Claude Opus 4 Thinking anvender utvidet resonnering på den opprinnelige Claude Opus 4-modellen. Anthropic posisjonerer denne generasjonen for krevende programmeringsarbeid, forskning, skriving og oppgaver som krever at retningen opprettholdes gjennom mange trinn. Thinking-betegnelsen gjelder hvordan modellen nærmer seg et svar; den gjør ikke den opprinnelige Opus 4 til en senere Opus-utgave.
Claude Opus 4 kombinerer en standard svarmodus med en modus for utvidet resonnering. Med utvidet resonnering kan den bruke mer tid på å undersøke et problem før den svarer. Produsenten beskriver vedvarende arbeid med komplekse oppgaver som en sentral styrke, særlig når en oppgave krever at en sekvens av funn knyttes sammen fremfor å løse isolerte ledetekster.
For et forskningsspørsmål oppgir du materialene som skal sammenlignes, beslutningen de skal støtte og betingelsene som betyr noe. Be om en evidensbasert syntese som skiller funn, antakelser og åpne spørsmål. For en skriveoppgave tar du med målgruppe, kildemateriale, påkrevd struktur og påstandene resultatet må forklare. Dette er praktiske anvendelser av modellens dokumenterte forsknings- og skriveevner, ikke løfter om et bestemt utfall.
Anthropic vektlegger forståelse av kompleks kode, redigering, feilsøking og endringer som spenner over flere filer. Gi modellen relevante moduler, grensesnittkontrakter, forventet oppførsel og eksisterende tester eller feiloutput. Definer omfanget av den forespurte endringen og be den forklare avhengighetene som gjør de foreslåtte redigeringene nødvendige.
Et nyttig utviklingsresultat knytter sammen tre ting: årsaken til problemet, en konsistent implementering og en måte å kontrollere den resulterende oppførselen på. For en refaktorering angir du hvilke offentlige grensesnitt og observerbar oppførsel som må forbli stabile. For en funksjon beskriver du brukerflyten og feiltilfellene. Dette gjør modellens vedvarende resonnering nyttig for prosjektet fremfor bare å produsere et lengre svar.
Den opprinnelige Claude 4-generasjonen legger til resonnering mellom verktøykall i Anthropics dokumenterte arbeidsflyt for utvidet resonnering. Den kan undersøke et verktøyresultat, revurdere tilnærmingen og velge en påfølgende handling. Produsenten beskriver også parallell verktøybruk og forbedret kontinuitet når en applikasjon leverer lokale filer modellen kan lese og oppdatere.
En agent som bruker disse evnene trenger at applikasjonen leverer verktøyene, utfører forespurte handlinger og returnerer resultatene. Minnefiler tilhører også applikasjonsmiljøet; de er ikke et ubegrenset lager som automatisk bæres mellom ubeslektede samtaler. Når du utformer en arbeidsflyt, returnerer du relevante observasjoner til modellen og holder oppgavens mål og akseptkriterier tilgjengelige.
Claude Opus 4 støtter også visuell analyse. Skjermbilder, grafer og diagrammer kan gi belegg sammen med tekst, mens modellens svar forblir tekstlig. Bruk tydelig leselige bilder og identifiser relasjonene du vil ha forklart. Ta med kildeverdier når oppgaven avhenger av nøyaktige antall eller målinger, siden visuell tolkning kan være omtrentlig.
For en Ailoot API-oppgave angir du sluttleveransen du trenger: et forslag til endringer i flere filer, en teknisk undersøkelse, en forskningssyntese eller et nøye strukturert dokument. Legg til belegget og begrensningene som lar modellen velge en tilnærming. Produsentens oppsummeringer av utvidet resonnering gir en forklaring sammen med resultatet, men en oppsummering er ikke en ordrett gjengivelse av all resonnering. Inspiser den leverte koden eller analysen mot oppgavens krav, inkludert antakelser som fortsatt trenger belegg.
