Claude Opus 4.5 — Anthropic modelis užduotims, kuriose reikia suprasti nevienareikšmius reikalavimus, pasirinkti veiksmų planą ir nuosekliai užbaigti darbą. Pagrindinės pristatymo kryptys — programavimas, agentinis darbas, kompiuterio naudojimas ir išsamūs tyrimai. Kasdieniame profesiniame darbe modelis gali padėti su lentelėmis ir pristatymais.
Inžinerinėje užduotyje Opus 4.5 gali nagrinėti kelių sistemos dalių ryšius, ieškoti sudėtingos klaidos priežasties, aptarti kompromisus ir rengti kodo pakeitimus. Ilgam darbui Anthropic atskirai pabrėžia veiksmų planavimą, įrankių naudojimą ir dalinių užduočių koordinavimą. Tai tinka scenarijui, kai pirmiausia reikia išstudijuoti medžiagą, tada pasirinkti veiksmus ir patikrinti jų rezultatą.
Failų skaitymo bei redagavimo, komandų vykdymo, informacijos paieškos ir darbo sąsajoje priemones turi teikti programa. Modelis samprotauja, ką daryti, ir formuoja kreipimusis į prieinamus įrankius; faktinis vykdymas priklauso nuo prijungtos aplinkos. Panašiai lentelės ar pristatymo rengimas gali apimti turinį ir kodą, o galutiniam failui pateikti reikia atitinkamo įrankio.
Opus 4.5 palaiko extended thinking su rankiniu budget_tokens biudžetu. Įjungus šį režimą, modelis analizuoja užduotį prieš galutinį atsakymą. Jei programa teikia atitinkamą palaikymą, jis taip pat gali samprotauti tarp kreipimųsi į įrankius, atsižvelgdamas į gautus rezultatus prieš kitą veiksmą.
Kai metodas palaiko nuostatas, rankinis budget_tokens biudžetas prasideda nuo 1024 tokenų ir paprastai turi būti mažesnis už max_tokens. Yra išimtis samprotavimui tarp įrankių: biudžetas gali viršyti max_tokens, nes apima kelis analizės blokus viename ėjime. Šiai išimčiai reikia tokio režimo palaikymo programoje.
Parametras effort reguliuoja bendrą išnagrinėjimo laipsnį: galimi low, medium ir high, įprastas lygis — high. Jis veikia tiek įjungus samprotavimą, tiek be jo. Samprotavimo biudžetas ir pastangos atlieka skirtingas funkcijas: pirmasis nukreipia vidinės analizės apimtį, antrasis veikia darbą su atsakymu apskritai. Šioje versijoje adaptyvaus režimo nėra.
Įvestis — tekstas ir vaizdai, išvestyje modelis kuria tekstą. Kontekstas — 200 tūkst. tokenų, didžiausia atsakymo apimtis — 64 tūkst. tokenų. Didelį medžiagos rinkinį galima naudoti tyrimams, dokumentų analizei ir programavimui, tačiau rezultatas turi tilpti į šios konkrečios versijos ribas.
Gamintojo įprastos vaizdinės įvesties formatai: JPEG/PNG/GIF/WebP, pirmasis animacijos kadras. Analizuojant pradine raiška: ilgoji kraštinė — 1568 pikseliai, 1568 vaizdiniai tokenai; dideli vaizdai prieš analizę sumažinami. Failų ir parametrų palaikymas priklauso nuo programos metodo.
Patikima integruotų žinių riba — 2025 m. gegužė. Dabartinei informacijai reikia pateiktos medžiagos arba programos įrankių. Anthropic mokė modelį priešintis kenksmingoms instrukcijoms, paslėptoms svetimame turinyje, tačiau tai neatmeta klaidingų išvadų: planą, pakeitimus ir išvadas reikia tikrinti jų tikroje užduotyje.
