Claude Haiku 5.5 to mała edycja modelu Anthropic do zadań o dużym wolumenie, wrażliwych na opóźnienie. Główne zastosowania obejmują klasyfikację, kierowanie zadań, ekstrakcję informacji, podsumowywanie, kompaktowanie rozmowy i konkretną pracę subagentów. Przyjmuje tekst i obrazy oraz generuje tekst. Przydatny opis zadania daje mu wąskie pytanie i wyraźny rezultat: kategorię, określony zestaw pól, krótkie podsumowanie lub odpowiednie dowody dla innej części większego zadania. Zachowaj identyfikatory źródeł przy wyniku, aby aplikacja mogła powiązać wyodrębnione informacje z oryginalnym materiałem.
Anthropic pozycjonuje tę edycję do bieżącej obsługi klienta, korzystania z przeglądarki i krótkich podzadań programistycznych, a także powtarzalnej analizy. Może uzupełniać Claude Sonnet 5.5 lub Claude Opus 5.5 w przepływie, w którym większy model realizuje ambitny projekt, a Haiku obsługuje wyszukanie danych lub podsumowanie o określonym zakresie. W zadaniu wsparcia dostarcz pytanie i dozwolony materiał referencyjny, a następnie określ ton odpowiedzi i obowiązkową zawartość. Przy podzadaniu programistycznym wskaż odpowiednie pliki lub fragmenty i dokładne pytanie, zamiast przydzielać otwarty projekt bez warunku ukończenia.
Udokumentowane okno kontekstu wynosi milion tokenów, z wyjściem do 128 000 tokenów przy zwykłym generowaniu. Tokeny myślenia wliczają się do limitu generowania, dlatego wynik potrzebuje miejsca zarówno na rozumowanie, jak i widoczny tekst. Granica wiarygodnej wiedzy to czerwiec 2026 r.; późniejsze informacje wymagają dostarczonych dowodów lub narzędzia wyszukiwania. Anthropic osobno dokumentuje betę wyłącznie do przetwarzania wsadowego, która może zwiększyć wyjście tej edycji do 300 000 tokenów. Ten większy limit wymaga funkcji rozszerzonego wyjścia producenta i jest odrębny od zwykłego limitu. Asynchroniczne przetwarzanie wsadowe obsługuje żądania niezależnie, co przydaje się przy zbiorach dokumentów lub rekordów, których wyniki są potrzebne po przetworzeniu, a nie natychmiast.
Adaptacyjne myślenie jest domyślnie włączone, a effort stanowi główną kontrolkę głębokości rozumowania. Poziomy to low, medium, high, xhigh i max, z domyślnym medium. Anthropic zaleca medium do większości pracy, high do bardziej ciągłych zadań lub ścisłego wykonywania instrukcji i low do prostszych, krótkich żądań. Myślenie można wyłączyć przy low, medium lub high; wyłączenie przy xhigh lub max jest odrzucane. Prompt proszący o bezpośrednią odpowiedź nie zastępuje tej kontrolki. Ręczne ustawienia budget_tokens z Haiku 4.5 nie przenoszą się na tę edycję, a temperature, top_p i top_k należy pomijać w udokumentowanym interfejsie.
Haiku 5.5 używa nowszego tokenizatora wprowadzonego we wcześniejszych generacjach Claude, a Anthropic szacuje, że ten sam tekst może zużywać około 30% więcej tokenów niż w Haiku 4.5, zależnie od treści. Zachowuje także bloki myślenia z wcześniejszych tur asystenta, więc rozmiar rozmowy może rosnąć bardziej, niż wynikałoby z samej zmiany tokenizatora. Minimalna długość promptu kwalifikującego się do buforowania wynosi 512 tokenów. Zachowując rozumowanie, pozostawiaj wcześniejsze tury bez zmian i umieszczaj nowe instrukcje w najnowszej turze. Zmiana nadrzędnego ustawienia effort unieważnia pamięć podręczną wiadomości rozmowy; producent dokumentuje oddzielną betę zmiany effort w adaptacyjnych rozmowach. Żadna z tych możliwości nie potwierdza rzeczywistego trafienia w pamięć podręczną dla konkretnego żądania.
