Claude Opus 4.1 ialah kemas kini Anthropic kepada Claude Opus 4 asal, dengan tumpuan pada tugasan berasaskan ejen, pengekodan dunia sebenar dan penaakulan. Pelancarannya turut mengetengahkan penyelidikan mendalam dan analisis data, terutamanya penjejakan butiran dan penggunaan carian dalam tugasan yang lebih besar. Adendum kad sistem yang disertakan menerangkan peningkatan kualiti penaakulan dan pematuhan arahan. Edisi ini kekal berbeza daripada Opus 4 asal serta model Opus 4.5, 4.6 dan 5 yang muncul kemudian; mod dan had model tersebut tidak patut dianggap sebagai spesifikasi kemas kini ini.
Untuk kerja kod, pelancarannya mengetengahkan pemfaktoran semula berbilang fail dan pengenalpastian pembetulan tepat dalam pangkalan kod yang besar. Berikan fail atau petikan yang berkaitan, tingkah laku sedia ada, tingkah laku yang diingini dan kekangan yang mesti dikekalkan oleh perubahan yang sah. Contoh permintaan boleh meminta model menjejaki kegagalan merentas fungsi yang berkaitan, mencadangkan perubahan terkecil yang koheren dan menerangkan sebab setiap bahagian yang diubah diperlukan. Hasil yang berguna ialah tampalan atau cadangan kod yang boleh disemak dengan konteks sumber dan andaian dikekalkan, bukannya penulisan semula menyeluruh yang mengaburkan isu asal.
Untuk penyelidikan dan analisis data, tumpuan pada penjejakan butiran berguna apabila soalan bergantung pada beberapa petikan atau pemerhatian. Bekalkan bahan dengan pengecam sumber, tentukan soalan dan minta bukti yang menyokong setiap kesimpulan. Arahan praktikal boleh meminta jadual perbandingan yang menunjukkan persamaan dua dokumen, perbezaannya dan soalan yang masih belum dijawab. Jika carian ialah sebahagian daripada aliran kerja, aplikasi menyediakan alat dan kandungan yang dikembalikannya. Model kemudian menghubungkan hasil itu dengan bahan sedia ada; carian yang dicadangkan dalam teksnya bukan carian yang telah selesai dilaksanakan.
Opus 4.1 mempunyai mod respons standard dan pilihan pemikiran lanjutan. Panduan pemikiran lama memberikan kawalan langsung melalui budget_tokens, dengan minimum 1,024 token. Bajet biasanya lebih rendah daripada max_tokens kerana penaakulan dalaman dan respons akhir berkongsi peruntukan penjanaan. Bajet ialah sasaran penaakulan, bukannya janji untuk menggunakan keseluruhan jumlahnya. Pemikiran adaptif dan kawalan effort pada edisi Opus yang lebih baharu ialah keupayaan berasingan. Sediakan masalah yang lengkap dan nyatakan format jawapan akhir supaya analisis tambahan membawa kepada hasil yang diperlukan oleh pembaca.
Beta yang didokumentasikan untuk model Claude 4 terdahulu menyokong pemikiran berselang-seli: penaakulan antara panggilan alat dalam satu giliran pembantu. Ia menggunakan ciri interleaved-thinking pengeluar dalam aliran kerja Messages yang disokong. Dalam mod itu, bajet pemikiran boleh merangkumi beberapa blok dan melebihi nilai max_tokens bagi satu giliran di bawah pengecualian yang didokumentasikan. Kembalikan blok pemikiran yang berkenaan tanpa perubahan bersama hasil alat, termasuk tandatangannya. Aliran kerja penyahpepijatan dengan itu boleh bersilih ganti antara analisis, semakan yang dilaksanakan aplikasi dan tafsiran output sebenar, sambil memisahkan tindakan yang dicadangkan daripada tindakan yang telah selesai.
