{ "aboutHtml": "

Claude Opus 5 ialah model Anthropic untuk kerja profesional rutin yang memerlukan maklumat dikaji, pilihan berasas dibuat dan tugasan dilaksanakan secara berurutan. Pengeluar menekankan kejuruteraan perisian, senario perniagaan berbilang langkah, kerja saintifik dan analisis data visual. Penerangannya berpusat pada pelaksanaan yang teliti dan pemeriksaan hasil sendiri.

Mengenal pasti punca, memeriksa dan membetulkan

Dalam pembangunan, Opus 5 boleh menyelidik punca asas ralat dan menggunakan semakan untuk menilai perubahan yang dicadangkan. Jika bahan sedia ada untuk perbandingan tidak mencukupi, senario yang diterangkan merangkumi pembinaan semakan sendiri, contohnya untuk tingkah laku penghurai. Kerja dibina berdasarkan data yang diterima: model membacanya, memilih tindakan, melihat hasil dan membetulkan masalah yang dikenal pasti.

Untuk melaksanakan arahan, menyunting fail dan menjalankan semakan, aplikasi memerlukan alat yang sepadan. Inisiatif model berkaitan dengan pemilihan dan urutan tindakan dalam persekitaran yang disediakan; ini tidak bermaksud akses kendiri kepada projek atau keupayaan melakukan operasi di luar aplikasi.

Imej sebagai data untuk program

Opus 5 menerima teks dan imej lalu mengeluarkan teks. Dalam senario visual, pengeluar menunjukkan pengekstrakan geometri daripada imej dan pembinaan semula komponen melalui kod yang ditulis. Contoh lain merangkumi simulasi aerodinamik interaktif dan ilustrasi sel yang dihasilkan melalui pengaturcaraan.

Format input visual biasa pengeluar ialah JPEG/PNG/GIF/WebP, dengan bingkai pertama digunakan bagi animasi. Untuk analisis natif: sisi panjang ialah 2576 piksel dan jumlah token visual ialah 4784; imej besar dikecilkan sebelum analisis. Sokongan fail dan parameter bergantung pada kaedah aplikasi.

Tugasan ini menunjukkan gabungan analisis dan kejuruteraan: imej boleh digunakan sebagai bahan, manakala hasil teks sebagai kod atau penerangan penyelesaian. Pelaksanaan simulasi, pembinaan grafik dan penghasilan fail siap memerlukan alat persekitaran; model tidak mempunyai output imej atau video terbina dalam yang berasingan.

Kedalaman yang boleh dikawal

Penaakulan adaptif diaktifkan secara lalai, dengan tahap standard effort — high. low, medium, high, xhigh dan max disokong. Pada tahap high dan ke bawah, penaakulan boleh dimatikan, manakala pada xhigh dan max penaakulan wajib digunakan. extended thinking manual dengan bajet berasingan tidak disediakan bagi versi ini.

Perubahan tahap usaha mempengaruhi jumlah penaakulan, tetapi bukan cara yang boleh dipercayai untuk menentukan panjang teks yang kelihatan. Jika respons ringkas atau struktur tertentu diperlukan, nyatakannya dalam arahan itu sendiri. Konteks ialah 1 juta token, dengan respons maksimum dalam mod biasa sebanyak 128 ribu token; analisis mendalam memerlukan ruang untuk penaakulan dan kandungan akhir.

Tugasan saintifik dan sensitif

Batas pengetahuan terbina dalam yang boleh dipercayai ialah Mei 2026. Antara bidang saintifik yang diterangkan oleh Anthropic ialah biologi struktur, kimia organik dan bioinformatik. Namun, pengeluar menyatakan batasan ketara dalam penyelidikan biologi kendiri yang panjang; keupayaan membincangkan bahan saintifik tidak bermaksud setiap penyelidikan boleh diselesaikan secara autonomi.

Mekanisme perlindungan membenarkan pencarian ralat dalam kod sumber, tetapi mengehadkan sesetengah tugasan sensitif. Maklumat semasa memerlukan bahan yang diberikan atau carian, manakala hasil teknikal dan saintifik perlu diperiksa dalam persekitaran bidang berkenaan.

