Claude Haiku 5.5 ialah edisi model kecil Anthropic untuk tugasan berjumlah besar yang sensitif terhadap kependaman. Kegunaan utamanya merangkumi pengelasan, penghalaan, pengekstrakan maklumat, peringkasan, pemadatan perbualan dan kerja subejen yang terfokus. Model ini menerima teks dan imej serta menjana teks. Arahan yang berguna memberikan soalan yang sempit skopnya dan hasil yang jelas: kategori, set medan yang ditentukan, ringkasan pendek atau bukti berkaitan untuk bahagian lain dalam tugasan yang lebih besar. Kekalkan pengecam sumber bersama hasil supaya aplikasi boleh menghubungkan maklumat yang diekstrak dengan bahan asalnya.
Anthropic meletakkan edisi ini untuk sokongan pelanggan secara langsung, penggunaan pelayar dan subtugasan pengekodan pendek serta analisis berulang. Model ini boleh melengkapi Claude Sonnet 5.5 atau Claude Opus 5.5 dalam aliran kerja apabila model yang lebih besar mengendalikan projek bercita-cita tinggi dan Haiku mengendalikan carian atau ringkasan yang terbatas. Untuk tugasan sokongan, bekalkan soalan dan bahan rujukan yang dibenarkan, kemudian nyatakan nada respons dan perkara yang mesti dikembalikan. Untuk subtugasan pengekodan, kenal pasti fail atau petikan yang berkaitan dan soalan yang tepat, bukannya memberikan projek terbuka tanpa syarat penyelesaian.
Tetingkap konteks yang didokumentasikan ialah satu juta token, dengan sehingga 128,000 token output dalam penjanaan biasa. Token pemikiran dikira dalam peruntukan penjanaan, maka hasil memerlukan ruang untuk penaakulan dan teks yang kelihatan. Had pengetahuan yang boleh dipercayainya ialah Jun 2026; maklumat selepasnya memerlukan bukti yang dibekalkan atau alat carian. Anthropic secara berasingan mendokumentasikan beta khusus kelompok yang boleh meningkatkan output kepada 300,000 token untuk edisi ini. Peruntukan yang lebih besar itu memerlukan ciri extended-output pengeluar dan berbeza daripada had biasa. Kelompok tak segerak mengendalikan permintaan secara berasingan, menjadikannya berguna untuk himpunan dokumen atau rekod yang hasilnya diperlukan selepas pemprosesan dan bukannya serta-merta.
Pemikiran adaptif diaktifkan secara lalai, dan effort ialah kawalan utama bagi kedalaman penaakulan. Tahapnya ialah low, medium, high, xhigh dan max, dengan medium sebagai lalai. Anthropic mengesyorkan medium untuk kebanyakan kerja, high untuk tugasan yang lebih berterusan atau pematuhan arahan yang ketat, dan low untuk permintaan pendek yang lebih mudah. Pemikiran boleh dinyahaktifkan pada low, medium atau high; penyahaktifan pada xhigh atau max ditolak. Prom yang meminta jawapan langsung tidak menggantikan kawalan itu. Tetapan budget_tokens manual daripada Haiku 4.5 tidak terpakai pada edisi ini, dan temperature, top_p serta top_k patut digugurkan dalam antara muka yang didokumentasikan.
Haiku 5.5 menggunakan tokenizer lebih baharu yang diperkenalkan dalam generasi Claude terdahulu, dan Anthropic menganggarkan bahawa teks yang sama boleh menggunakan kira-kira 30% lebih banyak token berbanding Haiku 4.5, bergantung pada kandungannya. Model ini turut mengekalkan blok pemikiran daripada giliran pembantu terdahulu, maka saiz perbualan boleh bertambah melebihi kesan perubahan tokenizer sahaja. Panjang minimum prom yang boleh dicache ialah 512 token. Kekalkan giliran terdahulu tanpa perubahan apabila mengekalkan penaakulan, dan letakkan arahan baharu dalam giliran terkini. Perubahan effort pada peringkat teratas membatalkan cache mesej perbualan; pengeluar mendokumentasikan beta berasingan untuk mengubah effort dalam perbualan adaptif. Tiada satu pun keupayaan ini membuktikan cache hit bagi permintaan tertentu.
Untuk carian maklumat, panduan prom model mengesyorkan supaya tarikh semasa dibekalkan bersama alat carian dan takrif sistem serta alat asal dikekalkan tanpa perubahan. Berikan tarikh baharu dalam giliran terkini jika perbualan berterusan pada hari kemudian. Nyatakan perkara yang mesti ditemukan dan kekalkan sumber yang dikembalikan sebelum meminta kesimpulan. Contohnya, tugasan ilustratif boleh meminta tingkah laku yang didokumentasikan bagi versi perisian tertentu, diikuti penjelasan pendek yang berasaskan petikan yang diperoleh. Aplikasi menyediakan alat carian dan mengembalikan hasil sebenar; carian yang dicadangkan model bukan bukti bahawa carian itu telah berlaku.
Apabila output JSON berstruktur digabungkan dengan alat, panduan itu mendokumentasikan interaksi tertentu: apabila pemikiran dinyahaktifkan, Haiku boleh melangkau panggilan alat yang diperlukan. Anthropic mengesyorkan pemikiran adaptif untuk permintaan sedemikian, atau memisahkan keperluan JSON akhir daripada langkah alat. Tentukan medan output dan jelaskan bahawa jawapan akhir menyusul selepas hasil alat. Arahan pengekstrakan data boleh menamakan medan yang diperlukan dan cara mewakili nilai yang tiada, manakala arahan carian boleh terlebih dahulu meminta bukti yang diperlukan untuk mengisinya. Baca blok respons mengikut jenisnya, kerana jawapan tidak semestinya blok pertama dan teks pemikiran digugurkan secara lalai.