Przy wyszukiwaniu przewodnik tworzenia promptów zaleca dostarczenie bieżącej daty wraz z narzędziem wyszukiwania i zachowanie stabilnych oryginalnych definicji systemu oraz narzędzi. Podaj świeżą datę w najnowszej turze, jeśli rozmowa trwa dalej w kolejnym dniu. Określ, co należy znaleźć, i zachowaj zwrócone źródła przed prośbą o wniosek. Przykładowe zadanie może pytać o udokumentowane zachowanie wskazanej wersji oprogramowania, a potem o krótkie wyjaśnienie oparte na odnalezionym fragmencie. Aplikacja dostarcza narzędzie wyszukiwania i zwraca rzeczywiste wyniki; proponowane wyszukanie modelu nie jest dowodem, że się odbyło.
Gdy ustrukturyzowane wyjście JSON łączy się z narzędziami, przewodnik dokumentuje konkretną interakcję: przy wyłączonym myśleniu Haiku może pominąć niezbędne wywołanie narzędzia. Anthropic zaleca adaptacyjne myślenie dla takich żądań lub oddzielenie końcowego wymagania JSON od kroku narzędziowego. Zdefiniuj pola wyjścia i jasno określ, że odpowiedź końcowa następuje po wynikach narzędzi. Opis ekstrakcji może nazywać wymagane pola i sposób przedstawiania brakujących wartości, a opis wyszukania danych może najpierw wymagać dowodów potrzebnych do ich wypełnienia. Czytaj bloki odpowiedzi według typu, ponieważ odpowiedź nie musi być pierwszym blokiem, a tekst myślenia jest domyślnie pomijany.
Przy dłuższych promptach agentowych Anthropic zaznacza, że poziom low parametru effort może kończyć pracę wcześniej, pomijać wyszukanie lub kontrolę. Przewodnik zaleca wyraźne instrukcje ukończenia i rzeczywiste sprawdzanie zmian kodu przed zgłoszeniem ich jako gotowych. Przygotuj oczekiwany wynik i dowody potwierdzające jego osiągnięcie: wybrane fragmenty do raportu, zmienione zachowanie przy propozycji kodu lub pola wyodrębnione z dokumentu. Przewodnik odróżnia także wiadomość użytkownika w trakcie zadania od wyjścia narzędzia: nowe instrukcje użytkownika należą do tury użytkownika, a zwrócone dowody narzędziowe pozostają oddzielne.
Ta edycja ma własne zabezpieczenia i może odmawiać w kategoriach obejmujących szkody cybernetyczne, biologiczne, rozwijanie konkurencyjnych modeli lub inne zabronione zastosowania. Producent nie dokumentuje dla Haiku 5.5 mechanizmu przejścia na wariant zastępczy po stronie serwera. Przewodnik zaznacza również, że poziom xhigh może czasami zakończyć odpowiedź w wieloturowej rozmowie bez widocznego tekstu odpowiedzi, a tekst przypominający rozumowanie może pojawiać się częściej przy low lub wyłączonym myśleniu. Są to konkretne zachowania do uwzględnienia, gdy przepływ wymaga widocznego, ustrukturyzowanego wyniku. W zwykłej ekstrakcji lub podsumowywaniu używaj konkretnego źródła, zdefiniowanego wyjścia i poziomu effort odpowiedniego dla zadania.
