Claude Opus 4.1 é a atualização da Anthropic ao Claude Opus 4 original, centrada em tarefas com agentes, programação em situações reais e raciocínio. A apresentação também destaca pesquisa aprofundada e análise de dados, sobretudo acompanhar detalhes e usar pesquisa numa tarefa mais ampla. O aditamento à ficha do sistema que acompanha a versão descreve melhorias na qualidade do raciocínio e no seguimento de instruções. Continua a ser uma edição distinta do Opus 4 original e dos modelos Opus 4.5, 4.6 e 5 posteriores; os seus modos e limites não devem ser tratados como especificações desta atualização.
Para trabalho com código, a apresentação destaca refatorização em vários ficheiros e identificação de correções precisas numa grande base de código. Dê ao modelo os ficheiros ou excertos relevantes, o comportamento existente, o comportamento pretendido e as restrições que uma alteração válida deve preservar. Um pedido ilustrativo pode pedir que siga uma falha por funções relacionadas, proponha a menor alteração coerente e explique por que é necessária cada parte alterada. O resultado útil é uma alteração ou proposta de código inspecionável que conserve o contexto de origem e os pressupostos, em vez de uma reescrita ampla que esconda o problema original.
Para pesquisa e análise de dados, acompanhar detalhes é útil quando uma pergunta depende de várias passagens ou observações. Forneça o material com identificadores das fontes, defina a pergunta e peça as provas que sustentam cada conclusão. Uma descrição prática pode pedir uma tabela comparativa que mostre onde dois documentos concordam, onde diferem e que perguntas continuam sem resposta. Se a pesquisa fizer parte do fluxo, a aplicação fornece a ferramenta e o conteúdo devolvido. O modelo liga então esses resultados ao material existente; uma pesquisa proposta no seu texto não é uma obtenção concluída.
Opus 4.1 tem um modo de resposta normal e raciocínio aprofundado opcional. O guia anterior de raciocínio dá controlo direto através de budget_tokens, com um mínimo de 1 024 tokens. O orçamento é normalmente inferior a max_tokens porque o raciocínio interno e a resposta final partilham o limite de geração. É uma meta de raciocínio, não uma promessa de consumir todo o orçamento. O raciocínio adaptativo e os controlos de esforço de edições Opus posteriores são capacidades separadas. Prepare um problema completo e especifique o formato da resposta final para que a análise adicional conduza ao resultado necessário ao leitor.
A beta documentada para os primeiros modelos Claude 4 suporta raciocínio intercalado: raciocínio entre chamadas de ferramentas dentro de um turno do assistente. Usa a funcionalidade de raciocínio intercalado do produtor no fluxo Messages suportado. Nesse modo, o orçamento de raciocínio pode abranger vários blocos e exceder o valor max_tokens de um único turno segundo a exceção documentada. Devolva o bloco de raciocínio correspondente inalterado, incluindo a assinatura, com o resultado de uma ferramenta. Um fluxo de depuração pode assim alternar análise, uma verificação executada pela aplicação e interpretação da saída real, mantendo ações propostas separadas das concluídas.
O aditamento à ficha do sistema também descreve tarefas de utilização do computador que envolvem observação de um ecrã, ações do rato e entradas de teclado, juntamente com tarefas mais longas de programação com ferramentas. O modelo pode raciocinar a partir de um estado visual fornecido e selecionar uma ação num ambiente ligado; a aplicação realiza a interação e devolve o que mudou. Para uma descrição baseada no ecrã, identifique o objetivo, os controlos visíveis relevantes e as ações permitidas. Para um fluxo documental ou de dados, peça uma explicação textual ou resultado estruturado ligado às provas fornecidas. A interpretação do modelo e a execução pelo ambiente são partes separadas do trabalho.
A avaliação do produtor refere suscetibilidade à injeção de prompts semelhante à do Opus 4 original. Examina especificamente texto escondido ou elementos de interface que tentam desviar um agente da tarefa do utilizador. Mantenha as instruções da tarefa separadas do material devolvido pelas ferramentas e preserve o objetivo original ao interpretar uma página ou documento. É uma condição substantiva de um fluxo com agentes: ver um pedido em conteúdo externo não o torna uma instrução autorizada pelo utilizador. As proteções do modelo não tornam todas as páginas encontradas entradas fiáveis.