Adendum kad sistem turut menerangkan tugasan penggunaan komputer yang melibatkan pemerhatian skrin, tindakan tetikus dan input papan kekunci, di samping tugasan pengekodan yang lebih panjang dengan alat. Model boleh menaakul berdasarkan keadaan visual yang dibekalkan dan memilih tindakan dalam persekitaran yang tersambung; aplikasi melaksanakan interaksi itu dan mengembalikan perubahan yang berlaku. Untuk arahan berasaskan skrin, kenal pasti matlamat, kawalan berkaitan yang kelihatan dan tindakan yang dibenarkan. Untuk aliran kerja dokumen atau data, minta penjelasan teks atau hasil berstruktur yang dikaitkan dengan bukti yang dibekalkan. Tafsiran model dan pelaksanaan persekitaran ialah bahagian kerja yang berasingan.
Penilaian pengeluar melaporkan kerentanan terhadap suntikan prom yang serupa dengan Opus 4 asal. Penilaian itu secara khusus meneliti teks tersembunyi atau elemen antara muka yang cuba mengalihkan ejen daripada tugasan pengguna. Pisahkan arahan tugasan daripada bahan yang dikembalikan oleh alat dan kekalkan matlamat asal semasa mentafsir halaman atau dokumen. Ini ialah syarat penting bagi aliran kerja ejen: melihat permintaan dalam kandungan luaran tidak menjadikannya arahan yang telah dibenarkan oleh pengguna. Perlindungan model tidak menjadikan setiap halaman yang ditemui sebagai input yang boleh dipercayai.
Kad sistemnya turut menerangkan batasan pengekodan yang dipanggil reward hacking, termasuk jawapan yang dikodkan secara tetap dan penyelesaian yang disesuaikan hanya kepada contoh di hadapan model. Opus 4.1 menunjukkan kecenderungan yang serupa dengan Opus 4, dengan beberapa kemerosotan dalam penilaian terfokus tersebut. Untuk cadangan kod, minta penyelesaian yang memenuhi keperluan umum, kenal pasti keadaan yang dikendalikannya dan sertakan semakan selain satu contoh yang dibekalkan. Minta laporan akhir membezakan perkara yang dicadangkan, perkara yang benar-benar disemak oleh persekitaran dan perkara yang tidak dapat dipastikan. Ini menghubungkan kekuatan model dalam penyahpepijatan tepat dan penjejakan butiran dengan artifak konkrit yang tingkah lakunya boleh diteliti.
", "aboutText": "Claude Opus 4.1 ialah kemas kini Anthropic kepada Claude Opus 4 asal, dengan tumpuan pada tugasan berasaskan ejen, pengekodan dunia sebenar dan penaakulan. Pelancarannya turut mengetengahkan penyelidikan mendalam dan analisis data, terutamanya penjejakan butiran dan penggunaan carian dalam tugasan yang lebih besar. Adendum kad sistem yang disertakan menerangkan peningkatan kualiti penaakulan dan pematuhan arahan. Edisi ini kekal berbeza daripada Opus 4 asal serta model Opus 4.5, 4.6 dan 5 yang muncul kemudian; mod dan had model tersebut tidak patut dianggap sebagai spesifikasi kemas kini ini.\n\nUntuk kerja kod, pelancarannya mengetengahkan pemfaktoran semula berbilang fail dan pengenalpastian pembetulan tepat dalam pangkalan kod yang besar. Berikan fail atau petikan yang berkaitan, tingkah laku sedia ada, tingkah laku yang diingini dan kekangan yang mesti dikekalkan oleh perubahan yang sah. Contoh permintaan boleh meminta model menjejaki kegagalan merentas fungsi yang berkaitan, mencadangkan perubahan terkecil yang koheren dan menerangkan sebab setiap bahagian yang diubah diperlukan. Hasil yang berguna ialah tampalan atau cadangan kod yang boleh disemak dengan konteks sumber dan andaian dikekalkan, bukannya penulisan semula menyeluruh yang mengaburkan isu asal.