", "aboutText": "Claude Opus 4.5 — Anthropic modelis užduotims, kuriose reikia suprasti nevienareikšmius reikalavimus, pasirinkti veiksmų planą ir nuosekliai užbaigti darbą. Pagrindinės pristatymo kryptys — programavimas, agentinis darbas, kompiuterio naudojimas ir išsamūs tyrimai. Kasdieniame profesiniame darbe modelis gali padėti su lentelėmis ir pristatymais.\n\n### Nuo problemos analizės iki vykdymo\n\nInžinerinėje užduotyje Opus 4.5 gali nagrinėti kelių sistemos dalių ryšius, ieškoti sudėtingos klaidos priežasties, aptarti kompromisus ir rengti kodo pakeitimus. Ilgam darbui Anthropic atskirai pabrėžia veiksmų planavimą, įrankių naudojimą ir dalinių užduočių koordinavimą. Tai tinka scenarijui, kai pirmiausia reikia išstudijuoti medžiagą, tada pasirinkti veiksmus ir patikrinti jų rezultatą.\n\nFailų skaitymo bei redagavimo, komandų vykdymo, informacijos paieškos ir darbo sąsajoje priemones turi teikti programa. Modelis samprotauja, ką daryti, ir formuoja kreipimusis į prieinamus įrankius; faktinis vykdymas priklauso nuo prijungtos aplinkos. Panašiai lentelės ar pristatymo rengimas gali apimti turinį ir kodą, o galutiniam failui pateikti reikia atitinkamo įrankio.\n\n### Du skirtingi darbo reguliatoriai\n\nOpus 4.5 palaiko **extended thinking** su rankiniu `budget_tokens` biudžetu. Įjungus šį režimą, modelis analizuoja užduotį prieš galutinį atsakymą. Jei programa teikia atitinkamą palaikymą, jis taip pat gali samprotauti tarp kreipimųsi į įrankius, atsižvelgdamas į gautus rezultatus prieš kitą veiksmą.\n\nKai metodas palaiko nuostatas, rankinis `budget_tokens` biudžetas prasideda nuo **1024 tokenų** ir paprastai turi būti mažesnis už `max_tokens`. Yra išimtis samprotavimui tarp įrankių: biudžetas gali viršyti `max_tokens`, nes apima kelis analizės blokus viename ėjime. Šiai išimčiai reikia tokio režimo palaikymo programoje.\n\nParametras `effort` reguliuoja bendrą išnagrinėjimo laipsnį: galimi `low`, `medium` ir `high`, įprastas lygis — `high`. Jis veikia tiek įjungus samprotavimą, tiek be jo. Samprotavimo biudžetas ir pastangos atlieka skirtingas funkcijas: pirmasis nukreipia vidinės analizės apimtį, antrasis veikia darbą su atsakymu apskritai. Šioje versijoje adaptyvaus režimo nėra.\n\n### Tekstas ir vaizdinė medžiaga\n\nĮvestis — **tekstas ir vaizdai**, išvestyje modelis kuria **tekstą**. Kontekstas — **200 tūkst. tokenų**, didžiausia atsakymo apimtis — **64 tūkst. tokenų**. Didelį medžiagos rinkinį galima naudoti tyrimams, dokumentų analizei ir programavimui, tačiau rezultatas turi tilpti į šios konkrečios versijos ribas.\n\nGamintojo įprastos vaizdinės įvesties formatai: JPEG/PNG/GIF/WebP, pirmasis animacijos kadras. Analizuojant pradine raiška: ilgoji kraštinė — 1568 pikseliai, 1568 vaizdiniai tokenai; dideli vaizdai prieš analizę sumažinami. Failų ir parametrų palaikymas priklauso nuo programos metodo.\n\nPatikima integruotų žinių riba — **2025 m. gegužė**. Dabartinei informacijai reikia pateiktos medžiagos arba programos įrankių. Anthropic mokė modelį priešintis kenksmingoms instrukcijoms, paslėptoms svetimame turinyje, tačiau tai neatmeta klaidingų išvadų: planą, pakeitimus ir išvadas reikia tikrinti jų tikroje užduotyje.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Choose a safe invoice migration order\n\nOur invoice service has old readers that require customer_name. New writers will add customer_id, and historical invoices must remain readable during rollout. Propose a migration sequence covering schema expansion, backfill, mixed-version operation and removal of the old field. Identify the rollback point at each stage and the evidence required before advancing.A staged migration table with compatibility conditions, rollback actions and advancement checks.No stage removes customer_name while an old reader can still depend on it.claude-opus-4-5Claude Opus 4.5 skirtas sudėtingam programavimui, tyrimams ir kelių žingsnių darbui su įrankiais. Padeda analizuoti nevienareikšmes užduotis ir rengti dokumentų, lentelių bei pristatymų turinį.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Claude Opus 4.5 — Anthropic modelis užduotims, kuriose reikia suprasti nevienareikšmius reikalavimus, pasirinkti veiksmų planą ir nuosekliai užbaigti darbą. Pagrindinės pristatymo kryptys — programavimas, agentinis darbas, kompiuterio naudojimas ir išsamūs tyrimai. Kasdieniame profesiniame darbe modelis gali padėti su lentelėmis ir pristatymais.