", "aboutText": "Claude Opus 4 Thinking anvender utvidet resonnering på den opprinnelige Claude Opus 4-modellen. Anthropic posisjonerer denne generasjonen for krevende programmeringsarbeid, forskning, skriving og oppgaver som krever at retningen opprettholdes gjennom mange trinn. Thinking-betegnelsen gjelder hvordan modellen nærmer seg et svar; den gjør ikke den opprinnelige Opus 4 til en senere Opus-utgave.\n\n### Resonnering gjennom en krevende oppgave\n\nClaude Opus 4 kombinerer en standard svarmodus med en modus for utvidet resonnering. Med utvidet resonnering kan den bruke mer tid på å undersøke et problem før den svarer. Produsenten beskriver vedvarende arbeid med komplekse oppgaver som en sentral styrke, særlig når en oppgave krever at en sekvens av funn knyttes sammen fremfor å løse isolerte ledetekster.\n\nFor et forskningsspørsmål oppgir du materialene som skal sammenlignes, beslutningen de skal støtte og betingelsene som betyr noe. Be om en evidensbasert syntese som skiller funn, antakelser og åpne spørsmål. For en skriveoppgave tar du med målgruppe, kildemateriale, påkrevd struktur og påstandene resultatet må forklare. Dette er praktiske anvendelser av modellens dokumenterte forsknings- og skriveevner, ikke løfter om et bestemt utfall.\n\n### Endringer på tvers av en kodebase\n\nAnthropic vektlegger forståelse av kompleks kode, redigering, feilsøking og endringer som spenner over flere filer. Gi modellen relevante moduler, grensesnittkontrakter, forventet oppførsel og eksisterende tester eller feiloutput. Definer omfanget av den forespurte endringen og be den forklare avhengighetene som gjør de foreslåtte redigeringene nødvendige.\n\nEt nyttig utviklingsresultat knytter sammen tre ting: årsaken til problemet, en konsistent implementering og en måte å kontrollere den resulterende oppførselen på. For en refaktorering angir du hvilke offentlige grensesnitt og observerbar oppførsel som må forbli stabile. For en funksjon beskriver du brukerflyten og feiltilfellene. Dette gjør modellens vedvarende resonnering nyttig for prosjektet fremfor bare å produsere et lengre svar.\n\n### Verktøy, parallelt arbeid og kontinuitet\n\nDen opprinnelige Claude 4-generasjonen legger til resonnering mellom verktøykall i Anthropics dokumenterte arbeidsflyt for utvidet resonnering. Den kan undersøke et verktøyresultat, revurdere tilnærmingen og velge en påfølgende handling. Produsenten beskriver også parallell verktøybruk og forbedret kontinuitet når en applikasjon leverer lokale filer modellen kan lese og oppdatere.\n\nEn agent som bruker disse evnene trenger at applikasjonen leverer verktøyene, utfører forespurte handlinger og returnerer resultatene. Minnefiler tilhører også applikasjonsmiljøet; de er ikke et ubegrenset lager som automatisk bæres mellom ubeslektede samtaler. Når du utformer en arbeidsflyt, returnerer du relevante observasjoner til modellen og holder oppgavens mål og akseptkriterier tilgjengelige.\n\n### Visuell analyse og tekstoutput\n\nClaude Opus 4 støtter også visuell analyse. Skjermbilder, grafer og diagrammer kan gi belegg sammen med tekst, mens modellens svar forblir tekstlig. Bruk tydelig leselige bilder og identifiser relasjonene du vil ha forklart. Ta med kildeverdier når oppgaven avhenger av nøyaktige antall eller målinger, siden visuell tolkning kan være omtrentlig.\n\nFor en Ailoot API-oppgave angir du sluttleveransen du trenger: et forslag til endringer i flere filer, en teknisk undersøkelse, en forskningssyntese eller et nøye strukturert dokument. Legg til belegget og begrensningene som lar modellen velge en tilnærming. Produsentens oppsummeringer av utvidet resonnering gir en forklaring sammen med resultatet, men en oppsummering er ikke en ordrett gjengivelse av all resonnering. Inspiser den leverte koden eller analysen mot oppgavens krav, inkludert antakelser som fortsatt trenger belegg.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Plan a coordinated order refactor\n\nReview this proposed refactor. Module A emits {order_id, total_cents}; module B stores those fields; module C displays total_cents / 100. A developer proposes renaming only A to amount_cents. Identify affected contracts and propose a coordinated migration that preserves existing consumers, with checks for old and new records.A dependency map in text, a staged migration proposal and compatibility checks for each consumer.Confirm the proposal covers B and C and does not silently reinterpret cents as whole currency units.claude-opus-4-20250514-thinkingClaude Opus 4 Thinking bruker den opprinnelige Opus 4s modus for utvidet resonnering til komplekse programvareendringer, vedvarende agentarbeidsflyter og forskning. Den kan resonnere mellom støttede verktøytrinn og knytte sammen belegg gjennom en krevende oppgave før den produserer et tekstresultat.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Claude Opus 4 Thinking anvender utvidet resonnering på den opprinnelige Claude Opus 4-modellen. Anthropic posisjonerer denne generasjonen for krevende programmeringsarbeid, forskning, skriving og oppgaver som krever at retningen opprettholdes gjennom mange trinn. Thinking-betegnelsen gjelder hvordan modellen nærmer seg et svar; den gjør ikke den opprinnelige Opus 4 til en senere Opus-utgave.
