Claude Sonnet 5.5 menumpukan tugasan yang ditakrif dengan jelas: penulisan kod, pembetulan ralat, analisis maklumat dan penyediaan bahan profesional. Menurut Anthropic, model direka untuk iterasi pantas apabila hasil boleh dilihat, diperincikan dan kerja diteruskan. Penerangannya menekankan penulisan jelas, reka bentuk dokumen yang kemas dan perhatian terhadap reka bentuk antara muka secara berasingan.
Tugasan boleh menggabungkan pembacaan bahan dengan penghasilan kandungan akhir. Salah satu senario yang diterangkan ialah menganalisis bahan suku tahunan syarikat dan transkrip ucapan, kemudian menyediakan pembentangan dengan reka bentuk yang ditetapkan. Model boleh membantu dengan dokumen, hamparan dan slaid melalui kemudahan yang disediakan; fail siap dihasilkan oleh persekitaran aplikasi.
Model menerima teks dan imej, manakala responsnya sendiri dihasilkan sebagai teks. Model boleh menghubungkan maklumat visual dengan arahan teks dan menyokong kerja berbilang langkah yang berpanjangan. Graf, jadual dan halaman dokumen memberikan bahan analisis; tindakan tambahan pada fail dan antara muka memerlukan alat aplikasi.
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.
Tetingkap konteks ialah 1 juta token, dengan respons maksimum dalam mod biasa sebanyak 128 ribu token. Batas pengetahuan terbina dalam yang boleh dipercayai ialah Jun 2026. Pengeluar menyediakan perubahan tahap usaha dan alat yang tersedia sepanjang perbualan serta pemampatan sejarah atas permintaan. Keupayaan ini memerlukan sokongan persekitaran. Jika aplikasi mengembalikan penaakulan tersimpan, Sonnet 5.5 membaca bloknya sendiri, blok Sonnet 5, Opus 4.8, Haiku 4.5 dan model lebih awal; blok Opus 5, Opus 5.5, Fable dan Mythos tidak serasi dengannya. Keupayaan memindahkan bloknya kepada model lain bergantung pada pasangan khusus dan sokongan kaedah. Blok yang tidak serasi dikecualikan dan giliran seterusnya diteruskan tanpa penaakulan terdahulu. Perubahan mesej awal, arahan sistem atau takrif alat terdahulu boleh menjejaskan kaitan blok dan, ketika disahkan, menyebabkan permintaan ditolak atau blok yang terjejas dikecualikan.
Mod standard ialah penaakulan adaptif dengan effort bernilai high. Lima tahap usaha tersedia: low, medium, high, xhigh dan max. Bagi tugasan ejen yang ditetapkan dengan baik, Anthropic mengesyorkan bermula dengan medium, manakala untuk kerja lebih sukar dan panjang, dengan high; tahap yang sesuai ditentukan oleh tugasan dan perincian yang diperlukan.
Mod berasingan between_tools menghapuskan penaakulan awal sebelum tindakan pertama dan mengekalkannya antara panggilan alat. Mod ini disokong hanya pada low, medium dan high. xhigh dan max memerlukan mod adaptif. Pematian penaakulan sepenuhnya dan bajet manual extended thinking tidak disokong bagi Sonnet 5.5.
Jika kaedah menyokong kawalan alat, pemilihan automatik auto dan pematian none dibenarkan. Model pengeluar tidak menyokong pilihan paksa, iaitu keperluan memanggil sebarang alat (any) atau alat khusus mengikut nama (tool). Dalam mod between_tools, tahap usaha tidak boleh diubah sepanjang perbualan; dalam mod adaptif biasa, pengeluar menyediakan tetapan tersebut. Penggunaan hasil alat memerlukan sejarah yang konsisten dikekalkan.
Dalam kaedah yang menyokong tetapan ini, nilai bukan standard bagi temperature, top_p dan top_k tidak diterima; format dan sifat respons yang diperlukan ditentukan melalui arahan.
Dalam versi ini, kaedah pemecahan teks kepada token yang dikemas kini mengekalkan ciri generasi Sonnet 5. Untuk menganggarkan jumlah permintaan, kandungan bahan perlu diambil kira, bukan sekadar bilangan aksara. Pembangunan biasa dan tugasan penyelidikan merupakan senario utama model, tetapi sebahagian permintaan sensitif dihadkan oleh mekanisme perlindungan.
