Claude Opus 4 Thinking applica il ragionamento esteso al modello Claude Opus 4 originale. Anthropic colloca questa generazione nel lavoro di programmazione impegnativo, nella ricerca, nella scrittura e nei compiti che richiedono di mantenere una direzione su molti passaggi. La dicitura Thinking riguarda il modo in cui il modello affronta una risposta; non trasforma l’Opus 4 originale in un’edizione Opus successiva.
Claude Opus 4 combina una modalità di risposta standard con una modalità di ragionamento esteso. Nel ragionamento esteso può dedicare più tempo all’esame di un problema prima di rispondere. Il produttore descrive il lavoro prolungato su compiti complessi come un punto di forza centrale, soprattutto quando il compito richiede di collegare una sequenza di conclusioni anziché risolvere prompt isolati.
Per una domanda di ricerca, fornisci i materiali da confrontare, la decisione che devono sostenere e le condizioni rilevanti. Richiedi una sintesi basata sulle prove che separi conclusioni, ipotesi e domande aperte. Per un compito di scrittura, includi il pubblico, le fonti, la struttura richiesta e le affermazioni che il risultato deve spiegare. Sono applicazioni pratiche delle capacità documentate di ricerca e scrittura del modello, non promesse di un esito specifico.
Anthropic evidenzia comprensione, modifica e debug di codice complesso e cambiamenti che coinvolgono più file. Fornisci al modello i moduli pertinenti, i contratti delle interfacce, il comportamento atteso e i test esistenti o le uscite di errore. Definisci l’ambito della modifica richiesta e chiedi di spiegare le dipendenze che rendono necessari gli interventi proposti.
Un risultato ingegneristico utile collega tre elementi: la causa del problema, un’implementazione coerente e un modo per verificare il comportamento risultante. Per una rifattorizzazione, indica quali interfacce pubbliche e comportamenti osservabili devono rimanere stabili. Per una funzionalità, descrivi il percorso dell’utente e i relativi casi di errore. Questo rende il ragionamento prolungato del modello utile al progetto, anziché produrre semplicemente una risposta più lunga.
La generazione Claude 4 originale aggiunge ragionamento tra le chiamate agli strumenti nel flusso documentato di ragionamento esteso di Anthropic. Può esaminare il risultato di uno strumento, riconsiderare l’approccio e scegliere un’azione successiva. Il produttore descrive anche uso parallelo degli strumenti e maggiore continuità quando un’applicazione fornisce file locali che il modello può leggere e aggiornare.
Un agente che usa queste capacità necessita di un’applicazione che fornisca gli strumenti, esegua le azioni richieste e restituisca i risultati. Anche i file di memoria appartengono all’ambiente dell’applicazione; non sono un archivio illimitato trasportato automaticamente tra conversazioni non collegate. Quando progetti un flusso, restituisci al modello le osservazioni pertinenti e mantieni disponibili l’obiettivo e i criteri di accettazione del compito.
Claude Opus 4 supporta anche l’analisi visiva. Schermate, grafici e diagrammi possono fornire prove insieme al testo, mentre la risposta del modello rimane testuale. Usa immagini chiaramente leggibili e identifica le relazioni da spiegare. Includi i valori sorgente quando il compito dipende da conteggi o misure esatti, perché l’interpretazione visiva può essere approssimativa.
Per un compito tramite l’API Ailoot, specifica l’artefatto finale necessario: una proposta di modifica su più file, un’indagine tecnica, una sintesi di ricerca o un documento strutturato con cura. Aggiungi le prove e i vincoli che permettono al modello di scegliere un approccio. Le sintesi del ragionamento esteso descritte dal produttore forniscono una spiegazione insieme al risultato, ma una sintesi non è una registrazione letterale di tutto il ragionamento. Esamina il codice o l’analisi consegnati rispetto ai requisiti del compito, comprese le ipotesi che necessitano ancora di prove.
