Claude Opus 4.8 combina trabalho prolongado com agentes, análise profissional, compreensão visual e utilização da memória disponibilizada pela aplicação. A Anthropic destaca o comportamento do modelo ao verificar conclusões: foi treinado para reconhecer a falta de confirmação, comunicar incerteza e evitar afirmar que um resultado foi obtido sem fundamento suficiente.
Numa tarefa de engenharia, o modelo pode estudar vários componentes relacionados, considerar um plano, identificar erros e continuar a execução depois de obter novos dados. Na análise de documentos, são relevantes a sua capacidade de trabalhar com conteúdo denso e a atenção a problemas nos materiais de entrada e nas conclusões. As áreas profissionais descritas incluem investigação, análise, trabalho com documentos e preparação de conteúdos para apresentações.
As instruções são interpretadas literalmente, sobretudo com níveis de esforço baixos. O modelo não tem de estender silenciosamente uma condição de um elemento aos restantes: é preferível definir explicitamente o âmbito, o formato e os critérios do resultado. Na revisão de código, isto significa que o limiar de gravidade definido influencia os problemas encontrados que serão incluídos na resposta. A exigência de comunicar todas as ocorrências deve ser formulada separadamente da exigência de as filtrar.
Opus 4.8 suporta raciocínio adaptativo, que tem de ser ativado na aplicação. Esta versão não suporta extended thinking manual com budget_tokens separado. Os níveis de effort são low, medium, high, xhigh e max; o nível normal é high. Segundo a Anthropic, os níveis mais profundos podem aumentar o volume da análise, as chamadas de ferramentas e o tempo de trabalho, enquanto tarefas curtas e delimitadas beneficiam de menor elaboração.
O modelo adapta o detalhe à complexidade que atribui à tarefa: uma pergunta simples pode receber uma resposta breve, e uma análise aberta, uma resposta desenvolvida. Se forem pretendidos uma extensão ou um estilo de escrita específicos, devem ser definidos explicitamente, de preferência com um exemplo positivo. No trabalho prolongado com ferramentas, estão previstas mensagens intermédias de progresso; o seu conteúdo e a sua frequência também podem ser orientados por instruções.
A entrada recebe texto e imagens, e o resultado é produzido em texto. A janela de contexto é de 1 milhão de tokens e, no modo normal, a resposta máxima é de 128 mil tokens. A data de corte fiável do conhecimento integrado é janeiro de 2026.
Os formatos de entrada visual comum do fabricante são JPEG/PNG/GIF/WebP, utilizando-se o primeiro fotograma das animações. Na análise nativa, o lado mais comprido é de 2576 píxeis, com 4784 tokens visuais; as imagens grandes são reduzidas antes da análise. O suporte de ficheiros e parâmetros depende do método da aplicação.
Pesquisa na Web, execução de comandos, memória em ficheiros, controlo da interface e subtarefas autónomas exigem suporte na aplicação. O modelo pode utilizar os meios disponíveis, mas o nível de esforço e uma descrição clara da finalidade das ferramentas influenciam a escolha das ações. Isto é especialmente útil em trabalho que relaciona pesquisa de informação, análise e execução técnica.
Ao criar interfaces e diapositivos, Opus 4.8 tem preferências próprias e consistentes de apresentação. Para obter um resultado num estilo específico, é útil indicar a paleta, a tipografia, a composição e o tipo de movimento ou pedir primeiro várias direções. Um ficheiro pronto ou uma interface funcional é produzido através das ferramentas do ambiente; a saída direta do modelo continua a ser textual.
