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": { "practical_html": "Przykład techniczny po angielsku
Trace a lost pagination argument\n\nReview these related Python functions: api.list_items(page): return service.list_items(); service.list_items(page=1): return repo.fetch(offset=(page-1)*20). Requests for page 3 return page 1. Propose the smallest correction across the call chain and regression tests for pages 1 and 3. Preserve the service default for existing callers.A focused patch, a call-chain explanation and two regression-test cases with expected offsets.Confirm page 3 reaches offset 40 while callers omitting page retain offset 0.anthropic/claude-opus-4.1Claude 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/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity anthropic/claude-opus-4.1 | 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 $0.03 / 1K tokenów Wyjście · Tokeny wyjściowe $0.15 / 1K tokenów Wejście · Odczyt cache $0.003 / 1K tokenów Wejście · Zapis do cache $0.0375 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.06 / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.03 / 1K tokenów Wyjście · Tokeny wyjściowe $0.15 / 1K tokenów Wejście · Odczyt cache $0.003 / 1K tokenów Wejście · Zapis do cache $0.0375 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.06 / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-opus-4.1", "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-opus-4.1',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-opus-4.1',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-opus-4.1
Użyj ścieżek metod podanych powyżej.
anthropic/claude-opus-4.1Claude 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/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity anthropic/claude-opus-4.1 | 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 $0.03 / 1K tokenów Wyjście · Tokeny wyjściowe $0.15 / 1K tokenów Wejście · Odczyt cache $0.003 / 1K tokenów Wejście · Zapis do cache $0.0375 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.06 / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.03 / 1K tokenów Wyjście · Tokeny wyjściowe $0.15 / 1K tokenów Wejście · Odczyt cache $0.003 / 1K tokenów Wejście · Zapis do cache $0.0375 / 1K tokenów Wejście · Zapis do cache, 1 godz. $0.06 / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "anthropic/claude-opus-4.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-opus-4.1', '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-opus-4.1', '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-opus-4.1
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Trace a lost pagination argument\n\nReview these related Python functions: api.list_items(page): return service.list_items(); service.list_items(page=1): return repo.fetch(offset=(page-1)*20). Requests for page 3 return page 1. Propose the smallest correction across the call chain and regression tests for pages 1 and 3. Preserve the service default for existing callers.A focused patch, a call-chain explanation and two regression-test cases with expected offsets.Confirm page 3 reaches offset 40 while callers omitting page retain offset 0.