Untuk prom ejen yang lebih panjang, Anthropic menyatakan bahawa effort low boleh berhenti awal, melangkau carian atau mengabaikan semakan. Panduannya mengesyorkan arahan penyelesaian yang jelas dan semakan sebenar bagi perubahan kod sebelum perubahan dilaporkan selesai. Sediakan hasil yang dijangkakan dan bukti yang akan menunjukkannya: petikan terpilih untuk laporan, tingkah laku yang berubah untuk cadangan kod atau medan yang diekstrak daripada dokumen. Panduan itu turut membezakan mesej pengguna di tengah tugasan daripada output alat: arahan pengguna baharu berada dalam giliran pengguna, manakala bukti yang dikembalikan alat kekal berasingan.
Edisi ini mempunyai perlindungannya sendiri dan boleh memberikan penolakan bagi kategori termasuk bahaya siber, bahaya biologi, pembangunan model pesaing atau kegunaan terlarang lain. Pengeluar tidak mendokumentasikan mekanisme sandaran pada pelayan untuk Haiku 5.5. Panduannya turut menyatakan bahawa effort xhigh kadangkala boleh menamatkan respons berbilang giliran tanpa teks jawapan yang kelihatan, dan teks yang menyerupai penaakulan boleh muncul lebih kerap pada effort low atau apabila pemikiran dinyahaktifkan. Ini ialah tingkah laku khusus yang perlu diambil kira apabila aliran kerja memerlukan hasil berstruktur yang kelihatan. Untuk kerja pengekstrakan atau ringkasan biasa, gunakan sumber terfokus, output yang ditentukan dan tahap effort yang sesuai dengan tugasan.
", "aboutText": "Claude Haiku 5.5 ialah edisi model kecil Anthropic untuk tugasan berjumlah besar yang sensitif terhadap kependaman. Kegunaan utamanya merangkumi pengelasan, penghalaan, pengekstrakan maklumat, peringkasan, pemadatan perbualan dan kerja subejen yang terfokus. Model ini menerima teks dan imej serta menjana teks. Arahan yang berguna memberikan soalan yang sempit skopnya dan hasil yang jelas: kategori, set medan yang ditentukan, ringkasan pendek atau bukti berkaitan untuk bahagian lain dalam tugasan yang lebih besar. Kekalkan pengecam sumber bersama hasil supaya aplikasi boleh menghubungkan maklumat yang diekstrak dengan bahan asalnya.\n\nAnthropic meletakkan edisi ini untuk sokongan pelanggan secara langsung, penggunaan pelayar dan subtugasan pengekodan pendek serta analisis berulang. Model ini boleh melengkapi Claude Sonnet 5.5 atau Claude Opus 5.5 dalam aliran kerja apabila model yang lebih besar mengendalikan projek bercita-cita tinggi dan Haiku mengendalikan carian atau ringkasan yang terbatas. Untuk tugasan sokongan, bekalkan soalan dan bahan rujukan yang dibenarkan, kemudian nyatakan nada respons dan perkara yang mesti dikembalikan. Untuk subtugasan pengekodan, kenal pasti fail atau petikan yang berkaitan dan soalan yang tepat, bukannya memberikan projek terbuka tanpa syarat penyelesaian.\n\nTetingkap konteks yang didokumentasikan ialah satu juta token, dengan sehingga 128,000 token output dalam penjanaan biasa. Token pemikiran dikira dalam peruntukan penjanaan, maka hasil memerlukan ruang untuk penaakulan dan teks yang kelihatan. Had pengetahuan yang boleh dipercayainya ialah Jun 2026; maklumat selepasnya memerlukan bukti yang dibekalkan atau alat carian. Anthropic secara berasingan mendokumentasikan beta khusus kelompok yang boleh meningkatkan output kepada 300,000 token untuk edisi ini. Peruntukan yang lebih besar itu memerlukan ciri extended-output pengeluar dan berbeza daripada had biasa. Kelompok tak segerak mengendalikan permintaan secara berasingan, menjadikannya berguna untuk himpunan dokumen atau rekod yang hasilnya diperlukan selepas pemprosesan dan bukannya serta-merta.\n\nPemikiran adaptif diaktifkan secara lalai, dan effort ialah kawalan utama bagi kedalaman penaakulan. Tahapnya ialah low, medium, high, xhigh dan max, dengan medium sebagai lalai. Anthropic mengesyorkan medium untuk kebanyakan kerja, high untuk tugasan yang lebih berterusan atau pematuhan arahan yang ketat, dan low untuk permintaan pendek yang lebih mudah. Pemikiran boleh dinyahaktifkan pada low, medium atau high; penyahaktifan pada xhigh atau max ditolak. Prom yang meminta jawapan langsung tidak menggantikan kawalan itu. Tetapan budget_tokens manual daripada Haiku 4.5 tidak terpakai pada edisi ini, dan temperature, top_p serta top_k patut digugurkan dalam antara muka yang didokumentasikan.\n\nHaiku 5.5 menggunakan tokenizer lebih baharu yang diperkenalkan dalam generasi Claude terdahulu, dan Anthropic menganggarkan bahawa teks yang sama boleh menggunakan kira-kira 30% lebih banyak token berbanding Haiku 4.5, bergantung pada kandungannya. Model ini turut mengekalkan blok pemikiran daripada giliran pembantu terdahulu, maka saiz perbualan boleh bertambah melebihi kesan perubahan tokenizer sahaja. Panjang minimum prom yang boleh dicache ialah 512 token. Kekalkan giliran terdahulu tanpa perubahan apabila mengekalkan penaakulan, dan letakkan arahan baharu dalam giliran terkini. Perubahan effort pada peringkat teratas membatalkan cache mesej perbualan; pengeluar mendokumentasikan beta berasingan untuk mengubah effort dalam perbualan adaptif. Tiada satu pun keupayaan ini membuktikan cache hit bagi permintaan tertentu.