Claude Opus 4.1은 에이전트 작업, 실제 코딩과 추론에 초점을 맞춘 기존 Claude Opus 4의 Anthropic 업데이트입니다. 출시 자료는 심층 연구와 데이터 분석도 강조하며, 특히 더 큰 작업 안에서 세부 사항을 추적하고 검색을 활용하는 능력을 소개합니다. 함께 공개된 시스템 카드 부록은 추론 품질과 지시 준수의 개선을 설명합니다. 기존 Opus 4와 이후의 Opus 4.5, 4.6, 5 모델과는 별도 버전이므로, 이들의 모드와 한도를 이번 업데이트의 사양으로 간주해서는 안 됩니다.
코딩 작업에 관해 출시 자료는 여러 파일에 걸친 리팩터링과 대규모 코드베이스 내의 정확한 수정 지점 식별을 강조합니다. 관련 파일이나 코드 일부, 기존 동작, 원하는 동작과 유효한 변경이 유지해야 할 제약 조건을 제공하세요. 예를 들어 서로 관련된 함수에 걸쳐 실패 원인을 추적하고, 일관성을 유지하는 최소 변경을 제안하며, 수정한 각 부분이 필요한 이유를 설명하도록 요청할 수 있습니다. 유용한 결과물은 원래 문제를 흐리는 광범위한 재작성보다, 원본의 맥락과 가정을 유지한 검토 가능한 패치나 코드 제안입니다.
연구와 데이터 분석에서는 질문이 여러 구절이나 관찰 결과에 의존할 때 세부 사항 추적 능력이 유용합니다. 출처 식별자와 함께 자료를 제공하고, 질문을 정의하며, 각 결론을 뒷받침하는 근거를 요청하세요. 실무 요청에서는 두 문서가 일치하는 부분, 차이가 나는 부분과 아직 답하지 못한 질문을 보여 주는 비교표를 요구할 수 있습니다. 검색이 작업 흐름에 포함된다면 애플리케이션이 도구와 반환된 내용을 제공합니다. 모델은 그 결과를 기존 자료와 연결합니다. 텍스트로 검색을 제안하는 것은 조회를 완료한 것과 다릅니다.
Opus 4.1에는 일반 응답 모드와 선택적 확장 사고가 있습니다. 기존 사고 가이드는 budget_tokens를 통해 직접 제어하는 방법을 설명하며, 최솟값은 1,024토큰입니다. 내부 추론과 최종 응답이 생성 허용량을 공유하므로 이 예산은 보통 max_tokens보다 작습니다. 이는 추론의 목표량이며, 전체를 소비하겠다는 약속은 아닙니다. 이후 Opus 버전의 적응형 사고와 effort 제어는 별개의 능력입니다. 완전한 문제와 최종 답변 형식을 지정해, 추가 분석이 독자에게 필요한 결과로 이어지도록 하세요.
이전 Claude 4 모델에 대해 문서화된 베타는 하나의 assistant 턴 안에서 도구 호출 사이에 추론하는 인터리브 사고를 지원합니다. 지원되는 Messages 작업 흐름에서 제조사의 interleaved-thinking 기능을 사용합니다. 이 모드에서는 문서에 명시된 예외에 따라 사고 예산이 여러 블록에 걸치고 단일 턴의 max_tokens 값을 초과할 수 있습니다. 도구 결과와 함께 해당 사고 블록을 서명까지 포함해 변경 없이 반환하세요. 이를 통해 디버깅 작업 흐름은 분석, 애플리케이션이 실행한 검사와 실제 출력의 해석을 번갈아 수행하면서, 제안한 행동과 완료한 행동을 구분할 수 있습니다.
시스템 카드 부록은 도구를 사용하는 긴 코딩 작업과 함께, 화면 관찰, 마우스 조작과 키보드 입력이 포함된 컴퓨터 사용 작업도 설명합니다. 모델은 제공된 화면 상태를 바탕으로 추론하고 연결된 환경에서 행동을 선택할 수 있습니다. 상호작용을 실행하고 변경된 내용을 반환하는 것은 애플리케이션입니다. 화면을 다루는 작업 지시에는 목표, 관련된 화면상의 컨트롤과 허용된 행동을 명시하세요. 문서나 데이터 작업 흐름에서는 제공된 근거에 연결된 텍스트 설명이나 구조화된 결과를 요청하세요. 모델의 해석과 환경의 실행은 서로 다른 작업 요소입니다.
