Claude Sonnet 4.5 ialah edisi Sonnet Anthropic yang memfokuskan pembangunan perisian, tugas ejen kompleks dan penggunaan komputer, dengan penambahbaikan dalam penaakulan serta matematik. Model ini menerima teks dan imej serta menjana teks. Keluaran ini menerangkan kerja berterusan merentas beberapa langkah, pemahaman kod dan perubahan yang melibatkan projek lebih luas, bukannya satu fungsi yang terasing. Huraian yang berguna mengenal pasti tingkah laku yang diperlukan, bahan sumber berkaitan dan hasil yang perlu disampaikan: cadangan tampalan, penjelasan pelaksanaan, analisis dokumen atau jawapan berstruktur.
Untuk kerja perisian, berikan kekangan projek, fail atau petikan berkaitan, ralat yang diperhatikan dan contoh konkrit hasil yang dijangkakan. Minta kod yang terjejas serta penjelasan tentang cara perubahan yang dicadangkan menangani contoh itu. Pengeluar memperkenalkan model sebagai pilihan yang sesuai untuk membina ejen dan mengendalikan tugas pembangunan dengan alat. Aplikasi sekeliling membaca dan menyunting fail, menjalankan perintah atau semakan serta memulangkan output sebenar; model membuat penaakulan berdasarkan bukti itu. Asingkan perubahan yang dicadangkan daripada semakan yang telah selesai dalam laporan akhir.
Penggunaan komputer ialah penerapan berasingan bagi keupayaan visual dan ejennya. Keluaran Anthropic menunjukkan interaksi pelayar, navigasi halaman dan kerja hamparan melalui persekitaran yang disambungkan. Huraian visual boleh membekalkan tangkapan skrin, mengenal pasti matlamat dan mentakrifkan tindakan yang dibenarkan aplikasi. Aplikasi kemudian melaksanakan interaksi yang dipilih dan memulangkan skrin yang berubah atau hasil lain. Begitu juga, model boleh menyediakan kandungan dan kod untuk dokumen, hamparan serta slaid, manakala persekitaran menghasilkan fail siap. Pemahaman teks dan imej tidak menjadikan model penjana imej atau audio natif.
Spesifikasi tepat pengeluar menyenaraikan tetingkap konteks 200K token dan sehingga 64K token output. Tarikh akhir pengetahuan yang boleh dipercayai ialah Januari 2025, berbeza daripada tarikh akhir data latihan yang lebih lewat yang disenaraikan pada halaman. Pastikan sempadan dokumen, label halaman, unit dan pengecam kod jelas dalam input panjang, dan sediakan ruang untuk jawapan yang diminta serta sebarang penaakulan. Pengeluar turut mendokumentasikan kesedaran konteks bagi edisi ini, jadi aliran kerja yang disokong menjejak ruang yang masih berbaki sepanjang perbualan. Ini membantu mengurus tugas berterusan dalam tetingkapnya; ini tidak menggantikan tetingkap itu dengan kapasiti lebih besar daripada edisi Sonnet kemudian.
Sonnet 4.5 menyokong respons biasa dan penaakulan lanjutan dengan tetapan manual. Dalam mod kedua, budget_tokens menetapkan sasaran penaakulan dalaman sebelum jawapan yang kelihatan. Minimum yang didokumentasikan ialah 1,024 token, dan bajet biasanya mesti lebih rendah daripada max_tokens kerana penaakulan serta jawapan akhir berkongsi peruntukan penjanaan. Bajet ialah sasaran, bukannya janji untuk menggunakan jumlah token yang tepat. Edisi ini tidak mempunyai mod penaakulan adaptif atau kawalan usaha yang diterangkan untuk model Sonnet kemudian. Pilih kedalaman analisis yang diminta dan tinggalkan peruntukan mencukupi untuk jawapan akhir yang berguna.
Beta interleaved-thinking pengeluar membolehkan Sonnet 4.5 membuat penaakulan antara panggilan alat dalam satu giliran, menggunakan pemerhatian yang dipulangkan untuk menentukan langkah seterusnya. Ini memerlukan ciri beta yang didokumentasikan dalam aliran kerja Messages yang disokong. Dalam keadaan ini, bajet penaakulan boleh melebihi max_tokens kerana merangkumi beberapa blok penaakulan dalam giliran pembantu yang sama. Pulangkan hasil alat bersama kandungan penaakulan berkaitan tanpa perubahan, termasuk tandatangannya; penyuntingan kandungan itu menjadikannya tidak sah. Oleh itu, tugas penyelidikan atau penyahpepijatan boleh berselang-seli antara semakan yang dicadangkan, hasil sebenar yang dipulangkan dan analisis yang dikemas kini tanpa menganggap cadangan teks sebagai tindakan yang telah selesai.
