Claude Opus 4.5는 모호한 요구 사항을 이해하고, 작업 계획을 선택하며, 단계적으로 결과에 도달해야 하는 과제를 위한 Anthropic 모델입니다. 주요 활용 분야로 프로그래밍, 에이전트 작업, 컴퓨터 사용, 심층 연구를 제시합니다. 일상적인 전문 업무에서는 스프레드시트와 프레젠테이션 작업에 도움을 줄 수 있습니다.
엔지니어링 과제에서 Opus 4.5는 시스템 여러 부분의 관계를 검토하고, 복잡한 오류의 원인을 찾으며, 절충안을 논의하고 코드 변경을 준비할 수 있습니다. 장기 작업에 대해 Anthropic은 작업 계획, 도구 사용, 하위 작업 조율을 별도로 강조합니다. 먼저 자료를 조사한 뒤 작업을 선택하고 결과를 확인해야 하는 상황에 적합합니다.
파일 읽기와 편집, 명령 실행, 정보 검색, 인터페이스 작업 수단은 애플리케이션이 제공해야 합니다. 모델은 무엇을 해야 할지 추론하고 사용 가능한 도구에 대한 호출을 구성합니다. 실제 실행은 연결된 환경에 따라 달라집니다. 마찬가지로 스프레드시트나 프레젠테이션 준비에는 내용과 코드가 포함될 수 있지만, 완성된 파일을 출력하려면 해당 도구가 필요합니다.
Opus 4.5는 수동 예산 budget_tokens를 사용하는 extended thinking을 지원합니다. 이 모드를 활성화하면 최종 응답 전에 과제를 분석합니다. 애플리케이션이 적절하게 지원하면 도구 호출 사이에도 추론하여 다음 작업 전에 받은 결과를 반영할 수 있습니다.
호출 방식이 설정을 지원하면 수동 예산 budget_tokens는 1024토큰부터 시작하며 일반적으로 max_tokens보다 작아야 합니다. 도구 사이의 추론에는 예외가 있습니다. 하나의 턴에서 여러 분석 블록에 걸쳐 적용되므로 예산이 max_tokens를 초과할 수 있습니다. 이 예외에는 애플리케이션의 해당 모드 지원이 필요합니다.
effort는 전체 작업의 깊이를 조절합니다. low, medium, high를 사용할 수 있으며 기본은 high입니다. 추론이 활성화된 경우와 비활성화된 경우에 모두 작동합니다. 추론 예산과 노력 수준의 역할은 다릅니다. 전자는 내부 분석의 양을 조절하고, 후자는 전체 응답 작업에 영향을 줍니다. 이 버전에는 적응형 모드가 없습니다.
입력은 텍스트와 이미지이며, 모델은 텍스트를 출력합니다. 컨텍스트는 20만 토큰, 최대 응답 길이는 6만 4000토큰입니다. 방대한 자료를 연구, 문서 분석, 개발에 사용할 수 있지만 결과는 이 특정 버전의 제한 안에 들어가야 합니다.
개발사의 일반 시각 입력 형식은 JPEG/PNG/GIF/WebP이며, 애니메이션은 첫 프레임을 사용합니다. 네이티브 분석 시 긴 변은 1568픽셀, 시각 토큰은 1568개입니다. 큰 이미지는 분석 전에 축소됩니다. 파일과 설정의 지원 여부는 애플리케이션의 호출 방식에 따라 달라집니다.
내장 지식의 신뢰할 수 있는 기준 시점은 2025년 5월입니다. 최신 정보에는 제공된 자료나 애플리케이션의 도구가 필요합니다. Anthropic은 다른 콘텐츠에 숨겨진 악성 지시에 저항하도록 모델을 학습시켰지만, 이것이 잘못된 판단을 완전히 막지는 않습니다. 계획, 변경 사항, 결론은 실제 과제에서 검증해야 합니다.