", "aboutText": "Claude Opus 5 ialah model Anthropic untuk kerja profesional rutin yang memerlukan maklumat dikaji, pilihan berasas dibuat dan tugasan dilaksanakan secara berurutan. Pengeluar menekankan kejuruteraan perisian, senario perniagaan berbilang langkah, kerja saintifik dan analisis data visual. Penerangannya berpusat pada pelaksanaan yang teliti dan pemeriksaan hasil sendiri.\n\n### Mengenal pasti punca, memeriksa dan membetulkan\n\nDalam pembangunan, Opus 5 boleh menyelidik punca asas ralat dan menggunakan semakan untuk menilai perubahan yang dicadangkan. Jika bahan sedia ada untuk perbandingan tidak mencukupi, senario yang diterangkan merangkumi pembinaan semakan sendiri, contohnya untuk tingkah laku penghurai. Kerja dibina berdasarkan data yang diterima: model membacanya, memilih tindakan, melihat hasil dan membetulkan masalah yang dikenal pasti.\n\nUntuk melaksanakan arahan, menyunting fail dan menjalankan semakan, aplikasi memerlukan alat yang sepadan. Inisiatif model berkaitan dengan pemilihan dan urutan tindakan dalam persekitaran yang disediakan; ini tidak bermaksud akses kendiri kepada projek atau keupayaan melakukan operasi di luar aplikasi.\n\n### Imej sebagai data untuk program\n\nOpus 5 menerima **teks dan imej** lalu mengeluarkan **teks**. Dalam senario visual, pengeluar menunjukkan pengekstrakan geometri daripada imej dan pembinaan semula komponen melalui kod yang ditulis. Contoh lain merangkumi simulasi aerodinamik interaktif dan ilustrasi sel yang dihasilkan melalui pengaturcaraan.\n\nFormat input visual biasa pengeluar ialah JPEG/PNG/GIF/WebP, dengan bingkai pertama digunakan bagi animasi. Untuk analisis natif: sisi panjang ialah 2576 piksel dan jumlah token visual ialah 4784; imej besar dikecilkan sebelum analisis. Sokongan fail dan parameter bergantung pada kaedah aplikasi.\n\nTugasan ini menunjukkan gabungan analisis dan kejuruteraan: imej boleh digunakan sebagai bahan, manakala hasil teks sebagai kod atau penerangan penyelesaian. Pelaksanaan simulasi, pembinaan grafik dan penghasilan fail siap memerlukan alat persekitaran; model tidak mempunyai output imej atau video terbina dalam yang berasingan.\n\n### Kedalaman yang boleh dikawal\n\nPenaakulan adaptif diaktifkan secara lalai, dengan tahap standard `effort` — `high`. `low`, `medium`, `high`, `xhigh` dan `max` disokong. Pada tahap `high` dan ke bawah, penaakulan boleh dimatikan, manakala pada `xhigh` dan `max` penaakulan wajib digunakan. extended thinking manual dengan bajet berasingan tidak disediakan bagi versi ini.\n\nPerubahan tahap usaha mempengaruhi jumlah penaakulan, tetapi bukan cara yang boleh dipercayai untuk menentukan panjang teks yang kelihatan. Jika respons ringkas atau struktur tertentu diperlukan, nyatakannya dalam arahan itu sendiri. Konteks ialah **1 juta token**, dengan respons maksimum dalam mod biasa sebanyak **128 ribu token**; analisis mendalam memerlukan ruang untuk penaakulan dan kandungan akhir.\n\n### Tugasan saintifik dan sensitif\n\nBatas pengetahuan terbina dalam yang boleh dipercayai ialah **Mei 2026**. Antara bidang saintifik yang diterangkan oleh Anthropic ialah biologi struktur, kimia organik dan bioinformatik. Namun, pengeluar menyatakan batasan ketara dalam penyelidikan biologi kendiri yang panjang; keupayaan membincangkan bahan saintifik tidak bermaksud setiap penyelidikan boleh diselesaikan secara autonomi.\n\nMekanisme perlindungan membenarkan pencarian ralat dalam kod sumber, tetapi mengehadkan sesetengah tugasan sensitif. Maklumat semasa memerlukan bahan yang diberikan atau carian, manakala hasil teknikal dan saintifik perlu diperiksa dalam persekitaran bidang berkenaan.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a43cb36339bbd45cf0ad003fa410d19c652a1aefbb765db88139828f25c3aac3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "
A

Anthropic: Claude Opus 5

Anthropic /claude-opus-5-thinking

Pengenalan

Claude Opus 5 direka untuk pembangunan yang teliti, analisis maklumat dan kerja profesional berbilang langkah. Menyokong penaakulan adaptif dan pemeriksaan hasil menggunakan alat aplikasi.