Untuk bahan visual, pengeluar menyokong JPEG, PNG, GIF dan WebP serta menggunakan bingkai pertama animasi sahaja. Tahap imej natif standard yang digunakan edisi ini mempunyai had sisi panjang 1,568 piksel dan had 1,568 token visual; imej lebih besar dikecilkan. Panduan imej pengeluar menyenaraikan sehingga 100 imej bagi setiap permintaan API untuk model berkonteks 200K, dengan had imej serta saiz keseluruhan permintaan yang mungkin dicapai terlebih dahulu. Letakkan imej sebelum soalan apabila praktikal, labelkan imej yang berbilang dan kekalkan teks kecil atau label carta. Panduan mengesyorkan imej yang jelas dan konteks sekeliling yang cukup untuk mentafsirkan butiran yang kelihatan.
Penyuntingan konteks dan alat memori diperkenalkan bersama model ini untuk menyokong aliran kerja ejen yang lebih panjang. Ini ialah cara yang disokong aplikasi untuk mengekalkan keadaan berguna atau membuang bahan alat lama; ini bukan memori model tanpa had atau ciri pemadatan konteks pada pelayan yang diperkenalkan kemudian. Untuk tugas berbilang peringkat, kekalkan keputusan yang telah dibuat, soalan yang belum diselesaikan dan bukti yang diperlukan bagi langkah seterusnya. Anthropic turut menerangkan rintangan lebih kuat terhadap arahan tersembunyi dalam kandungan luaran, sambil menyatakan bahawa pengelas khusus model kadangkala boleh menandakan bahan yang tidak berbahaya. Hasil yang berguna kekal sebagai hasil yang boleh disemak dan terikat pada bukti yang dibekalkan, dengan mod serta had tepat Sonnet 4.5 diasingkan daripada keluaran kemudian.
", "aboutText": "Claude Sonnet 4.5 ialah edisi Sonnet Anthropic yang memfokuskan pembangunan perisian, tugas ejen kompleks dan penggunaan komputer, dengan penambahbaikan dalam penaakulan serta matematik. Model ini menerima teks dan imej serta menjana teks. Keluaran ini menerangkan kerja berterusan merentas beberapa langkah, pemahaman kod dan perubahan yang melibatkan projek lebih luas, bukannya satu fungsi yang terasing. Huraian yang berguna mengenal pasti tingkah laku yang diperlukan, bahan sumber berkaitan dan hasil yang perlu disampaikan: cadangan tampalan, penjelasan pelaksanaan, analisis dokumen atau jawapan berstruktur.\n\nUntuk kerja perisian, berikan kekangan projek, fail atau petikan berkaitan, ralat yang diperhatikan dan contoh konkrit hasil yang dijangkakan. Minta kod yang terjejas serta penjelasan tentang cara perubahan yang dicadangkan menangani contoh itu. Pengeluar memperkenalkan model sebagai pilihan yang sesuai untuk membina ejen dan mengendalikan tugas pembangunan dengan alat. Aplikasi sekeliling membaca dan menyunting fail, menjalankan perintah atau semakan serta memulangkan output sebenar; model membuat penaakulan berdasarkan bukti itu. Asingkan perubahan yang dicadangkan daripada semakan yang telah selesai dalam laporan akhir.\n\nPenggunaan komputer ialah penerapan berasingan bagi keupayaan visual dan ejennya. Keluaran Anthropic menunjukkan interaksi pelayar, navigasi halaman dan kerja hamparan melalui persekitaran yang disambungkan. Huraian visual boleh membekalkan tangkapan skrin, mengenal pasti matlamat dan mentakrifkan tindakan yang dibenarkan aplikasi. Aplikasi kemudian melaksanakan interaksi yang dipilih dan memulangkan skrin yang berubah atau hasil lain. Begitu juga, model boleh menyediakan kandungan dan kod untuk dokumen, hamparan serta slaid, manakala persekitaran menghasilkan fail siap. Pemahaman teks dan imej tidak menjadikan model penjana imej atau audio natif.