Inžinerinėje užduotyje Opus 4.5 gali nagrinėti kelių sistemos dalių ryšius, ieškoti sudėtingos klaidos priežasties, aptarti kompromisus ir rengti kodo pakeitimus. Ilgam darbui Anthropic atskirai pabrėžia veiksmų planavimą, įrankių naudojimą ir dalinių užduočių koordinavimą. Tai tinka scenarijui, kai pirmiausia reikia išstudijuoti medžiagą, tada pasirinkti veiksmus ir patikrinti jų rezultatą.
Failų skaitymo bei redagavimo, komandų vykdymo, informacijos paieškos ir darbo sąsajoje priemones turi teikti programa. Modelis samprotauja, ką daryti, ir formuoja kreipimusis į prieinamus įrankius; faktinis vykdymas priklauso nuo prijungtos aplinkos. Panašiai lentelės ar pristatymo rengimas gali apimti turinį ir kodą, o galutiniam failui pateikti reikia atitinkamo įrankio.
Opus 4.5 palaiko extended thinking su rankiniu budget_tokens biudžetu. Įjungus šį režimą, modelis analizuoja užduotį prieš galutinį atsakymą. Jei programa teikia atitinkamą palaikymą, jis taip pat gali samprotauti tarp kreipimųsi į įrankius, atsižvelgdamas į gautus rezultatus prieš kitą veiksmą.
Kai metodas palaiko nuostatas, rankinis budget_tokens biudžetas prasideda nuo 1024 tokenų ir paprastai turi būti mažesnis už max_tokens. Yra išimtis samprotavimui tarp įrankių: biudžetas gali viršyti max_tokens, nes apima kelis analizės blokus viename ėjime. Šiai išimčiai reikia tokio režimo palaikymo programoje.
Parametras effort reguliuoja bendrą išnagrinėjimo laipsnį: galimi low, medium ir high, įprastas lygis — high. Jis veikia tiek įjungus samprotavimą, tiek be jo. Samprotavimo biudžetas ir pastangos atlieka skirtingas funkcijas: pirmasis nukreipia vidinės analizės apimtį, antrasis veikia darbą su atsakymu apskritai. Šioje versijoje adaptyvaus režimo nėra.
Įvestis — tekstas ir vaizdai, išvestyje modelis kuria tekstą. Kontekstas — 200 tūkst. tokenų, didžiausia atsakymo apimtis — 64 tūkst. tokenų. Didelį medžiagos rinkinį galima naudoti tyrimams, dokumentų analizei ir programavimui, tačiau rezultatas turi tilpti į šios konkrečios versijos ribas.
Gamintojo įprastos vaizdinės įvesties formatai: JPEG/PNG/GIF/WebP, pirmasis animacijos kadras. Analizuojant pradine raiška: ilgoji kraštinė — 1568 pikseliai, 1568 vaizdiniai tokenai; dideli vaizdai prieš analizę sumažinami. Failų ir parametrų palaikymas priklauso nuo programos metodo.
Patikima integruotų žinių riba — 2025 m. gegužė. Dabartinei informacijai reikia pateiktos medžiagos arba programos įrankių. Anthropic mokė modelį priešintis kenksmingoms instrukcijoms, paslėptoms svetimame turinyje, tačiau tai neatmeta klaidingų išvadų: planą, pakeitimus ir išvadas reikia tikrinti jų tikroje užduotyje.