Input yang diterima
Teks
Hasil
Teks
Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

Claude Opus 5 ialah model Anthropic untuk kerja profesional rutin yang memerlukan maklumat dikaji, pilihan berasas dibuat dan tugasan dilaksanakan secara berurutan. Pengeluar menekankan kejuruteraan perisian, senario perniagaan berbilang langkah, kerja saintifik dan analisis data visual. Penerangannya berpusat pada pelaksanaan yang teliti dan pemeriksaan hasil sendiri.

Mengenal pasti punca, memeriksa dan membetulkan

Dalam pembangunan, Opus 5 boleh menyelidik punca asas ralat dan menggunakan semakan untuk menilai perubahan yang dicadangkan. Jika bahan sedia ada untuk perbandingan tidak mencukupi, senario yang diterangkan merangkumi pembinaan semakan sendiri, contohnya untuk tingkah laku penghurai. Kerja dibina berdasarkan data yang diterima: model membacanya, memilih tindakan, melihat hasil dan membetulkan masalah yang dikenal pasti.

Untuk melaksanakan arahan, menyunting fail dan menjalankan semakan, aplikasi memerlukan alat yang sepadan. Inisiatif model berkaitan dengan pemilihan dan urutan tindakan dalam persekitaran yang disediakan; ini tidak bermaksud akses kendiri kepada projek atau keupayaan melakukan operasi di luar aplikasi.

Imej sebagai data untuk program

Opus 5 menerima teks dan imej lalu mengeluarkan teks. Dalam senario visual, pengeluar menunjukkan pengekstrakan geometri daripada imej dan pembinaan semula komponen melalui kod yang ditulis. Contoh lain merangkumi simulasi aerodinamik interaktif dan ilustrasi sel yang dihasilkan melalui pengaturcaraan.

Format input visual biasa pengeluar ialah JPEG/PNG/GIF/WebP, dengan bingkai pertama digunakan bagi animasi. Untuk analisis natif: sisi panjang ialah 2576 piksel dan jumlah token visual ialah 4784; imej besar dikecilkan sebelum analisis. Sokongan fail dan parameter bergantung pada kaedah aplikasi.

Tugasan ini menunjukkan gabungan analisis dan kejuruteraan: imej boleh digunakan sebagai bahan, manakala hasil teks sebagai kod atau penerangan penyelesaian. Pelaksanaan simulasi, pembinaan grafik dan penghasilan fail siap memerlukan alat persekitaran; model tidak mempunyai output imej atau video terbina dalam yang berasingan.

Kedalaman yang boleh dikawal

Penaakulan adaptif diaktifkan secara lalai, dengan tahap standard effort — high. low, medium, high, xhigh dan max disokong. Pada tahap high dan ke bawah, penaakulan boleh dimatikan, manakala pada xhigh dan max penaakulan wajib digunakan. extended thinking manual dengan bajet berasingan tidak disediakan bagi versi ini.

Perubahan tahap usaha mempengaruhi jumlah penaakulan, tetapi bukan cara yang boleh dipercayai untuk menentukan panjang teks yang kelihatan. Jika respons ringkas atau struktur tertentu diperlukan, nyatakannya dalam arahan itu sendiri. Konteks ialah 1 juta token, dengan respons maksimum dalam mod biasa sebanyak 128 ribu token; analisis mendalam memerlukan ruang untuk penaakulan dan kandungan akhir.

Tugasan saintifik dan sensitif

Batas pengetahuan terbina dalam yang boleh dipercayai ialah Mei 2026. Antara bidang saintifik yang diterangkan oleh Anthropic ialah biologi struktur, kimia organik dan bioinformatik. Namun, pengeluar menyatakan batasan ketara dalam penyelidikan biologi kendiri yang panjang; keupayaan membincangkan bahan saintifik tidak bermaksud setiap penyelidikan boleh diselesaikan secara autonomi.

