Claude Sonnet 4.5는 소프트웨어 개발, 복잡한 에이전트 작업, 컴퓨터 사용에 중점을 둔 Anthropic의 Sonnet 버전으로, 추론과 수학을 개선했습니다. 텍스트와 이미지를 입력받아 텍스트를 생성합니다. 공개 발표는 여러 단계에 걸친 지속적인 작업, 코드 이해, 독립된 함수 하나보다 더 넓은 프로젝트에 관련된 변경을 설명합니다. 유용한 지시는 필요한 동작, 관련 원문, 제공할 산출물을 정합니다. 패치 제안, 구현 설명, 문서 분석, 구조화된 답변 등이 이에 해당합니다.
소프트웨어 작업에서는 프로젝트 제약, 관련 파일이나 발췌문, 관찰된 오류, 예상 결과의 구체적인 예시를 제공하세요. 영향받는 코드와 제안한 변경이 그 예시를 어떻게 해결하는지 설명을 요청하세요. 제조사는 에이전트를 만들고 도구로 개발 작업을 진행하는 데 적합한 모델로 소개합니다. 주변 애플리케이션이 파일을 읽고 편집하며 명령이나 검증을 실행한 뒤 실제 출력을 반환하고, 모델은 그 증거를 바탕으로 추론합니다. 최종 보고서에서는 제안한 변경과 완료된 검증을 구별하세요.
컴퓨터 사용은 시각 및 에이전트 능력의 별도 활용입니다. Anthropic의 발표는 연결된 환경에서 브라우저 상호작용, 페이지 탐색, 스프레드시트 작업을 시연합니다. 시각적 지시에는 스크린샷, 목표, 애플리케이션이 허용하는 행동을 포함할 수 있습니다. 애플리케이션이 선택된 상호작용을 수행한 뒤 바뀐 화면이나 다른 결과를 반환합니다. 마찬가지로 모델은 문서, 스프레드시트, 슬라이드용 콘텐츠와 코드를 준비하고, 환경이 완성 파일을 만들 수 있습니다. 텍스트와 이미지 이해가 모델을 네이티브 이미지 또는 오디오 생성기로 만들지는 않습니다.
해당 제조사 사양은 200K토큰 컨텍스트 창과 최대 64K 출력 토큰을 명시합니다. 신뢰할 수 있는 지식 기준일은 2025년 1월이며, 같은 페이지에 명시된 그보다 늦은 학습 데이터 기준일과는 별개입니다. 긴 입력에서는 문서 경계, 페이지 레이블, 단위, 코드 식별자를 명확히 하고 요청한 답변과 추론을 위한 공간을 남기세요. 제조사는 이 버전의 컨텍스트 인식도 문서화합니다. 지원되는 워크플로는 대화 중 남은 공간을 추적합니다. 이는 입력 창 안에서 지속적인 작업을 관리하는 데 도움이 되지만, 이후 Sonnet 버전의 더 큰 용량으로 그 창을 바꾸지는 않습니다.
Sonnet 4.5는 일반 응답과 수동 확장 사고를 지원합니다. 후자에서는 budget_tokens가 보이는 답변 전에 수행할 내부 추론의 목표를 설정합니다. 문서상 최소값은 1,024토큰이며, 사고와 최종 답변이 생성 허용량을 공유하므로 보통 예산은 max_tokens보다 작아야 합니다. 예산은 목표이며 그 수의 토큰을 정확히 사용한다는 약속이 아닙니다. 이 버전에는 이후 Sonnet 모델에 설명된 적응형 사고 모드나 추론 강도 제어가 없습니다. 요청할 분석 깊이를 선택하고 사용할 수 있는 최종 답변을 위한 허용량을 충분히 남기세요.