\n\nSpesifikasi tepat pengeluar menyenaraikan tetingkap konteks 200K token dan sehingga 64K token output. Tarikh akhir pengetahuan yang boleh dipercayai ialah Januari 2025, berbeza daripada tarikh akhir data latihan yang lebih lewat yang disenaraikan pada halaman. Pastikan sempadan dokumen, label halaman, unit dan pengecam kod jelas dalam input panjang, dan sediakan ruang untuk jawapan yang diminta serta sebarang penaakulan. Pengeluar turut mendokumentasikan kesedaran konteks bagi edisi ini, jadi aliran kerja yang disokong menjejak ruang yang masih berbaki sepanjang perbualan. Ini membantu mengurus tugas berterusan dalam tetingkapnya; ini tidak menggantikan tetingkap itu dengan kapasiti lebih besar daripada edisi Sonnet kemudian.\n\nSonnet 4.5 menyokong respons biasa dan penaakulan lanjutan dengan tetapan manual. Dalam mod kedua, budget_tokens menetapkan sasaran penaakulan dalaman sebelum jawapan yang kelihatan. Minimum yang didokumentasikan ialah 1,024 token, dan bajet biasanya mesti lebih rendah daripada max_tokens kerana penaakulan serta jawapan akhir berkongsi peruntukan penjanaan. Bajet ialah sasaran, bukannya janji untuk menggunakan jumlah token yang tepat. Edisi ini tidak mempunyai mod penaakulan adaptif atau kawalan usaha yang diterangkan untuk model Sonnet kemudian. Pilih kedalaman analisis yang diminta dan tinggalkan peruntukan mencukupi untuk jawapan akhir yang berguna.\n\nBeta interleaved-thinking pengeluar membolehkan Sonnet 4.5 membuat penaakulan antara panggilan alat dalam satu giliran, menggunakan pemerhatian yang dipulangkan untuk menentukan langkah seterusnya. Ini memerlukan ciri beta yang didokumentasikan dalam aliran kerja Messages yang disokong. Dalam keadaan ini, bajet penaakulan boleh melebihi max_tokens kerana merangkumi beberapa blok penaakulan dalam giliran pembantu yang sama. Pulangkan hasil alat bersama kandungan penaakulan berkaitan tanpa perubahan, termasuk tandatangannya; penyuntingan kandungan itu menjadikannya tidak sah. Oleh itu, tugas penyelidikan atau penyahpepijatan boleh berselang-seli antara semakan yang dicadangkan, hasil sebenar yang dipulangkan dan analisis yang dikemas kini tanpa menganggap cadangan teks sebagai tindakan yang telah selesai.\n\nUntuk bahan visual, pengeluar menyokong JPEG, PNG, GIF dan WebP serta menggunakan bingkai pertama animasi sahaja. Tahap imej natif standard yang digunakan edisi ini mempunyai had sisi panjang 1,568 piksel dan had 1,568 token visual; imej lebih besar dikecilkan. Panduan imej pengeluar menyenaraikan sehingga 100 imej bagi setiap permintaan API untuk model berkonteks 200K, dengan had imej serta saiz keseluruhan permintaan yang mungkin dicapai terlebih dahulu. Letakkan imej sebelum soalan apabila praktikal, labelkan imej yang berbilang dan kekalkan teks kecil atau label carta. Panduan mengesyorkan imej yang jelas dan konteks sekeliling yang cukup untuk mentafsirkan butiran yang kelihatan.\n\nPenyuntingan konteks dan alat memori diperkenalkan bersama model ini untuk menyokong aliran kerja ejen yang lebih panjang. Ini ialah cara yang disokong aplikasi untuk mengekalkan keadaan berguna atau membuang bahan alat lama; ini bukan memori model tanpa had atau ciri pemadatan konteks pada pelayan yang diperkenalkan kemudian. Untuk tugas berbilang peringkat, kekalkan keputusan yang telah dibuat, soalan yang belum diselesaikan dan bukti yang diperlukan bagi langkah seterusnya. Anthropic turut menerangkan rintangan lebih kuat terhadap arahan tersembunyi dalam kandungan luaran, sambil menyatakan bahawa pengelas khusus model kadangkala boleh menandakan bahan yang tidak berbahaya. Hasil yang berguna kekal sebagai hasil yang boleh disemak dan terikat pada bukti yang dibekalkan, dengan mod serta had tepat Sonnet 4.5 diasingkan daripada keluaran kemudian.