", "aboutText": "Claude Opus 4.5는 모호한 요구 사항을 이해하고, 작업 계획을 선택하며, 단계적으로 결과에 도달해야 하는 과제를 위한 Anthropic 모델입니다. 주요 활용 분야로 프로그래밍, 에이전트 작업, 컴퓨터 사용, 심층 연구를 제시합니다. 일상적인 전문 업무에서는 스프레드시트와 프레젠테이션 작업에 도움을 줄 수 있습니다.\n\n### 문제 분석에서 실행까지\n\n엔지니어링 과제에서 Opus 4.5는 시스템 여러 부분의 관계를 검토하고, 복잡한 오류의 원인을 찾으며, 절충안을 논의하고 코드 변경을 준비할 수 있습니다. 장기 작업에 대해 Anthropic은 작업 계획, 도구 사용, 하위 작업 조율을 별도로 강조합니다. 먼저 자료를 조사한 뒤 작업을 선택하고 결과를 확인해야 하는 상황에 적합합니다.\n\n파일 읽기와 편집, 명령 실행, 정보 검색, 인터페이스 작업 수단은 애플리케이션이 제공해야 합니다. 모델은 무엇을 해야 할지 추론하고 사용 가능한 도구에 대한 호출을 구성합니다. 실제 실행은 연결된 환경에 따라 달라집니다. 마찬가지로 스프레드시트나 프레젠테이션 준비에는 내용과 코드가 포함될 수 있지만, 완성된 파일을 출력하려면 해당 도구가 필요합니다.\n\n### 서로 다른 두 제어 수단\n\nOpus 4.5는 수동 예산 `budget_tokens`를 사용하는 **extended thinking**을 지원합니다. 이 모드를 활성화하면 최종 응답 전에 과제를 분석합니다. 애플리케이션이 적절하게 지원하면 도구 호출 사이에도 추론하여 다음 작업 전에 받은 결과를 반영할 수 있습니다.\n\n호출 방식이 설정을 지원하면 수동 예산 `budget_tokens`는 **1024토큰**부터 시작하며 일반적으로 `max_tokens`보다 작아야 합니다. 도구 사이의 추론에는 예외가 있습니다. 하나의 턴에서 여러 분석 블록에 걸쳐 적용되므로 예산이 `max_tokens`를 초과할 수 있습니다. 이 예외에는 애플리케이션의 해당 모드 지원이 필요합니다.\n\n`effort`는 전체 작업의 깊이를 조절합니다. `low`, `medium`, `high`를 사용할 수 있으며 기본은 `high`입니다. 추론이 활성화된 경우와 비활성화된 경우에 모두 작동합니다. 추론 예산과 노력 수준의 역할은 다릅니다. 전자는 내부 분석의 양을 조절하고, 후자는 전체 응답 작업에 영향을 줍니다. 이 버전에는 적응형 모드가 없습니다.\n\n### 텍스트와 시각 자료\n\n입력은 **텍스트와 이미지**이며, 모델은 **텍스트**를 출력합니다. 컨텍스트는 **20만 토큰**, 최대 응답 길이는 **6만 4000토큰**입니다. 방대한 자료를 연구, 문서 분석, 개발에 사용할 수 있지만 결과는 이 특정 버전의 제한 안에 들어가야 합니다.\n\n개발사의 일반 시각 입력 형식은 JPEG/PNG/GIF/WebP이며, 애니메이션은 첫 프레임을 사용합니다. 네이티브 분석 시 긴 변은 1568픽셀, 시각 토큰은 1568개입니다. 큰 이미지는 분석 전에 축소됩니다. 파일과 설정의 지원 여부는 애플리케이션의 호출 방식에 따라 달라집니다.\n\n내장 지식의 신뢰할 수 있는 기준 시점은 **2025년 5월**입니다. 최신 정보에는 제공된 자료나 애플리케이션의 도구가 필요합니다. Anthropic은 다른 콘텐츠에 숨겨진 악성 지시에 저항하도록 모델을 학습시켰지만, 이것이 잘못된 판단을 완전히 막지는 않습니다. 계획, 변경 사항, 결론은 실제 과제에서 검증해야 합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Fix a mutation-dependent retry bug\n\nReview this Python function: def ready(items):\n for item in items:\n if item["done"]:\n items.remove(item)\n return items\nWith two adjacent completed items, one remains. Propose a minimal correction that preserves the input list, and provide tests for adjacent completed items, no completed items and an empty list.A corrected Python function, a brief bug explanation and three executable test cases.Check that iteration does not mutate the source list and that the test with two adjacent completed items removes both from the result.claude-opus-4-5-20251101Claude Opus 4.5는 복잡한 개발, 연구, 여러 단계의 도구 사용에 초점을 맞춥니다. 모호한 과제를 분석하고 문서, 스프레드시트, 프레젠테이션의 내용을 준비하는 데 도움을 줍니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Claude Opus 4.5는 모호한 요구 사항을 이해하고, 작업 계획을 선택하며, 단계적으로 결과에 도달해야 하는 과제를 위한 Anthropic 모델입니다. 주요 활용 분야로 프로그래밍, 에이전트 작업, 컴퓨터 사용, 심층 연구를 제시합니다. 일상적인 전문 업무에서는 스프레드시트와 프레젠테이션 작업에 도움을 줄 수 있습니다.