Mekanisme perlindungan membenarkan pencarian ralat dalam kod sumber, tetapi mengehadkan sesetengah tugasan sensitif. Maklumat semasa memerlukan bahan yang diberikan atau carian, manakala hasil teknikal dan saintifik perlu diperiksa dalam persekitaran bidang berkenaan.

Tersedia di Ailoot · input & kaedah

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Input
text
Output
text
Format output
json atau SSE
MedanJenisKeperluanNilai & hadLalai
MedanmodelJenisstringKeperluanDiperlukanNilai & had
claude-opus-5-thinking
Lalai—
MedanmessagesJenismessage[]KeperluanDiperlukanNilai & had
Item minimum: 1
Lalai—
Medanmessages[].roleJenisstringKeperluanDiperlukanNilai & had
Bergantung pada model
Lalai—
Medanmessages[].contentJenisstringKeperluanPilihanNilai & had
Terpakai apabila: Perbualan teks
Lalai—
MedanstreamJenisbooleanKeperluanPilihanNilai & hadLalaifalse
Gabungan bahan input

Teks · Teks UTF8

messages[].content

Parameter kaedah dan kitar hayat
ParameterKontrak
Parametercontent_typeKontrakapplication/json
ParameterrequiredKontrakmodel, messages
Parametermaterial_typesKontraktext
ParametermessagesKontraktatasusunan mesej dengan struktur role/content
Parameterfile_materialKontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan
Parameteroptional_controlsKontrakstream
Parametercontrol_scopeKontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai.
Parameteroutput_modalitiesKontraktext
Parameterhosted_operationsKontrakfalse
Parametermultimodal_input_bindingKontraknull

Alias kaedah: /chat/completions

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.

Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas
Tidak dinyatakan Apabila mod pantas dipilih
Mod flex
Tidak dinyatakan Apabila mod flex dipilih
Usaha penaakulan maksimum
Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default

Kadar Ailoot

Harga mengikut konfigurasi

KonfigurasiJadual kadarCaj
KonfigurasiKadar asas tokenJadual kadarKadar asasCaj
Input · Token input $0.01 / 1K token
Output · Token output $0.05 / 1K token
Input · Bacaan cache $0.001 / 1K token
Input · Penulisan cache $0.0125 / 1K token
Input · Penulisan cache, 1 jam — / 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 →

Contoh permintaan

Ailoot Ultra · OpenAI Chat

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-opus-5-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n    if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\n

Terima dan simpan hasil

Ailoot Ultra · OpenAI Chat

json atau SSE

Simpan semua hasil yang selesai

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.

Jika respons asal perlu disemak

Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.

Medan respons
MedanJenis
Medanchoices[].indexJenisinteger
Medanchoices[].message.contentJenisstring|null
Medanchoices[].message.tool_callsJenistool_call[]
Medanchoices[].message.reasoning_contentJenisstring
Medanchoices[].message.reasoning_detailsJenisobject|array
Medanchoices[].finish_reasonJenisstring|null
MedanusageJenisobject
Ralat dan langkah seterusnya
ResponsSyaratLangkah seterusnya
Respons400 · invalid_request_errorSyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sahLangkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.