POST /v1/messagestext, imagetext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos claude-opus-4-5 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring|content_block[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukassystem | Tipasstring|content_block[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Riba taikoma: konkretus pasirinkto modelio / kortelės limitas | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop_sequences | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas įrankis | Numatyta— |
Laukastools[].description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].input_schema | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.budget_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasoutput_config.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmetadata | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukascache_control | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content arba type=text blokas
Tekstas + vaizdas
{type:image,source:{type:base64,media_type,data}} arba šaltinis type=url
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext, image |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/messagesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
set -eu\n: "${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", "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", "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",\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",\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',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot claude-opus-4-5
Ailoot Ultra anthropic/claude-opus-4.5
Naudokite aukščiau nurodytus metodų kelius.
claude-opus-4-5Claude Opus 4.5 skirtas sudėtingam programavimui, tyrimams ir kelių žingsnių darbui su įrankiais. Padeda analizuoti nevienareikšmes užduotis ir rengti dokumentų, lentelių bei pristatymų turinį.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Claude Opus 4.5 — Anthropic modelis užduotims, kuriose reikia suprasti nevienareikšmius reikalavimus, pasirinkti veiksmų planą ir nuosekliai užbaigti darbą. Pagrindinės pristatymo kryptys — programavimas, agentinis darbas, kompiuterio naudojimas ir išsamūs tyrimai. Kasdieniame profesiniame darbe modelis gali padėti su lentelėmis ir pristatymais.
Inžinerinėje užduotyje Opus 4.5 gali nagrinėti kelių sistemos dalių ryšius, ieškoti sudėtingos klaidos priežasties, aptarti kompromisus ir rengti kodo pakeitimus. Ilgam darbui Anthropic atskirai pabrėžia veiksmų planavimą, įrankių naudojimą ir dalinių užduočių koordinavimą. Tai tinka scenarijui, kai pirmiausia reikia išstudijuoti medžiagą, tada pasirinkti veiksmus ir patikrinti jų rezultatą.
Failų skaitymo bei redagavimo, komandų vykdymo, informacijos paieškos ir darbo sąsajoje priemones turi teikti programa. Modelis samprotauja, ką daryti, ir formuoja kreipimusis į prieinamus įrankius; faktinis vykdymas priklauso nuo prijungtos aplinkos. Panašiai lentelės ar pristatymo rengimas gali apimti turinį ir kodą, o galutiniam failui pateikti reikia atitinkamo įrankio.
Opus 4.5 palaiko extended thinking su rankiniu budget_tokens biudžetu. Įjungus šį režimą, modelis analizuoja užduotį prieš galutinį atsakymą. Jei programa teikia atitinkamą palaikymą, jis taip pat gali samprotauti tarp kreipimųsi į įrankius, atsižvelgdamas į gautus rezultatus prieš kitą veiksmą.
Kai metodas palaiko nuostatas, rankinis budget_tokens biudžetas prasideda nuo 1024 tokenų ir paprastai turi būti mažesnis už max_tokens. Yra išimtis samprotavimui tarp įrankių: biudžetas gali viršyti max_tokens, nes apima kelis analizės blokus viename ėjime. Šiai išimčiai reikia tokio režimo palaikymo programoje.
Parametras effort reguliuoja bendrą išnagrinėjimo laipsnį: galimi low, medium ir high, įprastas lygis — high. Jis veikia tiek įjungus samprotavimą, tiek be jo. Samprotavimo biudžetas ir pastangos atlieka skirtingas funkcijas: pirmasis nukreipia vidinės analizės apimtį, antrasis veikia darbą su atsakymu apskritai. Šioje versijoje adaptyvaus režimo nėra.
Įvestis — tekstas ir vaizdai, išvestyje modelis kuria tekstą. Kontekstas — 200 tūkst. tokenų, didžiausia atsakymo apimtis — 64 tūkst. tokenų. Didelį medžiagos rinkinį galima naudoti tyrimams, dokumentų analizei ir programavimui, tačiau rezultatas turi tilpti į šios konkrečios versijos ribas.
