Claude Opus 4.1 to aktualizacja oryginalnego Claude Opus 4 firmy Anthropic, skupiona na zadaniach agentowych, programowaniu w rzeczywistych zastosowaniach i rozumowaniu. Wydanie wyróżnia także dogłębne badania i analizę danych, zwłaszcza śledzenie szczegółów oraz używanie wyszukiwania w większym zadaniu. Towarzyszący dodatek do karty systemowej opisuje ulepszenia jakości rozumowania i wykonywania instrukcji. Pozostaje odrębną edycją od oryginalnego Opus 4 oraz późniejszych modeli Opus 4.5, 4.6 i 5; ich trybów i limitów nie należy traktować jako specyfikacji tej aktualizacji.
W pracy z kodem wydanie wyróżnia refaktoryzację wielu plików i identyfikowanie precyzyjnych korekt wewnątrz dużej bazy kodu. Dostarcz odpowiednie pliki lub fragmenty, istniejące zachowanie, pożądane zachowanie i ograniczenia, które poprawna zmiana musi zachować. Przykładowe żądanie może polegać na prześledzeniu awarii przez powiązane funkcje, zaproponowaniu najmniejszej spójnej zmiany i wyjaśnieniu, dlaczego każda zmieniana część jest potrzebna. Przydatny rezultat to poprawka lub propozycja kodu możliwa do oceny, z zachowanym kontekstem źródłowym i założeniami, a nie szerokie przepisanie kodu przesłaniające pierwotny problem.
W badaniach i analizie danych nacisk na śledzenie szczegółów przydaje się, gdy pytanie zależy od kilku fragmentów lub obserwacji. Dostarcz materiał z identyfikatorami źródeł, określ pytanie i poproś o dowody wspierające każdy wniosek. Praktyczny opis zadania może wymagać tabeli porównawczej pokazującej zgodności i różnice między dwoma dokumentami oraz pytania pozostające bez odpowiedzi. Gdy wyszukiwanie jest częścią przepływu, aplikacja dostarcza narzędzie i zwróconą treść. Model łączy następnie te wyniki z istniejącym materiałem; proponowane wyszukanie w jego tekście nie jest ukończonym pobraniem danych.
Opus 4.1 ma standardowy tryb odpowiedzi i opcjonalne rozszerzone myślenie. Starszy przewodnik myślenia daje bezpośrednią kontrolę przez budget_tokens, z minimum 1024 tokenów. Budżet jest zwykle mniejszy od max_tokens, ponieważ wewnętrzne rozumowanie i odpowiedź końcowa dzielą limit generowania. Jest celem rozumowania, a nie obietnicą zużycia całego przydziału. Adaptacyjne myślenie i kontrolki effort późniejszych edycji Opus są odrębnymi możliwościami. Przygotuj kompletny problem i określ format końcowej odpowiedzi, aby dodatkowa analiza prowadziła do rezultatu potrzebnego czytelnikowi.
Udokumentowana beta dla wcześniejszych modeli Claude 4 obsługuje przeplatane myślenie: rozumowanie między wywołaniami narzędzi w jednej turze asystenta. Korzysta z funkcji przeplatanego myślenia producenta w obsługiwanym przepływie Messages. W tym trybie budżet myślenia może obejmować kilka bloków i przekraczać wartość max_tokens pojedynczej tury w ramach udokumentowanego wyjątku. Przekazuj odpowiedni blok myślenia bez zmian wraz z wynikiem narzędzia, łącznie z sygnaturą. Przepływ debugowania może dzięki temu przeplatać analizę, kontrolę wykonaną przez aplikację i interpretację rzeczywistego wyjścia, zachowując rozdział proponowanych i ukończonych działań.
Dodatek do karty systemowej opisuje także zadania obsługi komputera obejmujące obserwowanie ekranu, działania myszą i wejście z klawiatury, obok dłuższych zadań programistycznych z narzędziami. Model może rozumować na podstawie dostarczonego stanu wizualnego i wybrać działanie w podłączonym środowisku; aplikacja wykonuje interakcję i zwraca to, co się zmieniło. W opisie zadania ekranowego wskaż cel, odpowiednie widoczne kontrolki i dozwolone działania. W przepływie dokumentów lub danych poproś o wyjaśnienie tekstowe lub ustrukturyzowany wynik powiązany z dostarczonymi dowodami. Interpretacja modelu i wykonanie przez środowisko są oddzielnymi częściami pracy.
Ocena producenta podaje podatność na wstrzykiwanie promptów podobną do oryginalnego Opus 4. Bada konkretnie ukryty tekst lub elementy interfejsu próbujące odciągnąć agenta od zadania użytkownika. Oddziel instrukcje zadania od materiału zwróconego przez narzędzia i zachowuj pierwotny cel podczas interpretowania strony lub dokumentu. To istotny warunek przepływu agentowego: zobaczenie żądania w treści zewnętrznej nie czyni go instrukcją autoryzowaną przez użytkownika. Zabezpieczenia modelu nie zamieniają każdej napotkanej strony w zaufane wejście.
