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": { "practical_html": "Exemplo técnico em inglês
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.anthropic/claude-haiku-5.5Claude Haiku 5.5 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/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites anthropic/claude-haiku-5.5 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
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 $0.0002 / 1K tokens Saída · Tokens de saída $0.001 / 1K tokens Entrada · Leitura da cache $0.00002 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora $0.0004 / 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 $0.0002 / 1K tokens Saída · Tokens de saída $0.001 / 1K tokens Entrada · Leitura da cache $0.00002 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora $0.0004 / 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 $0.0002 / 1K tokens Saída · Tokens de saída $0.001 / 1K tokens Entrada · Leitura da cache $0.00002 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora $0.002 / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-haiku-5.5", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='anthropic/claude-haiku-5.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='anthropic/claude-haiku-5.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Use os caminhos dos métodos indicados acima.
anthropic/claude-haiku-5.5Claude 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/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites anthropic/claude-haiku-5.5 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
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 $0.0002 / 1K tokens Saída · Tokens de saída $0.001 / 1K tokens Entrada · Leitura da cache $0.00002 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora $0.0004 / 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 $0.0002 / 1K tokens Saída · Tokens de saída $0.001 / 1K tokens Entrada · Leitura da cache $0.00002 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora $0.0004 / 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 $0.0002 / 1K tokens Saída · Tokens de saída $0.001 / 1K tokens Entrada · Leitura da cache $0.00002 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora $0.002 / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "anthropic/claude-haiku-5.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-haiku-5.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-haiku-5.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Use os caminhos dos métodos indicados acima.
~anthropic/claude-haiku-latestClaude 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/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites ~anthropic/claude-haiku-latest | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
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 $0.0002 / 1K tokens Saída · Tokens de saída $0.001 / 1K tokens Entrada · Leitura da cache $0.00002 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora $0.0004 / 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 $0.0002 / 1K tokens Saída · Tokens de saída $0.001 / 1K tokens Entrada · Leitura da cache $0.00002 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora $0.0004 / 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 $0.0002 / 1K tokens Saída · Tokens de saída $0.001 / 1K tokens Entrada · Leitura da cache $0.00002 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora $0.002 / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~anthropic/claude-haiku-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='~anthropic/claude-haiku-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='~anthropic/claude-haiku-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Use os caminhos dos métodos indicados acima.
~anthropic/claude-haiku-latestClaude 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/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites ~anthropic/claude-haiku-latest | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
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 $0.0002 / 1K tokens Saída · Tokens de saída $0.001 / 1K tokens Entrada · Leitura da cache $0.00002 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora $0.0004 / 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 $0.0002 / 1K tokens Saída · Tokens de saída $0.001 / 1K tokens Entrada · Leitura da cache $0.00002 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora $0.0004 / 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 $0.0002 / 1K tokens Saída · Tokens de saída $0.001 / 1K tokens Entrada · Leitura da cache $0.00002 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora $0.002 / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "~anthropic/claude-haiku-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~anthropic/claude-haiku-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~anthropic/claude-haiku-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.