\n\nUntuk carian maklumat, panduan prom model mengesyorkan supaya tarikh semasa dibekalkan bersama alat carian dan takrif sistem serta alat asal dikekalkan tanpa perubahan. Berikan tarikh baharu dalam giliran terkini jika perbualan berterusan pada hari kemudian. Nyatakan perkara yang mesti ditemukan dan kekalkan sumber yang dikembalikan sebelum meminta kesimpulan. Contohnya, tugasan ilustratif boleh meminta tingkah laku yang didokumentasikan bagi versi perisian tertentu, diikuti penjelasan pendek yang berasaskan petikan yang diperoleh. Aplikasi menyediakan alat carian dan mengembalikan hasil sebenar; carian yang dicadangkan model bukan bukti bahawa carian itu telah berlaku.\n\nApabila output JSON berstruktur digabungkan dengan alat, panduan itu mendokumentasikan interaksi tertentu: apabila pemikiran dinyahaktifkan, Haiku boleh melangkau panggilan alat yang diperlukan. Anthropic mengesyorkan pemikiran adaptif untuk permintaan sedemikian, atau memisahkan keperluan JSON akhir daripada langkah alat. Tentukan medan output dan jelaskan bahawa jawapan akhir menyusul selepas hasil alat. Arahan pengekstrakan data boleh menamakan medan yang diperlukan dan cara mewakili nilai yang tiada, manakala arahan carian boleh terlebih dahulu meminta bukti yang diperlukan untuk mengisinya. Baca blok respons mengikut jenisnya, kerana jawapan tidak semestinya blok pertama dan teks pemikiran digugurkan secara lalai.\n\nUntuk prom ejen yang lebih panjang, Anthropic menyatakan bahawa effort low boleh berhenti awal, melangkau carian atau mengabaikan semakan. Panduannya mengesyorkan arahan penyelesaian yang jelas dan semakan sebenar bagi perubahan kod sebelum perubahan dilaporkan selesai. Sediakan hasil yang dijangkakan dan bukti yang akan menunjukkannya: petikan terpilih untuk laporan, tingkah laku yang berubah untuk cadangan kod atau medan yang diekstrak daripada dokumen. Panduan itu turut membezakan mesej pengguna di tengah tugasan daripada output alat: arahan pengguna baharu berada dalam giliran pengguna, manakala bukti yang dikembalikan alat kekal berasingan.\n\nEdisi ini mempunyai perlindungannya sendiri dan boleh memberikan penolakan bagi kategori termasuk bahaya siber, bahaya biologi, pembangunan model pesaing atau kegunaan terlarang lain. Pengeluar tidak mendokumentasikan mekanisme sandaran pada pelayan untuk Haiku 5.5. Panduannya turut menyatakan bahawa effort xhigh kadangkala boleh menamatkan respons berbilang giliran tanpa teks jawapan yang kelihatan, dan teks yang menyerupai penaakulan boleh muncul lebih kerap pada effort low atau apabila pemikiran dinyahaktifkan. Ini ialah tingkah laku khusus yang perlu diambil kira apabila aliran kerja memerlukan hasil berstruktur yang kelihatan. Untuk kerja pengekstrakan atau ringkasan biasa, gunakan sumber terfokus, output yang ditentukan dan tahap effort yang sesuai dengan tugasan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.anthropic/claude-haiku-5.5Claude Haiku 5.5 ialah model kecil Anthropic untuk pengelasan, pengekstrakan, ringkasan, penghalaan dan tugasan ejen yang terfokus. Model ini menggabungkan pemahaman teks dan imej dengan penaakulan adaptif serta dibentuk untuk kerja berulang yang memerlukan respons segera.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Haiku 5.5 ialah edisi model kecil Anthropic untuk tugasan berjumlah besar yang sensitif terhadap kependaman. Kegunaan utamanya merangkumi pengelasan, penghalaan, pengekstrakan maklumat, peringkasan, pemadatan perbualan dan kerja subejen yang terfokus. Model ini menerima teks dan imej serta menjana teks. Arahan yang berguna memberikan soalan yang sempit skopnya dan hasil yang jelas: kategori, set medan yang ditentukan, ringkasan pendek atau bukti berkaitan untuk bahagian lain dalam tugasan yang lebih besar. Kekalkan pengecam sumber bersama hasil supaya aplikasi boleh menghubungkan maklumat yang diekstrak dengan bahan asalnya.
Anthropic meletakkan edisi ini untuk sokongan pelanggan secara langsung, penggunaan pelayar dan subtugasan pengekodan pendek serta analisis berulang. Model ini boleh melengkapi Claude Sonnet 5.5 atau Claude Opus 5.5 dalam aliran kerja apabila model yang lebih besar mengendalikan projek bercita-cita tinggi dan Haiku mengendalikan carian atau ringkasan yang terbatas. Untuk tugasan sokongan, bekalkan soalan dan bahan rujukan yang dibenarkan, kemudian nyatakan nada respons dan perkara yang mesti dikembalikan. Untuk subtugasan pengekodan, kenal pasti fail atau petikan yang berkaitan dan soalan yang tepat, bukannya memberikan projek terbuka tanpa syarat penyelesaian.
Tetingkap konteks yang didokumentasikan ialah satu juta token, dengan sehingga 128,000 token output dalam penjanaan biasa. Token pemikiran dikira dalam peruntukan penjanaan, maka hasil memerlukan ruang untuk penaakulan dan teks yang kelihatan. Had pengetahuan yang boleh dipercayainya ialah Jun 2026; maklumat selepasnya memerlukan bukti yang dibekalkan atau alat carian. Anthropic secara berasingan mendokumentasikan beta khusus kelompok yang boleh meningkatkan output kepada 300,000 token untuk edisi ini. Peruntukan yang lebih besar itu memerlukan ciri extended-output pengeluar dan berbeza daripada had biasa. Kelompok tak segerak mengendalikan permintaan secara berasingan, menjadikannya berguna untuk himpunan dokumen atau rekod yang hasilnya diperlukan selepas pemprosesan dan bukannya serta-merta.