제조사의 interleaved-thinking 베타는 Sonnet 4.5가 한 턴 안에서 도구 호출 사이에 추론하고, 반환된 관찰을 사용해 다음 단계를 결정하게 합니다. 지원되는 Messages 워크플로에서 문서화된 베타 기능이 필요합니다. 이 경우 사고 예산은 같은 assistant 턴의 여러 사고 블록에 걸치므로 max_tokens를 초과할 수 있습니다. 서명을 포함한 관련 사고 내용을 바꾸지 말고 도구 결과와 함께 반환하세요. 그 내용을 편집하면 무효화됩니다. 따라서 연구나 디버깅 작업은 글로 된 제안을 완료된 행동으로 취급하지 않고, 제안한 검증, 실제 반환 결과, 갱신된 분석을 번갈아 사용할 수 있습니다.
시각 자료에서는 제조사가 JPEG, PNG, GIF, WebP를 지원하며 애니메이션의 첫 프레임만 사용합니다. 이 버전에서 쓰는 표준 네이티브 이미지 등급에는 긴 변 1,568픽셀과 시각 토큰 1,568개의 한도가 있고, 더 큰 이미지는 축소됩니다. 제조사의 이미지 가이드는 200K 컨텍스트 모델에서 API 요청당 최대 100개 이미지를 명시하지만, 이미지 및 전체 요청 크기 조건에 먼저 도달할 수 있습니다. 가능하면 이미지를 질문 앞에 놓고, 여러 이미지에 레이블을 붙이며, 작은 글자나 차트 레이블을 보존하세요. 가이드는 선명한 이미지와 눈에 보이는 세부 사항을 해석할 충분한 주변 맥락을 권장합니다.
컨텍스트 편집과 메모리 도구는 더 긴 에이전트 워크플로를 지원하기 위해 이 모델과 함께 도입되었습니다. 이는 애플리케이션이 지원하는 유용한 상태 보존이나 오래된 도구 자료 제거 방식이며, 무제한 모델 메모리나 이후의 서버 측 컨텍스트 압축 기능이 아닙니다. 다단계 작업에서는 이미 내린 결정, 남은 질문, 다음 단계에 필요한 증거를 보존하세요. Anthropic은 외부 콘텐츠에 숨은 지시에 대한 저항성 강화도 설명하며, 모델별 분류기가 때때로 무해한 자료에도 플래그를 붙일 수 있음을 언급합니다. 유용한 결과는 제공된 증거에 연결된 검토 가능한 산출물이며, 정확한 Sonnet 4.5 모드와 한도를 후속 버전과 구별해 유지합니다.
", "aboutText": "Claude Sonnet 4.5는 소프트웨어 개발, 복잡한 에이전트 작업, 컴퓨터 사용에 중점을 둔 Anthropic의 Sonnet 버전으로, 추론과 수학을 개선했습니다. 텍스트와 이미지를 입력받아 텍스트를 생성합니다. 공개 발표는 여러 단계에 걸친 지속적인 작업, 코드 이해, 독립된 함수 하나보다 더 넓은 프로젝트에 관련된 변경을 설명합니다. 유용한 지시는 필요한 동작, 관련 원문, 제공할 산출물을 정합니다. 패치 제안, 구현 설명, 문서 분석, 구조화된 답변 등이 이에 해당합니다.\n\n소프트웨어 작업에서는 프로젝트 제약, 관련 파일이나 발췌문, 관찰된 오류, 예상 결과의 구체적인 예시를 제공하세요. 영향받는 코드와 제안한 변경이 그 예시를 어떻게 해결하는지 설명을 요청하세요. 제조사는 에이전트를 만들고 도구로 개발 작업을 진행하는 데 적합한 모델로 소개합니다. 주변 애플리케이션이 파일을 읽고 편집하며 명령이나 검증을 실행한 뒤 실제 출력을 반환하고, 모델은 그 증거를 바탕으로 추론합니다. 최종 보고서에서는 제안한 변경과 완료된 검증을 구별하세요.\n\n컴퓨터 사용은 시각 및 에이전트 능력의 별도 활용입니다. Anthropic의 발표는 연결된 환경에서 브라우저 상호작용, 페이지 탐색, 스프레드시트 작업을 시연합니다. 시각적 지시에는 스크린샷, 목표, 애플리케이션이 허용하는 행동을 포함할 수 있습니다. 애플리케이션이 선택된 상호작용을 수행한 뒤 바뀐 화면이나 다른 결과를 반환합니다. 마찬가지로 모델은 문서, 스프레드시트, 슬라이드용 콘텐츠와 코드를 준비하고, 환경이 완성 파일을 만들 수 있습니다. 