", "aboutText": "Claude Haiku 5.5 to mała edycja modelu Anthropic do zadań o dużym wolumenie, wrażliwych na opóźnienie. Główne zastosowania obejmują klasyfikację, kierowanie zadań, ekstrakcję informacji, podsumowywanie, kompaktowanie rozmowy i konkretną pracę subagentów. Przyjmuje tekst i obrazy oraz generuje tekst. Przydatny opis zadania daje mu wąskie pytanie i wyraźny rezultat: kategorię, określony zestaw pól, krótkie podsumowanie lub odpowiednie dowody dla innej części większego zadania. Zachowaj identyfikatory źródeł przy wyniku, aby aplikacja mogła powiązać wyodrębnione informacje z oryginalnym materiałem.\n\nAnthropic pozycjonuje tę edycję do bieżącej obsługi klienta, korzystania z przeglądarki i krótkich podzadań programistycznych, a także powtarzalnej analizy. Może uzupełniać Claude Sonnet 5.5 lub Claude Opus 5.5 w przepływie, w którym większy model realizuje ambitny projekt, a Haiku obsługuje wyszukanie danych lub podsumowanie o określonym zakresie. W zadaniu wsparcia dostarcz pytanie i dozwolony materiał referencyjny, a następnie określ ton odpowiedzi i obowiązkową zawartość. Przy podzadaniu programistycznym wskaż odpowiednie pliki lub fragmenty i dokładne pytanie, zamiast przydzielać otwarty projekt bez warunku ukończenia.\n\nUdokumentowane okno kontekstu wynosi milion tokenów, z wyjściem do 128 000 tokenów przy zwykłym generowaniu. Tokeny myślenia wliczają się do limitu generowania, dlatego wynik potrzebuje miejsca zarówno na rozumowanie, jak i widoczny tekst. Granica wiarygodnej wiedzy to czerwiec 2026 r.; późniejsze informacje wymagają dostarczonych dowodów lub narzędzia wyszukiwania. Anthropic osobno dokumentuje betę wyłącznie do przetwarzania wsadowego, która może zwiększyć wyjście tej edycji do 300 000 tokenów. Ten większy limit wymaga funkcji rozszerzonego wyjścia producenta i jest odrębny od zwykłego limitu. Asynchroniczne przetwarzanie wsadowe obsługuje żądania niezależnie, co przydaje się przy zbiorach dokumentów lub rekordów, których wyniki są potrzebne po przetworzeniu, a nie natychmiast.\n\nAdaptacyjne myślenie jest domyślnie włączone, a effort stanowi główną kontrolkę głębokości rozumowania. Poziomy to low, medium, high, xhigh i max, z domyślnym medium. Anthropic zaleca medium do większości pracy, high do bardziej ciągłych zadań lub ścisłego wykonywania instrukcji i low do prostszych, krótkich żądań. Myślenie można wyłączyć przy low, medium lub high; wyłączenie przy xhigh lub max jest odrzucane. Prompt proszący o bezpośrednią odpowiedź nie zastępuje tej kontrolki. Ręczne ustawienia budget_tokens z Haiku 4.5 nie przenoszą się na tę edycję, a temperature, top_p i top_k należy pomijać w udokumentowanym interfejsie.\n\nHaiku 5.5 używa nowszego tokenizatora wprowadzonego we wcześniejszych generacjach Claude, a Anthropic szacuje, że ten sam tekst może zużywać około 30% więcej tokenów niż w Haiku 4.5, zależnie od treści. Zachowuje także bloki myślenia z wcześniejszych tur asystenta, więc rozmiar rozmowy może rosnąć bardziej, niż wynikałoby z samej zmiany tokenizatora. Minimalna długość promptu kwalifikującego się do buforowania wynosi 512 tokenów. Zachowując rozumowanie, pozostawiaj wcześniejsze tury bez zmian i umieszczaj nowe instrukcje w najnowszej turze. Zmiana nadrzędnego ustawienia effort unieważnia pamięć podręczną wiadomości rozmowy; producent dokumentuje oddzielną betę zmiany effort w adaptacyjnych rozmowach. Żadna z tych możliwości nie potwierdza rzeczywistego trafienia w pamięć podręczną dla konkretnego żądania.