Pemikiran adaptif diaktifkan secara lalai, dan effort ialah kawalan utama bagi kedalaman penaakulan. Tahapnya ialah low, medium, high, xhigh dan max, dengan medium sebagai lalai. Anthropic mengesyorkan medium untuk kebanyakan kerja, high untuk tugasan yang lebih berterusan atau pematuhan arahan yang ketat, dan low untuk permintaan pendek yang lebih mudah. Pemikiran boleh dinyahaktifkan pada low, medium atau high; penyahaktifan pada xhigh atau max ditolak. Prom yang meminta jawapan langsung tidak menggantikan kawalan itu. Tetapan budget_tokens manual daripada Haiku 4.5 tidak terpakai pada edisi ini, dan temperature, top_p serta top_k patut digugurkan dalam antara muka yang didokumentasikan.
Haiku 5.5 menggunakan tokenizer lebih baharu yang diperkenalkan dalam generasi Claude terdahulu, dan Anthropic menganggarkan bahawa teks yang sama boleh menggunakan kira-kira 30% lebih banyak token berbanding Haiku 4.5, bergantung pada kandungannya. Model ini turut mengekalkan blok pemikiran daripada giliran pembantu terdahulu, maka saiz perbualan boleh bertambah melebihi kesan perubahan tokenizer sahaja. Panjang minimum prom yang boleh dicache ialah 512 token. Kekalkan giliran terdahulu tanpa perubahan apabila mengekalkan penaakulan, dan letakkan arahan baharu dalam giliran terkini. Perubahan effort pada peringkat teratas membatalkan cache mesej perbualan; pengeluar mendokumentasikan beta berasingan untuk mengubah effort dalam perbualan adaptif. Tiada satu pun keupayaan ini membuktikan cache hit bagi permintaan tertentu.
Untuk carian maklumat, panduan prom model mengesyorkan supaya tarikh semasa dibekalkan bersama alat carian dan takrif sistem serta alat asal dikekalkan tanpa perubahan. Berikan tarikh baharu dalam giliran terkini jika perbualan berterusan pada hari kemudian. Nyatakan perkara yang mesti ditemukan dan kekalkan sumber yang dikembalikan sebelum meminta kesimpulan. Contohnya, tugasan ilustratif boleh meminta tingkah laku yang didokumentasikan bagi versi perisian tertentu, diikuti penjelasan pendek yang berasaskan petikan yang diperoleh. Aplikasi menyediakan alat carian dan mengembalikan hasil sebenar; carian yang dicadangkan model bukan bukti bahawa carian itu telah berlaku.
Apabila output JSON berstruktur digabungkan dengan alat, panduan itu mendokumentasikan interaksi tertentu: apabila pemikiran dinyahaktifkan, Haiku boleh melangkau panggilan alat yang diperlukan. Anthropic mengesyorkan pemikiran adaptif untuk permintaan sedemikian, atau memisahkan keperluan JSON akhir daripada langkah alat. Tentukan medan output dan jelaskan bahawa jawapan akhir menyusul selepas hasil alat. Arahan pengekstrakan data boleh menamakan medan yang diperlukan dan cara mewakili nilai yang tiada, manakala arahan carian boleh terlebih dahulu meminta bukti yang diperlukan untuk mengisinya. Baca blok respons mengikut jenisnya, kerana jawapan tidak semestinya blok pertama dan teks pemikiran digugurkan secara lalai.
Untuk prom ejen yang lebih panjang, Anthropic menyatakan bahawa effort low boleh berhenti awal, melangkau carian atau mengabaikan semakan. Panduannya mengesyorkan arahan penyelesaian yang jelas dan semakan sebenar bagi perubahan kod sebelum perubahan dilaporkan selesai. Sediakan hasil yang dijangkakan dan bukti yang akan menunjukkannya: petikan terpilih untuk laporan, tingkah laku yang berubah untuk cadangan kod atau medan yang diekstrak daripada dokumen. Panduan itu turut membezakan mesej pengguna di tengah tugasan daripada output alat: arahan pengguna baharu berada dalam giliran pengguna, manakala bukti yang dikembalikan alat kekal berasingan.
Edisi ini mempunyai perlindungannya sendiri dan boleh memberikan penolakan bagi kategori termasuk bahaya siber, bahaya biologi, pembangunan model pesaing atau kegunaan terlarang lain. Pengeluar tidak mendokumentasikan mekanisme sandaran pada pelayan untuk Haiku 5.5. Panduannya turut menyatakan bahawa effort xhigh kadangkala boleh menamatkan respons berbilang giliran tanpa teks jawapan yang kelihatan, dan teks yang menyerupai penaakulan boleh muncul lebih kerap pada effort low atau apabila pemikiran dinyahaktifkan. Ini ialah tingkah laku khusus yang perlu diambil kira apabila aliran kerja memerlukan hasil berstruktur yang kelihatan. Untuk kerja pengekstrakan atau ringkasan biasa, gunakan sumber terfokus, output yang ditentukan dan tahap effort yang sesuai dengan tugasan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had anthropic/claude-haiku-5.5 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 1K token Input · Penulisan cache, 1 jam $0.0004 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk100,000 | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 1K token Input · Penulisan cache, 1 jam $0.0004 / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi100,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 1K token Input · Penulisan cache, 1 jam $0.002 / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-haiku-5.5", "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-haiku-5.5',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-haiku-5.5',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Gunakan laluan kaedah yang dipaparkan di atas.
anthropic/claude-haiku-5.5Claude Haiku 5.5 ialah model kecil Anthropic untuk pengelasan, pengekstrakan, ringkasan, penghalaan dan tugasan ejen yang terfokus. Model ini menggabungkan pemahaman teks dan imej dengan penaakulan adaptif serta dibentuk untuk kerja berulang yang memerlukan respons segera.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Haiku 5.5 ialah edisi model kecil Anthropic untuk tugasan berjumlah besar yang sensitif terhadap kependaman. Kegunaan utamanya merangkumi pengelasan, penghalaan, pengekstrakan maklumat, peringkasan, pemadatan perbualan dan kerja subejen yang terfokus. Model ini menerima teks dan imej serta menjana teks. Arahan yang berguna memberikan soalan yang sempit skopnya dan hasil yang jelas: kategori, set medan yang ditentukan, ringkasan pendek atau bukti berkaitan untuk bahagian lain dalam tugasan yang lebih besar. Kekalkan pengecam sumber bersama hasil supaya aplikasi boleh menghubungkan maklumat yang diekstrak dengan bahan asalnya.