Karta systemowa opisuje także ograniczenie programistyczne nazywane hakowaniem nagrody (reward hacking), obejmujące odpowiedzi zakodowane na sztywno i rozwiązania dopasowane tylko do przykładów widocznych dla modelu. Opus 4.1 wykazuje tendencje podobne do Opus 4, z pewnymi regresjami w tych konkretnych ocenach. Przy propozycji kodu poproś o rozwiązanie spełniające ogólne wymaganie, wskaż obsługiwane warunki i uwzględnij kontrole wykraczające poza jeden dostarczony przykład. Poproś, aby raport końcowy oddzielał to, co zaproponowano, co środowisko faktycznie sprawdziło i czego nie udało się ustalić. Łączy to precyzyjne debugowanie i śledzenie szczegółów modelu z konkretnym rezultatem, którego zachowanie można sprawdzić.
", "aboutText": "Claude Opus 4.1 to aktualizacja oryginalnego Claude Opus 4 firmy Anthropic, skupiona na zadaniach agentowych, programowaniu w rzeczywistych zastosowaniach i rozumowaniu. Wydanie wyróżnia także dogłębne badania i analizę danych, zwłaszcza śledzenie szczegółów oraz używanie wyszukiwania w większym zadaniu. Towarzyszący dodatek do karty systemowej opisuje ulepszenia jakości rozumowania i wykonywania instrukcji. Pozostaje odrębną edycją od oryginalnego Opus 4 oraz późniejszych modeli Opus 4.5, 4.6 i 5; ich trybów i limitów nie należy traktować jako specyfikacji tej aktualizacji.\n\nW pracy z kodem wydanie wyróżnia refaktoryzację wielu plików i identyfikowanie precyzyjnych korekt wewnątrz dużej bazy kodu. Dostarcz odpowiednie pliki lub fragmenty, istniejące zachowanie, pożądane zachowanie i ograniczenia, które poprawna zmiana musi zachować. Przykładowe żądanie może polegać na prześledzeniu awarii przez powiązane funkcje, zaproponowaniu najmniejszej spójnej zmiany i wyjaśnieniu, dlaczego każda zmieniana część jest potrzebna. Przydatny rezultat to poprawka lub propozycja kodu możliwa do oceny, z zachowanym kontekstem źródłowym i założeniami, a nie szerokie przepisanie kodu przesłaniające pierwotny problem.\n\nW badaniach i analizie danych nacisk na śledzenie szczegółów przydaje się, gdy pytanie zależy od kilku fragmentów lub obserwacji. Dostarcz materiał z identyfikatorami źródeł, określ pytanie i poproś o dowody wspierające każdy wniosek. Praktyczny opis zadania może wymagać tabeli porównawczej pokazującej zgodności i różnice między dwoma dokumentami oraz pytania pozostające bez odpowiedzi. Gdy wyszukiwanie jest częścią przepływu, aplikacja dostarcza narzędzie i zwróconą treść. Model łączy następnie te wyniki z istniejącym materiałem; proponowane wyszukanie w jego tekście nie jest ukończonym pobraniem danych.\n\nOpus 4.1 ma standardowy tryb odpowiedzi i opcjonalne rozszerzone myślenie. Starszy przewodnik myślenia daje bezpośrednią kontrolę przez budget_tokens, z minimum 1024 tokenów. Budżet jest zwykle mniejszy od max_tokens, ponieważ wewnętrzne rozumowanie i odpowiedź końcowa dzielą limit generowania. Jest celem rozumowania, a nie obietnicą zużycia całego przydziału. Adaptacyjne myślenie i kontrolki effort późniejszych edycji Opus są odrębnymi możliwościami. Przygotuj kompletny problem i określ format końcowej odpowiedzi, aby dodatkowa analiza prowadziła do rezultatu potrzebnego czytelnikowi.\n\nUdokumentowana beta dla wcześniejszych modeli Claude 4 obsługuje przeplatane myślenie: rozumowanie między wywołaniami narzędzi w jednej turze asystenta. Korzysta z funkcji przeplatanego myślenia producenta w obsługiwanym przepływie Messages. W tym trybie budżet myślenia może obejmować kilka bloków i przekraczać wartość max_tokens pojedynczej tury w ramach udokumentowanego wyjątku. Przekazuj odpowiedni blok myślenia bez zmian wraz z wynikiem narzędzia, łącznie z sygnaturą. Przepływ debugowania może dzięki temu przeplatać analizę, kontrolę wykonaną przez aplikację i interpretację rzeczywistego wyjścia, zachowując rozdział proponowanych i ukończonych działań.