento attraverso un budget di token; il budget di ragionamento e la risposta finale condividono il limite di generazione disponibile. Più ragionamento richiede tempo aggiuntivo, quindi riserva questa modalità al lavoro in cui l’analisi ulteriore conta.
Per un compito analitico, fornisci le prove, la domanda da risolvere e i criteri per confrontare alternative. Richiedi una conclusione seguita da fatti a sostegno, ipotesi e domande irrisolte. Questo dà alla risposta finale una forma utilizzabile senza considerare la lunghezza del ragionamento una prova che la conclusione sia corretta.
Anthropic pone particolare attenzione a modifiche del codice, esplorazione di progetti complessi e costruzione di interfacce web. Una descrizione utile include il codice pertinente, il comportamento atteso, il guasto osservato e le parti da mantenere invariate. Richiedi una patch coerente e una spiegazione di come verificarla. Per un’interfaccia, specifica azioni dell’utente, stati di caricamento ed errore, comportamento responsivo e uscita necessaria, come un componente o un insieme di modifiche alle pagine.
Questi esempi descrivono compiti da assegnare al modello. Eseguire comandi, leggere un repository e modificare file richiede strumenti forniti dall’applicazione circostante. La capacità di programmazione del modello e il permesso di un’applicazione di eseguire codice sono parti distinte del flusso.
La comprensione visiva di Claude supporta ragionamento su materiale come schermate, grafici e documenti illustrati insieme a istruzioni scritte. Fornisci un’immagine leggibile e indica il dettaglio rilevante: un asse etichettato, un problema di impaginazione o una relazione tra oggetti. Per valori esatti in un grafico, includi quando possibile i dati sottostanti. Il risultato è una spiegazione testuale, un’analisi o codice, non un’immagine generata.
Per un progetto con l’API Ailoot, definisci esplicitamente l’artefatto finale atteso: un’implementazione, un’argomentazione esaminata, una tabella comparativa o una spiegazione diagnostica. Fornisci il materiale pertinente insieme al requisito, anziché chiedere al modello di indovinare il contesto mancante del progetto.
Anthropic indica ottobre 2024 come data limite delle conoscenze affidabili di questo modello di base. Fornisci documenti attuali quando la domanda dipende da eventi successivi o dettagli tecnici mutevoli. La scheda del sistema registra anche un tipo di errore di programmazione in cui tentativi ripetuti non riusciti possono portare a scorciatoie specifiche per i test. Richiedi una soluzione generale ed esamina le modifiche ai test con la stessa attenzione dedicata al codice dell’applicazione. Una traccia di ragionamento dettagliata può aiutare a esaminare una risposta, ma la ricerca di Anthropic non dimostra che costituisca un resoconto completo o infallibile di come sia stata presa una decisione.
