Claude 3.7 Sonnet Thinking은 기본 모델과 별개의 세대가 아니라 Claude 3.7 Sonnet의 확장 사고 모드를 뜻합니다. Anthropic은 일반 응답과 더 깊은 추론을 하나의 하이브리드 모델에 결합합니다. Thinking 버전은 서로 영향을 주는 제약 조건이 포함되어, 결론을 제시하기 전에 이를 검토하는 것이 답변에 도움이 되는 작업에 유용합니다.
모델은 최종 답변을 반환하기 전에 추가 추론 토큰을 사용해 문제를 검토합니다. Anthropic은 수학, 물리, 복잡한 지시 준수와 프로그래밍을 강조하면서, 경시대회 퍼즐뿐 아니라 실제 업무에 초점을 맞춥니다. 제조사는 사고 토큰 예산을 통해 추론 작업량을 제어하는 방법을 문서화합니다. 이 예산과 최종 응답은 가용 출력 허용량을 공유합니다. 추론이 많아지면 시간도 더 필요하므로, 추가 분석이 중요한 작업에 이 모드를 사용하세요.
분석 작업에는 근거, 해결할 질문과 대안을 비교할 기준을 제공하세요. 결론에 이어 이를 뒷받침하는 사실, 가정과 미해결 질문을 제시하도록 요청하세요. 이렇게 하면 추론의 길이를 결론이 옳다는 증거로 삼지 않으면서도 최종 답변을 활용하기 좋은 형태로 만들 수 있습니다.
Anthropic은 코드 변경, 복잡한 프로젝트 탐색과 웹 인터페이스 구축을 특히 강조합니다. 유용한 작업 지시에는 관련 코드, 예상 동작, 관찰한 실패와 유지해야 할 부분이 포함됩니다. 일관된 패치와 이를 검증하는 방법에 대한 설명을 요청하세요. 인터페이스에서는 사용자 행동, 로딩 및 오류 상태, 화면 크기에 따른 반응형 동작과 필요한 출력을 지정하세요. 출력은 컴포넌트나 페이지 변경 일체 등이 될 수 있습니다.
이 예시들은 모델에 부여할 작업을 설명합니다. 명령 실행, 저장소 읽기와 파일 편집에는 모델을 둘러싼 애플리케이션이 제공하는 도구가 필요합니다. 모델의 코딩 능력과 코드를 실행할 애플리케이션의 권한은 작업 흐름의 서로 다른 요소입니다.
Claude의 시각 이해는 서면 지시와 함께 스크린샷, 차트와 삽화가 있는 문서 등의 자료를 추론하는 데 활용할 수 있습니다. 읽기 쉬운 이미지를 제공하고, 라벨이 있는 축, 레이아웃 문제나 대상 사이의 관계 등 중요한 세부 사항을 명시하세요. 차트의 정확한 수치가 필요하다면 가능한 경우 원래의 값을 포함하세요. 결과는 생성된 이미지가 아니라 텍스트 설명, 분석 또는 코드입니다.
Ailoot API 프로젝트에서는 구현, 검토를 거친 논증, 비교표 또는 진단 설명 등 원하는 최종 결과물을 명확히 정의하세요. 모델이 누락된 프로젝트 맥락을 추측하도록 요청하는 대신, 해당 요구사항과 함께 관련 자료를 제공하세요.
Anthropic은 이 기본 모델의 신뢰할 수 있는 지식 기준 시점을 2024년 10월로 명시합니다. 질문이 이후의 사건이나 변하는 기술적 세부 사항에 의존한다면 최신 문서를 제공하세요. 시스템 카드는 실패한 시도를 반복할 때 특정 테스트에만 맞춘 편법으로 이어질 수 있다는 코딩 실패 패턴도 기록합니다. 일반적으로 적용되는 해결책을 요청하고, 애플리케이션 코드의 변경만큼 주의 깊게 테스트 변경을 검토하세요. 자세한 추론 과정은 답변을 살펴보는 데 도움이 될 수 있지만, Anthropic의 연구는 그것이 의사결정 과정을 완전하거나 오류 없이 설명한다고 입증하지 않습니다.