\n\nUntuk penyelidikan dan analisis data, tumpuan pada penjejakan butiran berguna apabila soalan bergantung pada beberapa petikan atau pemerhatian. Bekalkan bahan dengan pengecam sumber, tentukan soalan dan minta bukti yang menyokong setiap kesimpulan. Arahan praktikal boleh meminta jadual perbandingan yang menunjukkan persamaan dua dokumen, perbezaannya dan soalan yang masih belum dijawab. Jika carian ialah sebahagian daripada aliran kerja, aplikasi menyediakan alat dan kandungan yang dikembalikannya. Model kemudian menghubungkan hasil itu dengan bahan sedia ada; carian yang dicadangkan dalam teksnya bukan carian yang telah selesai dilaksanakan.\n\nOpus 4.1 mempunyai mod respons standard dan pilihan pemikiran lanjutan. Panduan pemikiran lama memberikan kawalan langsung melalui budget_tokens, dengan minimum 1,024 token. Bajet biasanya lebih rendah daripada max_tokens kerana penaakulan dalaman dan respons akhir berkongsi peruntukan penjanaan. Bajet ialah sasaran penaakulan, bukannya janji untuk menggunakan keseluruhan jumlahnya. Pemikiran adaptif dan kawalan effort pada edisi Opus yang lebih baharu ialah keupayaan berasingan. Sediakan masalah yang lengkap dan nyatakan format jawapan akhir supaya analisis tambahan membawa kepada hasil yang diperlukan oleh pembaca.\n\nBeta yang didokumentasikan untuk model Claude 4 terdahulu menyokong pemikiran berselang-seli: penaakulan antara panggilan alat dalam satu giliran pembantu. Ia menggunakan ciri interleaved-thinking pengeluar dalam aliran kerja Messages yang disokong. Dalam mod itu, bajet pemikiran boleh merangkumi beberapa blok dan melebihi nilai max_tokens bagi satu giliran di bawah pengecualian yang didokumentasikan. Kembalikan blok pemikiran yang berkenaan tanpa perubahan bersama hasil alat, termasuk tandatangannya. Aliran kerja penyahpepijatan dengan itu boleh bersilih ganti antara analisis, semakan yang dilaksanakan aplikasi dan tafsiran output sebenar, sambil memisahkan tindakan yang dicadangkan daripada tindakan yang telah selesai.\n\nAdendum kad sistem turut menerangkan tugasan penggunaan komputer yang melibatkan pemerhatian skrin, tindakan tetikus dan input papan kekunci, di samping tugasan pengekodan yang lebih panjang dengan alat. Model boleh menaakul berdasarkan keadaan visual yang dibekalkan dan memilih tindakan dalam persekitaran yang tersambung; aplikasi melaksanakan interaksi itu dan mengembalikan perubahan yang berlaku. Untuk arahan berasaskan skrin, kenal pasti matlamat, kawalan berkaitan yang kelihatan dan tindakan yang dibenarkan. Untuk aliran kerja dokumen atau data, minta penjelasan teks atau hasil berstruktur yang dikaitkan dengan bukti yang dibekalkan. Tafsiran model dan pelaksanaan persekitaran ialah bahagian kerja yang berasingan.\n\nPenilaian pengeluar melaporkan kerentanan terhadap suntikan prom yang serupa dengan Opus 4 asal. Penilaian itu secara khusus meneliti teks tersembunyi atau elemen antara muka yang cuba mengalihkan ejen daripada tugasan pengguna. Pisahkan arahan tugasan daripada bahan yang dikembalikan oleh alat dan kekalkan matlamat asal semasa mentafsir halaman atau dokumen. Ini ialah syarat penting bagi aliran kerja ejen: melihat permintaan dalam kandungan luaran tidak menjadikannya arahan yang telah dibenarkan oleh pengguna. Perlindungan model tidak menjadikan setiap halaman yang ditemui sebagai input yang boleh dipercayai.