Alias

Alias model

Ailoot Ultra claude-opus-5-thinking

Alias laluan kaedah

/chat/completions

ID pemanggil berkaitan

claude-opus-5-thinking

", "method_identity": { "effective_request_model_id": "claude-opus-5-thinking", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "claude-opus-5-thinking", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|claude-opus-5-thinking", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 1, "cache_write": 12.5, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Medan wajib, perwakilan bahan atau nilai parameter tidak sah", "http_status": 400, "recovery": "Betulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Teks UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "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.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json atau SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "claude-opus-5-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Perbualan teks" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Perbualan teks; stream ialah nilai boolean dengan false sebagai lalai.", "file_material": "dokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan", "hosted_operations": false, "material_types": [ "text" ], "messages": "tatasusunan mesej dengan struktur role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Kadar asas token", "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\":\"claude-opus-5-thinking\",\"messages\":[{\"role\":\"user\",\"content\":\"hello\"}],\"stream\":false}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"choices\",[]):\n if x.get(\"message\",{}).get(\"content\"): print(x[\"message\"][\"content\"])\nPY_RESULT\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from openai import OpenAI\nimport os\n\nif not os.environ.get(\"AILOOT_API_KEY\", \"\").strip(): raise SystemExit(\"Set AILOOT_API_KEY before making a request\")\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.chat.completions.create(model=\"claude-opus-5-thinking\", messages=[{\"role\":\"user\",\"content\":\"hello\"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem=\"result\"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + \".json\").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding=\"utf-8\")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b\"-_\", validate=True)\n ext = \"png\" if raw.startswith(b\"\\x89PNG\\r\\n\\x1a\\n\") else \"jpg\" if raw.startswith(b\"\\xff\\xd8\") else \"webp\" if raw[:4] == b\"RIFF\" and raw[8:12] == b\"WEBP\" else suffix\n file = Path(stem + \"-\" + label + \".\" + ext)\n file.write_bytes(raw)\n print(\"Saved\", file)\n for index, block in enumerate(data.get(\"content\") or []):\n print(\"Content\", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get(\"choices\") or []:\n print(\"Choice\", choice.get(\"index\"), json.dumps(choice.get(\"message\", choice.get(\"delta\", {})), ensure_ascii=False))\n for index, item in enumerate(data.get(\"output\") or []):\n print(\"Output\", index, json.dumps(item, ensure_ascii=False))\n if item.get(\"type\") == \"image_generation_call\" and item.get(\"result\"):\n save_blob(item[\"result\"], item.get(\"output_format\") or \"bin\", \"output-\" + str(index))\n for ci, candidate in enumerate(data.get(\"candidates\") or []):\n for pi, part in enumerate((candidate.get(\"content\") or {}).get(\"parts\") or []):\n print(\"Candidate/part\", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get(\"inlineData\") or part.get(\"inline_data\")\n if blob and blob.get(\"data\"):\n mime = blob.get(\"mimeType\") or blob.get(\"mime_type\")\n suffix = {\"image/png\":\"png\", \"image/jpeg\":\"jpg\", \"image/webp\":\"webp\", \"audio/wav\":\"wav\", \"audio/mpeg\":\"mp3\", \"video/mp4\":\"mp4\"}.get(mime, \"bin\")\n save_blob(blob[\"data\"], suffix, \"candidate-\" + str(ci) + \"-part-\" + str(pi))\n\nsave_result(result.to_dict(mode=\"json\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 10, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 50, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "claude-opus-5-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "claude-opus-5-thinking", "nativeProvenance": { "input_facts_canonical_sha256": "e8cb60244226582bcec02e69270a604ab7e2656a23ceb21b74113778fa132c79", "input_html_sha256": "ad503dcac0d1a9cc64c5d018f66ac256581f449d302bbbe13de3613ed1785df5", "private_audit_sha256": "10b9cf0032ac245c0a551bac25781e9b773908d01f81d25a0e49b16baf5f27fc", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/ms/claude-opus-5-thinking/", "description": "Claude Opus 5 direka untuk pembangunan yang teliti, analisis maklumat dan kerja profesional berbilang langkah. Menyokong penaakulan adaptif dan pemeriksaan hasil menggunakan alat aplikasi.", "locale": "ms", "md_url": "https://ailoot.ai/models/ms/claude-opus-5-thinking/index.md", "title": "Anthropic: Claude Opus 5 — Ailoot", "url": "https://ailoot.ai/models/ms/claude-opus-5-thinking/" }, "rawModel": { "about": "Claude Opus 5 ialah model Anthropic untuk kerja profesional rutin yang memerlukan maklumat dikaji, pilihan berasas dibuat dan tugasan dilaksanakan secara berurutan. Pengeluar menekankan kejuruteraan perisian, senario perniagaan berbilang langkah, kerja saintifik dan analisis data visual. Penerangannya berpusat pada pelaksanaan yang teliti dan pemeriksaan hasil sendiri.