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "67eb8c56f69c5430d90969a9fa5805e0b1798c8c7fd72675fd21c7f5ccd95c12", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "anthropic/claude-sonnet-4.5:batchClaude Sonnet 4.5 ialah model teks dan imej Anthropic untuk pembangunan perisian, ejen yang kompleks, penggunaan komputer dan kerja analitis. Model ini menyokong respons terus atau penaakulan lanjutan dengan tetapan manual, dengan penaakulan antara panggilan alat dalam aliran kerja beta yang didokumentasikan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Sonnet 4.5 ialah edisi Sonnet Anthropic yang memfokuskan pembangunan perisian, tugas ejen kompleks dan penggunaan komputer, dengan penambahbaikan dalam penaakulan serta matematik. Model ini menerima teks dan imej serta menjana teks. Keluaran ini menerangkan kerja berterusan merentas beberapa langkah, pemahaman kod dan perubahan yang melibatkan projek lebih luas, bukannya satu fungsi yang terasing. Huraian yang berguna mengenal pasti tingkah laku yang diperlukan, bahan sumber berkaitan dan hasil yang perlu disampaikan: cadangan tampalan, penjelasan pelaksanaan, analisis dokumen atau jawapan berstruktur.
Untuk kerja perisian, berikan kekangan projek, fail atau petikan berkaitan, ralat yang diperhatikan dan contoh konkrit hasil yang dijangkakan. Minta kod yang terjejas serta penjelasan tentang cara perubahan yang dicadangkan menangani contoh itu. Pengeluar memperkenalkan model sebagai pilihan yang sesuai untuk membina ejen dan mengendalikan tugas pembangunan dengan alat. Aplikasi sekeliling membaca dan menyunting fail, menjalankan perintah atau semakan serta memulangkan output sebenar; model membuat penaakulan berdasarkan bukti itu. Asingkan perubahan yang dicadangkan daripada semakan yang telah selesai dalam laporan akhir.
Penggunaan komputer ialah penerapan berasingan bagi keupayaan visual dan ejennya. Keluaran Anthropic menunjukkan interaksi pelayar, navigasi halaman dan kerja hamparan melalui persekitaran yang disambungkan. Huraian visual boleh membekalkan tangkapan skrin, mengenal pasti matlamat dan mentakrifkan tindakan yang dibenarkan aplikasi. Aplikasi kemudian melaksanakan interaksi yang dipilih dan memulangkan skrin yang berubah atau hasil lain. Begitu juga, model boleh menyediakan kandungan dan kod untuk dokumen, hamparan serta slaid, manakala persekitaran menghasilkan fail siap. Pemahaman teks dan imej tidak menjadikan model penjana imej atau audio natif.
Spesifikasi tepat pengeluar menyenaraikan tetingkap konteks 200K token dan sehingga 64K token output. Tarikh akhir pengetahuan yang boleh dipercayai ialah Januari 2025, berbeza daripada tarikh akhir data latihan yang lebih lewat yang disenaraikan pada halaman. Pastikan sempadan dokumen, label halaman, unit dan pengecam kod jelas dalam input panjang, dan sediakan ruang untuk jawapan yang diminta serta sebarang penaakulan. Pengeluar turut mendokumentasikan kesedaran konteks bagi edisi ini, jadi aliran kerja yang disokong menjejak ruang yang masih berbaki sepanjang perbualan. Ini membantu mengurus tugas berterusan dalam tetingkapnya; ini tidak menggantikan tetingkap itu dengan kapasiti lebih besar daripada edisi Sonnet kemudian.
Sonnet 4.5 menyokong respons biasa dan penaakulan lanjutan dengan tetapan manual. Dalam mod kedua, budget_tokens menetapkan sasaran penaakulan dalaman sebelum jawapan yang kelihatan. Minimum yang didokumentasikan ialah 1,024 token, dan bajet biasanya mesti lebih rendah daripada max_tokens kerana penaakulan serta jawapan akhir berkongsi peruntukan penjanaan. Bajet ialah sasaran, bukannya janji untuk menggunakan jumlah token yang tepat. Edisi ini tidak mempunyai mod penaakulan adaptif atau kawalan usaha yang diterangkan untuk model Sonnet kemudian. Pilih kedalaman analisis yang diminta dan tinggalkan peruntukan mencukupi untuk jawapan akhir yang berguna.