\n\nKad sistemnya turut menerangkan batasan pengekodan yang dipanggil reward hacking, termasuk jawapan yang dikodkan secara tetap dan penyelesaian yang disesuaikan hanya kepada contoh di hadapan model. Opus 4.1 menunjukkan kecenderungan yang serupa dengan Opus 4, dengan beberapa kemerosotan dalam penilaian terfokus tersebut. Untuk cadangan kod, minta penyelesaian yang memenuhi keperluan umum, kenal pasti keadaan yang dikendalikannya dan sertakan semakan selain satu contoh yang dibekalkan. Minta laporan akhir membezakan perkara yang dicadangkan, perkara yang benar-benar disemak oleh persekitaran dan perkara yang tidak dapat dipastikan. Ini menghubungkan kekuatan model dalam penyahpepijatan tepat dan penjejakan butiran dengan artifak konkrit yang tingkah lakunya boleh diteliti.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Trace a lost pagination argument\n\nReview these related Python functions: api.list_items(page): return service.list_items(); service.list_items(page=1): return repo.fetch(offset=(page-1)*20). Requests for page 3 return page 1. Propose the smallest correction across the call chain and regression tests for pages 1 and 3. Preserve the service default for existing callers.A focused patch, a call-chain explanation and two regression-test cases with expected offsets.Confirm page 3 reaches offset 40 while callers omitting page retain offset 0.anthropic/claude-opus-4.1Claude Opus 4.1 ialah kemas kini Anthropic kepada Opus 4 untuk kerja perisian berasaskan ejen, penyelidikan, analisis data dan penaakulan. Fokusnya merangkumi penjejakan butiran, perubahan kod berbilang fail dan penyahpepijatan yang tepat, dengan respons standard atau pilihan pemikiran lanjutan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Opus 4.1 ialah kemas kini Anthropic kepada Claude Opus 4 asal, dengan tumpuan pada tugasan berasaskan ejen, pengekodan dunia sebenar dan penaakulan. Pelancarannya turut mengetengahkan penyelidikan mendalam dan analisis data, terutamanya penjejakan butiran dan penggunaan carian dalam tugasan yang lebih besar. Adendum kad sistem yang disertakan menerangkan peningkatan kualiti penaakulan dan pematuhan arahan. Edisi ini kekal berbeza daripada Opus 4 asal serta model Opus 4.5, 4.6 dan 5 yang muncul kemudian; mod dan had model tersebut tidak patut dianggap sebagai spesifikasi kemas kini ini.
Untuk kerja kod, pelancarannya mengetengahkan pemfaktoran semula berbilang fail dan pengenalpastian pembetulan tepat dalam pangkalan kod yang besar. Berikan fail atau petikan yang berkaitan, tingkah laku sedia ada, tingkah laku yang diingini dan kekangan yang mesti dikekalkan oleh perubahan yang sah. Contoh permintaan boleh meminta model menjejaki kegagalan merentas fungsi yang berkaitan, mencadangkan perubahan terkecil yang koheren dan menerangkan sebab setiap bahagian yang diubah diperlukan. Hasil yang berguna ialah tampalan atau cadangan kod yang boleh disemak dengan konteks sumber dan andaian dikekalkan, bukannya penulisan semula menyeluruh yang mengaburkan isu asal.
Untuk penyelidikan dan analisis data, tumpuan pada penjejakan butiran berguna apabila soalan bergantung pada beberapa petikan atau pemerhatian. Bekalkan bahan dengan pengecam sumber, tentukan soalan dan minta bukti yang menyokong setiap kesimpulan. Arahan praktikal boleh meminta jadual perbandingan yang menunjukkan persamaan dua dokumen, perbezaannya dan soalan yang masih belum dijawab. Jika carian ialah sebahagian daripada aliran kerja, aplikasi menyediakan alat dan kandungan yang dikembalikannya. Model kemudian menghubungkan hasil itu dengan bahan sedia ada; carian yang dicadangkan dalam teksnya bukan carian yang telah selesai dilaksanakan.