Claude Opus 4 kombinerer en standard svarmodus med en modus for utvidet resonnering. Med utvidet resonnering kan den bruke mer tid på å undersøke et problem før den svarer. Produsenten beskriver vedvarende arbeid med komplekse oppgaver som en sentral styrke, særlig når en oppgave krever at en sekvens av funn knyttes sammen fremfor å løse isolerte ledetekster.
For et forskningsspørsmål oppgir du materialene som skal sammenlignes, beslutningen de skal støtte og betingelsene som betyr noe. Be om en evidensbasert syntese som skiller funn, antakelser og åpne spørsmål. For en skriveoppgave tar du med målgruppe, kildemateriale, påkrevd struktur og påstandene resultatet må forklare. Dette er praktiske anvendelser av modellens dokumenterte forsknings- og skriveevner, ikke løfter om et bestemt utfall.
Anthropic vektlegger forståelse av kompleks kode, redigering, feilsøking og endringer som spenner over flere filer. Gi modellen relevante moduler, grensesnittkontrakter, forventet oppførsel og eksisterende tester eller feiloutput. Definer omfanget av den forespurte endringen og be den forklare avhengighetene som gjør de foreslåtte redigeringene nødvendige.
Et nyttig utviklingsresultat knytter sammen tre ting: årsaken til problemet, en konsistent implementering og en måte å kontrollere den resulterende oppførselen på. For en refaktorering angir du hvilke offentlige grensesnitt og observerbar oppførsel som må forbli stabile. For en funksjon beskriver du brukerflyten og feiltilfellene. Dette gjør modellens vedvarende resonnering nyttig for prosjektet fremfor bare å produsere et lengre svar.
Den opprinnelige Claude 4-generasjonen legger til resonnering mellom verktøykall i Anthropics dokumenterte arbeidsflyt for utvidet resonnering. Den kan undersøke et verktøyresultat, revurdere tilnærmingen og velge en påfølgende handling. Produsenten beskriver også parallell verktøybruk og forbedret kontinuitet når en applikasjon leverer lokale filer modellen kan lese og oppdatere.
En agent som bruker disse evnene trenger at applikasjonen leverer verktøyene, utfører forespurte handlinger og returnerer resultatene. Minnefiler tilhører også applikasjonsmiljøet; de er ikke et ubegrenset lager som automatisk bæres mellom ubeslektede samtaler. Når du utformer en arbeidsflyt, returnerer du relevante observasjoner til modellen og holder oppgavens mål og akseptkriterier tilgjengelige.
Claude Opus 4 støtter også visuell analyse. Skjermbilder, grafer og diagrammer kan gi belegg sammen med tekst, mens modellens svar forblir tekstlig. Bruk tydelig leselige bilder og identifiser relasjonene du vil ha forklart. Ta med kildeverdier når oppgaven avhenger av nøyaktige antall eller målinger, siden visuell tolkning kan være omtrentlig.
For en Ailoot API-oppgave angir du sluttleveransen du trenger: et forslag til endringer i flere filer, en teknisk undersøkelse, en forskningssyntese eller et nøye strukturert dokument. Legg til belegget og begrensningene som lar modellen velge en tilnærming. Produsentens oppsummeringer av utvidet resonnering gir en forklaring sammen med resultatet, men en oppsummering er ikke en ordrett gjengivelse av all resonnering. Inspiser den leverte koden eller analysen mot oppgavens krav, inkludert antakelser som fortsatt trenger belegg.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser claude-opus-4-20250514-thinking | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.03 / 1K tokener Utdata · Utgående tokener $0.15 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0006 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0075 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-20250514-thinking", "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='claude-opus-4-20250514-thinking',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='claude-opus-4-20250514-thinking',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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra claude-opus-4-20250514-thinking
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Plan a coordinated order refactor\n\nReview this proposed refactor. Module A emits {order_id, total_cents}; module B stores those fields; module C displays total_cents / 100. A developer proposes renaming only A to amount_cents. Identify affected contracts and propose a coordinated migration that preserves existing consumers, with checks for old and new records.A dependency map in text, a staged migration proposal and compatibility checks for each consumer.Confirm the proposal covers B and C and does not silently reinterpret cents as whole currency units.