텍스트와 이미지 이해가 모델을 네이티브 이미지 또는 오디오 생성기로 만들지는 않습니다.\n\n해당 제조사 사양은 200K토큰 컨텍스트 창과 최대 64K 출력 토큰을 명시합니다. 신뢰할 수 있는 지식 기준일은 2025년 1월이며, 같은 페이지에 명시된 그보다 늦은 학습 데이터 기준일과는 별개입니다. 긴 입력에서는 문서 경계, 페이지 레이블, 단위, 코드 식별자를 명확히 하고 요청한 답변과 추론을 위한 공간을 남기세요. 제조사는 이 버전의 컨텍스트 인식도 문서화합니다. 지원되는 워크플로는 대화 중 남은 공간을 추적합니다. 이는 입력 창 안에서 지속적인 작업을 관리하는 데 도움이 되지만, 이후 Sonnet 버전의 더 큰 용량으로 그 창을 바꾸지는 않습니다.\n\nSonnet 4.5는 일반 응답과 수동 확장 사고를 지원합니다. 후자에서는 budget_tokens가 보이는 답변 전에 수행할 내부 추론의 목표를 설정합니다. 문서상 최소값은 1,024토큰이며, 사고와 최종 답변이 생성 허용량을 공유하므로 보통 예산은 max_tokens보다 작아야 합니다. 예산은 목표이며 그 수의 토큰을 정확히 사용한다는 약속이 아닙니다. 이 버전에는 이후 Sonnet 모델에 설명된 적응형 사고 모드나 추론 강도 제어가 없습니다. 요청할 분석 깊이를 선택하고 사용할 수 있는 최종 답변을 위한 허용량을 충분히 남기세요.\n\n제조사의 interleaved-thinking 베타는 Sonnet 4.5가 한 턴 안에서 도구 호출 사이에 추론하고, 반환된 관찰을 사용해 다음 단계를 결정하게 합니다. 지원되는 Messages 워크플로에서 문서화된 베타 기능이 필요합니다. 이 경우 사고 예산은 같은 assistant 턴의 여러 사고 블록에 걸치므로 max_tokens를 초과할 수 있습니다. 서명을 포함한 관련 사고 내용을 바꾸지 말고 도구 결과와 함께 반환하세요. 그 내용을 편집하면 무효화됩니다. 따라서 연구나 디버깅 작업은 글로 된 제안을 완료된 행동으로 취급하지 않고, 제안한 검증, 실제 반환 결과, 갱신된 분석을 번갈아 사용할 수 있습니다.\n\n시각 자료에서는 제조사가 JPEG, PNG, GIF, WebP를 지원하며 애니메이션의 첫 프레임만 사용합니다. 이 버전에서 쓰는 표준 네이티브 이미지 등급에는 긴 변 1,568픽셀과 시각 토큰 1,568개의 한도가 있고, 더 큰 이미지는 축소됩니다. 제조사의 이미지 가이드는 200K 컨텍스트 모델에서 API 요청당 최대 100개 이미지를 명시하지만, 이미지 및 전체 요청 크기 조건에 먼저 도달할 수 있습니다. 가능하면 이미지를 질문 앞에 놓고, 여러 이미지에 레이블을 붙이며, 작은 글자나 차트 레이블을 보존하세요. 가이드는 선명한 이미지와 눈에 보이는 세부 사항을 해석할 충분한 주변 맥락을 권장합니다.\n\n컨텍스트 편집과 메모리 도구는 더 긴 에이전트 워크플로를 지원하기 위해 이 모델과 함께 도입되었습니다. 이는 애플리케이션이 지원하는 유용한 상태 보존이나 오래된 도구 자료 제거 방식이며, 무제한 모델 메모리나 이후의 서버 측 컨텍스트 압축 기능이 아닙니다. 다단계 작업에서는 이미 내린 결정, 남은 질문, 다음 단계에 필요한 증거를 보존하세요. Anthropic은 외부 콘텐츠에 숨은 지시에 대한 저항성 강화도 설명하며, 모델별 분류기가 때때로 무해한 자료에도 플래그를 붙일 수 있음을 언급합니다. 