Opus 4.1 mempunyai mod respons standard dan pilihan pemikiran lanjutan. Panduan pemikiran lama memberikan kawalan langsung melalui budget_tokens, dengan minimum 1,024 token. Bajet biasanya lebih rendah daripada max_tokens kerana penaakulan dalaman dan respons akhir berkongsi peruntukan penjanaan. Bajet ialah sasaran penaakulan, bukannya janji untuk menggunakan keseluruhan jumlahnya. Pemikiran adaptif dan kawalan effort pada edisi Opus yang lebih baharu ialah keupayaan berasingan. Sediakan masalah yang lengkap dan nyatakan format jawapan akhir supaya analisis tambahan membawa kepada hasil yang diperlukan oleh pembaca.
Beta yang didokumentasikan untuk model Claude 4 terdahulu menyokong pemikiran berselang-seli: penaakulan antara panggilan alat dalam satu giliran pembantu. Ia menggunakan ciri interleaved-thinking pengeluar dalam aliran kerja Messages yang disokong. Dalam mod itu, bajet pemikiran boleh merangkumi beberapa blok dan melebihi nilai max_tokens bagi satu giliran di bawah pengecualian yang didokumentasikan. Kembalikan blok pemikiran yang berkenaan tanpa perubahan bersama hasil alat, termasuk tandatangannya. Aliran kerja penyahpepijatan dengan itu boleh bersilih ganti antara analisis, semakan yang dilaksanakan aplikasi dan tafsiran output sebenar, sambil memisahkan tindakan yang dicadangkan daripada tindakan yang telah selesai.
Adendum kad sistem turut menerangkan tugasan penggunaan komputer yang melibatkan pemerhatian skrin, tindakan tetikus dan input papan kekunci, di samping tugasan pengekodan yang lebih panjang dengan alat. Model boleh menaakul berdasarkan keadaan visual yang dibekalkan dan memilih tindakan dalam persekitaran yang tersambung; aplikasi melaksanakan interaksi itu dan mengembalikan perubahan yang berlaku. Untuk arahan berasaskan skrin, kenal pasti matlamat, kawalan berkaitan yang kelihatan dan tindakan yang dibenarkan. Untuk aliran kerja dokumen atau data, minta penjelasan teks atau hasil berstruktur yang dikaitkan dengan bukti yang dibekalkan. Tafsiran model dan pelaksanaan persekitaran ialah bahagian kerja yang berasingan.
Penilaian pengeluar melaporkan kerentanan terhadap suntikan prom yang serupa dengan Opus 4 asal. Penilaian itu secara khusus meneliti teks tersembunyi atau elemen antara muka yang cuba mengalihkan ejen daripada tugasan pengguna. Pisahkan arahan tugasan daripada bahan yang dikembalikan oleh alat dan kekalkan matlamat asal semasa mentafsir halaman atau dokumen. Ini ialah syarat penting bagi aliran kerja ejen: melihat permintaan dalam kandungan luaran tidak menjadikannya arahan yang telah dibenarkan oleh pengguna. Perlindungan model tidak menjadikan setiap halaman yang ditemui sebagai input yang boleh dipercayai.
Kad sistemnya turut menerangkan batasan pengekodan yang dipanggil reward hacking, termasuk jawapan yang dikodkan secara tetap dan penyelesaian yang disesuaikan hanya kepada contoh di hadapan model. Opus 4.1 menunjukkan kecenderungan yang serupa dengan Opus 4, dengan beberapa kemerosotan dalam penilaian terfokus tersebut. Untuk cadangan kod, minta penyelesaian yang memenuhi keperluan umum, kenal pasti keadaan yang dikendalikannya dan sertakan semakan selain satu contoh yang dibekalkan. Minta laporan akhir membezakan perkara yang dicadangkan, perkara yang benar-benar disemak oleh persekitaran dan perkara yang tidak dapat dipastikan. Ini menghubungkan kekuatan model dalam penyahpepijatan tepat dan penjejakan butiran dengan artifak konkrit yang tingkah lakunya boleh diteliti.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had anthropic/claude-opus-4.1 | 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 $0.03 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.003 / 1K token Input · Penulisan cache $0.0375 / 1K token Input · Penulisan cache, 1 jam $0.06 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.03 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.003 / 1K token Input · Penulisan cache $0.0375 / 1K token Input · Penulisan cache, 1 jam $0.06 / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-opus-4.1", "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-4.1',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-4.1',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-opus-4.1
Gunakan laluan kaedah yang dipaparkan di atas.