\n\n### Mengenal pasti punca, memeriksa dan membetulkan\n\nDalam pembangunan, Opus 5 boleh menyelidik punca asas ralat dan menggunakan semakan untuk menilai perubahan yang dicadangkan. Jika bahan sedia ada untuk perbandingan tidak mencukupi, senario yang diterangkan merangkumi pembinaan semakan sendiri, contohnya untuk tingkah laku penghurai. Kerja dibina berdasarkan data yang diterima: model membacanya, memilih tindakan, melihat hasil dan membetulkan masalah yang dikenal pasti.\n\nUntuk melaksanakan arahan, menyunting fail dan menjalankan semakan, aplikasi memerlukan alat yang sepadan. Inisiatif model berkaitan dengan pemilihan dan urutan tindakan dalam persekitaran yang disediakan; ini tidak bermaksud akses kendiri kepada projek atau keupayaan melakukan operasi di luar aplikasi.\n\n### Imej sebagai data untuk program\n\nOpus 5 menerima **teks dan imej** lalu mengeluarkan **teks**. Dalam senario visual, pengeluar menunjukkan pengekstrakan geometri daripada imej dan pembinaan semula komponen melalui kod yang ditulis. Contoh lain merangkumi simulasi aerodinamik interaktif dan ilustrasi sel yang dihasilkan melalui pengaturcaraan.\n\nFormat input visual biasa pengeluar ialah JPEG/PNG/GIF/WebP, dengan bingkai pertama digunakan bagi animasi. Untuk analisis natif: sisi panjang ialah 2576 piksel dan jumlah token visual ialah 4784; imej besar dikecilkan sebelum analisis. Sokongan fail dan parameter bergantung pada kaedah aplikasi.\n\nTugasan ini menunjukkan gabungan analisis dan kejuruteraan: imej boleh digunakan sebagai bahan, manakala hasil teks sebagai kod atau penerangan penyelesaian. Pelaksanaan simulasi, pembinaan grafik dan penghasilan fail siap memerlukan alat persekitaran; model tidak mempunyai output imej atau video terbina dalam yang berasingan.\n\n### Kedalaman yang boleh dikawal\n\nPenaakulan adaptif diaktifkan secara lalai, dengan tahap standard `effort` — `high`. `low`, `medium`, `high`, `xhigh` dan `max` disokong. Pada tahap `high` dan ke bawah, penaakulan boleh dimatikan, manakala pada `xhigh` dan `max` penaakulan wajib digunakan. extended thinking manual dengan bajet berasingan tidak disediakan bagi versi ini.\n\nPerubahan tahap usaha mempengaruhi jumlah penaakulan, tetapi bukan cara yang boleh dipercayai untuk menentukan panjang teks yang kelihatan. Jika respons ringkas atau struktur tertentu diperlukan, nyatakannya dalam arahan itu sendiri. Konteks ialah **1 juta token**, dengan respons maksimum dalam mod biasa sebanyak **128 ribu token**; analisis mendalam memerlukan ruang untuk penaakulan dan kandungan akhir.\n\n### Tugasan saintifik dan sensitif\n\nBatas pengetahuan terbina dalam yang boleh dipercayai ialah **Mei 2026**. Antara bidang saintifik yang diterangkan oleh Anthropic ialah biologi struktur, kimia organik dan bioinformatik. Namun, pengeluar menyatakan batasan ketara dalam penyelidikan biologi kendiri yang panjang; keupayaan membincangkan bahan saintifik tidak bermaksud setiap penyelidikan boleh diselesaikan secara autonomi.\n\nMekanisme perlindungan membenarkan pencarian ralat dalam kod sumber, tetapi mengehadkan sesetengah tugasan sensitif. Maklumat semasa memerlukan bahan yang diberikan atau carian, manakala hasil teknikal dan saintifik perlu diperiksa dalam persekitaran bidang berkenaan.", "alias_of": null, "aliases": [], "author": "Anthropic", "capabilities": { "context_length": 1000000, "manufacturer_input": [ "text", "image", "file" ], "manufacturer_output": [ "text" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Maklumat lengkap tentang harga konfigurasi terdapat dalam butiran." } ], "ctx": null, "formats": [ "chat" ], "id": "claude-opus-5-thinking", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 1, "cache_write": 12.5, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Medan wajib, perwakilan bahan atau nilai parameter tidak sah", "http_status": 400, "recovery": "Betulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Teks UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "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.