", "aboutText": "Claude Opus 4 Thinking applica il ragionamento esteso al modello Claude Opus 4 originale. Anthropic colloca questa generazione nel lavoro di programmazione impegnativo, nella ricerca, nella scrittura e nei compiti che richiedono di mantenere una direzione su molti passaggi. La dicitura Thinking riguarda il modo in cui il modello affronta una risposta; non trasforma l’Opus 4 originale in un’edizione Opus successiva.\n\n### Ragionare su un compito impegnativo\n\nClaude Opus 4 combina una modalità di risposta standard con una modalità di ragionamento esteso. Nel ragionamento esteso può dedicare più tempo all’esame di un problema prima di rispondere. Il produttore descrive il lavoro prolungato su compiti complessi come un punto di forza centrale, soprattutto quando il compito richiede di collegare una sequenza di conclusioni anziché risolvere prompt isolati.\n\nPer una domanda di ricerca, fornisci i materiali da confrontare, la decisione che devono sostenere e le condizioni rilevanti. Richiedi una sintesi basata sulle prove che separi conclusioni, ipotesi e domande aperte. Per un compito di scrittura, includi il pubblico, le fonti, la struttura richiesta e le affermazioni che il risultato deve spiegare. Sono applicazioni pratiche delle capacità documentate di ricerca e scrittura del modello, non promesse di un esito specifico.\n\n### Modifiche in più parti di una base di codice\n\nAnthropic evidenzia comprensione, modifica e debug di codice complesso e cambiamenti che coinvolgono più file. Fornisci al modello i moduli pertinenti, i contratti delle interfacce, il comportamento atteso e i test esistenti o le uscite di errore. Definisci l’ambito della modifica richiesta e chiedi di spiegare le dipendenze che rendono necessari gli interventi proposti.\n\nUn risultato ingegneristico utile collega tre elementi: la causa del problema, un’implementazione coerente e un modo per verificare il comportamento risultante. Per una rifattorizzazione, indica quali interfacce pubbliche e comportamenti osservabili devono rimanere stabili. Per una funzionalità, descrivi il percorso dell’utente e i relativi casi di errore. Questo rende il ragionamento prolungato del modello utile al progetto, anziché produrre semplicemente una risposta più lunga.\n\n### Strumenti, lavoro parallelo e continuità\n\nLa generazione Claude 4 originale aggiunge ragionamento tra le chiamate agli strumenti nel flusso documentato di ragionamento esteso di Anthropic. Può esaminare il risultato di uno strumento, riconsiderare l’approccio e scegliere un’azione successiva. Il produttore descrive anche uso parallelo degli strumenti e maggiore continuità quando un’applicazione fornisce file locali che il modello può leggere e aggiornare.\n\nUn agente che usa queste capacità necessita di un’applicazione che fornisca gli strumenti, esegua le azioni richieste e restituisca i risultati. Anche i file di memoria appartengono all’ambiente dell’applicazione; non sono un archivio illimitato trasportato automaticamente tra conversazioni non collegate. Quando progetti un flusso, restituisci al modello le osservazioni pertinenti e mantieni disponibili l’obiettivo e i criteri di accettazione del compito.\n\n### Analisi visiva e uscita testuale\n\nClaude Opus 4 supporta anche l’analisi visiva. Schermate, grafici e diagrammi possono fornire prove insieme al testo, mentre la risposta del modello rimane testuale. Usa immagini chiaramente leggibili e identifica le relazioni da spiegare. Includi i valori sorgente quando il compito dipende da conteggi o misure esatti, perché l’interpretazione visiva può essere approssimativa.\n\nPer un compito tramite l’API Ailoot, specifica l’artefatto finale necessario: una proposta di modifica su più file, un’indagine tecnica, una sintesi di ricerca o un documento strutturato con cura. Aggiungi le prove e i vincoli che permettono al modello di scegliere un approccio. Le sintesi del ragionamento esteso descritte dal produttore forniscono una spiegazione insieme al risultato, ma una sintesi non è una registrazione letterale di tutto il ragionamento. Esamina il codice o l’analisi consegnati rispetto ai requisiti del compito, comprese le ipotesi che necessitano ancora di prove.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Plan a coordinated order refactor\n\nReview this proposed refactor. Module A emits {order_id, total_cents}; module B stores those fields; module C displays total_cents / 100. A developer proposes renaming only A to amount_cents. Identify affected contracts and propose a coordinated migration that preserves existing consumers, with checks for old and new records.A dependency map in text, a staged migration proposal and compatibility checks for each consumer.Confirm the proposal covers B and C and does not silently reinterpret cents as whole currency units.claude-opus-4-20250514-thinkingClaude Opus 4 Thinking usa la modalità di ragionamento esteso dell’Opus 4 originale per modifiche software complesse, flussi prolungati con agenti e ricerca. Può ragionare tra i passaggi supportati degli strumenti e collegare le prove di un compito impegnativo prima di produrre un risultato testuale.