", "aboutText": "Claude 3.7 Sonnet Thinking descrive la modalità di ragionamento esteso di Claude 3.7 Sonnet, non una generazione separata del modello di base. Anthropic combina risposte ordinarie e ragionamento più approfondito in un solo modello ibrido. La variante Thinking è utile quando un compito contiene vincoli che interagiscono e la risposta trae beneficio dall’esaminarli prima di presentare una conclusione.\n\n### Ragionamento esteso per problemi pratici\n\nIl modello dedica token di ragionamento aggiuntivi al problema prima di restituire la risposta finale. Anthropic evidenzia matematica, fisica, rispetto di istruzioni complesse e programmazione, concentrandosi su compiti aziendali reali anziché solo su problemi da competizione. Il produttore documenta il controllo dell’impegno di ragionamento attraverso un budget di token; il budget di ragionamento e la risposta finale condividono il limite di generazione disponibile. Più ragionamento richiede tempo aggiuntivo, quindi riserva questa modalità al lavoro in cui l’analisi ulteriore conta.\n\nPer un compito analitico, fornisci le prove, la domanda da risolvere e i criteri per confrontare alternative. Richiedi una conclusione seguita da fatti a sostegno, ipotesi e domande irrisolte. Questo dà alla risposta finale una forma utilizzabile senza considerare la lunghezza del ragionamento una prova che la conclusione sia corretta.\n\n### Programmazione e sviluppo di interfacce\n\nAnthropic pone particolare attenzione a modifiche del codice, esplorazione di progetti complessi e costruzione di interfacce web. Una descrizione utile include il codice pertinente, il comportamento atteso, il guasto osservato e le parti da mantenere invariate. Richiedi una patch coerente e una spiegazione di come verificarla. Per un’interfaccia, specifica azioni dell’utente, stati di caricamento ed errore, comportamento responsivo e uscita necessaria, come un componente o un insieme di modifiche alle pagine.\n\nQuesti esempi descrivono compiti da assegnare al modello. Eseguire comandi, leggere un repository e modificare file richiede strumenti forniti dall’applicazione circostante. La capacità di programmazione del modello e il permesso di un’applicazione di eseguire codice sono parti distinte del flusso.\n\n### Testo, immagini e artefatto finale\n\nLa comprensione visiva di Claude supporta ragionamento su materiale come schermate, grafici e documenti illustrati insieme a istruzioni scritte. Fornisci un’immagine leggibile e indica il dettaglio rilevante: un asse etichettato, un problema di impaginazione o una relazione tra oggetti. Per valori esatti in un grafico, includi quando possibile i dati sottostanti. Il risultato è una spiegazione testuale, un’analisi o codice, non un’immagine generata.\n\nPer un progetto con l’API Ailoot, definisci esplicitamente l’artefatto finale atteso: un’implementazione, un’argomentazione esaminata, una tabella comparativa o una spiegazione diagnostica. Fornisci il materiale pertinente insieme al requisito, anziché chiedere al modello di indovinare il contesto mancante del progetto.\n\n### Conoscenze e verifica\n\nAnthropic indica ottobre 2024 come data limite delle conoscenze affidabili di questo modello di base. Fornisci documenti attuali quando la domanda dipende da eventi successivi o dettagli tecnici mutevoli. La scheda del sistema registra anche un tipo di errore di programmazione in cui tentativi ripetuti non riusciti possono portare a scorciatoie specifiche per i test. Richiedi una soluzione generale ed esamina le modifiche ai test con la stessa attenzione dedicata al codice dell’applicazione. Una traccia di ragionamento dettagliata può aiutare a esaminare una risposta, ma la ricerca di Anthropic non dimostra che costituisca un resoconto completo o infallibile di come sia stata presa una decisione.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Reason through a batching rule\n\nA packing line must send 42 jars. Each sealed carton holds 6 jars; opened cartons cannot ship. Each pallet holds at most 4 cartons. Determine the minimum cartons and pallets, then explain a valid loading arrangement. Separate the arithmetic from the assumptions, and state whether any jars remain unpacked.Carton and pallet counts, a loading arrangement, arithmetic and explicit assumptions.Multiply carton capacity back to 42 and verify no pallet exceeds four cartons.claude-3-7-sonnet-20250219-thinkingClaude 3.7 Sonnet è il modello di ragionamento ibrido di Anthropic, usato qui in modalità di ragionamento esteso. Affronta compiti impegnativi di programmazione, matematica e analisi prima di produrre una risposta testuale, con particolare attenzione allo sviluppo software pratico e alle interfacce.
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 3.7 Sonnet Thinking descrive la modalità di ragionamento esteso di Claude 3.7 Sonnet, non una generazione separata del modello di base. Anthropic combina risposte ordinarie e ragionamento più approfondito in un solo modello ibrido. La variante Thinking è utile quando un compito contiene vincoli che interagiscono e la risposta trae beneficio dall’esaminarli prima di presentare una conclusione.