Gamintojo įprastos vaizdinės įvesties formatai: JPEG/PNG/GIF/WebP, pirmasis animacijos kadras. Analizuojant pradine raiška: ilgoji kraštinė — 1568 pikseliai, 1568 vaizdiniai tokenai; dideli vaizdai prieš analizę sumažinami. Failų ir parametrų palaikymas priklauso nuo programos metodo.
Patikima integruotų žinių riba — 2025 m. gegužė. Dabartinei informacijai reikia pateiktos medžiagos arba programos įrankių. Anthropic mokė modelį priešintis kenksmingoms instrukcijoms, paslėptoms svetimame turinyje, tačiau tai neatmeta klaidingų išvadų: planą, pakeitimus ir išvadas reikia tikrinti jų tikroje užduotyje.
POST /v1/responsestext, imagetext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos claude-opus-4-5 | Numatyta— |
Laukasinput | Tipasstring|input_item[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos message, reasoning, function_call, function_call_output | Numatyta— |
Laukasinput[].content | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasinput[].call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output; išsaugokite tikrąjį grąžintą call_id | Numatyta— |
Laukasinput[].output | Tipasstring|content_part[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: function_call_output | Numatyta— |
Laukasmax_output_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning.summary | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastext.verbosity | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinclude | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstore | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprevious_response_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos ID reikalavimas: Tik tikrasis atsakymo ID iš palaikomo tęsinio Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_key | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
įvesties tekstas arba input_text dalis
Tekstas + vaizdas
{type:input_image,image_url}
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext, image |
Parametrasrequired | Specifikacijamodel, input |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/responsesAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
set -eu\n: "${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", "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", "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", 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", 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", 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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną išvesties elementą ir turinio dalį, tikrąjį funkcijos call_id, šifruotą samprotavimą ir naudojimo duomenis. Srautinio perdavimo metu išsaugokite visą įvykio / elemento tapatybę.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasstatus | Tipasstring |
Laukasoutput[] | Tipasmessage|reasoning|function_call|other item |
Laukasoutput[].content[] | Tipascontent part |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot claude-opus-4-5
Ailoot Ultra anthropic/claude-opus-4.5
Naudokite aukščiau nurodytus metodų kelius.
claude-opus-4-5Claude Opus 4.5 skirtas sudėtingam programavimui, tyrimams ir kelių žingsnių darbui su įrankiais. Padeda analizuoti nevienareikšmes užduotis ir rengti dokumentų, lentelių bei pristatymų turinį.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Claude Opus 4.5 — Anthropic modelis užduotims, kuriose reikia suprasti nevienareikšmius reikalavimus, pasirinkti veiksmų planą ir nuosekliai užbaigti darbą. Pagrindinės pristatymo kryptys — programavimas, agentinis darbas, kompiuterio naudojimas ir išsamūs tyrimai. Kasdieniame profesiniame darbe modelis gali padėti su lentelėmis ir pristatymais.
Inžinerinėje užduotyje Opus 4.5 gali nagrinėti kelių sistemos dalių ryšius, ieškoti sudėtingos klaidos priežasties, aptarti kompromisus ir rengti kodo pakeitimus. Ilgam darbui Anthropic atskirai pabrėžia veiksmų planavimą, įrankių naudojimą ir dalinių užduočių koordinavimą. Tai tinka scenarijui, kai pirmiausia reikia išstudijuoti medžiagą, tada pasirinkti veiksmus ir patikrinti jų rezultatą.
Failų skaitymo bei redagavimo, komandų vykdymo, informacijos paieškos ir darbo sąsajoje priemones turi teikti programa. Modelis samprotauja, ką daryti, ir formuoja kreipimusis į prieinamus įrankius; faktinis vykdymas priklauso nuo prijungtos aplinkos. Panašiai lentelės ar pristatymo rengimas gali apimti turinį ir kodą, o galutiniam failui pateikti reikia atitinkamo įrankio.
Opus 4.5 palaiko extended thinking su rankiniu budget_tokens biudžetu. Įjungus šį režimą, modelis analizuoja užduotį prieš galutinį atsakymą. Jei programa teikia atitinkamą palaikymą, jis taip pat gali samprotauti tarp kreipimųsi į įrankius, atsižvelgdamas į gautus rezultatus prieš kitą veiksmą.