\n\nPrzy wyszukiwaniu przewodnik tworzenia promptów zaleca dostarczenie bieżącej daty wraz z narzędziem wyszukiwania i zachowanie stabilnych oryginalnych definicji systemu oraz narzędzi. Podaj świeżą datę w najnowszej turze, jeśli rozmowa trwa dalej w kolejnym dniu. Określ, co należy znaleźć, i zachowaj zwrócone źródła przed prośbą o wniosek. Przykładowe zadanie może pytać o udokumentowane zachowanie wskazanej wersji oprogramowania, a potem o krótkie wyjaśnienie oparte na odnalezionym fragmencie. Aplikacja dostarcza narzędzie wyszukiwania i zwraca rzeczywiste wyniki; proponowane wyszukanie modelu nie jest dowodem, że się odbyło.\n\nGdy ustrukturyzowane wyjście JSON łączy się z narzędziami, przewodnik dokumentuje konkretną interakcję: przy wyłączonym myśleniu Haiku może pominąć niezbędne wywołanie narzędzia. Anthropic zaleca adaptacyjne myślenie dla takich żądań lub oddzielenie końcowego wymagania JSON od kroku narzędziowego. Zdefiniuj pola wyjścia i jasno określ, że odpowiedź końcowa następuje po wynikach narzędzi. Opis ekstrakcji może nazywać wymagane pola i sposób przedstawiania brakujących wartości, a opis wyszukania danych może najpierw wymagać dowodów potrzebnych do ich wypełnienia. Czytaj bloki odpowiedzi według typu, ponieważ odpowiedź nie musi być pierwszym blokiem, a tekst myślenia jest domyślnie pomijany.\n\nPrzy dłuższych promptach agentowych Anthropic zaznacza, że poziom low parametru effort może kończyć pracę wcześniej, pomijać wyszukanie lub kontrolę. Przewodnik zaleca wyraźne instrukcje ukończenia i rzeczywiste sprawdzanie zmian kodu przed zgłoszeniem ich jako gotowych. Przygotuj oczekiwany wynik i dowody potwierdzające jego osiągnięcie: wybrane fragmenty do raportu, zmienione zachowanie przy propozycji kodu lub pola wyodrębnione z dokumentu. Przewodnik odróżnia także wiadomość użytkownika w trakcie zadania od wyjścia narzędzia: nowe instrukcje użytkownika należą do tury użytkownika, a zwrócone dowody narzędziowe pozostają oddzielne.\n\nTa edycja ma własne zabezpieczenia i może odmawiać w kategoriach obejmujących szkody cybernetyczne, biologiczne, rozwijanie konkurencyjnych modeli lub inne zabronione zastosowania. Producent nie dokumentuje dla Haiku 5.5 mechanizmu przejścia na wariant zastępczy po stronie serwera. Przewodnik zaznacza również, że poziom xhigh może czasami zakończyć odpowiedź w wieloturowej rozmowie bez widocznego tekstu odpowiedzi, a tekst przypominający rozumowanie może pojawiać się częściej przy low lub wyłączonym myśleniu. Są to konkretne zachowania do uwzględnienia, gdy przepływ wymaga widocznego, ustrukturyzowanego wyniku. W zwykłej ekstrakcji lub podsumowywaniu używaj konkretnego źródła, zdefiniowanego wyjścia i poziomu effort odpowiedniego dla zadania.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2a3d279ba4690d12436ddb0833d30cda2e0b1e49907b82b5efa374688b30596c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "anthropic/claude-haiku-5.5:batchClaude Haiku 5.5 to mały model Anthropic do klasyfikacji, ekstrakcji, podsumowań, kierowania zadań i konkretnej pracy agentowej. Łączy rozumienie tekstu i obrazów z adaptacyjnym rozumowaniem, z przeznaczeniem do powtarzalnej pracy wymagającej szybkiej odpowiedzi.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Claude Haiku 5.5 to mała edycja modelu Anthropic do zadań o dużym wolumenie, wrażliwych na opóźnienie. Główne zastosowania obejmują klasyfikację, kierowanie zadań, ekstrakcję informacji, podsumowywanie, kompaktowanie rozmowy i konkretną pracę subagentów. Przyjmuje tekst i obrazy oraz generuje tekst. Przydatny opis zadania daje mu wąskie pytanie i wyraźny rezultat: kategorię, określony zestaw pól, krótkie podsumowanie lub odpowiednie dowody dla innej części większego zadania. Zachowaj identyfikatory źródeł przy wyniku, aby aplikacja mogła powiązać wyodrębnione informacje z oryginalnym materiałem.