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 Thinking applica il ragionamento esteso al modello Claude Opus 4 originale. Anthropic colloca questa generazione nel lavoro di programmazione impegnativo, nella ricerca, nella scrittura e nei compiti che richiedono di mantenere una direzione su molti passaggi. La dicitura Thinking riguarda il modo in cui il modello affronta una risposta; non trasforma l’Opus 4 originale in un’edizione Opus successiva.
Claude Opus 4 combina una modalità di risposta standard con una modalità di ragionamento esteso. Nel ragionamento esteso può dedicare più tempo all’esame di un problema prima di rispondere. Il produttore descrive il lavoro prolungato su compiti complessi come un punto di forza centrale, soprattutto quando il compito richiede di collegare una sequenza di conclusioni anziché risolvere prompt isolati.
Per una domanda di ricerca, fornisci i materiali da confrontare, la decisione che devono sostenere e le condizioni rilevanti. Richiedi una sintesi basata sulle prove che separi conclusioni, ipotesi e domande aperte. Per un compito di scrittura, includi il pubblico, le fonti, la struttura richiesta e le affermazioni che il risultato deve spiegare. Sono applicazioni pratiche delle capacità documentate di ricerca e scrittura del modello, non promesse di un esito specifico.
Anthropic evidenzia comprensione, modifica e debug di codice complesso e cambiamenti che coinvolgono più file. Fornisci al modello i moduli pertinenti, i contratti delle interfacce, il comportamento atteso e i test esistenti o le uscite di errore. Definisci l’ambito della modifica richiesta e chiedi di spiegare le dipendenze che rendono necessari gli interventi proposti.
Un risultato ingegneristico utile collega tre elementi: la causa del problema, un’implementazione coerente e un modo per verificare il comportamento risultante. Per una rifattorizzazione, indica quali interfacce pubbliche e comportamenti osservabili devono rimanere stabili. Per una funzionalità, descrivi il percorso dell’utente e i relativi casi di errore. Questo rende il ragionamento prolungato del modello utile al progetto, anziché produrre semplicemente una risposta più lunga.
La generazione Claude 4 originale aggiunge ragionamento tra le chiamate agli strumenti nel flusso documentato di ragionamento esteso di Anthropic. Può esaminare il risultato di uno strumento, riconsiderare l’approccio e scegliere un’azione successiva. Il produttore descrive anche uso parallelo degli strumenti e maggiore continuità quando un’applicazione fornisce file locali che il modello può leggere e aggiornare.
Un agente che usa queste capacità necessita di un’applicazione che fornisca gli strumenti, esegua le azioni richieste e restituisca i risultati. Anche i file di memoria appartengono all’ambiente dell’applicazione; non sono un archivio illimitato trasportato automaticamente tra conversazioni non collegate. Quando progetti un flusso, restituisci al modello le osservazioni pertinenti e mantieni disponibili l’obiettivo e i criteri di accettazione del compito.
Claude Opus 4 supporta anche l’analisi visiva. Schermate, grafici e diagrammi possono fornire prove insieme al testo, mentre la risposta del modello rimane testuale. Usa immagini chiaramente leggibili e identifica le relazioni da spiegare. Includi i valori sorgente quando il compito dipende da conteggi o misure esatti, perché l’interpretazione visiva può essere approssimativa.
Per un compito tramite l’API Ailoot, specifica l’artefatto finale necessario: una proposta di modifica su più file, un’indagine tecnica, una sintesi di ricerca o un documento strutturato con cura. Aggiungi le prove e i vincoli che permettono al modello di scegliere un approccio. Le sintesi del ragionamento esteso descritte dal produttore forniscono una spiegazione insieme al risultato, ma una sintesi non è una registrazione letterale di tutto il ragionamento. Esamina il codice o l’analisi consegnati rispetto ai requisiti del compito, comprese le ipotesi che necessitano ancora di prove.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti claude-opus-4-20250514-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 $0.03 / 1K token Output · Token in output $0.15 / 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-opus-4-20250514-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-opus-4-20250514-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-opus-4-20250514-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-opus-4-20250514-thinking
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Plan a coordinated order refactor\n\nReview this proposed refactor. Module A emits {order_id, total_cents}; module B stores those fields; module C displays total_cents / 100. A developer proposes renaming only A to amount_cents. Identify affected contracts and propose a coordinated migration that preserves existing consumers, with checks for old and new records.A dependency map in text, a staged migration proposal and compatibility checks for each consumer.Confirm the proposal covers B and C and does not silently reinterpret cents as whole currency units.