Anthropic meletakkan edisi ini untuk sokongan pelanggan secara langsung, penggunaan pelayar dan subtugasan pengekodan pendek serta analisis berulang. Model ini boleh melengkapi Claude Sonnet 5.5 atau Claude Opus 5.5 dalam aliran kerja apabila model yang lebih besar mengendalikan projek bercita-cita tinggi dan Haiku mengendalikan carian atau ringkasan yang terbatas. Untuk tugasan sokongan, bekalkan soalan dan bahan rujukan yang dibenarkan, kemudian nyatakan nada respons dan perkara yang mesti dikembalikan. Untuk subtugasan pengekodan, kenal pasti fail atau petikan yang berkaitan dan soalan yang tepat, bukannya memberikan projek terbuka tanpa syarat penyelesaian.
Tetingkap konteks yang didokumentasikan ialah satu juta token, dengan sehingga 128,000 token output dalam penjanaan biasa. Token pemikiran dikira dalam peruntukan penjanaan, maka hasil memerlukan ruang untuk penaakulan dan teks yang kelihatan. Had pengetahuan yang boleh dipercayainya ialah Jun 2026; maklumat selepasnya memerlukan bukti yang dibekalkan atau alat carian. Anthropic secara berasingan mendokumentasikan beta khusus kelompok yang boleh meningkatkan output kepada 300,000 token untuk edisi ini. Peruntukan yang lebih besar itu memerlukan ciri extended-output pengeluar dan berbeza daripada had biasa. Kelompok tak segerak mengendalikan permintaan secara berasingan, menjadikannya berguna untuk himpunan dokumen atau rekod yang hasilnya diperlukan selepas pemprosesan dan bukannya serta-merta.
Pemikiran adaptif diaktifkan secara lalai, dan effort ialah kawalan utama bagi kedalaman penaakulan. Tahapnya ialah low, medium, high, xhigh dan max, dengan medium sebagai lalai. Anthropic mengesyorkan medium untuk kebanyakan kerja, high untuk tugasan yang lebih berterusan atau pematuhan arahan yang ketat, dan low untuk permintaan pendek yang lebih mudah. Pemikiran boleh dinyahaktifkan pada low, medium atau high; penyahaktifan pada xhigh atau max ditolak. Prom yang meminta jawapan langsung tidak menggantikan kawalan itu. Tetapan budget_tokens manual daripada Haiku 4.5 tidak terpakai pada edisi ini, dan temperature, top_p serta top_k patut digugurkan dalam antara muka yang didokumentasikan.
Haiku 5.5 menggunakan tokenizer lebih baharu yang diperkenalkan dalam generasi Claude terdahulu, dan Anthropic menganggarkan bahawa teks yang sama boleh menggunakan kira-kira 30% lebih banyak token berbanding Haiku 4.5, bergantung pada kandungannya. Model ini turut mengekalkan blok pemikiran daripada giliran pembantu terdahulu, maka saiz perbualan boleh bertambah melebihi kesan perubahan tokenizer sahaja. Panjang minimum prom yang boleh dicache ialah 512 token. Kekalkan giliran terdahulu tanpa perubahan apabila mengekalkan penaakulan, dan letakkan arahan baharu dalam giliran terkini. Perubahan effort pada peringkat teratas membatalkan cache mesej perbualan; pengeluar mendokumentasikan beta berasingan untuk mengubah effort dalam perbualan adaptif. Tiada satu pun keupayaan ini membuktikan cache hit bagi permintaan tertentu.
Untuk carian maklumat, panduan prom model mengesyorkan supaya tarikh semasa dibekalkan bersama alat carian dan takrif sistem serta alat asal dikekalkan tanpa perubahan. Berikan tarikh baharu dalam giliran terkini jika perbualan berterusan pada hari kemudian. Nyatakan perkara yang mesti ditemukan dan kekalkan sumber yang dikembalikan sebelum meminta kesimpulan. Contohnya, tugasan ilustratif boleh meminta tingkah laku yang didokumentasikan bagi versi perisian tertentu, diikuti penjelasan pendek yang berasaskan petikan yang diperoleh. Aplikasi menyediakan alat carian dan mengembalikan hasil sebenar; carian yang dicadangkan model bukan bukti bahawa carian itu telah berlaku.
Apabila output JSON berstruktur digabungkan dengan alat, panduan itu mendokumentasikan interaksi tertentu: apabila pemikiran dinyahaktifkan, Haiku boleh melangkau panggilan alat yang diperlukan. Anthropic mengesyorkan pemikiran adaptif untuk permintaan sedemikian, atau memisahkan keperluan JSON akhir daripada langkah alat. Tentukan medan output dan jelaskan bahawa jawapan akhir menyusul selepas hasil alat. Arahan pengekstrakan data boleh menamakan medan yang diperlukan dan cara mewakili nilai yang tiada, manakala arahan carian boleh terlebih dahulu meminta bukti yang diperlukan untuk mengisinya. Baca blok respons mengikut jenisnya, kerana jawapan tidak semestinya blok pertama dan teks pemikiran digugurkan secara lalai.
Untuk prom ejen yang lebih panjang, Anthropic menyatakan bahawa effort low boleh berhenti awal, melangkau carian atau mengabaikan semakan. Panduannya mengesyorkan arahan penyelesaian yang jelas dan semakan sebenar bagi perubahan kod sebelum perubahan dilaporkan selesai. Sediakan hasil yang dijangkakan dan bukti yang akan menunjukkannya: petikan terpilih untuk laporan, tingkah laku yang berubah untuk cadangan kod atau medan yang diekstrak daripada dokumen. Panduan itu turut membezakan mesej pengguna di tengah tugasan daripada output alat: arahan pengguna baharu berada dalam giliran pengguna, manakala bukti yang dikembalikan alat kekal berasingan.