Anthropic pozycjonuje tę edycję do bieżącej obsługi klienta, korzystania z przeglądarki i krótkich podzadań programistycznych, a także powtarzalnej analizy. Może uzupełniać Claude Sonnet 5.5 lub Claude Opus 5.5 w przepływie, w którym większy model realizuje ambitny projekt, a Haiku obsługuje wyszukanie danych lub podsumowanie o określonym zakresie. W zadaniu wsparcia dostarcz pytanie i dozwolony materiał referencyjny, a następnie określ ton odpowiedzi i obowiązkową zawartość. Przy podzadaniu programistycznym wskaż odpowiednie pliki lub fragmenty i dokładne pytanie, zamiast przydzielać otwarty projekt bez warunku ukończenia.
Udokumentowane okno kontekstu wynosi milion tokenów, z wyjściem do 128 000 tokenów przy zwykłym generowaniu. Tokeny myślenia wliczają się do limitu generowania, dlatego wynik potrzebuje miejsca zarówno na rozumowanie, jak i widoczny tekst. Granica wiarygodnej wiedzy to czerwiec 2026 r.; późniejsze informacje wymagają dostarczonych dowodów lub narzędzia wyszukiwania. Anthropic osobno dokumentuje betę wyłącznie do przetwarzania wsadowego, która może zwiększyć wyjście tej edycji do 300 000 tokenów. Ten większy limit wymaga funkcji rozszerzonego wyjścia producenta i jest odrębny od zwykłego limitu. Asynchroniczne przetwarzanie wsadowe obsługuje żądania niezależnie, co przydaje się przy zbiorach dokumentów lub rekordów, których wyniki są potrzebne po przetworzeniu, a nie natychmiast.
Adaptacyjne myślenie jest domyślnie włączone, a effort stanowi główną kontrolkę głębokości rozumowania. Poziomy to low, medium, high, xhigh i max, z domyślnym medium. Anthropic zaleca medium do większości pracy, high do bardziej ciągłych zadań lub ścisłego wykonywania instrukcji i low do prostszych, krótkich żądań. Myślenie można wyłączyć przy low, medium lub high; wyłączenie przy xhigh lub max jest odrzucane. Prompt proszący o bezpośrednią odpowiedź nie zastępuje tej kontrolki. Ręczne ustawienia budget_tokens z Haiku 4.5 nie przenoszą się na tę edycję, a temperature, top_p i top_k należy pomijać w udokumentowanym interfejsie.
Haiku 5.5 używa nowszego tokenizatora wprowadzonego we wcześniejszych generacjach Claude, a Anthropic szacuje, że ten sam tekst może zużywać około 30% więcej tokenów niż w Haiku 4.5, zależnie od treści. Zachowuje także bloki myślenia z wcześniejszych tur asystenta, więc rozmiar rozmowy może rosnąć bardziej, niż wynikałoby z samej zmiany tokenizatora. Minimalna długość promptu kwalifikującego się do buforowania wynosi 512 tokenów. Zachowując rozumowanie, pozostawiaj wcześniejsze tury bez zmian i umieszczaj nowe instrukcje w najnowszej turze. Zmiana nadrzędnego ustawienia effort unieważnia pamięć podręczną wiadomości rozmowy; producent dokumentuje oddzielną betę zmiany effort w adaptacyjnych rozmowach. Żadna z tych możliwości nie potwierdza rzeczywistego trafienia w pamięć podręczną dla konkretnego żądania.
Przy wyszukiwaniu przewodnik tworzenia promptów zaleca dostarczenie bieżącej daty wraz z narzędziem wyszukiwania i zachowanie stabilnych oryginalnych definicji systemu oraz narzędzi. Podaj świeżą datę w najnowszej turze, jeśli rozmowa trwa dalej w kolejnym dniu. Określ, co należy znaleźć, i zachowaj zwrócone źródła przed prośbą o wniosek. Przykładowe zadanie może pytać o udokumentowane zachowanie wskazanej wersji oprogramowania, a potem o krótkie wyjaśnienie oparte na odnalezionym fragmencie. Aplikacja dostarcza narzędzie wyszukiwania i zwraca rzeczywiste wyniki; proponowane wyszukanie modelu nie jest dowodem, że się odbyło.
