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": { "practical_html": "Przykład techniczny po angielsku
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.anthropic/claude-haiku-5.5Claude 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/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity anthropic/claude-haiku-5.5 | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
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 $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.00025 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.0004 / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie100 000 | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.00025 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.0004 / 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 $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.00025 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.002 / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-haiku-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-haiku-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-haiku-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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Użyj ścieżek metod podanych powyżej.
anthropic/claude-haiku-5.5Claude 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/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity anthropic/claude-haiku-5.5 | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
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 $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.00025 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.0004 / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie100 000 | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.00025 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.0004 / 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 $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.00025 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.002 / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "anthropic/claude-haiku-5.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-haiku-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-haiku-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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Użyj ścieżek metod podanych powyżej.
~anthropic/claude-haiku-latestClaude 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/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity ~anthropic/claude-haiku-latest | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
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 $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.00025 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.0004 / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie100 000 | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.00025 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.0004 / 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 $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.00025 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.002 / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~anthropic/claude-haiku-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-haiku-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-haiku-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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Użyj ścieżek metod podanych powyżej.
~anthropic/claude-haiku-latestClaude 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/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity ~anthropic/claude-haiku-latest | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
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 $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.00025 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.0004 / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie100 000 | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.00025 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.0004 / 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 $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.001 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.00025 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.002 / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "~anthropic/claude-haiku-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-haiku-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-haiku-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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.