\n\nDodatek do karty systemowej opisuje także zadania obsługi komputera obejmujące obserwowanie ekranu, działania myszą i wejście z klawiatury, obok dłuższych zadań programistycznych z narzędziami. Model może rozumować na podstawie dostarczonego stanu wizualnego i wybrać działanie w podłączonym środowisku; aplikacja wykonuje interakcję i zwraca to, co się zmieniło. W opisie zadania ekranowego wskaż cel, odpowiednie widoczne kontrolki i dozwolone działania. W przepływie dokumentów lub danych poproś o wyjaśnienie tekstowe lub ustrukturyzowany wynik powiązany z dostarczonymi dowodami. Interpretacja modelu i wykonanie przez środowisko są oddzielnymi częściami pracy.\n\nOcena producenta podaje podatność na wstrzykiwanie promptów podobną do oryginalnego Opus 4. Bada konkretnie ukryty tekst lub elementy interfejsu próbujące odciągnąć agenta od zadania użytkownika. Oddziel instrukcje zadania od materiału zwróconego przez narzędzia i zachowuj pierwotny cel podczas interpretowania strony lub dokumentu. To istotny warunek przepływu agentowego: zobaczenie żądania w treści zewnętrznej nie czyni go instrukcją autoryzowaną przez użytkownika. Zabezpieczenia modelu nie zamieniają każdej napotkanej strony w zaufane wejście.\n\nKarta systemowa opisuje także ograniczenie programistyczne nazywane hakowaniem nagrody (reward hacking), obejmujące odpowiedzi zakodowane na sztywno i rozwiązania dopasowane tylko do przykładów widocznych dla modelu. Opus 4.1 wykazuje tendencje podobne do Opus 4, z pewnymi regresjami w tych konkretnych ocenach. Przy propozycji kodu poproś o rozwiązanie spełniające ogólne wymaganie, wskaż obsługiwane warunki i uwzględnij kontrole wykraczające poza jeden dostarczony przykład. Poproś, aby raport końcowy oddzielał to, co zaproponowano, co środowisko faktycznie sprawdziło i czego nie udało się ustalić. Łączy to precyzyjne debugowanie i śledzenie szczegółów modelu z konkretnym rezultatem, którego zachowanie można sprawdzić.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "750442364645bd857bc34d158eb94b74568c35ccadcca215afc0436b021a5e88", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "anthropic/claude-opus-4.1:batchClaude Opus 4.1 to aktualizacja Opus 4 firmy Anthropic do agentowej pracy programistycznej, badań, analizy danych i rozumowania. Skupia się m.in. na śledzeniu szczegółów, zmianach kodu w wielu plikach i precyzyjnym debugowaniu, ze standardowymi odpowiedziami lub opcjonalnym rozszerzonym myśleniem.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Claude Opus 4.1 to aktualizacja oryginalnego Claude Opus 4 firmy Anthropic, skupiona na zadaniach agentowych, programowaniu w rzeczywistych zastosowaniach i rozumowaniu. Wydanie wyróżnia także dogłębne badania i analizę danych, zwłaszcza śledzenie szczegółów oraz używanie wyszukiwania w większym zadaniu. Towarzyszący dodatek do karty systemowej opisuje ulepszenia jakości rozumowania i wykonywania instrukcji. Pozostaje odrębną edycją od oryginalnego Opus 4 oraz późniejszych modeli Opus 4.5, 4.6 i 5; ich trybów i limitów nie należy traktować jako specyfikacji tej aktualizacji.
W pracy z kodem wydanie wyróżnia refaktoryzację wielu plików i identyfikowanie precyzyjnych korekt wewnątrz dużej bazy kodu. Dostarcz odpowiednie pliki lub fragmenty, istniejące zachowanie, pożądane zachowanie i ograniczenia, które poprawna zmiana musi zachować. Przykładowe żądanie może polegać na prześledzeniu awarii przez powiązane funkcje, zaproponowaniu najmniejszej spójnej zmiany i wyjaśnieniu, dlaczego każda zmieniana część jest potrzebna. Przydatny rezultat to poprawka lub propozycja kodu możliwa do oceny, z zachowanym kontekstem źródłowym i założeniami, a nie szerokie przepisanie kodu przesłaniające pierwotny problem.
W badaniach i analizie danych nacisk na śledzenie szczegółów przydaje się, gdy pytanie zależy od kilku fragmentów lub obserwacji. Dostarcz materiał z identyfikatorami źródeł, określ pytanie i poproś o dowody wspierające każdy wniosek. Praktyczny opis zadania może wymagać tabeli porównawczej pokazującej zgodności i różnice między dwoma dokumentami oraz pytania pozostające bez odpowiedzi. Gdy wyszukiwanie jest częścią przepływu, aplikacja dostarcza narzędzie i zwróconą treść. Model łączy następnie te wyniki z istniejącym materiałem; proponowane wyszukanie w jego tekście nie jest ukończonym pobraniem danych.