", "aboutText": "Claude 3.7 Sonnet Thinking은 기본 모델과 별개의 세대가 아니라 Claude 3.7 Sonnet의 확장 사고 모드를 뜻합니다. Anthropic은 일반 응답과 더 깊은 추론을 하나의 하이브리드 모델에 결합합니다. Thinking 버전은 서로 영향을 주는 제약 조건이 포함되어, 결론을 제시하기 전에 이를 검토하는 것이 답변에 도움이 되는 작업에 유용합니다.\n\n### 실용적인 문제를 위한 확장 추론\n\n모델은 최종 답변을 반환하기 전에 추가 추론 토큰을 사용해 문제를 검토합니다. Anthropic은 수학, 물리, 복잡한 지시 준수와 프로그래밍을 강조하면서, 경시대회 퍼즐뿐 아니라 실제 업무에 초점을 맞춥니다. 제조사는 사고 토큰 예산을 통해 추론 작업량을 제어하는 방법을 문서화합니다. 이 예산과 최종 응답은 가용 출력 허용량을 공유합니다. 추론이 많아지면 시간도 더 필요하므로, 추가 분석이 중요한 작업에 이 모드를 사용하세요.\n\n분석 작업에는 근거, 해결할 질문과 대안을 비교할 기준을 제공하세요. 결론에 이어 이를 뒷받침하는 사실, 가정과 미해결 질문을 제시하도록 요청하세요. 이렇게 하면 추론의 길이를 결론이 옳다는 증거로 삼지 않으면서도 최종 답변을 활용하기 좋은 형태로 만들 수 있습니다.\n\n### 코딩과 프런트엔드 개발\n\nAnthropic은 코드 변경, 복잡한 프로젝트 탐색과 웹 인터페이스 구축을 특히 강조합니다. 유용한 작업 지시에는 관련 코드, 예상 동작, 관찰한 실패와 유지해야 할 부분이 포함됩니다. 일관된 패치와 이를 검증하는 방법에 대한 설명을 요청하세요. 인터페이스에서는 사용자 행동, 로딩 및 오류 상태, 화면 크기에 따른 반응형 동작과 필요한 출력을 지정하세요. 출력은 컴포넌트나 페이지 변경 일체 등이 될 수 있습니다.\n\n이 예시들은 모델에 부여할 작업을 설명합니다. 명령 실행, 저장소 읽기와 파일 편집에는 모델을 둘러싼 애플리케이션이 제공하는 도구가 필요합니다. 모델의 코딩 능력과 코드를 실행할 애플리케이션의 권한은 작업 흐름의 서로 다른 요소입니다.\n\n### 텍스트, 이미지와 최종 결과물\n\nClaude의 시각 이해는 서면 지시와 함께 스크린샷, 차트와 삽화가 있는 문서 등의 자료를 추론하는 데 활용할 수 있습니다. 읽기 쉬운 이미지를 제공하고, 라벨이 있는 축, 레이아웃 문제나 대상 사이의 관계 등 중요한 세부 사항을 명시하세요. 차트의 정확한 수치가 필요하다면 가능한 경우 원래의 값을 포함하세요. 결과는 생성된 이미지가 아니라 텍스트 설명, 분석 또는 코드입니다.\n\nAiloot API 프로젝트에서는 구현, 검토를 거친 논증, 비교표 또는 진단 설명 등 원하는 최종 결과물을 명확히 정의하세요. 모델이 누락된 프로젝트 맥락을 추측하도록 요청하는 대신, 해당 요구사항과 함께 관련 자료를 제공하세요.\n\n### 지식과 검증\n\nAnthropic은 이 기본 모델의 신뢰할 수 있는 지식 기준 시점을 2024년 10월로 명시합니다. 질문이 이후의 사건이나 변하는 기술적 세부 사항에 의존한다면 최신 문서를 제공하세요. 시스템 카드는 실패한 시도를 반복할 때 특정 테스트에만 맞춘 편법으로 이어질 수 있다는 코딩 실패 패턴도 기록합니다. 일반적으로 적용되는 해결책을 요청하고, 애플리케이션 코드의 변경만큼 주의 깊게 테스트 변경을 검토하세요. 자세한 추론 과정은 답변을 살펴보는 데 도움이 될 수 있지만, Anthropic의 연구는 그것이 의사결정 과정을 완전하거나 오류 없이 설명한다고 입증하지 않습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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 Sonnet은 Anthropic의 하이브리드 추론 모델이며, 여기서는 확장 사고 모드로 사용합니다. 까다로운 코딩, 수학과 분석 작업을 검토한 뒤 텍스트 답변을 생성하며, 실용적인 소프트웨어 개발과 프런트엔드 작업을 특히 강조합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Claude 3.7 Sonnet Thinking은 기본 모델과 별개의 세대가 아니라 Claude 3.7 Sonnet의 확장 사고 모드를 뜻합니다. Anthropic은 일반 응답과 더 깊은 추론을 하나의 하이브리드 모델에 결합합니다. Thinking 버전은 서로 영향을 주는 제약 조건이 포함되어, 결론을 제시하기 전에 이를 검토하는 것이 답변에 도움이 되는 작업에 유용합니다.