", "aboutText": "### Kerja harian dengan arahan yang jelas\n\nClaude Sonnet 5.5 menumpukan tugasan yang ditakrif dengan jelas: penulisan kod, pembetulan ralat, analisis maklumat dan penyediaan bahan profesional. Menurut Anthropic, model direka untuk iterasi pantas apabila hasil boleh dilihat, diperincikan dan kerja diteruskan. Penerangannya menekankan penulisan jelas, reka bentuk dokumen yang kemas dan perhatian terhadap reka bentuk antara muka secara berasingan.\n\nTugasan boleh menggabungkan pembacaan bahan dengan penghasilan kandungan akhir. Salah satu senario yang diterangkan ialah menganalisis bahan suku tahunan syarikat dan transkrip ucapan, kemudian menyediakan pembentangan dengan reka bentuk yang ditetapkan. Model boleh membantu dengan dokumen, hamparan dan slaid melalui kemudahan yang disediakan; fail siap dihasilkan oleh persekitaran aplikasi.\n\n### Bahan visual dan penerusan tugasan\n\nModel menerima **teks dan imej**, manakala responsnya sendiri dihasilkan sebagai **teks**. Model boleh menghubungkan maklumat visual dengan arahan teks dan menyokong kerja berbilang langkah yang berpanjangan. Graf, jadual dan halaman dokumen memberikan bahan analisis; tindakan tambahan pada fail dan antara muka memerlukan alat aplikasi.\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\nTetingkap konteks ialah **1 juta token**, dengan respons maksimum dalam mod biasa sebanyak **128 ribu token**. Batas pengetahuan terbina dalam yang boleh dipercayai ialah **Jun 2026**. Pengeluar menyediakan perubahan tahap usaha dan alat yang tersedia sepanjang perbualan serta pemampatan sejarah atas permintaan. Keupayaan ini memerlukan sokongan persekitaran. Jika aplikasi mengembalikan penaakulan tersimpan, Sonnet 5.5 membaca bloknya sendiri, blok Sonnet 5, Opus 4.8, Haiku 4.5 dan model lebih awal; blok Opus 5, Opus 5.5, Fable dan Mythos tidak serasi dengannya. Keupayaan memindahkan bloknya kepada model lain bergantung pada pasangan khusus dan sokongan kaedah. Blok yang tidak serasi dikecualikan dan giliran seterusnya diteruskan tanpa penaakulan terdahulu. Perubahan mesej awal, arahan sistem atau takrif alat terdahulu boleh menjejaskan kaitan blok dan, ketika disahkan, menyebabkan permintaan ditolak atau blok yang terjejas dikecualikan.\n\n### Penaakulan adaptif dan kerja antara alat\n\nMod standard ialah penaakulan adaptif dengan `effort` bernilai `high`. Lima tahap usaha tersedia: `low`, `medium`, `high`, `xhigh` dan `max`. Bagi tugasan ejen yang ditetapkan dengan baik, Anthropic mengesyorkan bermula dengan `medium`, manakala untuk kerja lebih sukar dan panjang, dengan `high`; tahap yang sesuai ditentukan oleh tugasan dan perincian yang diperlukan.\n\nMod berasingan `between_tools` menghapuskan penaakulan awal sebelum tindakan pertama dan mengekalkannya antara panggilan alat. Mod ini disokong hanya pada `low`, `medium` dan `high`. `xhigh` dan `max` memerlukan mod adaptif. Pematian penaakulan sepenuhnya dan bajet manual extended thinking tidak disokong bagi Sonnet 5.5.\n\n### Syarat pelaksanaan yang tepat\n\nJika kaedah menyokong kawalan alat, pemilihan automatik `auto` dan pematian `none` dibenarkan. Model pengeluar tidak menyokong pilihan paksa, iaitu keperluan memanggil sebarang alat (`any`) atau alat khusus mengikut nama (`tool`). Dalam mod `between_tools`, tahap usaha tidak boleh diubah sepanjang perbualan; dalam mod adaptif biasa, pengeluar menyediakan tetapan tersebut. Penggunaan hasil alat memerlukan sejarah yang konsisten dikekalkan.\n\nDalam kaedah yang menyokong tetapan ini, nilai bukan standard bagi `temperature`, `top_p` dan `top_k` tidak diterima; format dan sifat respons yang diperlukan ditentukan melalui arahan.\n\nDalam versi ini, kaedah pemecahan teks kepada token yang dikemas kini mengekalkan ciri generasi Sonnet 5. Untuk menganggarkan jumlah permintaan, kandungan bahan perlu diambil kira, bukan sekadar bilangan aksara. Pembangunan biasa dan tugasan penyelidikan merupakan senario utama model, tetapi sebahagian permintaan sensitif dihadkan oleh mekanisme perlindungan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Turn quarterly notes into slide copy\n\nPrepare four slide outlines from these quarterly notes: revenue rose from 8 to 10 million; support backlog rose from 120 to 210 tickets; two enterprise renewals are undecided. Audience: team leads. Give each slide one headline and three short bullets, ending with decisions needed. Keep supplied numbers exact.Four numbered slide outlines with a headline, three bullets and explicit decisions to resolve.Check that revenue growth is not presented as resolving the backlog or the undecided renewals.claude-sonnet-5-5Claude Sonnet 5.5 direka untuk tugasan pembangunan, analisis dan penyediaan dokumen yang ditakrif dengan jelas. Memberikan perhatian kepada penulisan yang jelas, reka bentuk visual dan penggunaan alat secara berurutan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Sonnet 5.5 menumpukan tugasan yang ditakrif dengan jelas: penulisan kod, pembetulan ralat, analisis maklumat dan penyediaan bahan profesional. Menurut Anthropic, model direka untuk iterasi pantas apabila hasil boleh dilihat, diperincikan dan kerja diteruskan. Penerangannya menekankan penulisan jelas, reka bentuk dokumen yang kemas dan perhatian terhadap reka bentuk antara muka secara berasingan.
Tugasan boleh menggabungkan pembacaan bahan dengan penghasilan kandungan akhir. Salah satu senario yang diterangkan ialah menganalisis bahan suku tahunan syarikat dan transkrip ucapan, kemudian menyediakan pembentangan dengan reka bentuk yang ditetapkan. Model boleh membantu dengan dokumen, hamparan dan slaid melalui kemudahan yang disediakan; fail siap dihasilkan oleh persekitaran aplikasi.
Model menerima teks dan imej, manakala responsnya sendiri dihasilkan sebagai teks. Model boleh menghubungkan maklumat visual dengan arahan teks dan menyokong kerja berbilang langkah yang berpanjangan. Graf, jadual dan halaman dokumen memberikan bahan analisis; tindakan tambahan pada fail dan antara muka memerlukan alat aplikasi.
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.
