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": "1b1d2740f3757bb4cbfd30c76364ee1f096ae14588d88a75aa2628c2d86f46ed", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "claude-sonnet-4-5-20250929-thinkingClaude 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/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had claude-sonnet-4-5-20250929-thinking | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Perbualan teks | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
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 |
Parametercontrol_scope | KontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
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.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache $0.0006 / 1K token Input · Penulisan cache $0.0075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-sonnet-4-5-20250929-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\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="claude-sonnet-4-5-20250929-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"))\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 claude-sonnet-4-5-20250929-thinking
/chat/completions