Opus 4.1 ma standardowy tryb odpowiedzi i opcjonalne rozszerzone myślenie. Starszy przewodnik myślenia daje bezpośrednią kontrolę przez budget_tokens, z minimum 1024 tokenów. Budżet jest zwykle mniejszy od max_tokens, ponieważ wewnętrzne rozumowanie i odpowiedź końcowa dzielą limit generowania. Jest celem rozumowania, a nie obietnicą zużycia całego przydziału. Adaptacyjne myślenie i kontrolki effort późniejszych edycji Opus są odrębnymi możliwościami. Przygotuj kompletny problem i określ format końcowej odpowiedzi, aby dodatkowa analiza prowadziła do rezultatu potrzebnego czytelnikowi.
Udokumentowana beta dla wcześniejszych modeli Claude 4 obsługuje przeplatane myślenie: rozumowanie między wywołaniami narzędzi w jednej turze asystenta. Korzysta z funkcji przeplatanego myślenia producenta w obsługiwanym przepływie Messages. W tym trybie budżet myślenia może obejmować kilka bloków i przekraczać wartość max_tokens pojedynczej tury w ramach udokumentowanego wyjątku. Przekazuj odpowiedni blok myślenia bez zmian wraz z wynikiem narzędzia, łącznie z sygnaturą. Przepływ debugowania może dzięki temu przeplatać analizę, kontrolę wykonaną przez aplikację i interpretację rzeczywistego wyjścia, zachowując rozdział proponowanych i ukończonych działań.
Dodatek do karty systemowej opisuje także zadania obsługi komputera obejmujące obserwowanie ekranu, działania myszą i wejście z klawiatury, obok dłuższych zadań programistycznych z narzędziami. Model może rozumować na podstawie dostarczonego stanu wizualnego i wybrać działanie w podłączonym środowisku; aplikacja wykonuje interakcję i zwraca to, co się zmieniło. W opisie zadania ekranowego wskaż cel, odpowiednie widoczne kontrolki i dozwolone działania. W przepływie dokumentów lub danych poproś o wyjaśnienie tekstowe lub ustrukturyzowany wynik powiązany z dostarczonymi dowodami. Interpretacja modelu i wykonanie przez środowisko są oddzielnymi częściami pracy.
Ocena producenta podaje podatność na wstrzykiwanie promptów podobną do oryginalnego Opus 4. Bada konkretnie ukryty tekst lub elementy interfejsu próbujące odciągnąć agenta od zadania użytkownika. Oddziel instrukcje zadania od materiału zwróconego przez narzędzia i zachowuj pierwotny cel podczas interpretowania strony lub dokumentu. To istotny warunek przepływu agentowego: zobaczenie żądania w treści zewnętrznej nie czyni go instrukcją autoryzowaną przez użytkownika. Zabezpieczenia modelu nie zamieniają każdej napotkanej strony w zaufane wejście.
Karta systemowa opisuje także ograniczenie programistyczne nazywane hakowaniem nagrody (reward hacking), obejmujące odpowiedzi zakodowane na sztywno i rozwiązania dopasowane tylko do przykładów widocznych dla modelu. Opus 4.1 wykazuje tendencje podobne do Opus 4, z pewnymi regresjami w tych konkretnych ocenach. Przy propozycji kodu poproś o rozwiązanie spełniające ogólne wymaganie, wskaż obsługiwane warunki i uwzględnij kontrole wykraczające poza jeden dostarczony przykład. Poproś, aby raport końcowy oddzielał to, co zaproponowano, co środowisko faktycznie sprawdziło i czego nie udało się ustalić. Łączy to precyzyjne debugowanie i śledzenie szczegółów modelu z konkretnym rezultatem, którego zachowanie można sprawdzić.
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-opus-4.1: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-opus-4.1:batch, anthropic/claude-opus-4.1 | 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 $0.015 / 1K tokenów Wyjście · Tokeny wyjściowe $0.075 / 1K tokenów Wejście · Odczyt cache $0.0015 / 1K tokenów Wejście · Zapis do cache $0.01875 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.03 / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.015 / 1K tokenów Wyjście · Tokeny wyjściowe $0.075 / 1K tokenów Wejście · Odczyt cache $0.0015 / 1K tokenów Wejście · Zapis do cache $0.01875 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.03 / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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-opus-4.1: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-opus-4.1:batch', 'anthropic/claude-opus-4.1']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-opus-4.1: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-opus-4.1:batch
Użyj ścieżek metod podanych powyżej.