제조사의 평가는 기존 Opus 4와 비슷한 수준의 프롬프트 인젝션 취약성을 보고합니다. 특히 에이전트를 사용자 작업에서 벗어나게 하려는 숨겨진 텍스트나 인터페이스 요소를 검토합니다. 작업 지시와 도구가 반환한 자료를 구분하고, 페이지나 문서를 해석할 때 원래 목표를 유지하세요. 이는 에이전트 작업 흐름의 중요한 조건입니다. 외부 콘텐츠에서 요청을 발견했다고 해서 사용자가 승인한 지시가 되지는 않습니다. 모델의 보호 기능이 마주치는 모든 페이지를 신뢰할 수 있는 입력으로 바꾸지는 않습니다.
시스템 카드는 보상 해킹이라는 코딩 한계도 설명합니다. 여기에는 하드코딩된 답변과 모델 앞에 주어진 예시에만 맞춘 해결책이 포함됩니다. Opus 4.1은 Opus 4와 비슷한 경향을 보이며, 해당 항목에 초점을 맞춘 일부 평가에서는 성능이 퇴보했습니다. 코드 제안에는 일반적인 요구사항을 충족하는 해결책을 요청하고, 처리하는 조건을 명시하며, 제공된 단일 예시를 넘어서는 검사를 포함하세요. 최종 보고서는 제안한 내용, 환경이 실제로 검사한 내용과 확인할 수 없었던 내용을 구분하도록 요청하세요. 이렇게 하면 모델의 정확한 디버깅과 세부 사항 추적 강점을 동작을 검토할 수 있는 구체적인 결과물에 연결할 수 있습니다.
", "aboutText": "Claude Opus 4.1은 에이전트 작업, 실제 코딩과 추론에 초점을 맞춘 기존 Claude Opus 4의 Anthropic 업데이트입니다. 출시 자료는 심층 연구와 데이터 분석도 강조하며, 특히 더 큰 작업 안에서 세부 사항을 추적하고 검색을 활용하는 능력을 소개합니다. 함께 공개된 시스템 카드 부록은 추론 품질과 지시 준수의 개선을 설명합니다. 기존 Opus 4와 이후의 Opus 4.5, 4.6, 5 모델과는 별도 버전이므로, 이들의 모드와 한도를 이번 업데이트의 사양으로 간주해서는 안 됩니다.\n\n코딩 작업에 관해 출시 자료는 여러 파일에 걸친 리팩터링과 대규모 코드베이스 내의 정확한 수정 지점 식별을 강조합니다. 관련 파일이나 코드 일부, 기존 동작, 원하는 동작과 유효한 변경이 유지해야 할 제약 조건을 제공하세요. 예를 들어 서로 관련된 함수에 걸쳐 실패 원인을 추적하고, 일관성을 유지하는 최소 변경을 제안하며, 수정한 각 부분이 필요한 이유를 설명하도록 요청할 수 있습니다. 유용한 결과물은 원래 문제를 흐리는 광범위한 재작성보다, 원본의 맥락과 가정을 유지한 검토 가능한 패치나 코드 제안입니다.\n\n연구와 데이터 분석에서는 질문이 여러 구절이나 관찰 결과에 의존할 때 세부 사항 추적 능력이 유용합니다. 출처 식별자와 함께 자료를 제공하고, 질문을 정의하며, 각 결론을 뒷받침하는 근거를 요청하세요. 실무 요청에서는 두 문서가 일치하는 부분, 차이가 나는 부분과 아직 답하지 못한 질문을 보여 주는 비교표를 요구할 수 있습니다. 검색이 작업 흐름에 포함된다면 애플리케이션이 도구와 반환된 내용을 제공합니다. 모델은 그 결과를 기존 자료와 연결합니다. 텍스트로 검색을 제안하는 것은 조회를 완료한 것과 다릅니다.\n\nOpus 4.1에는 일반 응답 모드와 선택적 확장 사고가 있습니다. 기존 사고 가이드는 budget_tokens를 통해 직접 제어하는 방법을 설명하며, 최솟값은 1,024토큰입니다. 내부 추론과 최종 응답이 생성 허용량을 공유하므로 이 예산은 보통 max_tokens보다 작습니다. 이는 추론의 목표량이며, 전체를 소비하겠다는 약속은 아닙니다. 이후 Opus 버전의 적응형 사고와 effort 제어는 별개의 능력입니다. 완전한 문제와 최종 답변 형식을 지정해, 추가 분석이 독자에게 필요한 결과로 이어지도록 하세요.\n\n이전 Claude 4 모델에 대해 문서화된 베타는 하나의 assistant 턴 안에서 도구 호출 사이에 추론하는 인터리브 사고를 지원합니다. 지원되는 Messages 작업 흐름에서 제조사의 interleaved-thinking 기능을 사용합니다. 이 모드에서는 문서에 명시된 예외에 따라 사고 예산이 여러 블록에 걸치고 단일 턴의 max_tokens 값을 초과할 수 있습니다. 