엔지니어링 과제에서 Opus 4.5는 시스템 여러 부분의 관계를 검토하고, 복잡한 오류의 원인을 찾으며, 절충안을 논의하고 코드 변경을 준비할 수 있습니다. 장기 작업에 대해 Anthropic은 작업 계획, 도구 사용, 하위 작업 조율을 별도로 강조합니다. 먼저 자료를 조사한 뒤 작업을 선택하고 결과를 확인해야 하는 상황에 적합합니다.
파일 읽기와 편집, 명령 실행, 정보 검색, 인터페이스 작업 수단은 애플리케이션이 제공해야 합니다. 모델은 무엇을 해야 할지 추론하고 사용 가능한 도구에 대한 호출을 구성합니다. 실제 실행은 연결된 환경에 따라 달라집니다. 마찬가지로 스프레드시트나 프레젠테이션 준비에는 내용과 코드가 포함될 수 있지만, 완성된 파일을 출력하려면 해당 도구가 필요합니다.
Opus 4.5는 수동 예산 budget_tokens를 사용하는 extended thinking을 지원합니다. 이 모드를 활성화하면 최종 응답 전에 과제를 분석합니다. 애플리케이션이 적절하게 지원하면 도구 호출 사이에도 추론하여 다음 작업 전에 받은 결과를 반영할 수 있습니다.
호출 방식이 설정을 지원하면 수동 예산 budget_tokens는 1024토큰부터 시작하며 일반적으로 max_tokens보다 작아야 합니다. 도구 사이의 추론에는 예외가 있습니다. 하나의 턴에서 여러 분석 블록에 걸쳐 적용되므로 예산이 max_tokens를 초과할 수 있습니다. 이 예외에는 애플리케이션의 해당 모드 지원이 필요합니다.
effort는 전체 작업의 깊이를 조절합니다. low, medium, high를 사용할 수 있으며 기본은 high입니다. 추론이 활성화된 경우와 비활성화된 경우에 모두 작동합니다. 추론 예산과 노력 수준의 역할은 다릅니다. 전자는 내부 분석의 양을 조절하고, 후자는 전체 응답 작업에 영향을 줍니다. 이 버전에는 적응형 모드가 없습니다.
입력은 텍스트와 이미지이며, 모델은 텍스트를 출력합니다. 컨텍스트는 20만 토큰, 최대 응답 길이는 6만 4000토큰입니다. 방대한 자료를 연구, 문서 분석, 개발에 사용할 수 있지만 결과는 이 특정 버전의 제한 안에 들어가야 합니다.
개발사의 일반 시각 입력 형식은 JPEG/PNG/GIF/WebP이며, 애니메이션은 첫 프레임을 사용합니다. 네이티브 분석 시 긴 변은 1568픽셀, 시각 토큰은 1568개입니다. 큰 이미지는 분석 전에 축소됩니다. 파일과 설정의 지원 여부는 애플리케이션의 호출 방식에 따라 달라집니다.
내장 지식의 신뢰할 수 있는 기준 시점은 2025년 5월입니다. 최신 정보에는 제공된 자료나 애플리케이션의 도구가 필요합니다. Anthropic은 다른 콘텐츠에 숨겨진 악성 지시에 저항하도록 모델을 학습시켰지만, 이것이 잘못된 판단을 완전히 막지는 않습니다. 계획, 변경 사항, 결론은 실제 과제에서 검증해야 합니다.