", "aboutText": "Claude Opus 4.8 combina trabalho prolongado com agentes, análise profissional, compreensão visual e utilização da memória disponibilizada pela aplicação. A Anthropic destaca o comportamento do modelo ao verificar conclusões: foi treinado para reconhecer a falta de confirmação, comunicar incerteza e evitar afirmar que um resultado foi obtido sem fundamento suficiente.\n\n### Definir os limites e levar o trabalho até ao resultado\n\nNuma tarefa de engenharia, o modelo pode estudar vários componentes relacionados, considerar um plano, identificar erros e continuar a execução depois de obter novos dados. Na análise de documentos, são relevantes a sua capacidade de trabalhar com conteúdo denso e a atenção a problemas nos materiais de entrada e nas conclusões. As áreas profissionais descritas incluem investigação, análise, trabalho com documentos e preparação de conteúdos para apresentações.\n\nAs instruções são interpretadas literalmente, sobretudo com níveis de esforço baixos. O modelo não tem de estender silenciosamente uma condição de um elemento aos restantes: é preferível definir explicitamente o âmbito, o formato e os critérios do resultado. Na revisão de código, isto significa que o limiar de gravidade definido influencia os problemas encontrados que serão incluídos na resposta. A exigência de comunicar todas as ocorrências deve ser formulada separadamente da exigência de as filtrar.\n\n### Configurar o raciocínio e a apresentação\n\nOpus 4.8 suporta raciocínio adaptativo, que tem de ser ativado na aplicação. Esta versão não suporta extended thinking manual com `budget_tokens` separado. Os níveis de `effort` são `low`, `medium`, `high`, `xhigh` e `max`; o nível normal é `high`. Segundo a Anthropic, os níveis mais profundos podem aumentar o volume da análise, as chamadas de ferramentas e o tempo de trabalho, enquanto tarefas curtas e delimitadas beneficiam de menor elaboração.\n\nO modelo adapta o detalhe à complexidade que atribui à tarefa: uma pergunta simples pode receber uma resposta breve, e uma análise aberta, uma resposta desenvolvida. Se forem pretendidos uma extensão ou um estilo de escrita específicos, devem ser definidos explicitamente, de preferência com um exemplo positivo. No trabalho prolongado com ferramentas, estão previstas mensagens intermédias de progresso; o seu conteúdo e a sua frequência também podem ser orientados por instruções.\n\n### Materiais, ferramentas e apresentação visual\n\nA entrada recebe **texto e imagens**, e o resultado é produzido em **texto**. A janela de contexto é de **1 milhão de tokens** e, no modo normal, a resposta máxima é de **128 mil tokens**. A data de corte fiável do conhecimento integrado é **janeiro de 2026**.\n\nOs formatos de entrada visual comum do fabricante são JPEG/PNG/GIF/WebP, utilizando-se o primeiro fotograma das animações. Na análise nativa, o lado mais comprido é de 2576 píxeis, com 4784 tokens visuais; as imagens grandes são reduzidas antes da análise. O suporte de ficheiros e parâmetros depende do método da aplicação.\n\nPesquisa na Web, execução de comandos, memória em ficheiros, controlo da interface e subtarefas autónomas exigem suporte na aplicação. O modelo pode utilizar os meios disponíveis, mas o nível de esforço e uma descrição clara da finalidade das ferramentas influenciam a escolha das ações. Isto é especialmente útil em trabalho que relaciona pesquisa de informação, análise e execução técnica.\n\nAo criar interfaces e diapositivos, Opus 4.8 tem preferências próprias e consistentes de apresentação. Para obter um resultado num estilo específico, é útil indicar a paleta, a tipografia, a composição e o tipo de movimento ou pedir primeiro várias direções. Um ficheiro pronto ou uma interface funcional é produzido através das ferramentas do ambiente; a saída direta do modelo continua a ser textual.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "877faebf1a095905f63b7bc6f11c216887354060dfe37bbe3861bec9fc9dd405", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "anthropic/claude-opus-4.8:batchClaude Opus 4.8 destina-se a desenvolvimento prolongado e análise profissional. Mantém a direção do trabalho com várias etapas, assinala a incerteza e considera requisitos explicitamente definidos para o resultado.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Claude Opus 4.8 combina trabalho prolongado com agentes, análise profissional, compreensão visual e utilização da memória disponibilizada pela aplicação. A Anthropic destaca o comportamento do modelo ao verificar conclusões: foi treinado para reconhecer a falta de confirmação, comunicar incerteza e evitar afirmar que um resultado foi obtido sem fundamento suficiente.