Tetingkap konteks ialah 1 juta token, dengan respons maksimum dalam mod biasa sebanyak 128 ribu token. Batas pengetahuan terbina dalam yang boleh dipercayai ialah Jun 2026. Pengeluar menyediakan perubahan tahap usaha dan alat yang tersedia sepanjang perbualan serta pemampatan sejarah atas permintaan. Keupayaan ini memerlukan sokongan persekitaran. Jika aplikasi mengembalikan penaakulan tersimpan, Sonnet 5.5 membaca bloknya sendiri, blok Sonnet 5, Opus 4.8, Haiku 4.5 dan model lebih awal; blok Opus 5, Opus 5.5, Fable dan Mythos tidak serasi dengannya. Keupayaan memindahkan bloknya kepada model lain bergantung pada pasangan khusus dan sokongan kaedah. Blok yang tidak serasi dikecualikan dan giliran seterusnya diteruskan tanpa penaakulan terdahulu. Perubahan mesej awal, arahan sistem atau takrif alat terdahulu boleh menjejaskan kaitan blok dan, ketika disahkan, menyebabkan permintaan ditolak atau blok yang terjejas dikecualikan.
Mod standard ialah penaakulan adaptif dengan effort bernilai high. Lima tahap usaha tersedia: low, medium, high, xhigh dan max. Bagi tugasan ejen yang ditetapkan dengan baik, Anthropic mengesyorkan bermula dengan medium, manakala untuk kerja lebih sukar dan panjang, dengan high; tahap yang sesuai ditentukan oleh tugasan dan perincian yang diperlukan.
Mod berasingan between_tools menghapuskan penaakulan awal sebelum tindakan pertama dan mengekalkannya antara panggilan alat. Mod ini disokong hanya pada low, medium dan high. xhigh dan max memerlukan mod adaptif. Pematian penaakulan sepenuhnya dan bajet manual extended thinking tidak disokong bagi Sonnet 5.5.
Jika kaedah menyokong kawalan alat, pemilihan automatik auto dan pematian none dibenarkan. Model pengeluar tidak menyokong pilihan paksa, iaitu keperluan memanggil sebarang alat (any) atau alat khusus mengikut nama (tool). Dalam mod between_tools, tahap usaha tidak boleh diubah sepanjang perbualan; dalam mod adaptif biasa, pengeluar menyediakan tetapan tersebut. Penggunaan hasil alat memerlukan sejarah yang konsisten dikekalkan.
Dalam kaedah yang menyokong tetapan ini, nilai bukan standard bagi temperature, top_p dan top_k tidak diterima; format dan sifat respons yang diperlukan ditentukan melalui arahan.
Dalam versi ini, kaedah pemecahan teks kepada token yang dikemas kini mengekalkan ciri generasi Sonnet 5. Untuk menganggarkan jumlah permintaan, kandungan bahan perlu diambil kira, bukan sekadar bilangan aksara. Pembangunan biasa dan tugasan penyelidikan merupakan senario utama model, tetapi sebahagian permintaan sensitif dihadkan oleh mekanisme perlindungan.
POST /v1/messagestext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had claude-sonnet-5-5 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring|content_block[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medansystem | Jenisstring|content_block[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had Minimum: 1 Had terpakai pada: had maksimum tepat bagi model/kad yang dipilih | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop_sequences | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].name | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: alat dibekalkan | Lalai— |
Medantools[].description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].input_schema | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.type | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.budget_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanoutput_config.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmetadata | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Medancache_control | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
messages[].content atau blok type=text
Teks + imej
{type:image,source:{type:base64,media_type,data}} atau sumber dengan type=url
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/messagesAiloot 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 →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot 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 |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-sonnet-5-5", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-sonnet-5-5", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="claude-sonnet-5-5",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "claude-sonnet-5-5",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='claude-sonnet-5-5',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot claude-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Gunakan laluan kaedah yang dipaparkan di atas.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
claude-sonnet-5-5Claude Sonnet 5.5 direka untuk tugasan pembangunan, analisis dan penyediaan dokumen yang ditakrif dengan jelas. Memberikan perhatian kepada penulisan yang jelas, reka bentuk visual dan penggunaan alat secara berurutan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Sonnet 5.5 menumpukan tugasan yang ditakrif dengan jelas: penulisan kod, pembetulan ralat, analisis maklumat dan penyediaan bahan profesional. Menurut Anthropic, model direka untuk iterasi pantas apabila hasil boleh dilihat, diperincikan dan kerja diteruskan. Penerangannya menekankan penulisan jelas, reka bentuk dokumen yang kemas dan perhatian terhadap reka bentuk antara muka secara berasingan.
Tugasan boleh menggabungkan pembacaan bahan dengan penghasilan kandungan akhir. Salah satu senario yang diterangkan ialah menganalisis bahan suku tahunan syarikat dan transkrip ucapan, kemudian menyediakan pembentangan dengan reka bentuk yang ditetapkan. Model boleh membantu dengan dokumen, hamparan dan slaid melalui kemudahan yang disediakan; fail siap dihasilkan oleh persekitaran aplikasi.
Model menerima teks dan imej, manakala responsnya sendiri dihasilkan sebagai teks. Model boleh menghubungkan maklumat visual dengan arahan teks dan menyokong kerja berbilang langkah yang berpanjangan. Graf, jadual dan halaman dokumen memberikan bahan analisis; tindakan tambahan pada fail dan antara muka memerlukan alat aplikasi.
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.
Tetingkap konteks ialah 1 juta token, dengan respons maksimum dalam mod biasa sebanyak 128 ribu token. Batas pengetahuan terbina dalam yang boleh dipercayai ialah Jun 2026. Pengeluar menyediakan perubahan tahap usaha dan alat yang tersedia sepanjang perbualan serta pemampatan sejarah atas permintaan. Keupayaan ini memerlukan sokongan persekitaran. Jika aplikasi mengembalikan penaakulan tersimpan, Sonnet 5.5 membaca bloknya sendiri, blok Sonnet 5, Opus 4.8, Haiku 4.5 dan model lebih awal; blok Opus 5, Opus 5.5, Fable dan Mythos tidak serasi dengannya. Keupayaan memindahkan bloknya kepada model lain bergantung pada pasangan khusus dan sokongan kaedah. Blok yang tidak serasi dikecualikan dan giliran seterusnya diteruskan tanpa penaakulan terdahulu. Perubahan mesej awal, arahan sistem atau takrif alat terdahulu boleh menjejaskan kaitan blok dan, ketika disahkan, menyebabkan permintaan ditolak atau blok yang terjejas dikecualikan.