POST /v1/messagestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 claude-opus-4-5-20251101 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string|content_block[] | 요건필수 | 값과 한도 | 기본값— |
필드system | 유형string|content_block[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 최솟값: 1 한도 적용 대상: 선택한 모델/카드의 정확한 상한 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop_sequences | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].name | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 도구 지정됨 | 기본값— |
필드tools[].description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].input_schema | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.type | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.budget_tokens | 유형integer | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드output_config.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드metadata | 유형object | 요건선택 사항 | 값과 한도 | 기본값— |
필드cache_control | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content 또는 type=text 블록
텍스트 + 이미지
{type:image,source:{type:base64,media_type,data}} 또는 type=url인 소스
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/messagesAiloot는 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: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-5-20251101", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-5-20251101", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="claude-opus-4-5-20251101",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "claude-opus-4-5-20251101",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='claude-opus-4-5-20251101',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 claude-opus-4-5-20251101
Ailoot Ultra claude-opus-4-5-20251101
/chat/completions
claude-opus-4-5-20251101Claude Opus 4.5는 복잡한 개발, 연구, 여러 단계의 도구 사용에 초점을 맞춥니다. 모호한 과제를 분석하고 문서, 스프레드시트, 프레젠테이션의 내용을 준비하는 데 도움을 줍니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Claude Opus 4.5는 모호한 요구 사항을 이해하고, 작업 계획을 선택하며, 단계적으로 결과에 도달해야 하는 과제를 위한 Anthropic 모델입니다. 주요 활용 분야로 프로그래밍, 에이전트 작업, 컴퓨터 사용, 심층 연구를 제시합니다. 일상적인 전문 업무에서는 스프레드시트와 프레젠테이션 작업에 도움을 줄 수 있습니다.
엔지니어링 과제에서 Opus 4.5는 시스템 여러 부분의 관계를 검토하고, 복잡한 오류의 원인을 찾으며, 절충안을 논의하고 코드 변경을 준비할 수 있습니다. 장기 작업에 대해 Anthropic은 작업 계획, 도구 사용, 하위 작업 조율을 별도로 강조합니다. 먼저 자료를 조사한 뒤 작업을 선택하고 결과를 확인해야 하는 상황에 적합합니다.
파일 읽기와 편집, 명령 실행, 정보 검색, 인터페이스 작업 수단은 애플리케이션이 제공해야 합니다. 모델은 무엇을 해야 할지 추론하고 사용 가능한 도구에 대한 호출을 구성합니다. 실제 실행은 연결된 환경에 따라 달라집니다. 마찬가지로 스프레드시트나 프레젠테이션 준비에는 내용과 코드가 포함될 수 있지만, 완성된 파일을 출력하려면 해당 도구가 필요합니다.
Opus 4.5는 수동 예산 budget_tokens를 사용하는 extended thinking을 지원합니다. 이 모드를 활성화하면 최종 응답 전에 과제를 분석합니다. 애플리케이션이 적절하게 지원하면 도구 호출 사이에도 추론하여 다음 작업 전에 받은 결과를 반영할 수 있습니다.
호출 방식이 설정을 지원하면 수동 예산 budget_tokens는 1024토큰부터 시작하며 일반적으로 max_tokens보다 작아야 합니다. 도구 사이의 추론에는 예외가 있습니다. 하나의 턴에서 여러 분석 블록에 걸쳐 적용되므로 예산이 max_tokens를 초과할 수 있습니다. 이 예외에는 애플리케이션의 해당 모드 지원이 필요합니다.
effort는 전체 작업의 깊이를 조절합니다. low, medium, high를 사용할 수 있으며 기본은 high입니다. 추론이 활성화된 경우와 비활성화된 경우에 모두 작동합니다. 추론 예산과 노력 수준의 역할은 다릅니다. 전자는 내부 분석의 양을 조절하고, 후자는 전체 응답 작업에 영향을 줍니다. 이 버전에는 적응형 모드가 없습니다.
입력은 텍스트와 이미지이며, 모델은 텍스트를 출력합니다. 컨텍스트는 20만 토큰, 최대 응답 길이는 6만 4000토큰입니다. 방대한 자료를 연구, 문서 분석, 개발에 사용할 수 있지만 결과는 이 특정 버전의 제한 안에 들어가야 합니다.