유용한 결과는 제공된 증거에 연결된 검토 가능한 산출물이며, 정확한 Sonnet 4.5 모드와 한도를 후속 버전과 구별해 유지합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Repair an empty-cart total\n\nReview this Python function: def total(items): return sum(x['price'] * x['qty'] for x in items) / len(items). It crashes for an empty cart and incorrectly averages nonempty carts. Return a minimal correction preserving the function signature, plus assertions for empty, one-line and two-line carts. Explain the changed behavior briefly.Corrected Python function, three concrete assertions and a brief explanation of sum versus average.The proposed tests cover empty input and verify that two cart lines are added rather than averaged.anthropic/claude-sonnet-4.5Claude Sonnet 4.5는 소프트웨어 개발, 복잡한 에이전트, 컴퓨터 사용, 분석 작업을 위한 Anthropic의 텍스트·이미지 모델입니다. 직접 응답 또는 수동 확장 사고를 지원하며, 문서화된 베타 워크플로에서는 도구 호출 사이에 추론합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Claude Sonnet 4.5는 소프트웨어 개발, 복잡한 에이전트 작업, 컴퓨터 사용에 중점을 둔 Anthropic의 Sonnet 버전으로, 추론과 수학을 개선했습니다. 텍스트와 이미지를 입력받아 텍스트를 생성합니다. 공개 발표는 여러 단계에 걸친 지속적인 작업, 코드 이해, 독립된 함수 하나보다 더 넓은 프로젝트에 관련된 변경을 설명합니다. 유용한 지시는 필요한 동작, 관련 원문, 제공할 산출물을 정합니다. 패치 제안, 구현 설명, 문서 분석, 구조화된 답변 등이 이에 해당합니다.
소프트웨어 작업에서는 프로젝트 제약, 관련 파일이나 발췌문, 관찰된 오류, 예상 결과의 구체적인 예시를 제공하세요. 영향받는 코드와 제안한 변경이 그 예시를 어떻게 해결하는지 설명을 요청하세요. 제조사는 에이전트를 만들고 도구로 개발 작업을 진행하는 데 적합한 모델로 소개합니다. 주변 애플리케이션이 파일을 읽고 편집하며 명령이나 검증을 실행한 뒤 실제 출력을 반환하고, 모델은 그 증거를 바탕으로 추론합니다. 최종 보고서에서는 제안한 변경과 완료된 검증을 구별하세요.
컴퓨터 사용은 시각 및 에이전트 능력의 별도 활용입니다. Anthropic의 발표는 연결된 환경에서 브라우저 상호작용, 페이지 탐색, 스프레드시트 작업을 시연합니다. 시각적 지시에는 스크린샷, 목표, 애플리케이션이 허용하는 행동을 포함할 수 있습니다. 애플리케이션이 선택된 상호작용을 수행한 뒤 바뀐 화면이나 다른 결과를 반환합니다. 마찬가지로 모델은 문서, 스프레드시트, 슬라이드용 콘텐츠와 코드를 준비하고, 환경이 완성 파일을 만들 수 있습니다. 텍스트와 이미지 이해가 모델을 네이티브 이미지 또는 오디오 생성기로 만들지는 않습니다.
해당 제조사 사양은 200K토큰 컨텍스트 창과 최대 64K 출력 토큰을 명시합니다. 신뢰할 수 있는 지식 기준일은 2025년 1월이며, 같은 페이지에 명시된 그보다 늦은 학습 데이터 기준일과는 별개입니다. 긴 입력에서는 문서 경계, 페이지 레이블, 단위, 코드 식별자를 명확히 하고 요청한 답변과 추론을 위한 공간을 남기세요. 제조사는 이 버전의 컨텍스트 인식도 문서화합니다. 지원되는 워크플로는 대화 중 남은 공간을 추적합니다. 이는 입력 창 안에서 지속적인 작업을 관리하는 데 도움이 되지만, 이후 Sonnet 버전의 더 큰 용량으로 그 창을 바꾸지는 않습니다.