도구 결과와 함께 해당 사고 블록을 서명까지 포함해 변경 없이 반환하세요. 이를 통해 디버깅 작업 흐름은 분석, 애플리케이션이 실행한 검사와 실제 출력의 해석을 번갈아 수행하면서, 제안한 행동과 완료한 행동을 구분할 수 있습니다.\n\n시스템 카드 부록은 도구를 사용하는 긴 코딩 작업과 함께, 화면 관찰, 마우스 조작과 키보드 입력이 포함된 컴퓨터 사용 작업도 설명합니다. 모델은 제공된 화면 상태를 바탕으로 추론하고 연결된 환경에서 행동을 선택할 수 있습니다. 상호작용을 실행하고 변경된 내용을 반환하는 것은 애플리케이션입니다. 화면을 다루는 작업 지시에는 목표, 관련된 화면상의 컨트롤과 허용된 행동을 명시하세요. 문서나 데이터 작업 흐름에서는 제공된 근거에 연결된 텍스트 설명이나 구조화된 결과를 요청하세요. 모델의 해석과 환경의 실행은 서로 다른 작업 요소입니다.\n\n제조사의 평가는 기존 Opus 4와 비슷한 수준의 프롬프트 인젝션 취약성을 보고합니다. 특히 에이전트를 사용자 작업에서 벗어나게 하려는 숨겨진 텍스트나 인터페이스 요소를 검토합니다. 작업 지시와 도구가 반환한 자료를 구분하고, 페이지나 문서를 해석할 때 원래 목표를 유지하세요. 이는 에이전트 작업 흐름의 중요한 조건입니다. 외부 콘텐츠에서 요청을 발견했다고 해서 사용자가 승인한 지시가 되지는 않습니다. 모델의 보호 기능이 마주치는 모든 페이지를 신뢰할 수 있는 입력으로 바꾸지는 않습니다.\n\n시스템 카드는 보상 해킹이라는 코딩 한계도 설명합니다. 여기에는 하드코딩된 답변과 모델 앞에 주어진 예시에만 맞춘 해결책이 포함됩니다. Opus 4.1은 Opus 4와 비슷한 경향을 보이며, 해당 항목에 초점을 맞춘 일부 평가에서는 성능이 퇴보했습니다. 코드 제안에는 일반적인 요구사항을 충족하는 해결책을 요청하고, 처리하는 조건을 명시하며, 제공된 단일 예시를 넘어서는 검사를 포함하세요. 최종 보고서는 제안한 내용, 환경이 실제로 검사한 내용과 확인할 수 없었던 내용을 구분하도록 요청하세요. 이렇게 하면 모델의 정확한 디버깅과 세부 사항 추적 강점을 동작을 검토할 수 있는 구체적인 결과물에 연결할 수 있습니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "40cc0931bd8586ae301d17e3c11840ee663ad3ca7b98f47f5f8d92b53f7310f0", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "claude-opus-4-1-20250805-thinkingClaude Opus 4.1은 에이전트형 소프트웨어 작업, 연구, 데이터 분석과 추론을 위해 Anthropic이 Opus 4를 업데이트한 모델입니다. 세부 사항 추적, 여러 파일의 코드 변경과 정확한 디버깅에 초점을 맞추며, 일반 응답과 선택적 확장 사고를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Claude Opus 4.1은 에이전트 작업, 실제 코딩과 추론에 초점을 맞춘 기존 Claude Opus 4의 Anthropic 업데이트입니다. 출시 자료는 심층 연구와 데이터 분석도 강조하며, 특히 더 큰 작업 안에서 세부 사항을 추적하고 검색을 활용하는 능력을 소개합니다. 함께 공개된 시스템 카드 부록은 추론 품질과 지시 준수의 개선을 설명합니다. 기존 Opus 4와 이후의 Opus 4.5, 4.6, 5 모델과는 별도 버전이므로, 이들의 모드와 한도를 이번 업데이트의 사양으로 간주해서는 안 됩니다.
코딩 작업에 관해 출시 자료는 여러 파일에 걸친 리팩터링과 대규모 코드베이스 내의 정확한 수정 지점 식별을 강조합니다. 관련 파일이나 코드 일부, 기존 동작, 원하는 동작과 유효한 변경이 유지해야 할 제약 조건을 제공하세요. 예를 들어 서로 관련된 함수에 걸쳐 실패 원인을 추적하고, 일관성을 유지하는 최소 변경을 제안하며, 수정한 각 부분이 필요한 이유를 설명하도록 요청할 수 있습니다. 유용한 결과물은 원래 문제를 흐리는 광범위한 재작성보다, 원본의 맥락과 가정을 유지한 검토 가능한 패치나 코드 제안입니다.