Kai metodas palaiko nuostatas, rankinis budget_tokens biudžetas prasideda nuo 1024 tokenų ir paprastai turi būti mažesnis už max_tokens. Yra išimtis samprotavimui tarp įrankių: biudžetas gali viršyti max_tokens, nes apima kelis analizės blokus viename ėjime. Šiai išimčiai reikia tokio režimo palaikymo programoje.
Parametras effort reguliuoja bendrą išnagrinėjimo laipsnį: galimi low, medium ir high, įprastas lygis — high. Jis veikia tiek įjungus samprotavimą, tiek be jo. Samprotavimo biudžetas ir pastangos atlieka skirtingas funkcijas: pirmasis nukreipia vidinės analizės apimtį, antrasis veikia darbą su atsakymu apskritai. Šioje versijoje adaptyvaus režimo nėra.
Įvestis — tekstas ir vaizdai, išvestyje modelis kuria tekstą. Kontekstas — 200 tūkst. tokenų, didžiausia atsakymo apimtis — 64 tūkst. tokenų. Didelį medžiagos rinkinį galima naudoti tyrimams, dokumentų analizei ir programavimui, tačiau rezultatas turi tilpti į šios konkrečios versijos ribas.
Gamintojo įprastos vaizdinės įvesties formatai: JPEG/PNG/GIF/WebP, pirmasis animacijos kadras. Analizuojant pradine raiška: ilgoji kraštinė — 1568 pikseliai, 1568 vaizdiniai tokenai; dideli vaizdai prieš analizę sumažinami. Failų ir parametrų palaikymas priklauso nuo programos metodo.
Patikima integruotų žinių riba — 2025 m. gegužė. Dabartinei informacijai reikia pateiktos medžiagos arba programos įrankių. Anthropic mokė modelį priešintis kenksmingoms instrukcijoms, paslėptoms svetimame turinyje, tačiau tai neatmeta klaidingų išvadų: planą, pakeitimus ir išvadas reikia tikrinti jų tikroje užduotyje.
POST /v1/chat/completionstext, imagetext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos claude-opus-4-5 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
Tekstas + vaizdas
{type:image_url,image_url:{url,detail}}
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext, image |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/chat/completionsAiloot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaOpenAI Chat · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
| KonfigūracijaOpenAI Chat · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
| KonfigūracijaAnthropic Messages · Baziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
| KonfigūracijaAnthropic Messages · Užklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
set -eu\n: "${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", "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", "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",\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",\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',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot claude-opus-4-5
Ailoot Ultra anthropic/claude-opus-4.5
Naudokite aukščiau nurodytus metodų kelius.
anthropic/claude-opus-4.5Claude Opus 4.5 skirtas sudėtingam programavimui, tyrimams ir kelių žingsnių darbui su įrankiais. Padeda analizuoti nevienareikšmes užduotis ir rengti dokumentų, lentelių bei pristatymų turinį.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Claude Opus 4.5 — Anthropic modelis užduotims, kuriose reikia suprasti nevienareikšmius reikalavimus, pasirinkti veiksmų planą ir nuosekliai užbaigti darbą. Pagrindinės pristatymo kryptys — programavimas, agentinis darbas, kompiuterio naudojimas ir išsamūs tyrimai. Kasdieniame profesiniame darbe modelis gali padėti su lentelėmis ir pristatymais.
Inžinerinėje užduotyje Opus 4.5 gali nagrinėti kelių sistemos dalių ryšius, ieškoti sudėtingos klaidos priežasties, aptarti kompromisus ir rengti kodo pakeitimus. Ilgam darbui Anthropic atskirai pabrėžia veiksmų planavimą, įrankių naudojimą ir dalinių užduočių koordinavimą. Tai tinka scenarijui, kai pirmiausia reikia išstudijuoti medžiagą, tada pasirinkti veiksmus ir patikrinti jų rezultatą.