Il modello dedica token di ragionamento aggiuntivi al problema prima di restituire la risposta finale. Anthropic evidenzia matematica, fisica, rispetto di istruzioni complesse e programmazione, concentrandosi su compiti aziendali reali anziché solo su problemi da competizione. Il produttore documenta il controllo dell’impegno di ragionamento attraverso un budget di token; il budget di ragionamento e la risposta finale condividono il limite di generazione disponibile. Più ragionamento richiede tempo aggiuntivo, quindi riserva questa modalità al lavoro in cui l’analisi ulteriore conta.
Per un compito analitico, fornisci le prove, la domanda da risolvere e i criteri per confrontare alternative. Richiedi una conclusione seguita da fatti a sostegno, ipotesi e domande irrisolte. Questo dà alla risposta finale una forma utilizzabile senza considerare la lunghezza del ragionamento una prova che la conclusione sia corretta.
Anthropic pone particolare attenzione a modifiche del codice, esplorazione di progetti complessi e costruzione di interfacce web. Una descrizione utile include il codice pertinente, il comportamento atteso, il guasto osservato e le parti da mantenere invariate. Richiedi una patch coerente e una spiegazione di come verificarla. Per un’interfaccia, specifica azioni dell’utente, stati di caricamento ed errore, comportamento responsivo e uscita necessaria, come un componente o un insieme di modifiche alle pagine.
Questi esempi descrivono compiti da assegnare al modello. Eseguire comandi, leggere un repository e modificare file richiede strumenti forniti dall’applicazione circostante. La capacità di programmazione del modello e il permesso di un’applicazione di eseguire codice sono parti distinte del flusso.
La comprensione visiva di Claude supporta ragionamento su materiale come schermate, grafici e documenti illustrati insieme a istruzioni scritte. Fornisci un’immagine leggibile e indica il dettaglio rilevante: un asse etichettato, un problema di impaginazione o una relazione tra oggetti. Per valori esatti in un grafico, includi quando possibile i dati sottostanti. Il risultato è una spiegazione testuale, un’analisi o codice, non un’immagine generata.
Per un progetto con l’API Ailoot, definisci esplicitamente l’artefatto finale atteso: un’implementazione, un’argomentazione esaminata, una tabella comparativa o una spiegazione diagnostica. Fornisci il materiale pertinente insieme al requisito, anziché chiedere al modello di indovinare il contesto mancante del progetto.
Anthropic indica ottobre 2024 come data limite delle conoscenze affidabili di questo modello di base. Fornisci documenti attuali quando la domanda dipende da eventi successivi o dettagli tecnici mutevoli. La scheda del sistema registra anche un tipo di errore di programmazione in cui tentativi ripetuti non riusciti possono portare a scorciatoie specifiche per i test. Richiedi una soluzione generale ed esamina le modifiche ai test con la stessa attenzione dedicata al codice dell’applicazione. Una traccia di ragionamento dettagliata può aiutare a esaminare una risposta, ma la ricerca di Anthropic non dimostra che costituisca un resoconto completo o infallibile di come sia stata presa una decisione.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti claude-3-7-sonnet-20250219-thinking | 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.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.006 / 1K token Output · Token in output $0.03 / 1K token Input · Lettura dalla cache $0.0006 / 1K token Input · Scrittura nella cache $0.0075 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-3-7-sonnet-20250219-thinking", "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='claude-3-7-sonnet-20250219-thinking',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='claude-3-7-sonnet-20250219-thinking',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 claude-3-7-sonnet-20250219-thinking
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Reason through a batching rule\n\nA packing line must send 42 jars. Each sealed carton holds 6 jars; opened cartons cannot ship. Each pallet holds at most 4 cartons. Determine the minimum cartons and pallets, then explain a valid loading arrangement. Separate the arithmetic from the assumptions, and state whether any jars remain unpacked.Carton and pallet counts, a loading arrangement, arithmetic and explicit assumptions.Multiply carton capacity back to 42 and verify no pallet exceeds four cartons.