Sonnet 4.5는 일반 응답과 수동 확장 사고를 지원합니다. 후자에서는 budget_tokens가 보이는 답변 전에 수행할 내부 추론의 목표를 설정합니다. 문서상 최소값은 1,024토큰이며, 사고와 최종 답변이 생성 허용량을 공유하므로 보통 예산은 max_tokens보다 작아야 합니다. 예산은 목표이며 그 수의 토큰을 정확히 사용한다는 약속이 아닙니다. 이 버전에는 이후 Sonnet 모델에 설명된 적응형 사고 모드나 추론 강도 제어가 없습니다. 요청할 분석 깊이를 선택하고 사용할 수 있는 최종 답변을 위한 허용량을 충분히 남기세요.
제조사의 interleaved-thinking 베타는 Sonnet 4.5가 한 턴 안에서 도구 호출 사이에 추론하고, 반환된 관찰을 사용해 다음 단계를 결정하게 합니다. 지원되는 Messages 워크플로에서 문서화된 베타 기능이 필요합니다. 이 경우 사고 예산은 같은 assistant 턴의 여러 사고 블록에 걸치므로 max_tokens를 초과할 수 있습니다. 서명을 포함한 관련 사고 내용을 바꾸지 말고 도구 결과와 함께 반환하세요. 그 내용을 편집하면 무효화됩니다. 따라서 연구나 디버깅 작업은 글로 된 제안을 완료된 행동으로 취급하지 않고, 제안한 검증, 실제 반환 결과, 갱신된 분석을 번갈아 사용할 수 있습니다.
시각 자료에서는 제조사가 JPEG, PNG, GIF, WebP를 지원하며 애니메이션의 첫 프레임만 사용합니다. 이 버전에서 쓰는 표준 네이티브 이미지 등급에는 긴 변 1,568픽셀과 시각 토큰 1,568개의 한도가 있고, 더 큰 이미지는 축소됩니다. 제조사의 이미지 가이드는 200K 컨텍스트 모델에서 API 요청당 최대 100개 이미지를 명시하지만, 이미지 및 전체 요청 크기 조건에 먼저 도달할 수 있습니다. 가능하면 이미지를 질문 앞에 놓고, 여러 이미지에 레이블을 붙이며, 작은 글자나 차트 레이블을 보존하세요. 가이드는 선명한 이미지와 눈에 보이는 세부 사항을 해석할 충분한 주변 맥락을 권장합니다.
컨텍스트 편집과 메모리 도구는 더 긴 에이전트 워크플로를 지원하기 위해 이 모델과 함께 도입되었습니다. 이는 애플리케이션이 지원하는 유용한 상태 보존이나 오래된 도구 자료 제거 방식이며, 무제한 모델 메모리나 이후의 서버 측 컨텍스트 압축 기능이 아닙니다. 다단계 작업에서는 이미 내린 결정, 남은 질문, 다음 단계에 필요한 증거를 보존하세요. Anthropic은 외부 콘텐츠에 숨은 지시에 대한 저항성 강화도 설명하며, 모델별 분류기가 때때로 무해한 자료에도 플래그를 붙일 수 있음을 언급합니다. 유용한 결과는 제공된 증거에 연결된 검토 가능한 산출물이며, 정확한 Sonnet 4.5 모드와 한도를 후속 버전과 구별해 유지합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 anthropic/claude-sonnet-4.5 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0132 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0006 / 1K 토큰 입력 · 캐시 쓰기 $0.0075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 $0.012 / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준200,000 | 요금 입력 · 입력 토큰 $0.0132 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0006 / 1K 토큰 입력 · 캐시 쓰기 $0.0075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 $0.012 / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준200,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0132 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0006 / 1K 토큰 입력 · 캐시 쓰기 $0.0075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 $0.024 / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-sonnet-4.5", "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-sonnet-4.5',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-sonnet-4.5',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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra anthropic/claude-sonnet-4.5
위에 표시된 메서드 경로를 사용하세요.