Failų skaitymo bei redagavimo, komandų vykdymo, informacijos paieškos ir darbo sąsajoje priemones turi teikti programa. Modelis samprotauja, ką daryti, ir formuoja kreipimusis į prieinamus įrankius; faktinis vykdymas priklauso nuo prijungtos aplinkos. Panašiai lentelės ar pristatymo rengimas gali apimti turinį ir kodą, o galutiniam failui pateikti reikia atitinkamo įrankio.
Opus 4.5 palaiko extended thinking su rankiniu budget_tokens biudžetu. Įjungus šį režimą, modelis analizuoja užduotį prieš galutinį atsakymą. Jei programa teikia atitinkamą palaikymą, jis taip pat gali samprotauti tarp kreipimųsi į įrankius, atsižvelgdamas į gautus rezultatus prieš kitą veiksmą.
Kai metodas palaiko nuostatas, rankinis budget_tokens biudžetas prasideda nuo 1024 tokenų ir paprastai turi būti mažesnis už max_tokens. Yra išimtis samprotavimui tarp įrankių: biudžetas gali viršyti max_tokens, nes apima kelis analizės blokus viename ėjime. Šiai išimčiai reikia tokio režimo palaikymo programoje.
Parametras effort reguliuoja bendrą išnagrinėjimo laipsnį: galimi low, medium ir high, įprastas lygis — high. Jis veikia tiek įjungus samprotavimą, tiek be jo. Samprotavimo biudžetas ir pastangos atlieka skirtingas funkcijas: pirmasis nukreipia vidinės analizės apimtį, antrasis veikia darbą su atsakymu apskritai. Šioje versijoje adaptyvaus režimo nėra.
Įvestis — tekstas ir vaizdai, išvestyje modelis kuria tekstą. Kontekstas — 200 tūkst. tokenų, didžiausia atsakymo apimtis — 64 tūkst. tokenų. Didelį medžiagos rinkinį galima naudoti tyrimams, dokumentų analizei ir programavimui, tačiau rezultatas turi tilpti į šios konkrečios versijos ribas.
Gamintojo įprastos vaizdinės įvesties formatai: JPEG/PNG/GIF/WebP, pirmasis animacijos kadras. Analizuojant pradine raiška: ilgoji kraštinė — 1568 pikseliai, 1568 vaizdiniai tokenai; dideli vaizdai prieš analizę sumažinami. Failų ir parametrų palaikymas priklauso nuo programos metodo.
Patikima integruotų žinių riba — 2025 m. gegužė. Dabartinei informacijai reikia pateiktos medžiagos arba programos įrankių. Anthropic mokė modelį priešintis kenksmingoms instrukcijoms, paslėptoms svetimame turinyje, tačiau tai neatmeta klaidingų išvadų: planą, pakeitimus ir išvadas reikia tikrinti jų tikroje užduotyje.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos anthropic/claude-opus-4.5 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos function Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmodalities | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos text | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas | Numatyta— |
Laukascache_control.ttl | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrascontrol_scope | Specifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Gyvavimo ciklas: synchronous_or_streamed
Siųskite tikslų modelio ID kartu su messages.
Konteksto ilgis nėra išvesties limitas.
Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-opus-4.5", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='anthropic/claude-opus-4.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='anthropic/claude-opus-4.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot claude-opus-4-5
Ailoot Ultra anthropic/claude-opus-4.5
Naudokite aukščiau nurodytus metodų kelius.
anthropic/claude-opus-4.5Claude Opus 4.5 skirtas sudėtingam programavimui, tyrimams ir kelių žingsnių darbui su įrankiais. Padeda analizuoti nevienareikšmes užduotis ir rengti dokumentų, lentelių bei pristatymų turinį.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Claude Opus 4.5 — Anthropic modelis užduotims, kuriose reikia suprasti nevienareikšmius reikalavimus, pasirinkti veiksmų planą ir nuosekliai užbaigti darbą. Pagrindinės pristatymo kryptys — programavimas, agentinis darbas, kompiuterio naudojimas ir išsamūs tyrimai. Kasdieniame profesiniame darbe modelis gali padėti su lentelėmis ir pristatymais.
