Claude Haiku 5.5 é a edição compacta da Anthropic para tarefas de grande volume sensíveis à latência. As principais utilizações incluem classificação, encaminhamento, extração de informação, resumos, compactação de conversas e trabalho focado com subagentes. Aceita texto e imagens e gera texto. Uma descrição útil dá uma pergunta delimitada e um resultado explícito: uma categoria, um conjunto definido de campos, um resumo curto ou as provas relevantes para outra parte de uma tarefa maior. Mantenha os identificadores das fontes com o resultado para que uma aplicação possa ligar a informação extraída ao material original.
A Anthropic posiciona esta edição para apoio ao cliente em tempo real, utilização do navegador e pequenas subtarefas de programação, além da análise repetitiva. Pode complementar Claude Sonnet 5.5 ou Claude Opus 5.5 num fluxo em que um modelo maior trata um projeto ambicioso e Haiku uma consulta ou um resumo de âmbito delimitado. Para uma tarefa de apoio, forneça a pergunta e as referências permitidas, depois especifique o tom e o que deve ser devolvido. Para uma subtarefa de programação, identifique os ficheiros ou excertos relevantes e a pergunta exata, em vez de atribuir um projeto aberto sem condição de conclusão.
A janela de contexto documentada é de um milhão de tokens, com até 128 000 tokens de saída na geração normal. Os tokens de raciocínio contam para o limite de geração, pelo que o resultado precisa de espaço para raciocínio e texto visível. A data limite dos conhecimentos fiáveis é junho de 2026; informação posterior exige provas fornecidas ou uma ferramenta de pesquisa. A Anthropic documenta separadamente uma beta exclusiva de lotes que pode aumentar a saída para 300 000 tokens nesta edição. Esse limite maior exige a funcionalidade de saída alargada do produtor e é distinto do limite normal. Um lote assíncrono trata pedidos independentemente, sendo útil para coleções de documentos ou registos cujos resultados são necessários após o processamento, não de imediato.
O raciocínio adaptativo está ativo por predefinição e effort é o controlo principal da profundidade de raciocínio. Os níveis são low, medium, high, xhigh e max, com medium como predefinição. A Anthropic recomenda medium para a maioria do trabalho, high para tarefas mais prolongadas ou seguimento rigoroso de instruções e low para pedidos mais simples e curtos. O raciocínio pode ser desativado em low, medium ou high; desativá-lo em xhigh ou max é rejeitado. Um prompt que pede uma resposta direta não substitui esse controlo. As configurações manuais budget_tokens de Haiku 4.5 não se transferem para esta edição e temperature, top_p e top_k devem ser omitidos na interface documentada.
Haiku 5.5 usa o tokenizador mais recente introduzido em gerações Claude anteriores e a Anthropic estima que o mesmo texto possa usar cerca de 30% mais tokens do que em Haiku 4.5, consoante o conteúdo. Também conserva blocos de raciocínio de turnos anteriores do assistente, pelo que a conversa pode crescer para além da mudança do tokenizador. O comprimento mínimo de um prompt que pode ser colocado em cache é de 512 tokens. Mantenha os turnos anteriores inalterados ao conservar o raciocínio e coloque novas instruções no turno mais recente. Alterar effort no nível superior invalida a cache de mensagens da conversa; o produtor documenta uma beta separada para mudar effort dentro de conversas adaptativas. Nenhuma destas capacidades comprova a reutilização efetiva da cache de mensagens num pedido específico.
Para recuperação de informação, o guia de elaboração de prompts do modelo recomenda fornecer a data atual com a ferramenta de pesquisa e manter estáveis as definições originais do sistema e das ferramentas. Dê uma data atualizada no turno mais recente se a conversa continuar num dia posterior. Indique o que deve ser encontrado e preserve as fontes devolvidas antes de pedir uma conclusão. Por exemplo, uma tarefa ilustrativa pode pedir o comportamento documentado de uma versão específica de software, seguido de uma explicação curta fundamentada na passagem obtida. A aplicação fornece a ferramenta de pesquisa e devolve os resultados reais; a consulta proposta pelo modelo não prova que a pesquisa aconteceu.