개발사의 일반 시각 입력 형식은 JPEG/PNG/GIF/WebP이며, 애니메이션은 첫 프레임을 사용합니다. 네이티브 분석 시 긴 변은 1568픽셀, 시각 토큰은 1568개입니다. 큰 이미지는 분석 전에 축소됩니다. 파일과 설정의 지원 여부는 애플리케이션의 호출 방식에 따라 달라집니다.
내장 지식의 신뢰할 수 있는 기준 시점은 2025년 5월입니다. 최신 정보에는 제공된 자료나 애플리케이션의 도구가 필요합니다. Anthropic은 다른 콘텐츠에 숨겨진 악성 지시에 저항하도록 모델을 학습시켰지만, 이것이 잘못된 판단을 완전히 막지는 않습니다. 계획, 변경 사항, 결론은 실제 과제에서 검증해야 합니다.
POST /v1/responsestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 claude-opus-4-5-20251101 | 기본값— |
필드input | 유형string|input_item[] | 요건필수 | 값과 한도 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].type | 유형string | 요건선택 사항 | 값과 한도 message, reasoning, function_call, function_call_output | 기본값— |
필드input[].content | 유형string|content_part[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: function_call_output. 실제 반환된 call_id를 유지하세요 | 기본값— |
필드input[].output | 유형string|content_part[] | 요건선택 사항 | 값과 한도 적용 조건: function_call_output | 기본값— |
필드max_output_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 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— |
필드reasoning.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.summary | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.verbosity | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드include | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드store | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드previous_response_id | 유형string | 요건선택 사항 | 값과 한도 ID 요건: 지원되는 이어가기의 실제 응답 ID만 사용 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_key | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
입력 텍스트 또는 input_text 파트
텍스트 + 이미지
{type:input_image,image_url}
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, input |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/responsesAiloot는 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}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-5-20251101", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-5-20251101", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="claude-opus-4-5-20251101", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "claude-opus-4-5-20251101", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="claude-opus-4-5-20251101", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 출력 항목과 콘텐츠 파트, 실제 함수 call_id, 암호화된 추론, 사용량을 보존하세요. 스트리밍에서는 이벤트/항목의 식별 정보를 완전하게 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드status | 유형string |
필드output[] | 유형message|reasoning|function_call|other item |
필드output[].content[] | 유형content part |
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 claude-opus-4-5-20251101
Ailoot Ultra claude-opus-4-5-20251101
/chat/completions
claude-opus-4-5-20251101Claude Opus 4.5는 복잡한 개발, 연구, 여러 단계의 도구 사용에 초점을 맞춥니다. 모호한 과제를 분석하고 문서, 스프레드시트, 프레젠테이션의 내용을 준비하는 데 도움을 줍니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Claude Opus 4.5는 모호한 요구 사항을 이해하고, 작업 계획을 선택하며, 단계적으로 결과에 도달해야 하는 과제를 위한 Anthropic 모델입니다. 주요 활용 분야로 프로그래밍, 에이전트 작업, 컴퓨터 사용, 심층 연구를 제시합니다. 일상적인 전문 업무에서는 스프레드시트와 프레젠테이션 작업에 도움을 줄 수 있습니다.
엔지니어링 과제에서 Opus 4.5는 시스템 여러 부분의 관계를 검토하고, 복잡한 오류의 원인을 찾으며, 절충안을 논의하고 코드 변경을 준비할 수 있습니다. 장기 작업에 대해 Anthropic은 작업 계획, 도구 사용, 하위 작업 조율을 별도로 강조합니다. 먼저 자료를 조사한 뒤 작업을 선택하고 결과를 확인해야 하는 상황에 적합합니다.
파일 읽기와 편집, 명령 실행, 정보 검색, 인터페이스 작업 수단은 애플리케이션이 제공해야 합니다. 모델은 무엇을 해야 할지 추론하고 사용 가능한 도구에 대한 호출을 구성합니다. 실제 실행은 연결된 환경에 따라 달라집니다. 마찬가지로 스프레드시트나 프레젠테이션 준비에는 내용과 코드가 포함될 수 있지만, 완성된 파일을 출력하려면 해당 도구가 필요합니다.