Mod standard ialah penaakulan adaptif dengan effort bernilai high. Lima tahap usaha tersedia: low, medium, high, xhigh dan max. Bagi tugasan ejen yang ditetapkan dengan baik, Anthropic mengesyorkan bermula dengan medium, manakala untuk kerja lebih sukar dan panjang, dengan high; tahap yang sesuai ditentukan oleh tugasan dan perincian yang diperlukan.
Mod berasingan between_tools menghapuskan penaakulan awal sebelum tindakan pertama dan mengekalkannya antara panggilan alat. Mod ini disokong hanya pada low, medium dan high. xhigh dan max memerlukan mod adaptif. Pematian penaakulan sepenuhnya dan bajet manual extended thinking tidak disokong bagi Sonnet 5.5.
Jika kaedah menyokong kawalan alat, pemilihan automatik auto dan pematian none dibenarkan. Model pengeluar tidak menyokong pilihan paksa, iaitu keperluan memanggil sebarang alat (any) atau alat khusus mengikut nama (tool). Dalam mod between_tools, tahap usaha tidak boleh diubah sepanjang perbualan; dalam mod adaptif biasa, pengeluar menyediakan tetapan tersebut. Penggunaan hasil alat memerlukan sejarah yang konsisten dikekalkan.
Dalam kaedah yang menyokong tetapan ini, nilai bukan standard bagi temperature, top_p dan top_k tidak diterima; format dan sifat respons yang diperlukan ditentukan melalui arahan.
Dalam versi ini, kaedah pemecahan teks kepada token yang dikemas kini mengekalkan ciri generasi Sonnet 5. Untuk menganggarkan jumlah permintaan, kandungan bahan perlu diambil kira, bukan sekadar bilangan aksara. Pembangunan biasa dan tugasan penyelidikan merupakan senario utama model, tetapi sebahagian permintaan sensitif dihadkan oleh mekanisme perlindungan.
POST /v1/responsestext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had claude-sonnet-5-5 | Lalai— |
Medaninput | Jenisstring|input_item[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].type | Jenisstring | KeperluanPilihan | Nilai & had message, reasoning, function_call, function_call_output | Lalai— |
Medaninput[].content | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output; kekalkan call_id sebenar yang dipulangkan | Lalai— |
Medaninput[].output | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output | Lalai— |
Medanmax_output_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.summary | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.verbosity | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninclude | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstore | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprevious_response_id | Jenisstring | KeperluanPilihan | Nilai & had Keperluan ID: Hanya ID respons sebenar daripada penerusan yang disokong Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_key | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
Teks input atau bahagian input_text
Teks + imej
{type:input_image,image_url}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, input |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/responsesAiloot 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 →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot 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 |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-sonnet-5-5", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-sonnet-5-5", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="claude-sonnet-5-5", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "claude-sonnet-5-5", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="claude-sonnet-5-5", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap item output dan bahagian kandungan, call_id fungsi sebenar, penaakulan disulitkan serta data penggunaan. Semasa penstriman, kekalkan identiti peristiwa/item yang lengkap.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanstatus | Jenisstring |
Medanoutput[] | Jenismessage|reasoning|function_call|other item |
Medanoutput[].content[] | Jeniscontent part |
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 claude-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Gunakan laluan kaedah yang dipaparkan di atas.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
claude-sonnet-5-5Claude Sonnet 5.5 direka untuk tugasan pembangunan, analisis dan penyediaan dokumen yang ditakrif dengan jelas. Memberikan perhatian kepada penulisan yang jelas, reka bentuk visual dan penggunaan alat secara berurutan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Sonnet 5.5 menumpukan tugasan yang ditakrif dengan jelas: penulisan kod, pembetulan ralat, analisis maklumat dan penyediaan bahan profesional. Menurut Anthropic, model direka untuk iterasi pantas apabila hasil boleh dilihat, diperincikan dan kerja diteruskan. Penerangannya menekankan penulisan jelas, reka bentuk dokumen yang kemas dan perhatian terhadap reka bentuk antara muka secara berasingan.
Tugasan boleh menggabungkan pembacaan bahan dengan penghasilan kandungan akhir. Salah satu senario yang diterangkan ialah menganalisis bahan suku tahunan syarikat dan transkrip ucapan, kemudian menyediakan pembentangan dengan reka bentuk yang ditetapkan. Model boleh membantu dengan dokumen, hamparan dan slaid melalui kemudahan yang disediakan; fail siap dihasilkan oleh persekitaran aplikasi.
Model menerima teks dan imej, manakala responsnya sendiri dihasilkan sebagai teks. Model boleh menghubungkan maklumat visual dengan arahan teks dan menyokong kerja berbilang langkah yang berpanjangan. Graf, jadual dan halaman dokumen memberikan bahan analisis; tindakan tambahan pada fail dan antara muka memerlukan alat aplikasi.
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.
Tetingkap konteks ialah 1 juta token, dengan respons maksimum dalam mod biasa sebanyak 128 ribu token. Batas pengetahuan terbina dalam yang boleh dipercayai ialah Jun 2026. Pengeluar menyediakan perubahan tahap usaha dan alat yang tersedia sepanjang perbualan serta pemampatan sejarah atas permintaan. Keupayaan ini memerlukan sokongan persekitaran. Jika aplikasi mengembalikan penaakulan tersimpan, Sonnet 5.5 membaca bloknya sendiri, blok Sonnet 5, Opus 4.8, Haiku 4.5 dan model lebih awal; blok Opus 5, Opus 5.5, Fable dan Mythos tidak serasi dengannya. Keupayaan memindahkan bloknya kepada model lain bergantung pada pasangan khusus dan sokongan kaedah. Blok yang tidak serasi dikecualikan dan giliran seterusnya diteruskan tanpa penaakulan terdahulu. Perubahan mesej awal, arahan sistem atau takrif alat terdahulu boleh menjejaskan kaitan blok dan, ketika disahkan, menyebabkan permintaan ditolak atau blok yang terjejas dikecualikan.