Quando a saída JSON estruturada é combinada com ferramentas, o guia documenta uma interação específica: com raciocínio desativado, Haiku pode omitir uma chamada necessária de ferramenta. A Anthropic recomenda raciocínio adaptativo para esses pedidos ou separar o requisito de JSON final do passo da ferramenta. Defina os campos de saída e deixe claro que a resposta final se segue aos resultados das ferramentas. Uma descrição de extração de dados pode indicar campos obrigatórios e como representar valores em falta, enquanto uma consulta pode primeiro pedir as provas necessárias para os preencher. Leia os blocos de resposta pelo tipo, porque a resposta não tem de ser o primeiro bloco e o texto de raciocínio é omitido por predefinição.
Para prompts mais longos com agentes, a Anthropic nota que o nível low pode parar cedo, omitir uma pesquisa ou deixar uma verificação por fazer. O guia recomenda instruções explícitas de conclusão e verificações reais de alterações ao código antes de serem dadas como concluídas. Prepare o resultado esperado e as provas que o demonstrariam: as passagens selecionadas para um relatório, o comportamento alterado para uma proposta de código ou os campos extraídos de um documento. O guia também distingue uma mensagem do utilizador a meio da tarefa da saída de uma ferramenta: novas instruções do utilizador pertencem a um turno do utilizador, enquanto as provas devolvidas pelas ferramentas continuam separadas.
Esta edição tem as suas próprias proteções e pode recusar categorias que incluem utilizações informáticas prejudiciais, utilizações biológicas prejudiciais, desenvolvimento de modelos concorrentes ou outras utilizações proibidas. O produtor não documenta um mecanismo de contingência no servidor para Haiku 5.5. O guia também nota que o nível xhigh pode ocasionalmente terminar uma resposta com vários turnos sem texto visível de resposta e que texto semelhante a raciocínio pode aparecer com mais frequência em low ou com raciocínio desativado. São comportamentos específicos a considerar quando um fluxo exige um resultado visível e estruturado. Para extração ou resumo normais, use uma fonte focada, uma saída definida e o nível de esforço adequado à tarefa.
", "aboutText": "Claude Haiku 5.5 é a edição compacta da Anthropic para tarefas de grande volume sensíveis à latência. As principais utilizações incluem classificação, encaminhamento, extração de informação, resumos, compactação de conversas e trabalho focado com subagentes. Aceita texto e imagens e gera texto. Uma descrição útil dá uma pergunta delimitada e um resultado explícito: uma categoria, um conjunto definido de campos, um resumo curto ou as provas relevantes para outra parte de uma tarefa maior. Mantenha os identificadores das fontes com o resultado para que uma aplicação possa ligar a informação extraída ao material original.\n\nA Anthropic posiciona esta edição para apoio ao cliente em tempo real, utilização do navegador e pequenas subtarefas de programação, além da análise repetitiva. Pode complementar Claude Sonnet 5.5 ou Claude Opus 5.5 num fluxo em que um modelo maior trata um projeto ambicioso e Haiku uma consulta ou um resumo de âmbito delimitado. Para uma tarefa de apoio, forneça a pergunta e as referências permitidas, depois especifique o tom e o que deve ser devolvido. Para uma subtarefa de programação, identifique os ficheiros ou excertos relevantes e a pergunta exata, em vez de atribuir um projeto aberto sem condição de conclusão.\n\nA janela de contexto documentada é de um milhão de tokens, com até 128 000 tokens de saída na geração normal. Os tokens de raciocínio contam para o limite de geração, pelo que o resultado precisa de espaço para raciocínio e texto visível. A data limite dos conhecimentos fiáveis é junho de 2026; informação posterior exige provas fornecidas ou uma ferramenta de pesquisa. A Anthropic documenta separadamente uma beta exclusiva de lotes que pode aumentar a saída para 300 000 tokens nesta edição. Esse limite maior exige a funcionalidade de saída alargada do produtor e é distinto do limite normal. Um lote assíncrono trata pedidos independentemente, sendo útil para coleções de documentos ou registos cujos resultados são necessários após o processamento, não de imediato.