Inžinerinėje užduotyje Opus 4.5 gali nagrinėti kelių sistemos dalių ryšius, ieškoti sudėtingos klaidos priežasties, aptarti kompromisus ir rengti kodo pakeitimus. Ilgam darbui Anthropic atskirai pabrėžia veiksmų planavimą, įrankių naudojimą ir dalinių užduočių koordinavimą. Tai tinka scenarijui, kai pirmiausia reikia išstudijuoti medžiagą, tada pasirinkti veiksmus ir patikrinti jų rezultatą.
Failų skaitymo bei redagavimo, komandų vykdymo, informacijos paieškos ir darbo sąsajoje priemones turi teikti programa. Modelis samprotauja, ką daryti, ir formuoja kreipimusis į prieinamus įrankius; faktinis vykdymas priklauso nuo prijungtos aplinkos. Panašiai lentelės ar pristatymo rengimas gali apimti turinį ir kodą, o galutiniam failui pateikti reikia atitinkamo įrankio.
Opus 4.5 palaiko extended thinking su rankiniu budget_tokens biudžetu. Įjungus šį režimą, modelis analizuoja užduotį prieš galutinį atsakymą. Jei programa teikia atitinkamą palaikymą, jis taip pat gali samprotauti tarp kreipimųsi į įrankius, atsižvelgdamas į gautus rezultatus prieš kitą veiksmą.
Kai metodas palaiko nuostatas, rankinis budget_tokens biudžetas prasideda nuo 1024 tokenų ir paprastai turi būti mažesnis už max_tokens. Yra išimtis samprotavimui tarp įrankių: biudžetas gali viršyti max_tokens, nes apima kelis analizės blokus viename ėjime. Šiai išimčiai reikia tokio režimo palaikymo programoje.
Parametras effort reguliuoja bendrą išnagrinėjimo laipsnį: galimi low, medium ir high, įprastas lygis — high. Jis veikia tiek įjungus samprotavimą, tiek be jo. Samprotavimo biudžetas ir pastangos atlieka skirtingas funkcijas: pirmasis nukreipia vidinės analizės apimtį, antrasis veikia darbą su atsakymu apskritai. Šioje versijoje adaptyvaus režimo nėra.
Įvestis — tekstas ir vaizdai, išvestyje modelis kuria tekstą. Kontekstas — 200 tūkst. tokenų, didžiausia atsakymo apimtis — 64 tūkst. tokenų. Didelį medžiagos rinkinį galima naudoti tyrimams, dokumentų analizei ir programavimui, tačiau rezultatas turi tilpti į šios konkrečios versijos ribas.
Gamintojo įprastos vaizdinės įvesties formatai: JPEG/PNG/GIF/WebP, pirmasis animacijos kadras. Analizuojant pradine raiška: ilgoji kraštinė — 1568 pikseliai, 1568 vaizdiniai tokenai; dideli vaizdai prieš analizę sumažinami. Failų ir parametrų palaikymas priklauso nuo programos metodo.
Patikima integruotų žinių riba — 2025 m. gegužė. Dabartinei informacijai reikia pateiktos medžiagos arba programos įrankių. Anthropic mokė modelį priešintis kenksmingoms instrukcijoms, paslėptoms svetimame turinyje, tačiau tai neatmeta klaidingų išvadų: planą, pakeitimus ir išvadas reikia tikrinti jų tikroje užduotyje.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos anthropic/claude-opus-4.5 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.01 / 1K tokenų Išvestis · Išvesties tokenai $0.05 / 1K tokenų Įvestis · Talpyklos skaitymas $0.001 / 1K tokenų Įvestis · Rašymas į talpyklą $0.0125 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val $0.02 / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "anthropic/claude-opus-4.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-opus-4.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-opus-4.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot claude-opus-4-5
Ailoot Ultra anthropic/claude-opus-4.5
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
Choose a safe invoice migration order\n\nOur invoice service has old readers that require customer_name. New writers will add customer_id, and historical invoices must remain readable during rollout. Propose a migration sequence covering schema expansion, backfill, mixed-version operation and removal of the old field. Identify the rollback point at each stage and the evidence required before advancing.A staged migration table with compatibility conditions, rollback actions and advancement checks.No stage removes customer_name while an old reader can still depend on it.