Beta interleaved-thinking pengeluar membolehkan Sonnet 4.5 membuat penaakulan antara panggilan alat dalam satu giliran, menggunakan pemerhatian yang dipulangkan untuk menentukan langkah seterusnya. Ini memerlukan ciri beta yang didokumentasikan dalam aliran kerja Messages yang disokong. Dalam keadaan ini, bajet penaakulan boleh melebihi max_tokens kerana merangkumi beberapa blok penaakulan dalam giliran pembantu yang sama. Pulangkan hasil alat bersama kandungan penaakulan berkaitan tanpa perubahan, termasuk tandatangannya; penyuntingan kandungan itu menjadikannya tidak sah. Oleh itu, tugas penyelidikan atau penyahpepijatan boleh berselang-seli antara semakan yang dicadangkan, hasil sebenar yang dipulangkan dan analisis yang dikemas kini tanpa menganggap cadangan teks sebagai tindakan yang telah selesai.
Untuk bahan visual, pengeluar menyokong JPEG, PNG, GIF dan WebP serta menggunakan bingkai pertama animasi sahaja. Tahap imej natif standard yang digunakan edisi ini mempunyai had sisi panjang 1,568 piksel dan had 1,568 token visual; imej lebih besar dikecilkan. Panduan imej pengeluar menyenaraikan sehingga 100 imej bagi setiap permintaan API untuk model berkonteks 200K, dengan had imej serta saiz keseluruhan permintaan yang mungkin dicapai terlebih dahulu. Letakkan imej sebelum soalan apabila praktikal, labelkan imej yang berbilang dan kekalkan teks kecil atau label carta. Panduan mengesyorkan imej yang jelas dan konteks sekeliling yang cukup untuk mentafsirkan butiran yang kelihatan.
Penyuntingan konteks dan alat memori diperkenalkan bersama model ini untuk menyokong aliran kerja ejen yang lebih panjang. Ini ialah cara yang disokong aplikasi untuk mengekalkan keadaan berguna atau membuang bahan alat lama; ini bukan memori model tanpa had atau ciri pemadatan konteks pada pelayan yang diperkenalkan kemudian. Untuk tugas berbilang peringkat, kekalkan keputusan yang telah dibuat, soalan yang belum diselesaikan dan bukti yang diperlukan bagi langkah seterusnya. Anthropic turut menerangkan rintangan lebih kuat terhadap arahan tersembunyi dalam kandungan luaran, sambil menyatakan bahawa pengelas khusus model kadangkala boleh menandakan bahan yang tidak berbahaya. Hasil yang berguna kekal sebagai hasil yang boleh disemak dan terikat pada bukti yang dibekalkan, dengan mod serta had tepat Sonnet 4.5 diasingkan daripada keluaran kemudian.
POST /v1/batchestexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanendpoint | Jenisstring | KeperluanDiperlukan | Nilai & had /v1/chat/completions | Lalai— |
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had anthropic/claude-sonnet-4.5:batch | Lalai— |
Medanrequests | Jenisbatch_item[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanrequests[].custom_id | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanrequests[].body.messages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medancompletion_window | Jenisstring | KeperluanPilihan | Nilai & had 24h | Lalai— |
Medanprovider | Jenisobject|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanrequests[].body.model | Jenisstring | KeperluanPilihan | Nilai & had anthropic/claude-sonnet-4.5:batch, anthropic/claude-sonnet-4.5 | Lalai— |
Medanprovider.only | Jenisstring[] | KeperluanPilihan | Nilai & had anthropic | Lalai— |
Medanprovider.allow_fallbacks | Jenisboolean|null | KeperluanPilihan | Nilai & had false, null | Lalai— |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakendpoint, model, requests |
Parametermaterial_types | Kontraktext |
Parameterrepresentation | Kontrakrequests[] sebaris; setiap item mempunyai custom_id dan body |
Parameterrequest_endpoint_profile | Kontrak/v1/chat/completions |
Parameterfile_material | KontrakPemanggil boleh membaca JSONL UTF-8 sebenar secara setempat ke dalam requests[]. Tiada tujuan muat naik, input_file_id atau rujukan fail digunakan. Bahan pelanggan yang tiada atau kosong menghentikan persediaan sebelum POST. |
Parameterserialization_order | Kontrakendpoint, model, provider (jika dibekalkan), completion_window (jika dibekalkan), requests di akhir |