\n\nO raciocínio adaptativo está ativo por predefinição e effort é o controlo principal da profundidade de raciocínio. Os níveis são low, medium, high, xhigh e max, com medium como predefinição. A Anthropic recomenda medium para a maioria do trabalho, high para tarefas mais prolongadas ou seguimento rigoroso de instruções e low para pedidos mais simples e curtos. O raciocínio pode ser desativado em low, medium ou high; desativá-lo em xhigh ou max é rejeitado. Um prompt que pede uma resposta direta não substitui esse controlo. As configurações manuais budget_tokens de Haiku 4.5 não se transferem para esta edição e temperature, top_p e top_k devem ser omitidos na interface documentada.\n\nHaiku 5.5 usa o tokenizador mais recente introduzido em gerações Claude anteriores e a Anthropic estima que o mesmo texto possa usar cerca de 30% mais tokens do que em Haiku 4.5, consoante o conteúdo. Também conserva blocos de raciocínio de turnos anteriores do assistente, pelo que a conversa pode crescer para além da mudança do tokenizador. O comprimento mínimo de um prompt que pode ser colocado em cache é de 512 tokens. Mantenha os turnos anteriores inalterados ao conservar o raciocínio e coloque novas instruções no turno mais recente. Alterar effort no nível superior invalida a cache de mensagens da conversa; o produtor documenta uma beta separada para mudar effort dentro de conversas adaptativas. Nenhuma destas capacidades comprova a reutilização efetiva da cache de mensagens num pedido específico.\n\nPara recuperação de informação, o guia de elaboração de prompts do modelo recomenda fornecer a data atual com a ferramenta de pesquisa e manter estáveis as definições originais do sistema e das ferramentas. Dê uma data atualizada no turno mais recente se a conversa continuar num dia posterior. Indique o que deve ser encontrado e preserve as fontes devolvidas antes de pedir uma conclusão. Por exemplo, uma tarefa ilustrativa pode pedir o comportamento documentado de uma versão específica de software, seguido de uma explicação curta fundamentada na passagem obtida. A aplicação fornece a ferramenta de pesquisa e devolve os resultados reais; a consulta proposta pelo modelo não prova que a pesquisa aconteceu.\n\nQuando a saída JSON estruturada é combinada com ferramentas, o guia documenta uma interação específica: com raciocínio desativado, Haiku pode omitir uma chamada necessária de ferramenta. A Anthropic recomenda raciocínio adaptativo para esses pedidos ou separar o requisito de JSON final do passo da ferramenta. Defina os campos de saída e deixe claro que a resposta final se segue aos resultados das ferramentas. Uma descrição de extração de dados pode indicar campos obrigatórios e como representar valores em falta, enquanto uma consulta pode primeiro pedir as provas necessárias para os preencher. Leia os blocos de resposta pelo tipo, porque a resposta não tem de ser o primeiro bloco e o texto de raciocínio é omitido por predefinição.\n\nPara prompts mais longos com agentes, a Anthropic nota que o nível low pode parar cedo, omitir uma pesquisa ou deixar uma verificação por fazer. O guia recomenda instruções explícitas de conclusão e verificações reais de alterações ao código antes de serem dadas como concluídas. Prepare o resultado esperado e as provas que o demonstrariam: as passagens selecionadas para um relatório, o comportamento alterado para uma proposta de código ou os campos extraídos de um documento. O guia também distingue uma mensagem do utilizador a meio da tarefa da saída de uma ferramenta: novas instruções do utilizador pertencem a um turno do utilizador, enquanto as provas devolvidas pelas ferramentas continuam separadas.