A ficha do sistema também descreve uma limitação de programação chamada reward hacking, incluindo respostas fixas no código e soluções ajustadas apenas aos exemplos apresentados ao modelo. Opus 4.1 mostra tendências semelhantes a Opus 4, com algumas regressões nessas avaliações focadas. Para uma proposta de código, peça uma solução que satisfaça o requisito geral, identifique as condições que trata e inclua verificações além do único exemplo fornecido. Peça que o relatório final distinga o que foi proposto, o que o ambiente realmente verificou e o que não pôde ser estabelecido. Isto liga os pontos fortes do modelo na depuração precisa e no acompanhamento de detalhes a um artefacto concreto cujo comportamento pode ser inspecionado.
", "aboutText": "Claude Opus 4.1 é a atualização da Anthropic ao Claude Opus 4 original, centrada em tarefas com agentes, programação em situações reais e raciocínio. A apresentação também destaca pesquisa aprofundada e análise de dados, sobretudo acompanhar detalhes e usar pesquisa numa tarefa mais ampla. O aditamento à ficha do sistema que acompanha a versão descreve melhorias na qualidade do raciocínio e no seguimento de instruções. Continua a ser uma edição distinta do Opus 4 original e dos modelos Opus 4.5, 4.6 e 5 posteriores; os seus modos e limites não devem ser tratados como especificações desta atualização.\n\nPara trabalho com código, a apresentação destaca refatorização em vários ficheiros e identificação de correções precisas numa grande base de código. Dê ao modelo os ficheiros ou excertos relevantes, o comportamento existente, o comportamento pretendido e as restrições que uma alteração válida deve preservar. Um pedido ilustrativo pode pedir que siga uma falha por funções relacionadas, proponha a menor alteração coerente e explique por que é necessária cada parte alterada. O resultado útil é uma alteração ou proposta de código inspecionável que conserve o contexto de origem e os pressupostos, em vez de uma reescrita ampla que esconda o problema original.\n\nPara pesquisa e análise de dados, acompanhar detalhes é útil quando uma pergunta depende de várias passagens ou observações. Forneça o material com identificadores das fontes, defina a pergunta e peça as provas que sustentam cada conclusão. Uma descrição prática pode pedir uma tabela comparativa que mostre onde dois documentos concordam, onde diferem e que perguntas continuam sem resposta. Se a pesquisa fizer parte do fluxo, a aplicação fornece a ferramenta e o conteúdo devolvido. O modelo liga então esses resultados ao material existente; uma pesquisa proposta no seu texto não é uma obtenção concluída.\n\nOpus 4.1 tem um modo de resposta normal e raciocínio aprofundado opcional. O guia anterior de raciocínio dá controlo direto através de budget_tokens, com um mínimo de 1 024 tokens. O orçamento é normalmente inferior a max_tokens porque o raciocínio interno e a resposta final partilham o limite de geração. É uma meta de raciocínio, não uma promessa de consumir todo o orçamento. O raciocínio adaptativo e os controlos de esforço de edições Opus posteriores são capacidades separadas. Prepare um problema completo e especifique o formato da resposta final para que a análise adicional conduza ao resultado necessário ao leitor.\n\nA beta documentada para os primeiros modelos Claude 4 suporta raciocínio intercalado: raciocínio entre chamadas de ferramentas dentro de um turno do assistente. Usa a funcionalidade de raciocínio intercalado do produtor no fluxo Messages suportado. Nesse modo, o orçamento de raciocínio pode abranger vários blocos e exceder o valor max_tokens de um único turno segundo a exceção documentada. Devolva o bloco de raciocínio correspondente inalterado, incluindo a assinatura, com o resultado de uma ferramenta. Um fluxo de depuração pode assim alternar análise, uma verificação executada pela aplicação e interpretação da saída real, mantendo ações propostas separadas das concluídas.