Mod standard ialah penaakulan adaptif dengan effort bernilai high. Lima tahap usaha tersedia: low, medium, high, xhigh dan max. Bagi tugasan ejen yang ditetapkan dengan baik, Anthropic mengesyorkan bermula dengan medium, manakala untuk kerja lebih sukar dan panjang, dengan high; tahap yang sesuai ditentukan oleh tugasan dan perincian yang diperlukan.
Mod berasingan between_tools menghapuskan penaakulan awal sebelum tindakan pertama dan mengekalkannya antara panggilan alat. Mod ini disokong hanya pada low, medium dan high. xhigh dan max memerlukan mod adaptif. Pematian penaakulan sepenuhnya dan bajet manual extended thinking tidak disokong bagi Sonnet 5.5.
Jika kaedah menyokong kawalan alat, pemilihan automatik auto dan pematian none dibenarkan. Model pengeluar tidak menyokong pilihan paksa, iaitu keperluan memanggil sebarang alat (any) atau alat khusus mengikut nama (tool). Dalam mod between_tools, tahap usaha tidak boleh diubah sepanjang perbualan; dalam mod adaptif biasa, pengeluar menyediakan tetapan tersebut. Penggunaan hasil alat memerlukan sejarah yang konsisten dikekalkan.
Dalam kaedah yang menyokong tetapan ini, nilai bukan standard bagi temperature, top_p dan top_k tidak diterima; format dan sifat respons yang diperlukan ditentukan melalui arahan.
Dalam versi ini, kaedah pemecahan teks kepada token yang dikemas kini mengekalkan ciri generasi Sonnet 5. Untuk menganggarkan jumlah permintaan, kandungan bahan perlu diambil kira, bukan sekadar bilangan aksara. Pembangunan biasa dan tugasan penyelidikan merupakan senario utama model, tetapi sebahagian permintaan sensitif dihadkan oleh mekanisme perlindungan.
POST /v1/chat/completionstext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had claude-sonnet-5-5 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
messages[].content
Teks + imej
{type:image_url,image_url:{url,detail}}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/chat/completionsAiloot 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 →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot 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 |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-sonnet-5-5", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-sonnet-5-5", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="claude-sonnet-5-5",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "claude-sonnet-5-5",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='claude-sonnet-5-5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot claude-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Gunakan laluan kaedah yang dipaparkan di atas.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
anthropic/claude-sonnet-5.5Claude Sonnet 5.5 direka untuk tugasan pembangunan, analisis dan penyediaan dokumen yang ditakrif dengan jelas. Memberikan perhatian kepada penulisan yang jelas, reka bentuk visual dan penggunaan alat secara berurutan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Sonnet 5.5 menumpukan tugasan yang ditakrif dengan jelas: penulisan kod, pembetulan ralat, analisis maklumat dan penyediaan bahan profesional. Menurut Anthropic, model direka untuk iterasi pantas apabila hasil boleh dilihat, diperincikan dan kerja diteruskan. Penerangannya menekankan penulisan jelas, reka bentuk dokumen yang kemas dan perhatian terhadap reka bentuk antara muka secara berasingan.
Tugasan boleh menggabungkan pembacaan bahan dengan penghasilan kandungan akhir. Salah satu senario yang diterangkan ialah menganalisis bahan suku tahunan syarikat dan transkrip ucapan, kemudian menyediakan pembentangan dengan reka bentuk yang ditetapkan. Model boleh membantu dengan dokumen, hamparan dan slaid melalui kemudahan yang disediakan; fail siap dihasilkan oleh persekitaran aplikasi.
Model menerima teks dan imej, manakala responsnya sendiri dihasilkan sebagai teks. Model boleh menghubungkan maklumat visual dengan arahan teks dan menyokong kerja berbilang langkah yang berpanjangan. Graf, jadual dan halaman dokumen memberikan bahan analisis; tindakan tambahan pada fail dan antara muka memerlukan alat aplikasi.
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.
Tetingkap konteks ialah 1 juta token, dengan respons maksimum dalam mod biasa sebanyak 128 ribu token. Batas pengetahuan terbina dalam yang boleh dipercayai ialah Jun 2026. Pengeluar menyediakan perubahan tahap usaha dan alat yang tersedia sepanjang perbualan serta pemampatan sejarah atas permintaan. Keupayaan ini memerlukan sokongan persekitaran. Jika aplikasi mengembalikan penaakulan tersimpan, Sonnet 5.5 membaca bloknya sendiri, blok Sonnet 5, Opus 4.8, Haiku 4.5 dan model lebih awal; blok Opus 5, Opus 5.5, Fable dan Mythos tidak serasi dengannya. Keupayaan memindahkan bloknya kepada model lain bergantung pada pasangan khusus dan sokongan kaedah. Blok yang tidak serasi dikecualikan dan giliran seterusnya diteruskan tanpa penaakulan terdahulu. Perubahan mesej awal, arahan sistem atau takrif alat terdahulu boleh menjejaskan kaitan blok dan, ketika disahkan, menyebabkan permintaan ditolak atau blok yang terjejas dikecualikan.