\n\nEsta edição tem as suas próprias proteções e pode recusar categorias que incluem utilizações informáticas prejudiciais, utilizações biológicas prejudiciais, desenvolvimento de modelos concorrentes ou outras utilizações proibidas. O produtor não documenta um mecanismo de contingência no servidor para Haiku 5.5. O guia também nota que o nível xhigh pode ocasionalmente terminar uma resposta com vários turnos sem texto visível de resposta e que texto semelhante a raciocínio pode aparecer com mais frequência em low ou com raciocínio desativado. São comportamentos específicos a considerar quando um fluxo exige um resultado visível e estruturado. Para extração ou resumo normais, use uma fonte focada, uma saída definida e o nível de esforço adequado à tarefa.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4dc2dadb699f9485a2bcfa79588a6e0d351eba85b3ff7be78f1de6d78df9dc5b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "anthropic/claude-haiku-5.5:batchClaude Haiku 5.5 é o modelo compacto da Anthropic para classificação, extração, resumos, encaminhamento e tarefas focadas com agentes. Combina compreensão de texto e imagem com raciocínio adaptativo e foi concebido para trabalho repetitivo que precisa de uma resposta rápida.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Claude Haiku 5.5 é a edição compacta da Anthropic para tarefas de grande volume sensíveis à latência. As principais utilizações incluem classificação, encaminhamento, extração de informação, resumos, compactação de conversas e trabalho focado com subagentes. Aceita texto e imagens e gera texto. Uma descrição útil dá uma pergunta delimitada e um resultado explícito: uma categoria, um conjunto definido de campos, um resumo curto ou as provas relevantes para outra parte de uma tarefa maior. Mantenha os identificadores das fontes com o resultado para que uma aplicação possa ligar a informação extraída ao material original.
A Anthropic posiciona esta edição para apoio ao cliente em tempo real, utilização do navegador e pequenas subtarefas de programação, além da análise repetitiva. Pode complementar Claude Sonnet 5.5 ou Claude Opus 5.5 num fluxo em que um modelo maior trata um projeto ambicioso e Haiku uma consulta ou um resumo de âmbito delimitado. Para uma tarefa de apoio, forneça a pergunta e as referências permitidas, depois especifique o tom e o que deve ser devolvido. Para uma subtarefa de programação, identifique os ficheiros ou excertos relevantes e a pergunta exata, em vez de atribuir um projeto aberto sem condição de conclusão.
A janela de contexto documentada é de um milhão de tokens, com até 128 000 tokens de saída na geração normal. Os tokens de raciocínio contam para o limite de geração, pelo que o resultado precisa de espaço para raciocínio e texto visível. A data limite dos conhecimentos fiáveis é junho de 2026; informação posterior exige provas fornecidas ou uma ferramenta de pesquisa. A Anthropic documenta separadamente uma beta exclusiva de lotes que pode aumentar a saída para 300 000 tokens nesta edição. Esse limite maior exige a funcionalidade de saída alargada do produtor e é distinto do limite normal. Um lote assíncrono trata pedidos independentemente, sendo útil para coleções de documentos ou registos cujos resultados são necessários após o processamento, não de imediato.
O raciocínio adaptativo está ativo por predefinição e effort é o controlo principal da profundidade de raciocínio. Os níveis são low, medium, high, xhigh e max, com medium como predefinição. A Anthropic recomenda medium para a maioria do trabalho, high para tarefas mais prolongadas ou seguimento rigoroso de instruções e low para pedidos mais simples e curtos. O raciocínio pode ser desativado em low, medium ou high; desativá-lo em xhigh ou max é rejeitado. Um prompt que pede uma resposta direta não substitui esse controlo. As configurações manuais budget_tokens de Haiku 4.5 não se transferem para esta edição e temperature, top_p e top_k devem ser omitidos na interface documentada.