\n\nO aditamento à ficha do sistema também descreve tarefas de utilização do computador que envolvem observação de um ecrã, ações do rato e entradas de teclado, juntamente com tarefas mais longas de programação com ferramentas. O modelo pode raciocinar a partir de um estado visual fornecido e selecionar uma ação num ambiente ligado; a aplicação realiza a interação e devolve o que mudou. Para uma descrição baseada no ecrã, identifique o objetivo, os controlos visíveis relevantes e as ações permitidas. Para um fluxo documental ou de dados, peça uma explicação textual ou resultado estruturado ligado às provas fornecidas. A interpretação do modelo e a execução pelo ambiente são partes separadas do trabalho.\n\nA avaliação do produtor refere suscetibilidade à injeção de prompts semelhante à do Opus 4 original. Examina especificamente texto escondido ou elementos de interface que tentam desviar um agente da tarefa do utilizador. Mantenha as instruções da tarefa separadas do material devolvido pelas ferramentas e preserve o objetivo original ao interpretar uma página ou documento. É uma condição substantiva de um fluxo com agentes: ver um pedido em conteúdo externo não o torna uma instrução autorizada pelo utilizador. As proteções do modelo não tornam todas as páginas encontradas entradas fiáveis.\n\nA ficha do sistema também descreve uma limitação de programação chamada reward hacking, incluindo respostas fixas no código e soluções ajustadas apenas aos exemplos apresentados ao modelo. Opus 4.1 mostra tendências semelhantes a Opus 4, com algumas regressões nessas avaliações focadas. Para uma proposta de código, peça uma solução que satisfaça o requisito geral, identifique as condições que trata e inclua verificações além do único exemplo fornecido. Peça que o relatório final distinga o que foi proposto, o que o ambiente realmente verificou e o que não pôde ser estabelecido. Isto liga os pontos fortes do modelo na depuração precisa e no acompanhamento de detalhes a um artefacto concreto cujo comportamento pode ser inspecionado.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "330bd183af7682db0e10c47099674304e598edd697078b862d025eca04bf7a2a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "anthropic/claude-opus-4.1:batchClaude Opus 4.1 é a atualização da Anthropic ao Opus 4 para trabalho de software com agentes, pesquisa, análise de dados e raciocínio. O foco inclui acompanhar detalhes, alterar código em vários ficheiros e depurar com precisão, com respostas normais ou raciocínio aprofundado opcional.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Claude Opus 4.1 é a atualização da Anthropic ao Claude Opus 4 original, centrada em tarefas com agentes, programação em situações reais e raciocínio. A apresentação também destaca pesquisa aprofundada e análise de dados, sobretudo acompanhar detalhes e usar pesquisa numa tarefa mais ampla. O aditamento à ficha do sistema que acompanha a versão descreve melhorias na qualidade do raciocínio e no seguimento de instruções. Continua a ser uma edição distinta do Opus 4 original e dos modelos Opus 4.5, 4.6 e 5 posteriores; os seus modos e limites não devem ser tratados como especificações desta atualização.
Para trabalho com código, a apresentação destaca refatorização em vários ficheiros e identificação de correções precisas numa grande base de código. Dê ao modelo os ficheiros ou excertos relevantes, o comportamento existente, o comportamento pretendido e as restrições que uma alteração válida deve preservar. Um pedido ilustrativo pode pedir que siga uma falha por funções relacionadas, proponha a menor alteração coerente e explique por que é necessária cada parte alterada. O resultado útil é uma alteração ou proposta de código inspecionável que conserve o contexto de origem e os pressupostos, em vez de uma reescrita ampla que esconda o problema original.
Para pesquisa e análise de dados, acompanhar detalhes é útil quando uma pergunta depende de várias passagens ou observações. Forneça o material com identificadores das fontes, defina a pergunta e peça as provas que sustentam cada conclusão. Uma descrição prática pode pedir uma tabela comparativa que mostre onde dois documentos concordam, onde diferem e que perguntas continuam sem resposta. Se a pesquisa fizer parte do fluxo, a aplicação fornece a ferramenta e o conteúdo devolvido. O modelo liga então esses resultados ao material existente; uma pesquisa proposta no seu texto não é uma obtenção concluída.