Parameteroptional_controls | Kontrakprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | KontrakBadan permintaan Chat Completions teks dalam pembungkus Batch sebaris yang didokumenkan. |
Kitar hayat: asynchronous
GET /v1/batches/{operation_id} · response.id sebenar daripada respons penciptaan asal; pengguna/kunci/kumpulan yang sama
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 $0.003 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache $0.00375 / 1K token Input · Penulisan cache, 1 jam $0.006 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk200,000 | Caj Input · Token input $0.003 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache $0.00375 / 1K token Input · Penulisan cache, 1 jam $0.006 / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi200,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.006 / 1K token Output · Token output $0.0225 / 1K token Input · Bacaan cache $0.0006 / 1K token Input · Penulisan cache $0.0075 / 1K token Input · Penulisan cache, 1 jam $0.012 / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"anthropic/claude-sonnet-4.5:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['anthropic/claude-sonnet-4.5:batch', 'anthropic/claude-sonnet-4.5']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-sonnet-4.5:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON results[].response.body sebaris
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nSimpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Simpan keseluruhan JSON status asal, setiap hasil/custom_id serta badan respons atau ralat yang lengkap. Simpan results[] yang telah selesai sebagai JSONL tanpa penapisan.
Simpan ID operasi asal. 503 result_pending_check mempunyai X-Should-Retry:false; jangan sekali-kali hantar semula kelompok asal yang hasilnya tidak diketahui.
| Medan | Jenis |
|---|---|
Medanresults[].custom_id | Jenisstring |
Medanresults[].response.body.choices[].message.content | Jenisstring|null |
Medanresults[].error | Jenisobject|null |
Medanusage | Jenisobject|null |
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medanendpoint | Jenisstring |
Medanstatus | Jenisstring |
Medanrequest_counts | Jenisobject |
Medanresults[].id | Jenisstring |
Medanresults[].response.status_code | Jenisinteger |
Medanresults[].response.request_id | Jenisstring |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratPembungkus sebaris yang didokumenkan tidak sah, kunci berulang, identiti item atau keupayaan model yang dikonfigurasikan bercanggah. | Langkah seterusnyaBetulkan medan yang dinyatakan sebelum sebarang penghantaran baharu. |
Respons401 · authentication_error | SyaratKunci API tidak sah. | Langkah seterusnyaGunakan kunci Ailoot yang dibenarkan. |
Respons403 · permission_error | SyaratKumpulan kelompok tidak tersedia. | Langkah seterusnyaSemak hak akses kunci/kumpulan. |
Respons422 · invalid_request_error | SyaratKelompok menggunakan pengebilan baki; penciptaan melalui langganan ditolak. | Langkah seterusnyaGunakan kumpulan yang dibenarkan untuk pengebilan melalui baki. |
Respons422 · price_unavailable | SyaratSebut harga tidak dapat diberikan untuk input kelompok. | Langkah seterusnyaSimpan respons; gunakan input keluarga API yang didokumenkan. |
Respons402 · billing_error | SyaratRizab kelompok tidak tersedia. | Langkah seterusnyaSelesaikan isu penerimaan permintaan sebelum menghantar permintaan baharu. |
Respons503 · price_unavailable | SyaratHarga kaedah kelompok/kadar natif tidak tersedia. | Langkah seterusnyaSimpan respons; jangan gantikan harga. |
Respons503 · api_error | SyaratLaluan pembekal yang tepat tidak tersedia. | Langkah seterusnyaSimpan respons untuk pembaikan laluan. |
Respons503 · result_pending_check | SyaratHasil asal memerlukan semakan; X-Should-Retry:false. | Langkah seterusnyaSimpan operation_id/id asal dan baca statusnya; jangan sekali-kali ulang POST asal. |
Respons404 · not_found | SyaratOperasi status kelompok tiada atau dimiliki oleh identiti lain. | Langkah seterusnyaGunakan id asal yang tepat serta pengguna/kunci/kumpulan yang sama. |
Ailoot Ultra anthropic/claude-sonnet-4.5:batch
Gunakan laluan kaedah yang dipaparkan di atas.