Mod standard ialah penaakulan adaptif dengan effort bernilai high. Lima tahap usaha tersedia: low, medium, high, xhigh dan max. Bagi tugasan ejen yang ditetapkan dengan baik, Anthropic mengesyorkan bermula dengan medium, manakala untuk kerja lebih sukar dan panjang, dengan high; tahap yang sesuai ditentukan oleh tugasan dan perincian yang diperlukan.
Mod berasingan between_tools menghapuskan penaakulan awal sebelum tindakan pertama dan mengekalkannya antara panggilan alat. Mod ini disokong hanya pada low, medium dan high. xhigh dan max memerlukan mod adaptif. Pematian penaakulan sepenuhnya dan bajet manual extended thinking tidak disokong bagi Sonnet 5.5.
Jika kaedah menyokong kawalan alat, pemilihan automatik auto dan pematian none dibenarkan. Model pengeluar tidak menyokong pilihan paksa, iaitu keperluan memanggil sebarang alat (any) atau alat khusus mengikut nama (tool). Dalam mod between_tools, tahap usaha tidak boleh diubah sepanjang perbualan; dalam mod adaptif biasa, pengeluar menyediakan tetapan tersebut. Penggunaan hasil alat memerlukan sejarah yang konsisten dikekalkan.
Dalam kaedah yang menyokong tetapan ini, nilai bukan standard bagi temperature, top_p dan top_k tidak diterima; format dan sifat respons yang diperlukan ditentukan melalui arahan.
Dalam versi ini, kaedah pemecahan teks kepada token yang dikemas kini mengekalkan ciri generasi Sonnet 5. Untuk menganggarkan jumlah permintaan, kandungan bahan perlu diambil kira, bukan sekadar bilangan aksara. Pembangunan biasa dan tugasan penyelidikan merupakan senario utama model, tetapi sebahagian permintaan sensitif dihadkan oleh mekanisme perlindungan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had anthropic/claude-sonnet-5.5 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-sonnet-5.5", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='anthropic/claude-sonnet-5.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='anthropic/claude-sonnet-5.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot claude-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Gunakan laluan kaedah yang dipaparkan di atas.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
anthropic/claude-sonnet-5.5Claude Sonnet 5.5 direka untuk tugasan pembangunan, analisis dan penyediaan dokumen yang ditakrif dengan jelas. Memberikan perhatian kepada penulisan yang jelas, reka bentuk visual dan penggunaan alat secara berurutan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Sonnet 5.5 menumpukan tugasan yang ditakrif dengan jelas: penulisan kod, pembetulan ralat, analisis maklumat dan penyediaan bahan profesional. Menurut Anthropic, model direka untuk iterasi pantas apabila hasil boleh dilihat, diperincikan dan kerja diteruskan. Penerangannya menekankan penulisan jelas, reka bentuk dokumen yang kemas dan perhatian terhadap reka bentuk antara muka secara berasingan.
Tugasan boleh menggabungkan pembacaan bahan dengan penghasilan kandungan akhir. Salah satu senario yang diterangkan ialah menganalisis bahan suku tahunan syarikat dan transkrip ucapan, kemudian menyediakan pembentangan dengan reka bentuk yang ditetapkan. Model boleh membantu dengan dokumen, hamparan dan slaid melalui kemudahan yang disediakan; fail siap dihasilkan oleh persekitaran aplikasi.
Model menerima teks dan imej, manakala responsnya sendiri dihasilkan sebagai teks. Model boleh menghubungkan maklumat visual dengan arahan teks dan menyokong kerja berbilang langkah yang berpanjangan. Graf, jadual dan halaman dokumen memberikan bahan analisis; tindakan tambahan pada fail dan antara muka memerlukan alat aplikasi.
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.
Tetingkap konteks ialah 1 juta token, dengan respons maksimum dalam mod biasa sebanyak 128 ribu token. Batas pengetahuan terbina dalam yang boleh dipercayai ialah Jun 2026. Pengeluar menyediakan perubahan tahap usaha dan alat yang tersedia sepanjang perbualan serta pemampatan sejarah atas permintaan. Keupayaan ini memerlukan sokongan persekitaran. Jika aplikasi mengembalikan penaakulan tersimpan, Sonnet 5.5 membaca bloknya sendiri, blok Sonnet 5, Opus 4.8, Haiku 4.5 dan model lebih awal; blok Opus 5, Opus 5.5, Fable dan Mythos tidak serasi dengannya. Keupayaan memindahkan bloknya kepada model lain bergantung pada pasangan khusus dan sokongan kaedah. Blok yang tidak serasi dikecualikan dan giliran seterusnya diteruskan tanpa penaakulan terdahulu. Perubahan mesej awal, arahan sistem atau takrif alat terdahulu boleh menjejaskan kaitan blok dan, ketika disahkan, menyebabkan permintaan ditolak atau blok yang terjejas dikecualikan.
Mod standard ialah penaakulan adaptif dengan effort bernilai high. Lima tahap usaha tersedia: low, medium, high, xhigh dan max. Bagi tugasan ejen yang ditetapkan dengan baik, Anthropic mengesyorkan bermula dengan medium, manakala untuk kerja lebih sukar dan panjang, dengan high; tahap yang sesuai ditentukan oleh tugasan dan perincian yang diperlukan.
Mod berasingan between_tools menghapuskan penaakulan awal sebelum tindakan pertama dan mengekalkannya antara panggilan alat. Mod ini disokong hanya pada low, medium dan high. xhigh dan max memerlukan mod adaptif. Pematian penaakulan sepenuhnya dan bajet manual extended thinking tidak disokong bagi Sonnet 5.5.
Jika kaedah menyokong kawalan alat, pemilihan automatik auto dan pematian none dibenarkan. Model pengeluar tidak menyokong pilihan paksa, iaitu keperluan memanggil sebarang alat (any) atau alat khusus mengikut nama (tool). Dalam mod between_tools, tahap usaha tidak boleh diubah sepanjang perbualan; dalam mod adaptif biasa, pengeluar menyediakan tetapan tersebut. Penggunaan hasil alat memerlukan sejarah yang konsisten dikekalkan.