Opus 4.5는 수동 예산 budget_tokens를 사용하는 extended thinking을 지원합니다. 이 모드를 활성화하면 최종 응답 전에 과제를 분석합니다. 애플리케이션이 적절하게 지원하면 도구 호출 사이에도 추론하여 다음 작업 전에 받은 결과를 반영할 수 있습니다.
호출 방식이 설정을 지원하면 수동 예산 budget_tokens는 1024토큰부터 시작하며 일반적으로 max_tokens보다 작아야 합니다. 도구 사이의 추론에는 예외가 있습니다. 하나의 턴에서 여러 분석 블록에 걸쳐 적용되므로 예산이 max_tokens를 초과할 수 있습니다. 이 예외에는 애플리케이션의 해당 모드 지원이 필요합니다.
effort는 전체 작업의 깊이를 조절합니다. low, medium, high를 사용할 수 있으며 기본은 high입니다. 추론이 활성화된 경우와 비활성화된 경우에 모두 작동합니다. 추론 예산과 노력 수준의 역할은 다릅니다. 전자는 내부 분석의 양을 조절하고, 후자는 전체 응답 작업에 영향을 줍니다. 이 버전에는 적응형 모드가 없습니다.
입력은 텍스트와 이미지이며, 모델은 텍스트를 출력합니다. 컨텍스트는 20만 토큰, 최대 응답 길이는 6만 4000토큰입니다. 방대한 자료를 연구, 문서 분석, 개발에 사용할 수 있지만 결과는 이 특정 버전의 제한 안에 들어가야 합니다.
개발사의 일반 시각 입력 형식은 JPEG/PNG/GIF/WebP이며, 애니메이션은 첫 프레임을 사용합니다. 네이티브 분석 시 긴 변은 1568픽셀, 시각 토큰은 1568개입니다. 큰 이미지는 분석 전에 축소됩니다. 파일과 설정의 지원 여부는 애플리케이션의 호출 방식에 따라 달라집니다.
내장 지식의 신뢰할 수 있는 기준 시점은 2025년 5월입니다. 최신 정보에는 제공된 자료나 애플리케이션의 도구가 필요합니다. Anthropic은 다른 콘텐츠에 숨겨진 악성 지시에 저항하도록 모델을 학습시켰지만, 이것이 잘못된 판단을 완전히 막지는 않습니다. 계획, 변경 사항, 결론은 실제 과제에서 검증해야 합니다.
POST /v1/chat/completionstext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 claude-opus-4-5-20251101 | 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 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— |
텍스트 · UTF8 텍스트
messages[].content
텍스트 + 이미지
{type:image_url,image_url:{url,detail}}
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, messages |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/chat/completionsAiloot는 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}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-5-20251101", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-5-20251101", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="claude-opus-4-5-20251101",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "claude-opus-4-5-20251101",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-4-5-20251101',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 claude-opus-4-5-20251101
Ailoot Ultra claude-opus-4-5-20251101
/chat/completions
claude-opus-4-5-20251101Claude Opus 4.5는 복잡한 개발, 연구, 여러 단계의 도구 사용에 초점을 맞춥니다. 모호한 과제를 분석하고 문서, 스프레드시트, 프레젠테이션의 내용을 준비하는 데 도움을 줍니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Claude Opus 4.5는 모호한 요구 사항을 이해하고, 작업 계획을 선택하며, 단계적으로 결과에 도달해야 하는 과제를 위한 Anthropic 모델입니다. 주요 활용 분야로 프로그래밍, 에이전트 작업, 컴퓨터 사용, 심층 연구를 제시합니다. 일상적인 전문 업무에서는 스프레드시트와 프레젠테이션 작업에 도움을 줄 수 있습니다.
엔지니어링 과제에서 Opus 4.5는 시스템 여러 부분의 관계를 검토하고, 복잡한 오류의 원인을 찾으며, 절충안을 논의하고 코드 변경을 준비할 수 있습니다. 장기 작업에 대해 Anthropic은 작업 계획, 도구 사용, 하위 작업 조율을 별도로 강조합니다. 먼저 자료를 조사한 뒤 작업을 선택하고 결과를 확인해야 하는 상황에 적합합니다.