Numa tarefa de engenharia, o modelo pode estudar vários componentes relacionados, considerar um plano, identificar erros e continuar a execução depois de obter novos dados. Na análise de documentos, são relevantes a sua capacidade de trabalhar com conteúdo denso e a atenção a problemas nos materiais de entrada e nas conclusões. As áreas profissionais descritas incluem investigação, análise, trabalho com documentos e preparação de conteúdos para apresentações.
As instruções são interpretadas literalmente, sobretudo com níveis de esforço baixos. O modelo não tem de estender silenciosamente uma condição de um elemento aos restantes: é preferível definir explicitamente o âmbito, o formato e os critérios do resultado. Na revisão de código, isto significa que o limiar de gravidade definido influencia os problemas encontrados que serão incluídos na resposta. A exigência de comunicar todas as ocorrências deve ser formulada separadamente da exigência de as filtrar.
Opus 4.8 suporta raciocínio adaptativo, que tem de ser ativado na aplicação. Esta versão não suporta extended thinking manual com budget_tokens separado. Os níveis de effort são low, medium, high, xhigh e max; o nível normal é high. Segundo a Anthropic, os níveis mais profundos podem aumentar o volume da análise, as chamadas de ferramentas e o tempo de trabalho, enquanto tarefas curtas e delimitadas beneficiam de menor elaboração.
O modelo adapta o detalhe à complexidade que atribui à tarefa: uma pergunta simples pode receber uma resposta breve, e uma análise aberta, uma resposta desenvolvida. Se forem pretendidos uma extensão ou um estilo de escrita específicos, devem ser definidos explicitamente, de preferência com um exemplo positivo. No trabalho prolongado com ferramentas, estão previstas mensagens intermédias de progresso; o seu conteúdo e a sua frequência também podem ser orientados por instruções.
A entrada recebe texto e imagens, e o resultado é produzido em texto. A janela de contexto é de 1 milhão de tokens e, no modo normal, a resposta máxima é de 128 mil tokens. A data de corte fiável do conhecimento integrado é janeiro de 2026.
Os formatos de entrada visual comum do fabricante são JPEG/PNG/GIF/WebP, utilizando-se o primeiro fotograma das animações. Na análise nativa, o lado mais comprido é de 2576 píxeis, com 4784 tokens visuais; as imagens grandes são reduzidas antes da análise. O suporte de ficheiros e parâmetros depende do método da aplicação.
Pesquisa na Web, execução de comandos, memória em ficheiros, controlo da interface e subtarefas autónomas exigem suporte na aplicação. O modelo pode utilizar os meios disponíveis, mas o nível de esforço e uma descrição clara da finalidade das ferramentas influenciam a escolha das ações. Isto é especialmente útil em trabalho que relaciona pesquisa de informação, análise e execução técnica.
Ao criar interfaces e diapositivos, Opus 4.8 tem preferências próprias e consistentes de apresentação. Para obter um resultado num estilo específico, é útil indicar a paleta, a tipografia, a composição e o tipo de movimento ou pedir primeiro várias direções. Um ficheiro pronto ou uma interface funcional é produzido através das ferramentas do ambiente; a saída direta do modelo continua a ser textual.
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-4.8: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-4.8:batch, anthropic/claude-opus-4.8 | 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 $0.005 / 1K tokens Saída · Tokens de saída $0.025 / 1K tokens Entrada · Leitura da cache $0.0005 / 1K tokens Entrada · Escrita na cache $0.00625 / 1K tokens Entrada · Escrita na cache, 1 hora $0.01 / 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 $0.005 / 1K tokens Saída · Tokens de saída $0.025 / 1K tokens Entrada · Leitura da cache $0.0005 / 1K tokens Entrada · Escrita na cache $0.00625 / 1K tokens Entrada · Escrita na cache, 1 hora $0.01 / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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-4.8: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-4.8:batch', 'anthropic/claude-opus-4.8']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-opus-4.8: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-4.8:batch
Use os caminhos dos métodos indicados acima.