Haiku 5.5 usa o tokenizador mais recente introduzido em gerações Claude anteriores e a Anthropic estima que o mesmo texto possa usar cerca de 30% mais tokens do que em Haiku 4.5, consoante o conteúdo. Também conserva blocos de raciocínio de turnos anteriores do assistente, pelo que a conversa pode crescer para além da mudança do tokenizador. O comprimento mínimo de um prompt que pode ser colocado em cache é de 512 tokens. Mantenha os turnos anteriores inalterados ao conservar o raciocínio e coloque novas instruções no turno mais recente. Alterar effort no nível superior invalida a cache de mensagens da conversa; o produtor documenta uma beta separada para mudar effort dentro de conversas adaptativas. Nenhuma destas capacidades comprova a reutilização efetiva da cache de mensagens num pedido específico.
Para recuperação de informação, o guia de elaboração de prompts do modelo recomenda fornecer a data atual com a ferramenta de pesquisa e manter estáveis as definições originais do sistema e das ferramentas. Dê uma data atualizada no turno mais recente se a conversa continuar num dia posterior. Indique o que deve ser encontrado e preserve as fontes devolvidas antes de pedir uma conclusão. Por exemplo, uma tarefa ilustrativa pode pedir o comportamento documentado de uma versão específica de software, seguido de uma explicação curta fundamentada na passagem obtida. A aplicação fornece a ferramenta de pesquisa e devolve os resultados reais; a consulta proposta pelo modelo não prova que a pesquisa aconteceu.
Quando a saída JSON estruturada é combinada com ferramentas, o guia documenta uma interação específica: com raciocínio desativado, Haiku pode omitir uma chamada necessária de ferramenta. A Anthropic recomenda raciocínio adaptativo para esses pedidos ou separar o requisito de JSON final do passo da ferramenta. Defina os campos de saída e deixe claro que a resposta final se segue aos resultados das ferramentas. Uma descrição de extração de dados pode indicar campos obrigatórios e como representar valores em falta, enquanto uma consulta pode primeiro pedir as provas necessárias para os preencher. Leia os blocos de resposta pelo tipo, porque a resposta não tem de ser o primeiro bloco e o texto de raciocínio é omitido por predefinição.
Para prompts mais longos com agentes, a Anthropic nota que o nível low pode parar cedo, omitir uma pesquisa ou deixar uma verificação por fazer. O guia recomenda instruções explícitas de conclusão e verificações reais de alterações ao código antes de serem dadas como concluídas. Prepare o resultado esperado e as provas que o demonstrariam: as passagens selecionadas para um relatório, o comportamento alterado para uma proposta de código ou os campos extraídos de um documento. O guia também distingue uma mensagem do utilizador a meio da tarefa da saída de uma ferramenta: novas instruções do utilizador pertencem a um turno do utilizador, enquanto as provas devolvidas pelas ferramentas continuam separadas.
Esta edição tem as suas próprias proteções e pode recusar categorias que incluem utilizações informáticas prejudiciais, utilizações biológicas prejudiciais, desenvolvimento de modelos concorrentes ou outras utilizações proibidas. O produtor não documenta um mecanismo de contingência no servidor para Haiku 5.5. O guia também nota que o nível xhigh pode ocasionalmente terminar uma resposta com vários turnos sem texto visível de resposta e que texto semelhante a raciocínio pode aparecer com mais frequência em low ou com raciocínio desativado. São comportamentos específicos a considerar quando um fluxo exige um resultado visível e estruturado. Para extração ou resumo normais, use uma fonte focada, uma saída definida e o nível de esforço adequado à tarefa.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObrigatório | Valores e limites /v1/chat/completions | Predefinição— |
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites anthropic/claude-haiku-5.5:batch | Predefinição— |
Camporequests | Tipobatch_item[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Camporequests[].custom_id | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores e limites 24h | Predefinição— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores e limites | Predefinição— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores e limites anthropic/claude-haiku-5.5:batch, anthropic/claude-haiku-5.5 | Predefinição— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores e limites anthropic | Predefinição— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores e limites false, null | Predefinição— |