Opus 4.1 tem um modo de resposta normal e raciocínio aprofundado opcional. O guia anterior de raciocínio dá controlo direto através de budget_tokens, com um mínimo de 1 024 tokens. O orçamento é normalmente inferior a max_tokens porque o raciocínio interno e a resposta final partilham o limite de geração. É uma meta de raciocínio, não uma promessa de consumir todo o orçamento. O raciocínio adaptativo e os controlos de esforço de edições Opus posteriores são capacidades separadas. Prepare um problema completo e especifique o formato da resposta final para que a análise adicional conduza ao resultado necessário ao leitor.
A beta documentada para os primeiros modelos Claude 4 suporta raciocínio intercalado: raciocínio entre chamadas de ferramentas dentro de um turno do assistente. Usa a funcionalidade de raciocínio intercalado do produtor no fluxo Messages suportado. Nesse modo, o orçamento de raciocínio pode abranger vários blocos e exceder o valor max_tokens de um único turno segundo a exceção documentada. Devolva o bloco de raciocínio correspondente inalterado, incluindo a assinatura, com o resultado de uma ferramenta. Um fluxo de depuração pode assim alternar análise, uma verificação executada pela aplicação e interpretação da saída real, mantendo ações propostas separadas das concluídas.
O aditamento à ficha do sistema também descreve tarefas de utilização do computador que envolvem observação de um ecrã, ações do rato e entradas de teclado, juntamente com tarefas mais longas de programação com ferramentas. O modelo pode raciocinar a partir de um estado visual fornecido e selecionar uma ação num ambiente ligado; a aplicação realiza a interação e devolve o que mudou. Para uma descrição baseada no ecrã, identifique o objetivo, os controlos visíveis relevantes e as ações permitidas. Para um fluxo documental ou de dados, peça uma explicação textual ou resultado estruturado ligado às provas fornecidas. A interpretação do modelo e a execução pelo ambiente são partes separadas do trabalho.
A avaliação do produtor refere suscetibilidade à injeção de prompts semelhante à do Opus 4 original. Examina especificamente texto escondido ou elementos de interface que tentam desviar um agente da tarefa do utilizador. Mantenha as instruções da tarefa separadas do material devolvido pelas ferramentas e preserve o objetivo original ao interpretar uma página ou documento. É uma condição substantiva de um fluxo com agentes: ver um pedido em conteúdo externo não o torna uma instrução autorizada pelo utilizador. As proteções do modelo não tornam todas as páginas encontradas entradas fiáveis.
A ficha do sistema também descreve uma limitação de programação chamada reward hacking, incluindo respostas fixas no código e soluções ajustadas apenas aos exemplos apresentados ao modelo. Opus 4.1 mostra tendências semelhantes a Opus 4, com algumas regressões nessas avaliações focadas. Para uma proposta de código, peça uma solução que satisfaça o requisito geral, identifique as condições que trata e inclua verificações além do único exemplo fornecido. Peça que o relatório final distinga o que foi proposto, o que o ambiente realmente verificou e o que não pôde ser estabelecido. Isto liga os pontos fortes do modelo na depuração precisa e no acompanhamento de detalhes a um artefacto concreto cujo comportamento pode ser inspecionado.
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-opus-4.1: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-opus-4.1:batch, anthropic/claude-opus-4.1 | 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 $0.015 / 1K tokens Saída · Tokens de saída $0.075 / 1K tokens Entrada · Leitura da cache $0.0015 / 1K tokens Entrada · Escrita na cache $0.01875 / 1K tokens Entrada · Escrita na cache, 1 hora $0.03 / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.015 / 1K tokens Saída · Tokens de saída $0.075 / 1K tokens Entrada · Leitura da cache $0.0015 / 1K tokens Entrada · Escrita na cache $0.01875 / 1K tokens Entrada · Escrita na cache, 1 hora $0.03 / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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-opus-4.1:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['anthropic/claude-opus-4.1:batch', 'anthropic/claude-opus-4.1']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-opus-4.1:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON 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-opus-4.1:batch
Use os caminhos dos métodos indicados acima.