Gdy ustrukturyzowane wyjście JSON łączy się z narzędziami, przewodnik dokumentuje konkretną interakcję: przy wyłączonym myśleniu Haiku może pominąć niezbędne wywołanie narzędzia. Anthropic zaleca adaptacyjne myślenie dla takich żądań lub oddzielenie końcowego wymagania JSON od kroku narzędziowego. Zdefiniuj pola wyjścia i jasno określ, że odpowiedź końcowa następuje po wynikach narzędzi. Opis ekstrakcji może nazywać wymagane pola i sposób przedstawiania brakujących wartości, a opis wyszukania danych może najpierw wymagać dowodów potrzebnych do ich wypełnienia. Czytaj bloki odpowiedzi według typu, ponieważ odpowiedź nie musi być pierwszym blokiem, a tekst myślenia jest domyślnie pomijany.
Przy dłuższych promptach agentowych Anthropic zaznacza, że poziom low parametru effort może kończyć pracę wcześniej, pomijać wyszukanie lub kontrolę. Przewodnik zaleca wyraźne instrukcje ukończenia i rzeczywiste sprawdzanie zmian kodu przed zgłoszeniem ich jako gotowych. Przygotuj oczekiwany wynik i dowody potwierdzające jego osiągnięcie: wybrane fragmenty do raportu, zmienione zachowanie przy propozycji kodu lub pola wyodrębnione z dokumentu. Przewodnik odróżnia także wiadomość użytkownika w trakcie zadania od wyjścia narzędzia: nowe instrukcje użytkownika należą do tury użytkownika, a zwrócone dowody narzędziowe pozostają oddzielne.
Ta edycja ma własne zabezpieczenia i może odmawiać w kategoriach obejmujących szkody cybernetyczne, biologiczne, rozwijanie konkurencyjnych modeli lub inne zabronione zastosowania. Producent nie dokumentuje dla Haiku 5.5 mechanizmu przejścia na wariant zastępczy po stronie serwera. Przewodnik zaznacza również, że poziom xhigh może czasami zakończyć odpowiedź w wieloturowej rozmowie bez widocznego tekstu odpowiedzi, a tekst przypominający rozumowanie może pojawiać się częściej przy low lub wyłączonym myśleniu. Są to konkretne zachowania do uwzględnienia, gdy przepływ wymaga widocznego, ustrukturyzowanego wyniku. W zwykłej ekstrakcji lub podsumowywaniu używaj konkretnego źródła, zdefiniowanego wyjścia i poziomu effort odpowiedniego dla zadania.
POST /v1/batchestexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Poleendpoint | Typstring | WymaganieWymagane | Wartości i limity /v1/chat/completions | Domyślnie— |
Polemodel | Typstring | WymaganieWymagane | Wartości i limity anthropic/claude-haiku-5.5:batch | Domyślnie— |
Polerequests | Typbatch_item[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polerequests[].custom_id | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polerequests[].body.messages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polecompletion_window | Typstring | WymaganieOpcjonalne | Wartości i limity 24h | Domyślnie— |
Poleprovider | Typobject|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polerequests[].body.model | Typstring | WymaganieOpcjonalne | Wartości i limity anthropic/claude-haiku-5.5:batch, anthropic/claude-haiku-5.5 | Domyślnie— |
Poleprovider.only | Typstring[] | WymaganieOpcjonalne | Wartości i limity anthropic | Domyślnie— |
Poleprovider.allow_fallbacks | Typboolean|null | WymaganieOpcjonalne | Wartości i limity false, null | Domyślnie— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktendpoint, model, requests |
Parametrmaterial_types | Kontrakttext |
Parametrrepresentation | Kontraktrequests[] bezpośrednio w żądaniu; każdy element zawiera custom_id i body |
Parametrrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parametrfile_material | KontraktWywołujący może lokalnie wczytać rzeczywisty plik JSONL w kodowaniu UTF-8 do requests[]. Nie używa się przeznaczenia przesyłanego pliku, input_file_id ani odwołania do pliku. Brak materiałów klienta lub ich pusta zawartość zatrzymują przygotowanie przed POST. |
Parametrserialization_order | Kontraktendpoint, model, provider (jeśli podano), completion_window (jeśli podano), requests na końcu |
Parametroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parametrschema_scope | KontraktTreści żądań tekstowych Chat Completions w udokumentowanej strukturze Batch z danymi bezpośrednio w żądaniu. |
Cykl życia: asynchronous
GET /v1/batches/{operation_id} · Rzeczywista wartość response.id zwrócona przy pierwotnym utworzeniu; ten sam użytkownik, klucz i grupa
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0001 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0005 / 1K tokenów Wejście · Odczyt cache $0.00001 / 1K tokenów Wejście · Zapis do cache $0.000125 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.0002 / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie100 000 | Opłata Wejście · Tokeny wejściowe $0.0001 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0005 / 1K tokenów Wejście · Odczyt cache $0.00001 / 1K tokenów Wejście · Zapis do cache $0.000125 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.0002 / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż100 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0005 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0025 / 1K tokenów Wejście · Odczyt cache $0.00005 / 1K tokenów Wejście · Zapis do cache $0.000625 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.001 / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"anthropic/claude-haiku-5.5:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['anthropic/claude-haiku-5.5:batch', 'anthropic/claude-haiku-5.5']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-haiku-5.5:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON bezpośrednio w results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nZachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj pełny pierwotny JSON stanu, każdy wynik i custom_id oraz pełną treść odpowiedzi lub błędu. Zapisz ukończone wyniki z results[] jako JSONL bez filtrowania.