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json atau SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "claude-opus-5-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Perbualan teks" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Perbualan teks; stream ialah nilai boolean dengan false sebagai lalai.", "file_material": "dokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan", "hosted_operations": false, "material_types": [ "text" ], "messages": "tatasusunan mesej dengan struktur role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Kadar asas token", "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\":\"claude-opus-5-thinking\",\"messages\":[{\"role\":\"user\",\"content\":\"hello\"}],\"stream\":false}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"choices\",[]):\n if x.get(\"message\",{}).get(\"content\"): print(x[\"message\"][\"content\"])\nPY_RESULT\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from openai import OpenAI\nimport os\n\nif not os.environ.get(\"AILOOT_API_KEY\", \"\").strip(): raise SystemExit(\"Set AILOOT_API_KEY before making a request\")\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.chat.completions.create(model=\"claude-opus-5-thinking\", messages=[{\"role\":\"user\",\"content\":\"hello\"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem=\"result\"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + \".json\").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding=\"utf-8\")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b\"-_\", validate=True)\n ext = \"png\" if raw.startswith(b\"\\x89PNG\\r\\n\\x1a\\n\") else \"jpg\" if raw.startswith(b\"\\xff\\xd8\") else \"webp\" if raw[:4] == b\"RIFF\" and raw[8:12] == b\"WEBP\" else suffix\n file = Path(stem + \"-\" + label + \".\" + ext)\n file.write_bytes(raw)\n print(\"Saved\", file)\n for index, block in enumerate(data.get(\"content\") or []):\n print(\"Content\", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get(\"choices\") or []:\n print(\"Choice\", choice.get(\"index\"), json.dumps(choice.get(\"message\", choice.get(\"delta\", {})), ensure_ascii=False))\n for index, item in enumerate(data.get(\"output\") or []):\n print(\"Output\", index, json.dumps(item, ensure_ascii=False))\n if item.get(\"type\") == \"image_generation_call\" and item.get(\"result\"):\n save_blob(item[\"result\"], item.get(\"output_format\") or \"bin\", \"output-\" + str(index))\n for ci, candidate in enumerate(data.get(\"candidates\") or []):\n for pi, part in enumerate((candidate.get(\"content\") or {}).get(\"parts\") or []):\n print(\"Candidate/part\", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get(\"inlineData\") or part.get(\"inline_data\")\n if blob and blob.get(\"data\"):\n mime = blob.get(\"mimeType\") or blob.get(\"mime_type\")\n suffix = {\"image/png\":\"png\", \"image/jpeg\":\"jpg\", \"image/webp\":\"webp\", \"audio/wav\":\"wav\", \"audio/mpeg\":\"mp3\", \"video/mp4\":\"mp4\"}.get(mime, \"bin\")\n save_blob(blob[\"data\"], suffix, \"candidate-\" + str(ci) + \"-part-\" + str(pi))\n\nsave_result(result.to_dict(mode=\"json\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 10, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 50, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "claude-opus-5-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.01000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.05000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00005", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0125000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000125", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "claude-opus-5-thinking", "request_model_id": "claude-opus-5-thinking", "route_label": "Ultra" } ], "name": "Anthropic: Claude Opus 5", "price": { "in": 10, "in_label": null, "out": 50, "out_label": null, "scope_label": "Token rates", "sort_in": 10, "sort_out": 50, "varies": false }, "short": "Claude Opus 5 direka untuk pembangunan yang teliti, analisis maklumat dan kerja profesional berbilang langkah. Menyokong penaakulan adaptif dan pemeriksaan hasil menggunakan alat aplikasi." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Claude Opus 5 direka untuk pembangunan yang teliti, analisis maklumat dan kerja profesional berbilang langkah. Menyokong penaakulan adaptif dan pemeriksaan hasil menggunakan alat aplikasi.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "b393f030c668b0cfe13de761a4c8d68442bfacd7f40ca4653e34d9762c02a963", "renderer_sha256": "1dab5ba62521e9568c8b7c82005622cabbf330a075df7cce1f83274a04009460" }, "sourceRevision": "d1cc24eb28a55f302ed13069aa1c238943bc9a61863216a811d03737642341c4" }