Edisi ini mempunyai perlindungannya sendiri dan boleh memberikan penolakan bagi kategori termasuk bahaya siber, bahaya biologi, pembangunan model pesaing atau kegunaan terlarang lain. Pengeluar tidak mendokumentasikan mekanisme sandaran pada pelayan untuk Haiku 5.5. Panduannya turut menyatakan bahawa effort xhigh kadangkala boleh menamatkan respons berbilang giliran tanpa teks jawapan yang kelihatan, dan teks yang menyerupai penaakulan boleh muncul lebih kerap pada effort low atau apabila pemikiran dinyahaktifkan. Ini ialah tingkah laku khusus yang perlu diambil kira apabila aliran kerja memerlukan hasil berstruktur yang kelihatan. Untuk kerja pengekstrakan atau ringkasan biasa, gunakan sumber terfokus, output yang ditentukan dan tahap effort yang sesuai dengan tugasan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had anthropic/claude-haiku-5.5 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 1K token Input · Penulisan cache, 1 jam $0.0004 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk100,000 | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 1K token Input · Penulisan cache, 1 jam $0.0004 / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi100,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 1K token Input · Penulisan cache, 1 jam $0.002 / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "anthropic/claude-haiku-5.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-haiku-5.5', '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-haiku-5.5', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Gunakan laluan kaedah yang dipaparkan di atas.
~anthropic/claude-haiku-latestClaude Haiku 5.5 ialah model kecil Anthropic untuk pengelasan, pengekstrakan, ringkasan, penghalaan dan tugasan ejen yang terfokus. Model ini menggabungkan pemahaman teks dan imej dengan penaakulan adaptif serta dibentuk untuk kerja berulang yang memerlukan respons segera.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Haiku 5.5 ialah edisi model kecil Anthropic untuk tugasan berjumlah besar yang sensitif terhadap kependaman. Kegunaan utamanya merangkumi pengelasan, penghalaan, pengekstrakan maklumat, peringkasan, pemadatan perbualan dan kerja subejen yang terfokus. Model ini menerima teks dan imej serta menjana teks. Arahan yang berguna memberikan soalan yang sempit skopnya dan hasil yang jelas: kategori, set medan yang ditentukan, ringkasan pendek atau bukti berkaitan untuk bahagian lain dalam tugasan yang lebih besar. Kekalkan pengecam sumber bersama hasil supaya aplikasi boleh menghubungkan maklumat yang diekstrak dengan bahan asalnya.
Anthropic meletakkan edisi ini untuk sokongan pelanggan secara langsung, penggunaan pelayar dan subtugasan pengekodan pendek serta analisis berulang. Model ini boleh melengkapi Claude Sonnet 5.5 atau Claude Opus 5.5 dalam aliran kerja apabila model yang lebih besar mengendalikan projek bercita-cita tinggi dan Haiku mengendalikan carian atau ringkasan yang terbatas. Untuk tugasan sokongan, bekalkan soalan dan bahan rujukan yang dibenarkan, kemudian nyatakan nada respons dan perkara yang mesti dikembalikan. Untuk subtugasan pengekodan, kenal pasti fail atau petikan yang berkaitan dan soalan yang tepat, bukannya memberikan projek terbuka tanpa syarat penyelesaian.
Tetingkap konteks yang didokumentasikan ialah satu juta token, dengan sehingga 128,000 token output dalam penjanaan biasa. Token pemikiran dikira dalam peruntukan penjanaan, maka hasil memerlukan ruang untuk penaakulan dan teks yang kelihatan. Had pengetahuan yang boleh dipercayainya ialah Jun 2026; maklumat selepasnya memerlukan bukti yang dibekalkan atau alat carian. Anthropic secara berasingan mendokumentasikan beta khusus kelompok yang boleh meningkatkan output kepada 300,000 token untuk edisi ini. Peruntukan yang lebih besar itu memerlukan ciri extended-output pengeluar dan berbeza daripada had biasa. Kelompok tak segerak mengendalikan permintaan secara berasingan, menjadikannya berguna untuk himpunan dokumen atau rekod yang hasilnya diperlukan selepas pemprosesan dan bukannya serta-merta.
Pemikiran adaptif diaktifkan secara lalai, dan effort ialah kawalan utama bagi kedalaman penaakulan. Tahapnya ialah low, medium, high, xhigh dan max, dengan medium sebagai lalai. Anthropic mengesyorkan medium untuk kebanyakan kerja, high untuk tugasan yang lebih berterusan atau pematuhan arahan yang ketat, dan low untuk permintaan pendek yang lebih mudah. Pemikiran boleh dinyahaktifkan pada low, medium atau high; penyahaktifan pada xhigh atau max ditolak. Prom yang meminta jawapan langsung tidak menggantikan kawalan itu. Tetapan budget_tokens manual daripada Haiku 4.5 tidak terpakai pada edisi ini, dan temperature, top_p serta top_k patut digugurkan dalam antara muka yang didokumentasikan.
Haiku 5.5 menggunakan tokenizer lebih baharu yang diperkenalkan dalam generasi Claude terdahulu, dan Anthropic menganggarkan bahawa teks yang sama boleh menggunakan kira-kira 30% lebih banyak token berbanding Haiku 4.5, bergantung pada kandungannya. Model ini turut mengekalkan blok pemikiran daripada giliran pembantu terdahulu, maka saiz perbualan boleh bertambah melebihi kesan perubahan tokenizer sahaja. Panjang minimum prom yang boleh dicache ialah 512 token. Kekalkan giliran terdahulu tanpa perubahan apabila mengekalkan penaakulan, dan letakkan arahan baharu dalam giliran terkini. Perubahan effort pada peringkat teratas membatalkan cache mesej perbualan; pengeluar mendokumentasikan beta berasingan untuk mengubah effort dalam perbualan adaptif. Tiada satu pun keupayaan ini membuktikan cache hit bagi permintaan tertentu.