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratoendpoint, model, requests |
Parâmetromaterial_types | Contratotext |
Parâmetrorepresentation | Contratorequests[] em linha; cada item tem custom_id e body |
Parâmetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parâmetrofile_material | ContratoQuem faz a chamada pode ler localmente o conteúdo JSONL UTF-8 efetivo para requests[]. Não é utilizada qualquer finalidade de carregamento, input_file_id ou referência a ficheiro. Se o material do cliente estiver em falta ou vazio, a preparação é interrompida antes do POST. |
Parâmetroserialization_order | Contratoendpoint, model, provider (se fornecido), completion_window (se fornecido), requests em último lugar |
Parâmetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parâmetroschema_scope | ContratoCorpos de pedidos de texto de Chat Completions na estrutura de lote em linha documentada. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · response.id efetivo da resposta original de criação; mesmo utilizador/chave/grupo
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0001 / 1K tokens Saída · Tokens de saída $0.0005 / 1K tokens Entrada · Leitura da cache $0.00001 / 1K tokens Entrada · Escrita na cache $0.000125 / 1K tokens Entrada · Escrita na cache, 1 hora $0.0002 / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive100 000 | Custo Entrada · Tokens de entrada $0.0001 / 1K tokens Saída · Tokens de saída $0.0005 / 1K tokens Entrada · Leitura da cache $0.00001 / 1K tokens Entrada · Escrita na cache $0.000125 / 1K tokens Entrada · Escrita na cache, 1 hora $0.0002 / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de100 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.0025 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.000625 / 1K tokens Entrada · Escrita na cache, 1 hora $0.001 / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"anthropic/claude-haiku-5.5:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['anthropic/claude-haiku-5.5:batch', 'anthropic/claude-haiku-5.5']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-haiku-5.5:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON em linha de 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\nGuarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve o JSON completo do estado original, todos os resultados/custom_id e o corpo completo da resposta ou do erro. Guarde os results[] concluídos em formato JSONL, sem filtrar.
Preserve o ID original da operação. A resposta 503 result_pending_check inclui X-Should-Retry:false; nunca volte a enviar um lote original de estado desconhecido.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoEstrutura em linha documentada inválida, chaves duplicadas, identidade do item inválida ou conflito com as capacidades configuradas do modelo. | Passo seguinteCorrija os campos indicados antes de qualquer novo envio. |
Resposta401 · authentication_error | CondiçãoChave de API inválida. | Passo seguinteUse a chave Ailoot autorizada. |
Resposta403 · permission_error | CondiçãoGrupo de processamento em lote indisponível. | Passo seguinteVerifique os direitos de acesso da chave/do grupo. |
Resposta422 · invalid_request_error | CondiçãoO processamento em lote usa faturação por débito do saldo; a criação com subscrição é rejeitada. | Passo seguinteUse o grupo autorizado com faturação por débito do saldo. |
Resposta422 · price_unavailable | CondiçãoNão é possível calcular uma estimativa de preço para os dados de entrada do lote. | Passo seguinteConserve a resposta; use os dados de entrada documentados para a família. |
Resposta402 · billing_error | CondiçãoReserva para processamento em lote indisponível. | Passo seguinteResolva a questão da admissão antes de um novo pedido. |
Resposta503 · price_unavailable | CondiçãoPreço do método de processamento em lote/tarifas nativas indisponíveis. | Passo seguinteConserve a resposta; não substitua os preços. |
Resposta503 · api_error | CondiçãoA rota exata do fornecedor está indisponível. | Passo seguinteConserve a resposta para corrigir a rota. |
Resposta503 · result_pending_check | CondiçãoO resultado original requer verificação; X-Should-Retry:false. | Passo seguinteGuarde o operation_id/id original e consulte o respetivo estado; nunca repita o POST original. |
Resposta404 · not_found | CondiçãoA operação de consulta do estado do lote não existe ou pertence a outra identidade. | Passo seguinteUse o id original exato e o mesmo utilizador/chave/grupo. |
Ailoot Ultra anthropic/claude-haiku-5.5:batch
Use os caminhos dos métodos indicados acima.