Dalam kaedah yang menyokong tetapan ini, nilai bukan standard bagi temperature, top_p dan top_k tidak diterima; format dan sifat respons yang diperlukan ditentukan melalui arahan.
Dalam versi ini, kaedah pemecahan teks kepada token yang dikemas kini mengekalkan ciri generasi Sonnet 5. Untuk menganggarkan jumlah permintaan, kandungan bahan perlu diambil kira, bukan sekadar bilangan aksara. Pembangunan biasa dan tugasan penyelidikan merupakan senario utama model, tetapi sebahagian permintaan sensitif dihadkan oleh mekanisme perlindungan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had anthropic/claude-sonnet-5.5 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "anthropic/claude-sonnet-5.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-sonnet-5.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-sonnet-5.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot claude-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Gunakan laluan kaedah yang dipaparkan di atas.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
~anthropic/claude-sonnet-latestClaude Sonnet 5.5 direka untuk tugasan pembangunan, analisis dan penyediaan dokumen yang ditakrif dengan jelas. Memberikan perhatian kepada penulisan yang jelas, reka bentuk visual dan penggunaan alat secara berurutan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Sonnet 5.5 menumpukan tugasan yang ditakrif dengan jelas: penulisan kod, pembetulan ralat, analisis maklumat dan penyediaan bahan profesional. Menurut Anthropic, model direka untuk iterasi pantas apabila hasil boleh dilihat, diperincikan dan kerja diteruskan. Penerangannya menekankan penulisan jelas, reka bentuk dokumen yang kemas dan perhatian terhadap reka bentuk antara muka secara berasingan.
Tugasan boleh menggabungkan pembacaan bahan dengan penghasilan kandungan akhir. Salah satu senario yang diterangkan ialah menganalisis bahan suku tahunan syarikat dan transkrip ucapan, kemudian menyediakan pembentangan dengan reka bentuk yang ditetapkan. Model boleh membantu dengan dokumen, hamparan dan slaid melalui kemudahan yang disediakan; fail siap dihasilkan oleh persekitaran aplikasi.
Model menerima teks dan imej, manakala responsnya sendiri dihasilkan sebagai teks. Model boleh menghubungkan maklumat visual dengan arahan teks dan menyokong kerja berbilang langkah yang berpanjangan. Graf, jadual dan halaman dokumen memberikan bahan analisis; tindakan tambahan pada fail dan antara muka memerlukan alat aplikasi.
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.
Tetingkap konteks ialah 1 juta token, dengan respons maksimum dalam mod biasa sebanyak 128 ribu token. Batas pengetahuan terbina dalam yang boleh dipercayai ialah Jun 2026. Pengeluar menyediakan perubahan tahap usaha dan alat yang tersedia sepanjang perbualan serta pemampatan sejarah atas permintaan. Keupayaan ini memerlukan sokongan persekitaran. Jika aplikasi mengembalikan penaakulan tersimpan, Sonnet 5.5 membaca bloknya sendiri, blok Sonnet 5, Opus 4.8, Haiku 4.5 dan model lebih awal; blok Opus 5, Opus 5.5, Fable dan Mythos tidak serasi dengannya. Keupayaan memindahkan bloknya kepada model lain bergantung pada pasangan khusus dan sokongan kaedah. Blok yang tidak serasi dikecualikan dan giliran seterusnya diteruskan tanpa penaakulan terdahulu. Perubahan mesej awal, arahan sistem atau takrif alat terdahulu boleh menjejaskan kaitan blok dan, ketika disahkan, menyebabkan permintaan ditolak atau blok yang terjejas dikecualikan.
Mod standard ialah penaakulan adaptif dengan effort bernilai high. Lima tahap usaha tersedia: low, medium, high, xhigh dan max. Bagi tugasan ejen yang ditetapkan dengan baik, Anthropic mengesyorkan bermula dengan medium, manakala untuk kerja lebih sukar dan panjang, dengan high; tahap yang sesuai ditentukan oleh tugasan dan perincian yang diperlukan.
Mod berasingan between_tools menghapuskan penaakulan awal sebelum tindakan pertama dan mengekalkannya antara panggilan alat. Mod ini disokong hanya pada low, medium dan high. xhigh dan max memerlukan mod adaptif. Pematian penaakulan sepenuhnya dan bajet manual extended thinking tidak disokong bagi Sonnet 5.5.
Jika kaedah menyokong kawalan alat, pemilihan automatik auto dan pematian none dibenarkan. Model pengeluar tidak menyokong pilihan paksa, iaitu keperluan memanggil sebarang alat (any) atau alat khusus mengikut nama (tool). Dalam mod between_tools, tahap usaha tidak boleh diubah sepanjang perbualan; dalam mod adaptif biasa, pengeluar menyediakan tetapan tersebut. Penggunaan hasil alat memerlukan sejarah yang konsisten dikekalkan.
Dalam kaedah yang menyokong tetapan ini, nilai bukan standard bagi temperature, top_p dan top_k tidak diterima; format dan sifat respons yang diperlukan ditentukan melalui arahan.