파일 읽기와 편집, 명령 실행, 정보 검색, 인터페이스 작업 수단은 애플리케이션이 제공해야 합니다. 모델은 무엇을 해야 할지 추론하고 사용 가능한 도구에 대한 호출을 구성합니다. 실제 실행은 연결된 환경에 따라 달라집니다. 마찬가지로 스프레드시트나 프레젠테이션 준비에는 내용과 코드가 포함될 수 있지만, 완성된 파일을 출력하려면 해당 도구가 필요합니다.
Opus 4.5는 수동 예산 budget_tokens를 사용하는 extended thinking을 지원합니다. 이 모드를 활성화하면 최종 응답 전에 과제를 분석합니다. 애플리케이션이 적절하게 지원하면 도구 호출 사이에도 추론하여 다음 작업 전에 받은 결과를 반영할 수 있습니다.
호출 방식이 설정을 지원하면 수동 예산 budget_tokens는 1024토큰부터 시작하며 일반적으로 max_tokens보다 작아야 합니다. 도구 사이의 추론에는 예외가 있습니다. 하나의 턴에서 여러 분석 블록에 걸쳐 적용되므로 예산이 max_tokens를 초과할 수 있습니다. 이 예외에는 애플리케이션의 해당 모드 지원이 필요합니다.
effort는 전체 작업의 깊이를 조절합니다. low, medium, high를 사용할 수 있으며 기본은 high입니다. 추론이 활성화된 경우와 비활성화된 경우에 모두 작동합니다. 추론 예산과 노력 수준의 역할은 다릅니다. 전자는 내부 분석의 양을 조절하고, 후자는 전체 응답 작업에 영향을 줍니다. 이 버전에는 적응형 모드가 없습니다.
입력은 텍스트와 이미지이며, 모델은 텍스트를 출력합니다. 컨텍스트는 20만 토큰, 최대 응답 길이는 6만 4000토큰입니다. 방대한 자료를 연구, 문서 분석, 개발에 사용할 수 있지만 결과는 이 특정 버전의 제한 안에 들어가야 합니다.
개발사의 일반 시각 입력 형식은 JPEG/PNG/GIF/WebP이며, 애니메이션은 첫 프레임을 사용합니다. 네이티브 분석 시 긴 변은 1568픽셀, 시각 토큰은 1568개입니다. 큰 이미지는 분석 전에 축소됩니다. 파일과 설정의 지원 여부는 애플리케이션의 호출 방식에 따라 달라집니다.
내장 지식의 신뢰할 수 있는 기준 시점은 2025년 5월입니다. 최신 정보에는 제공된 자료나 애플리케이션의 도구가 필요합니다. Anthropic은 다른 콘텐츠에 숨겨진 악성 지시에 저항하도록 모델을 학습시켰지만, 이것이 잘못된 판단을 완전히 막지는 않습니다. 계획, 변경 사항, 결론은 실제 과제에서 검증해야 합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 claude-opus-4-5-20251101 | 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 $0.01 / 1K 토큰 출력 · 출력 토큰 $0.05 / 1K 토큰 입력 · 캐시 읽기 $0.001 / 1K 토큰 입력 · 캐시 쓰기 $0.0125 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-opus-4-5-20251101","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-4-5-20251101", 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 claude-opus-4-5-20251101
Ailoot Ultra claude-opus-4-5-20251101
/chat/completions
claude-opus-4-5-20251101Claude Opus 4.5는 복잡한 개발, 연구, 여러 단계의 도구 사용에 초점을 맞춥니다. 모호한 과제를 분석하고 문서, 스프레드시트, 프레젠테이션의 내용을 준비하는 데 도움을 줍니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Claude Opus 4.5는 모호한 요구 사항을 이해하고, 작업 계획을 선택하며, 단계적으로 결과에 도달해야 하는 과제를 위한 Anthropic 모델입니다. 주요 활용 분야로 프로그래밍, 에이전트 작업, 컴퓨터 사용, 심층 연구를 제시합니다. 일상적인 전문 업무에서는 스프레드시트와 프레젠테이션 작업에 도움을 줄 수 있습니다.