anthropic/claude-sonnet-4.5Claude Sonnet 4.5는 소프트웨어 개발, 복잡한 에이전트, 컴퓨터 사용, 분석 작업을 위한 Anthropic의 텍스트·이미지 모델입니다. 직접 응답 또는 수동 확장 사고를 지원하며, 문서화된 베타 워크플로에서는 도구 호출 사이에 추론합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Claude Sonnet 4.5는 소프트웨어 개발, 복잡한 에이전트 작업, 컴퓨터 사용에 중점을 둔 Anthropic의 Sonnet 버전으로, 추론과 수학을 개선했습니다. 텍스트와 이미지를 입력받아 텍스트를 생성합니다. 공개 발표는 여러 단계에 걸친 지속적인 작업, 코드 이해, 독립된 함수 하나보다 더 넓은 프로젝트에 관련된 변경을 설명합니다. 유용한 지시는 필요한 동작, 관련 원문, 제공할 산출물을 정합니다. 패치 제안, 구현 설명, 문서 분석, 구조화된 답변 등이 이에 해당합니다.
소프트웨어 작업에서는 프로젝트 제약, 관련 파일이나 발췌문, 관찰된 오류, 예상 결과의 구체적인 예시를 제공하세요. 영향받는 코드와 제안한 변경이 그 예시를 어떻게 해결하는지 설명을 요청하세요. 제조사는 에이전트를 만들고 도구로 개발 작업을 진행하는 데 적합한 모델로 소개합니다. 주변 애플리케이션이 파일을 읽고 편집하며 명령이나 검증을 실행한 뒤 실제 출력을 반환하고, 모델은 그 증거를 바탕으로 추론합니다. 최종 보고서에서는 제안한 변경과 완료된 검증을 구별하세요.
컴퓨터 사용은 시각 및 에이전트 능력의 별도 활용입니다. Anthropic의 발표는 연결된 환경에서 브라우저 상호작용, 페이지 탐색, 스프레드시트 작업을 시연합니다. 시각적 지시에는 스크린샷, 목표, 애플리케이션이 허용하는 행동을 포함할 수 있습니다. 애플리케이션이 선택된 상호작용을 수행한 뒤 바뀐 화면이나 다른 결과를 반환합니다. 마찬가지로 모델은 문서, 스프레드시트, 슬라이드용 콘텐츠와 코드를 준비하고, 환경이 완성 파일을 만들 수 있습니다. 텍스트와 이미지 이해가 모델을 네이티브 이미지 또는 오디오 생성기로 만들지는 않습니다.
해당 제조사 사양은 200K토큰 컨텍스트 창과 최대 64K 출력 토큰을 명시합니다. 신뢰할 수 있는 지식 기준일은 2025년 1월이며, 같은 페이지에 명시된 그보다 늦은 학습 데이터 기준일과는 별개입니다. 긴 입력에서는 문서 경계, 페이지 레이블, 단위, 코드 식별자를 명확히 하고 요청한 답변과 추론을 위한 공간을 남기세요. 제조사는 이 버전의 컨텍스트 인식도 문서화합니다. 지원되는 워크플로는 대화 중 남은 공간을 추적합니다. 이는 입력 창 안에서 지속적인 작업을 관리하는 데 도움이 되지만, 이후 Sonnet 버전의 더 큰 용량으로 그 창을 바꾸지는 않습니다.