anthropic/claude-opus-4.1Claude Opus 4.1 ialah kemas kini Anthropic kepada Opus 4 untuk kerja perisian berasaskan ejen, penyelidikan, analisis data dan penaakulan. Fokusnya merangkumi penjejakan butiran, perubahan kod berbilang fail dan penyahpepijatan yang tepat, dengan respons standard atau pilihan pemikiran lanjutan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Opus 4.1 ialah kemas kini Anthropic kepada Claude Opus 4 asal, dengan tumpuan pada tugasan berasaskan ejen, pengekodan dunia sebenar dan penaakulan. Pelancarannya turut mengetengahkan penyelidikan mendalam dan analisis data, terutamanya penjejakan butiran dan penggunaan carian dalam tugasan yang lebih besar. Adendum kad sistem yang disertakan menerangkan peningkatan kualiti penaakulan dan pematuhan arahan. Edisi ini kekal berbeza daripada Opus 4 asal serta model Opus 4.5, 4.6 dan 5 yang muncul kemudian; mod dan had model tersebut tidak patut dianggap sebagai spesifikasi kemas kini ini.
Untuk kerja kod, pelancarannya mengetengahkan pemfaktoran semula berbilang fail dan pengenalpastian pembetulan tepat dalam pangkalan kod yang besar. Berikan fail atau petikan yang berkaitan, tingkah laku sedia ada, tingkah laku yang diingini dan kekangan yang mesti dikekalkan oleh perubahan yang sah. Contoh permintaan boleh meminta model menjejaki kegagalan merentas fungsi yang berkaitan, mencadangkan perubahan terkecil yang koheren dan menerangkan sebab setiap bahagian yang diubah diperlukan. Hasil yang berguna ialah tampalan atau cadangan kod yang boleh disemak dengan konteks sumber dan andaian dikekalkan, bukannya penulisan semula menyeluruh yang mengaburkan isu asal.
Untuk penyelidikan dan analisis data, tumpuan pada penjejakan butiran berguna apabila soalan bergantung pada beberapa petikan atau pemerhatian. Bekalkan bahan dengan pengecam sumber, tentukan soalan dan minta bukti yang menyokong setiap kesimpulan. Arahan praktikal boleh meminta jadual perbandingan yang menunjukkan persamaan dua dokumen, perbezaannya dan soalan yang masih belum dijawab. Jika carian ialah sebahagian daripada aliran kerja, aplikasi menyediakan alat dan kandungan yang dikembalikannya. Model kemudian menghubungkan hasil itu dengan bahan sedia ada; carian yang dicadangkan dalam teksnya bukan carian yang telah selesai dilaksanakan.
Opus 4.1 mempunyai mod respons standard dan pilihan pemikiran lanjutan. Panduan pemikiran lama memberikan kawalan langsung melalui budget_tokens, dengan minimum 1,024 token. Bajet biasanya lebih rendah daripada max_tokens kerana penaakulan dalaman dan respons akhir berkongsi peruntukan penjanaan. Bajet ialah sasaran penaakulan, bukannya janji untuk menggunakan keseluruhan jumlahnya. Pemikiran adaptif dan kawalan effort pada edisi Opus yang lebih baharu ialah keupayaan berasingan. Sediakan masalah yang lengkap dan nyatakan format jawapan akhir supaya analisis tambahan membawa kepada hasil yang diperlukan oleh pembaca.