엔지니어링 과제에서 Opus 4.5는 시스템 여러 부분의 관계를 검토하고, 복잡한 오류의 원인을 찾으며, 절충안을 논의하고 코드 변경을 준비할 수 있습니다. 장기 작업에 대해 Anthropic은 작업 계획, 도구 사용, 하위 작업 조율을 별도로 강조합니다. 먼저 자료를 조사한 뒤 작업을 선택하고 결과를 확인해야 하는 상황에 적합합니다.
파일 읽기와 편집, 명령 실행, 정보 검색, 인터페이스 작업 수단은 애플리케이션이 제공해야 합니다. 모델은 무엇을 해야 할지 추론하고 사용 가능한 도구에 대한 호출을 구성합니다. 실제 실행은 연결된 환경에 따라 달라집니다. 마찬가지로 스프레드시트나 프레젠테이션 준비에는 내용과 코드가 포함될 수 있지만, 완성된 파일을 출력하려면 해당 도구가 필요합니다.
Opus 4.5는 수동 예산 budget_tokens를 사용하는 extended thinking을 지원합니다. 이 모드를 활성화하면 최종 응답 전에 과제를 분석합니다. 애플리케이션이 적절하게 지원하면 도구 호출 사이에도 추론하여 다음 작업 전에 받은 결과를 반영할 수 있습니다.
호출 방식이 설정을 지원하면 수동 예산 budget_tokens는 1024토큰부터 시작하며 일반적으로 max_tokens보다 작아야 합니다. 도구 사이의 추론에는 예외가 있습니다. 하나의 턴에서 여러 분석 블록에 걸쳐 적용되므로 예산이 max_tokens를 초과할 수 있습니다. 이 예외에는 애플리케이션의 해당 모드 지원이 필요합니다.
effort는 전체 작업의 깊이를 조절합니다. low, medium, high를 사용할 수 있으며 기본은 high입니다. 추론이 활성화된 경우와 비활성화된 경우에 모두 작동합니다. 추론 예산과 노력 수준의 역할은 다릅니다. 전자는 내부 분석의 양을 조절하고, 후자는 전체 응답 작업에 영향을 줍니다. 이 버전에는 적응형 모드가 없습니다.
입력은 텍스트와 이미지이며, 모델은 텍스트를 출력합니다. 컨텍스트는 20만 토큰, 최대 응답 길이는 6만 4000토큰입니다. 방대한 자료를 연구, 문서 분석, 개발에 사용할 수 있지만 결과는 이 특정 버전의 제한 안에 들어가야 합니다.
개발사의 일반 시각 입력 형식은 JPEG/PNG/GIF/WebP이며, 애니메이션은 첫 프레임을 사용합니다. 네이티브 분석 시 긴 변은 1568픽셀, 시각 토큰은 1568개입니다. 큰 이미지는 분석 전에 축소됩니다. 파일과 설정의 지원 여부는 애플리케이션의 호출 방식에 따라 달라집니다.
내장 지식의 신뢰할 수 있는 기준 시점은 2025년 5월입니다. 최신 정보에는 제공된 자료나 애플리케이션의 도구가 필요합니다. Anthropic은 다른 콘텐츠에 숨겨진 악성 지시에 저항하도록 모델을 학습시켰지만, 이것이 잘못된 판단을 완전히 막지는 않습니다. 계획, 변경 사항, 결론은 실제 과제에서 검증해야 합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 claude-opus-4-5-20251101 | 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.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.01 / 1K 토큰 출력 · 출력 토큰 $0.05 / 1K 토큰 입력 · 캐시 읽기 $0.001 / 1K 토큰 입력 · 캐시 쓰기 $0.0125 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "claude-opus-4-5-20251101",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'claude-opus-4-5-20251101', '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': 'claude-opus-4-5-20251101', '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 claude-opus-4-5-20251101
Ailoot Ultra claude-opus-4-5-20251101
/chat/completions
영어 기술 예제
Fix a mutation-dependent retry bug\n\nReview this Python function: def ready(items):\n for item in items:\n if item["done"]:\n items.remove(item)\n return items\nWith two adjacent completed items, one remains. Propose a minimal correction that preserves the input list, and provide tests for adjacent completed items, no completed items and an empty list.A corrected Python function, a brief bug explanation and three executable test cases.Check that iteration does not mutate the source list and that the test with two adjacent completed items removes both from the result.