Sonnet 4.5는 일반 응답과 수동 확장 사고를 지원합니다. 후자에서는 budget_tokens가 보이는 답변 전에 수행할 내부 추론의 목표를 설정합니다. 문서상 최소값은 1,024토큰이며, 사고와 최종 답변이 생성 허용량을 공유하므로 보통 예산은 max_tokens보다 작아야 합니다. 예산은 목표이며 그 수의 토큰을 정확히 사용한다는 약속이 아닙니다. 이 버전에는 이후 Sonnet 모델에 설명된 적응형 사고 모드나 추론 강도 제어가 없습니다. 요청할 분석 깊이를 선택하고 사용할 수 있는 최종 답변을 위한 허용량을 충분히 남기세요.
제조사의 interleaved-thinking 베타는 Sonnet 4.5가 한 턴 안에서 도구 호출 사이에 추론하고, 반환된 관찰을 사용해 다음 단계를 결정하게 합니다. 지원되는 Messages 워크플로에서 문서화된 베타 기능이 필요합니다. 이 경우 사고 예산은 같은 assistant 턴의 여러 사고 블록에 걸치므로 max_tokens를 초과할 수 있습니다. 서명을 포함한 관련 사고 내용을 바꾸지 말고 도구 결과와 함께 반환하세요. 그 내용을 편집하면 무효화됩니다. 따라서 연구나 디버깅 작업은 글로 된 제안을 완료된 행동으로 취급하지 않고, 제안한 검증, 실제 반환 결과, 갱신된 분석을 번갈아 사용할 수 있습니다.
시각 자료에서는 제조사가 JPEG, PNG, GIF, WebP를 지원하며 애니메이션의 첫 프레임만 사용합니다. 이 버전에서 쓰는 표준 네이티브 이미지 등급에는 긴 변 1,568픽셀과 시각 토큰 1,568개의 한도가 있고, 더 큰 이미지는 축소됩니다. 제조사의 이미지 가이드는 200K 컨텍스트 모델에서 API 요청당 최대 100개 이미지를 명시하지만, 이미지 및 전체 요청 크기 조건에 먼저 도달할 수 있습니다. 가능하면 이미지를 질문 앞에 놓고, 여러 이미지에 레이블을 붙이며, 작은 글자나 차트 레이블을 보존하세요. 가이드는 선명한 이미지와 눈에 보이는 세부 사항을 해석할 충분한 주변 맥락을 권장합니다.
컨텍스트 편집과 메모리 도구는 더 긴 에이전트 워크플로를 지원하기 위해 이 모델과 함께 도입되었습니다. 이는 애플리케이션이 지원하는 유용한 상태 보존이나 오래된 도구 자료 제거 방식이며, 무제한 모델 메모리나 이후의 서버 측 컨텍스트 압축 기능이 아닙니다. 다단계 작업에서는 이미 내린 결정, 남은 질문, 다음 단계에 필요한 증거를 보존하세요. Anthropic은 외부 콘텐츠에 숨은 지시에 대한 저항성 강화도 설명하며, 모델별 분류기가 때때로 무해한 자료에도 플래그를 붙일 수 있음을 언급합니다. 유용한 결과는 제공된 증거에 연결된 검토 가능한 산출물이며, 정확한 Sonnet 4.5 모드와 한도를 후속 버전과 구별해 유지합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 anthropic/claude-sonnet-4.5 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0132 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0006 / 1K 토큰 입력 · 캐시 쓰기 $0.0075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 $0.012 / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준200,000 | 요금 입력 · 입력 토큰 $0.0132 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0006 / 1K 토큰 입력 · 캐시 쓰기 $0.0075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 $0.012 / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준200,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0132 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0006 / 1K 토큰 입력 · 캐시 쓰기 $0.0075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 $0.024 / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "anthropic/claude-sonnet-4.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-sonnet-4.5', '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-sonnet-4.5', '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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra anthropic/claude-sonnet-4.5
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Repair an empty-cart total\n\nReview this Python function: def total(items): return sum(x['price'] * x['qty'] for x in items) / len(items). It crashes for an empty cart and incorrectly averages nonempty carts. Return a minimal correction preserving the function signature, plus assertions for empty, one-line and two-line carts. Explain the changed behavior briefly.Corrected Python function, three concrete assertions and a brief explanation of sum versus average.The proposed tests cover empty input and verify that two cart lines are added rather than averaged.