모델은 최종 답변을 반환하기 전에 추가 추론 토큰을 사용해 문제를 검토합니다. Anthropic은 수학, 물리, 복잡한 지시 준수와 프로그래밍을 강조하면서, 경시대회 퍼즐뿐 아니라 실제 업무에 초점을 맞춥니다. 제조사는 사고 토큰 예산을 통해 추론 작업량을 제어하는 방법을 문서화합니다. 이 예산과 최종 응답은 가용 출력 허용량을 공유합니다. 추론이 많아지면 시간도 더 필요하므로, 추가 분석이 중요한 작업에 이 모드를 사용하세요.
분석 작업에는 근거, 해결할 질문과 대안을 비교할 기준을 제공하세요. 결론에 이어 이를 뒷받침하는 사실, 가정과 미해결 질문을 제시하도록 요청하세요. 이렇게 하면 추론의 길이를 결론이 옳다는 증거로 삼지 않으면서도 최종 답변을 활용하기 좋은 형태로 만들 수 있습니다.
Anthropic은 코드 변경, 복잡한 프로젝트 탐색과 웹 인터페이스 구축을 특히 강조합니다. 유용한 작업 지시에는 관련 코드, 예상 동작, 관찰한 실패와 유지해야 할 부분이 포함됩니다. 일관된 패치와 이를 검증하는 방법에 대한 설명을 요청하세요. 인터페이스에서는 사용자 행동, 로딩 및 오류 상태, 화면 크기에 따른 반응형 동작과 필요한 출력을 지정하세요. 출력은 컴포넌트나 페이지 변경 일체 등이 될 수 있습니다.
이 예시들은 모델에 부여할 작업을 설명합니다. 명령 실행, 저장소 읽기와 파일 편집에는 모델을 둘러싼 애플리케이션이 제공하는 도구가 필요합니다. 모델의 코딩 능력과 코드를 실행할 애플리케이션의 권한은 작업 흐름의 서로 다른 요소입니다.
Claude의 시각 이해는 서면 지시와 함께 스크린샷, 차트와 삽화가 있는 문서 등의 자료를 추론하는 데 활용할 수 있습니다. 읽기 쉬운 이미지를 제공하고, 라벨이 있는 축, 레이아웃 문제나 대상 사이의 관계 등 중요한 세부 사항을 명시하세요. 차트의 정확한 수치가 필요하다면 가능한 경우 원래의 값을 포함하세요. 결과는 생성된 이미지가 아니라 텍스트 설명, 분석 또는 코드입니다.
Ailoot API 프로젝트에서는 구현, 검토를 거친 논증, 비교표 또는 진단 설명 등 원하는 최종 결과물을 명확히 정의하세요. 모델이 누락된 프로젝트 맥락을 추측하도록 요청하는 대신, 해당 요구사항과 함께 관련 자료를 제공하세요.
Anthropic은 이 기본 모델의 신뢰할 수 있는 지식 기준 시점을 2024년 10월로 명시합니다. 질문이 이후의 사건이나 변하는 기술적 세부 사항에 의존한다면 최신 문서를 제공하세요. 시스템 카드는 실패한 시도를 반복할 때 특정 테스트에만 맞춘 편법으로 이어질 수 있다는 코딩 실패 패턴도 기록합니다. 일반적으로 적용되는 해결책을 요청하고, 애플리케이션 코드의 변경만큼 주의 깊게 테스트 변경을 검토하세요. 자세한 추론 과정은 답변을 살펴보는 데 도움이 될 수 있지만, Anthropic의 연구는 그것이 의사결정 과정을 완전하거나 오류 없이 설명한다고 입증하지 않습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 claude-3-7-sonnet-20250219-thinking | 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.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.006 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0006 / 1K 토큰 입력 · 캐시 쓰기 $0.0075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "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 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 claude-3-7-sonnet-20250219-thinking
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.