Dalam versi ini, kaedah pemecahan teks kepada token yang dikemas kini mengekalkan ciri generasi Sonnet 5. Untuk menganggarkan jumlah permintaan, kandungan bahan perlu diambil kira, bukan sekadar bilangan aksara. Pembangunan biasa dan tugasan penyelidikan merupakan senario utama model, tetapi sebahagian permintaan sensitif dihadkan oleh mekanisme perlindungan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had ~anthropic/claude-sonnet-latest | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~anthropic/claude-sonnet-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='~anthropic/claude-sonnet-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='~anthropic/claude-sonnet-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot claude-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Gunakan laluan kaedah yang dipaparkan di atas.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
~anthropic/claude-sonnet-latestClaude Sonnet 5.5 direka untuk tugasan pembangunan, analisis dan penyediaan dokumen yang ditakrif dengan jelas. Memberikan perhatian kepada penulisan yang jelas, reka bentuk visual dan penggunaan alat secara berurutan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude Sonnet 5.5 menumpukan tugasan yang ditakrif dengan jelas: penulisan kod, pembetulan ralat, analisis maklumat dan penyediaan bahan profesional. Menurut Anthropic, model direka untuk iterasi pantas apabila hasil boleh dilihat, diperincikan dan kerja diteruskan. Penerangannya menekankan penulisan jelas, reka bentuk dokumen yang kemas dan perhatian terhadap reka bentuk antara muka secara berasingan.
Tugasan boleh menggabungkan pembacaan bahan dengan penghasilan kandungan akhir. Salah satu senario yang diterangkan ialah menganalisis bahan suku tahunan syarikat dan transkrip ucapan, kemudian menyediakan pembentangan dengan reka bentuk yang ditetapkan. Model boleh membantu dengan dokumen, hamparan dan slaid melalui kemudahan yang disediakan; fail siap dihasilkan oleh persekitaran aplikasi.
Model menerima teks dan imej, manakala responsnya sendiri dihasilkan sebagai teks. Model boleh menghubungkan maklumat visual dengan arahan teks dan menyokong kerja berbilang langkah yang berpanjangan. Graf, jadual dan halaman dokumen memberikan bahan analisis; tindakan tambahan pada fail dan antara muka memerlukan alat aplikasi.
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.
Tetingkap konteks ialah 1 juta token, dengan respons maksimum dalam mod biasa sebanyak 128 ribu token. Batas pengetahuan terbina dalam yang boleh dipercayai ialah Jun 2026. Pengeluar menyediakan perubahan tahap usaha dan alat yang tersedia sepanjang perbualan serta pemampatan sejarah atas permintaan. Keupayaan ini memerlukan sokongan persekitaran. Jika aplikasi mengembalikan penaakulan tersimpan, Sonnet 5.5 membaca bloknya sendiri, blok Sonnet 5, Opus 4.8, Haiku 4.5 dan model lebih awal; blok Opus 5, Opus 5.5, Fable dan Mythos tidak serasi dengannya. Keupayaan memindahkan bloknya kepada model lain bergantung pada pasangan khusus dan sokongan kaedah. Blok yang tidak serasi dikecualikan dan giliran seterusnya diteruskan tanpa penaakulan terdahulu. Perubahan mesej awal, arahan sistem atau takrif alat terdahulu boleh menjejaskan kaitan blok dan, ketika disahkan, menyebabkan permintaan ditolak atau blok yang terjejas dikecualikan.
Mod standard ialah penaakulan adaptif dengan effort bernilai high. Lima tahap usaha tersedia: low, medium, high, xhigh dan max. Bagi tugasan ejen yang ditetapkan dengan baik, Anthropic mengesyorkan bermula dengan medium, manakala untuk kerja lebih sukar dan panjang, dengan high; tahap yang sesuai ditentukan oleh tugasan dan perincian yang diperlukan.
Mod berasingan between_tools menghapuskan penaakulan awal sebelum tindakan pertama dan mengekalkannya antara panggilan alat. Mod ini disokong hanya pada low, medium dan high. xhigh dan max memerlukan mod adaptif. Pematian penaakulan sepenuhnya dan bajet manual extended thinking tidak disokong bagi Sonnet 5.5.
Jika kaedah menyokong kawalan alat, pemilihan automatik auto dan pematian none dibenarkan. Model pengeluar tidak menyokong pilihan paksa, iaitu keperluan memanggil sebarang alat (any) atau alat khusus mengikut nama (tool). Dalam mod between_tools, tahap usaha tidak boleh diubah sepanjang perbualan; dalam mod adaptif biasa, pengeluar menyediakan tetapan tersebut. Penggunaan hasil alat memerlukan sejarah yang konsisten dikekalkan.
Dalam kaedah yang menyokong tetapan ini, nilai bukan standard bagi temperature, top_p dan top_k tidak diterima; format dan sifat respons yang diperlukan ditentukan melalui arahan.
Dalam versi ini, kaedah pemecahan teks kepada token yang dikemas kini mengekalkan ciri generasi Sonnet 5. Untuk menganggarkan jumlah permintaan, kandungan bahan perlu diambil kira, bukan sekadar bilangan aksara. Pembangunan biasa dan tugasan penyelidikan merupakan senario utama model, tetapi sebahagian permintaan sensitif dihadkan oleh mekanisme perlindungan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had ~anthropic/claude-sonnet-latest | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.02 / 1K token Input · Bacaan cache $0.0002 / 1K token Input · Penulisan cache $0.005 / 1K token Input · Penulisan cache, 1 jam $0.008 / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "~anthropic/claude-sonnet-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~anthropic/claude-sonnet-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~anthropic/claude-sonnet-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot claude-sonnet-5-5
Ailoot Ultra anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest
Gunakan laluan kaedah yang dipaparkan di atas.
anthropic/claude-sonnet-5.5, ~anthropic/claude-sonnet-latest, claude-sonnet-5-5
Contoh teknikal dalam bahasa Inggeris
Turn quarterly notes into slide copy\n\nPrepare four slide outlines from these quarterly notes: revenue rose from 8 to 10 million; support backlog rose from 120 to 210 tickets; two enterprise renewals are undecided. Audience: team leads. Give each slide one headline and three short bullets, ending with decisions needed. Keep supplied numbers exact.Four numbered slide outlines with a headline, three bullets and explicit decisions to resolve.Check that revenue growth is not presented as resolving the backlog or the undecided renewals.