Untuk carian maklumat, panduan prom model mengesyorkan supaya tarikh semasa dibekalkan bersama alat carian dan takrif sistem serta alat asal dikekalkan tanpa perubahan. Berikan tarikh baharu dalam giliran terkini jika perbualan berterusan pada hari kemudian. Nyatakan perkara yang mesti ditemukan dan kekalkan sumber yang dikembalikan sebelum meminta kesimpulan. Contohnya, tugasan ilustratif boleh meminta tingkah laku yang didokumentasikan bagi versi perisian tertentu, diikuti penjelasan pendek yang berasaskan petikan yang diperoleh. Aplikasi menyediakan alat carian dan mengembalikan hasil sebenar; carian yang dicadangkan model bukan bukti bahawa carian itu telah berlaku.
Apabila output JSON berstruktur digabungkan dengan alat, panduan itu mendokumentasikan interaksi tertentu: apabila pemikiran dinyahaktifkan, Haiku boleh melangkau panggilan alat yang diperlukan. Anthropic mengesyorkan pemikiran adaptif untuk permintaan sedemikian, atau memisahkan keperluan JSON akhir daripada langkah alat. Tentukan medan output dan jelaskan bahawa jawapan akhir menyusul selepas hasil alat. Arahan pengekstrakan data boleh menamakan medan yang diperlukan dan cara mewakili nilai yang tiada, manakala arahan carian boleh terlebih dahulu meminta bukti yang diperlukan untuk mengisinya. Baca blok respons mengikut jenisnya, kerana jawapan tidak semestinya blok pertama dan teks pemikiran digugurkan secara lalai.
Untuk prom ejen yang lebih panjang, Anthropic menyatakan bahawa effort low boleh berhenti awal, melangkau carian atau mengabaikan semakan. Panduannya mengesyorkan arahan penyelesaian yang jelas dan semakan sebenar bagi perubahan kod sebelum perubahan dilaporkan selesai. Sediakan hasil yang dijangkakan dan bukti yang akan menunjukkannya: petikan terpilih untuk laporan, tingkah laku yang berubah untuk cadangan kod atau medan yang diekstrak daripada dokumen. Panduan itu turut membezakan mesej pengguna di tengah tugasan daripada output alat: arahan pengguna baharu berada dalam giliran pengguna, manakala bukti yang dikembalikan alat kekal berasingan.
Edisi ini mempunyai perlindungannya sendiri dan boleh memberikan penolakan bagi kategori termasuk bahaya siber, bahaya biologi, pembangunan model pesaing atau kegunaan terlarang lain. Pengeluar tidak mendokumentasikan mekanisme sandaran pada pelayan untuk Haiku 5.5. Panduannya turut menyatakan bahawa effort xhigh kadangkala boleh menamatkan respons berbilang giliran tanpa teks jawapan yang kelihatan, dan teks yang menyerupai penaakulan boleh muncul lebih kerap pada effort low atau apabila pemikiran dinyahaktifkan. Ini ialah tingkah laku khusus yang perlu diambil kira apabila aliran kerja memerlukan hasil berstruktur yang kelihatan. Untuk kerja pengekstrakan atau ringkasan biasa, gunakan sumber terfokus, output yang ditentukan dan tahap effort yang sesuai dengan tugasan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had ~anthropic/claude-haiku-latest | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 1K token Input · Penulisan cache, 1 jam $0.0004 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk100,000 | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 1K token Input · Penulisan cache, 1 jam $0.0004 / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi100,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 1K token Input · Penulisan cache, 1 jam $0.002 / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~anthropic/claude-haiku-latest", "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-haiku-latest',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-haiku-latest',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Gunakan laluan kaedah yang dipaparkan di atas.
~anthropic/claude-haiku-latestClaude Haiku 5.5 ialah model kecil Anthropic untuk pengelasan, pengekstrakan, ringkasan, penghalaan dan tugasan ejen yang terfokus. Model ini menggabungkan pemahaman teks dan imej dengan penaakulan adaptif serta dibentuk untuk kerja berulang yang memerlukan respons segera.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Haiku 5.5 ialah edisi model kecil Anthropic untuk tugasan berjumlah besar yang sensitif terhadap kependaman. Kegunaan utamanya merangkumi pengelasan, penghalaan, pengekstrakan maklumat, peringkasan, pemadatan perbualan dan kerja subejen yang terfokus. Model ini menerima teks dan imej serta menjana teks. Arahan yang berguna memberikan soalan yang sempit skopnya dan hasil yang jelas: kategori, set medan yang ditentukan, ringkasan pendek atau bukti berkaitan untuk bahagian lain dalam tugasan yang lebih besar. Kekalkan pengecam sumber bersama hasil supaya aplikasi boleh menghubungkan maklumat yang diekstrak dengan bahan asalnya.
Anthropic meletakkan edisi ini untuk sokongan pelanggan secara langsung, penggunaan pelayar dan subtugasan pengekodan pendek serta analisis berulang. Model ini boleh melengkapi Claude Sonnet 5.5 atau Claude Opus 5.5 dalam aliran kerja apabila model yang lebih besar mengendalikan projek bercita-cita tinggi dan Haiku mengendalikan carian atau ringkasan yang terbatas. Untuk tugasan sokongan, bekalkan soalan dan bahan rujukan yang dibenarkan, kemudian nyatakan nada respons dan perkara yang mesti dikembalikan. Untuk subtugasan pengekodan, kenal pasti fail atau petikan yang berkaitan dan soalan yang tepat, bukannya memberikan projek terbuka tanpa syarat penyelesaian.