Zachowaj pierwotny identyfikator operacji. Odpowiedź 503 result_pending_check zawiera X-Should-Retry:false; nigdy nie wysyłaj ponownie pierwotnego żądania Batch, którego wynik jest nieznany.
| Pole | Typ |
|---|---|
Poleresults[].custom_id | Typstring |
Poleresults[].response.body.choices[].message.content | Typstring|null |
Poleresults[].error | Typobject|null |
Poleusage | Typobject|null |
Poleid | Typstring |
Polemodel | Typstring |
Poleendpoint | Typstring |
Polestatus | Typstring |
Polerequest_counts | Typobject |
Poleresults[].id | Typstring |
Poleresults[].response.status_code | Typinteger |
Poleresults[].response.request_id | Typstring |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowa udokumentowana struktura z danymi bezpośrednio w żądaniu, zduplikowane klucze, problem z tożsamością elementu lub konflikt ze skonfigurowanymi możliwościami modelu. | Następny krokPopraw wskazane pola przed wysłaniem jakiegokolwiek nowego żądania. |
Odpowiedź401 · authentication_error | WarunekNieprawidłowy klucz API. | Następny krokUżyj autoryzowanego klucza Ailoot. |
Odpowiedź403 · permission_error | WarunekGrupa Batch jest niedostępna. | Następny krokSprawdź uprawnienia klucza i grupy. |
Odpowiedź422 · invalid_request_error | WarunekBatch korzysta z rozliczania z salda; utworzenie w ramach subskrypcji jest odrzucane. | Następny krokUżyj autoryzowanej grupy rozliczanej z salda. |
Odpowiedź422 · price_unavailable | WarunekNie można wycenić danych wejściowych Batch. | Następny krokZachowaj odpowiedź; użyj danych wejściowych udokumentowanych dla tej rodziny API. |
Odpowiedź402 · billing_error | WarunekRezerwa dla Batch jest niedostępna. | Następny krokRozwiąż problem dopuszczenia żądania przed wysłaniem nowego. |
Odpowiedź503 · price_unavailable | WarunekCena metody Batch lub stawki natywne są niedostępne. | Następny krokZachowaj odpowiedź; nie zastępuj cen innymi. |
Odpowiedź503 · api_error | WarunekDokładna trasa dostawcy jest niedostępna. | Następny krokZachowaj odpowiedź na potrzeby naprawy trasy. |
Odpowiedź503 · result_pending_check | WarunekPierwotny wynik wymaga sprawdzenia; X-Should-Retry:false. | Następny krokZachowaj pierwotny operation_id/id i odczytuj stan operacji; nigdy nie powtarzaj pierwotnego POST. |
Odpowiedź404 · not_found | WarunekOperacja sprawdzania stanu Batch nie istnieje lub należy do innej tożsamości. | Następny krokUżyj dokładnego pierwotnego id oraz tego samego użytkownika, klucza i grupy. |
Ailoot Ultra anthropic/claude-haiku-5.5:batch
Użyj ścieżek metod podanych powyżej.