Beta yang didokumentasikan untuk model Claude 4 terdahulu menyokong pemikiran berselang-seli: penaakulan antara panggilan alat dalam satu giliran pembantu. Ia menggunakan ciri interleaved-thinking pengeluar dalam aliran kerja Messages yang disokong. Dalam mod itu, bajet pemikiran boleh merangkumi beberapa blok dan melebihi nilai max_tokens bagi satu giliran di bawah pengecualian yang didokumentasikan. Kembalikan blok pemikiran yang berkenaan tanpa perubahan bersama hasil alat, termasuk tandatangannya. Aliran kerja penyahpepijatan dengan itu boleh bersilih ganti antara analisis, semakan yang dilaksanakan aplikasi dan tafsiran output sebenar, sambil memisahkan tindakan yang dicadangkan daripada tindakan yang telah selesai.
Adendum kad sistem turut menerangkan tugasan penggunaan komputer yang melibatkan pemerhatian skrin, tindakan tetikus dan input papan kekunci, di samping tugasan pengekodan yang lebih panjang dengan alat. Model boleh menaakul berdasarkan keadaan visual yang dibekalkan dan memilih tindakan dalam persekitaran yang tersambung; aplikasi melaksanakan interaksi itu dan mengembalikan perubahan yang berlaku. Untuk arahan berasaskan skrin, kenal pasti matlamat, kawalan berkaitan yang kelihatan dan tindakan yang dibenarkan. Untuk aliran kerja dokumen atau data, minta penjelasan teks atau hasil berstruktur yang dikaitkan dengan bukti yang dibekalkan. Tafsiran model dan pelaksanaan persekitaran ialah bahagian kerja yang berasingan.
Penilaian pengeluar melaporkan kerentanan terhadap suntikan prom yang serupa dengan Opus 4 asal. Penilaian itu secara khusus meneliti teks tersembunyi atau elemen antara muka yang cuba mengalihkan ejen daripada tugasan pengguna. Pisahkan arahan tugasan daripada bahan yang dikembalikan oleh alat dan kekalkan matlamat asal semasa mentafsir halaman atau dokumen. Ini ialah syarat penting bagi aliran kerja ejen: melihat permintaan dalam kandungan luaran tidak menjadikannya arahan yang telah dibenarkan oleh pengguna. Perlindungan model tidak menjadikan setiap halaman yang ditemui sebagai input yang boleh dipercayai.
Kad sistemnya turut menerangkan batasan pengekodan yang dipanggil reward hacking, termasuk jawapan yang dikodkan secara tetap dan penyelesaian yang disesuaikan hanya kepada contoh di hadapan model. Opus 4.1 menunjukkan kecenderungan yang serupa dengan Opus 4, dengan beberapa kemerosotan dalam penilaian terfokus tersebut. Untuk cadangan kod, minta penyelesaian yang memenuhi keperluan umum, kenal pasti keadaan yang dikendalikannya dan sertakan semakan selain satu contoh yang dibekalkan. Minta laporan akhir membezakan perkara yang dicadangkan, perkara yang benar-benar disemak oleh persekitaran dan perkara yang tidak dapat dipastikan. Ini menghubungkan kekuatan model dalam penyahpepijatan tepat dan penjejakan butiran dengan artifak konkrit yang tingkah lakunya boleh diteliti.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had anthropic/claude-opus-4.1 | 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 $0.03 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.003 / 1K token Input · Penulisan cache $0.0375 / 1K token Input · Penulisan cache, 1 jam $0.06 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.03 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.003 / 1K token Input · Penulisan cache $0.0375 / 1K token Input · Penulisan cache, 1 jam $0.06 / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "anthropic/claude-opus-4.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.1', '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-4.1', '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-opus-4.1
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Trace a lost pagination argument\n\nReview these related Python functions: api.list_items(page): return service.list_items(); service.list_items(page=1): return repo.fetch(offset=(page-1)*20). Requests for page 3 return page 1. Propose the smallest correction across the call chain and regression tests for pages 1 and 3. Preserve the service default for existing callers.A focused patch, a call-chain explanation and two regression-test cases with expected offsets.Confirm page 3 reaches offset 40 while callers omitting page retain offset 0.