Tetingkap konteks yang didokumentasikan ialah satu juta token, dengan sehingga 128,000 token output dalam penjanaan biasa. Token pemikiran dikira dalam peruntukan penjanaan, maka hasil memerlukan ruang untuk penaakulan dan teks yang kelihatan. Had pengetahuan yang boleh dipercayainya ialah Jun 2026; maklumat selepasnya memerlukan bukti yang dibekalkan atau alat carian. Anthropic secara berasingan mendokumentasikan beta khusus kelompok yang boleh meningkatkan output kepada 300,000 token untuk edisi ini. Peruntukan yang lebih besar itu memerlukan ciri extended-output pengeluar dan berbeza daripada had biasa. Kelompok tak segerak mengendalikan permintaan secara berasingan, menjadikannya berguna untuk himpunan dokumen atau rekod yang hasilnya diperlukan selepas pemprosesan dan bukannya serta-merta.
Pemikiran adaptif diaktifkan secara lalai, dan effort ialah kawalan utama bagi kedalaman penaakulan. Tahapnya ialah low, medium, high, xhigh dan max, dengan medium sebagai lalai. Anthropic mengesyorkan medium untuk kebanyakan kerja, high untuk tugasan yang lebih berterusan atau pematuhan arahan yang ketat, dan low untuk permintaan pendek yang lebih mudah. Pemikiran boleh dinyahaktifkan pada low, medium atau high; penyahaktifan pada xhigh atau max ditolak. Prom yang meminta jawapan langsung tidak menggantikan kawalan itu. Tetapan budget_tokens manual daripada Haiku 4.5 tidak terpakai pada edisi ini, dan temperature, top_p serta top_k patut digugurkan dalam antara muka yang didokumentasikan.
Haiku 5.5 menggunakan tokenizer lebih baharu yang diperkenalkan dalam generasi Claude terdahulu, dan Anthropic menganggarkan bahawa teks yang sama boleh menggunakan kira-kira 30% lebih banyak token berbanding Haiku 4.5, bergantung pada kandungannya. Model ini turut mengekalkan blok pemikiran daripada giliran pembantu terdahulu, maka saiz perbualan boleh bertambah melebihi kesan perubahan tokenizer sahaja. Panjang minimum prom yang boleh dicache ialah 512 token. Kekalkan giliran terdahulu tanpa perubahan apabila mengekalkan penaakulan, dan letakkan arahan baharu dalam giliran terkini. Perubahan effort pada peringkat teratas membatalkan cache mesej perbualan; pengeluar mendokumentasikan beta berasingan untuk mengubah effort dalam perbualan adaptif. Tiada satu pun keupayaan ini membuktikan cache hit bagi permintaan tertentu.
Untuk carian maklumat, panduan prom model mengesyorkan supaya tarikh semasa dibekalkan bersama alat carian dan takrif sistem serta alat asal dikekalkan tanpa perubahan. Berikan tarikh baharu dalam giliran terkini jika perbualan berterusan pada hari kemudian. Nyatakan perkara yang mesti ditemukan dan kekalkan sumber yang dikembalikan sebelum meminta kesimpulan. Contohnya, tugasan ilustratif boleh meminta tingkah laku yang didokumentasikan bagi versi perisian tertentu, diikuti penjelasan pendek yang berasaskan petikan yang diperoleh. Aplikasi menyediakan alat carian dan mengembalikan hasil sebenar; carian yang dicadangkan model bukan bukti bahawa carian itu telah berlaku.
Apabila output JSON berstruktur digabungkan dengan alat, panduan itu mendokumentasikan interaksi tertentu: apabila pemikiran dinyahaktifkan, Haiku boleh melangkau panggilan alat yang diperlukan. Anthropic mengesyorkan pemikiran adaptif untuk permintaan sedemikian, atau memisahkan keperluan JSON akhir daripada langkah alat. Tentukan medan output dan jelaskan bahawa jawapan akhir menyusul selepas hasil alat. Arahan pengekstrakan data boleh menamakan medan yang diperlukan dan cara mewakili nilai yang tiada, manakala arahan carian boleh terlebih dahulu meminta bukti yang diperlukan untuk mengisinya. Baca blok respons mengikut jenisnya, kerana jawapan tidak semestinya blok pertama dan teks pemikiran digugurkan secara lalai.
Untuk prom ejen yang lebih panjang, Anthropic menyatakan bahawa effort low boleh berhenti awal, melangkau carian atau mengabaikan semakan. Panduannya mengesyorkan arahan penyelesaian yang jelas dan semakan sebenar bagi perubahan kod sebelum perubahan dilaporkan selesai. Sediakan hasil yang dijangkakan dan bukti yang akan menunjukkannya: petikan terpilih untuk laporan, tingkah laku yang berubah untuk cadangan kod atau medan yang diekstrak daripada dokumen. Panduan itu turut membezakan mesej pengguna di tengah tugasan daripada output alat: arahan pengguna baharu berada dalam giliran pengguna, manakala bukti yang dikembalikan alat kekal berasingan.
Edisi ini mempunyai perlindungannya sendiri dan boleh memberikan penolakan bagi kategori termasuk bahaya siber, bahaya biologi, pembangunan model pesaing atau kegunaan terlarang lain. Pengeluar tidak mendokumentasikan mekanisme sandaran pada pelayan untuk Haiku 5.5. Panduannya turut menyatakan bahawa effort xhigh kadangkala boleh menamatkan respons berbilang giliran tanpa teks jawapan yang kelihatan, dan teks yang menyerupai penaakulan boleh muncul lebih kerap pada effort low atau apabila pemikiran dinyahaktifkan. Ini ialah tingkah laku khusus yang perlu diambil kira apabila aliran kerja memerlukan hasil berstruktur yang kelihatan. Untuk kerja pengekstrakan atau ringkasan biasa, gunakan sumber terfokus, output yang ditentukan dan tahap effort yang sesuai dengan tugasan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had ~anthropic/claude-haiku-latest | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 1K token Input · Penulisan cache, 1 jam $0.0004 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk100,000 | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 1K token Input · Penulisan cache, 1 jam $0.0004 / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi100,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 1K token Input · Penulisan cache, 1 jam $0.002 / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "~anthropic/claude-haiku-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-haiku-latest', '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-haiku-latest', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.