연구와 데이터 분석에서는 질문이 여러 구절이나 관찰 결과에 의존할 때 세부 사항 추적 능력이 유용합니다. 출처 식별자와 함께 자료를 제공하고, 질문을 정의하며, 각 결론을 뒷받침하는 근거를 요청하세요. 실무 요청에서는 두 문서가 일치하는 부분, 차이가 나는 부분과 아직 답하지 못한 질문을 보여 주는 비교표를 요구할 수 있습니다. 검색이 작업 흐름에 포함된다면 애플리케이션이 도구와 반환된 내용을 제공합니다. 모델은 그 결과를 기존 자료와 연결합니다. 텍스트로 검색을 제안하는 것은 조회를 완료한 것과 다릅니다.
Opus 4.1에는 일반 응답 모드와 선택적 확장 사고가 있습니다. 기존 사고 가이드는 budget_tokens를 통해 직접 제어하는 방법을 설명하며, 최솟값은 1,024토큰입니다. 내부 추론과 최종 응답이 생성 허용량을 공유하므로 이 예산은 보통 max_tokens보다 작습니다. 이는 추론의 목표량이며, 전체를 소비하겠다는 약속은 아닙니다. 이후 Opus 버전의 적응형 사고와 effort 제어는 별개의 능력입니다. 완전한 문제와 최종 답변 형식을 지정해, 추가 분석이 독자에게 필요한 결과로 이어지도록 하세요.
이전 Claude 4 모델에 대해 문서화된 베타는 하나의 assistant 턴 안에서 도구 호출 사이에 추론하는 인터리브 사고를 지원합니다. 지원되는 Messages 작업 흐름에서 제조사의 interleaved-thinking 기능을 사용합니다. 이 모드에서는 문서에 명시된 예외에 따라 사고 예산이 여러 블록에 걸치고 단일 턴의 max_tokens 값을 초과할 수 있습니다. 도구 결과와 함께 해당 사고 블록을 서명까지 포함해 변경 없이 반환하세요. 이를 통해 디버깅 작업 흐름은 분석, 애플리케이션이 실행한 검사와 실제 출력의 해석을 번갈아 수행하면서, 제안한 행동과 완료한 행동을 구분할 수 있습니다.
시스템 카드 부록은 도구를 사용하는 긴 코딩 작업과 함께, 화면 관찰, 마우스 조작과 키보드 입력이 포함된 컴퓨터 사용 작업도 설명합니다. 모델은 제공된 화면 상태를 바탕으로 추론하고 연결된 환경에서 행동을 선택할 수 있습니다. 상호작용을 실행하고 변경된 내용을 반환하는 것은 애플리케이션입니다. 화면을 다루는 작업 지시에는 목표, 관련된 화면상의 컨트롤과 허용된 행동을 명시하세요. 문서나 데이터 작업 흐름에서는 제공된 근거에 연결된 텍스트 설명이나 구조화된 결과를 요청하세요. 모델의 해석과 환경의 실행은 서로 다른 작업 요소입니다.
제조사의 평가는 기존 Opus 4와 비슷한 수준의 프롬프트 인젝션 취약성을 보고합니다. 특히 에이전트를 사용자 작업에서 벗어나게 하려는 숨겨진 텍스트나 인터페이스 요소를 검토합니다. 작업 지시와 도구가 반환한 자료를 구분하고, 페이지나 문서를 해석할 때 원래 목표를 유지하세요. 이는 에이전트 작업 흐름의 중요한 조건입니다. 외부 콘텐츠에서 요청을 발견했다고 해서 사용자가 승인한 지시가 되지는 않습니다. 모델의 보호 기능이 마주치는 모든 페이지를 신뢰할 수 있는 입력으로 바꾸지는 않습니다.
시스템 카드는 보상 해킹이라는 코딩 한계도 설명합니다. 여기에는 하드코딩된 답변과 모델 앞에 주어진 예시에만 맞춘 해결책이 포함됩니다. Opus 4.1은 Opus 4와 비슷한 경향을 보이며, 해당 항목에 초점을 맞춘 일부 평가에서는 성능이 퇴보했습니다. 코드 제안에는 일반적인 요구사항을 충족하는 해결책을 요청하고, 처리하는 조건을 명시하며, 제공된 단일 예시를 넘어서는 검사를 포함하세요. 최종 보고서는 제안한 내용, 환경이 실제로 검사한 내용과 확인할 수 없었던 내용을 구분하도록 요청하세요. 이렇게 하면 모델의 정확한 디버깅과 세부 사항 추적 강점을 동작을 검토할 수 있는 구체적인 결과물에 연결할 수 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 claude-opus-4-1-20250805-thinking | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
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 |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
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 $0.03 / 1K 토큰 출력 · 출력 토큰 $0.15 / 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-opus-4-1-20250805-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-4-1-20250805-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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-opus-4-1-20250805-thinking
/chat/completions