Claude Opus 4 Thinking aplica raciocínio aprofundado ao modelo Claude Opus 4 original. A Anthropic posiciona esta geração para programação exigente, pesquisa, escrita e tarefas que obrigam a manter a direção ao longo de muitos passos. A designação Thinking diz respeito à forma como o modelo aborda uma resposta; não transforma o Opus 4 original numa edição Opus posterior.
Claude Opus 4 combina um modo de resposta normal com um modo de raciocínio aprofundado. Neste último, pode dedicar mais tempo a examinar um problema antes de responder. O fabricante descreve o trabalho prolongado em tarefas complexas como um ponto forte central, sobretudo quando uma tarefa exige relacionar uma sequência de conclusões, em vez de resolver prompts isolados.
Para uma pergunta de pesquisa, forneça os materiais a comparar, a decisão que devem apoiar e as condições relevantes. Peça uma síntese baseada em provas que separe conclusões, pressupostos e perguntas abertas. Para uma tarefa de escrita, inclua o público, as fontes, a estrutura necessária e as afirmações que o resultado deve explicar. São aplicações práticas das capacidades documentadas de pesquisa e escrita do modelo, não promessas de um resultado específico.
A Anthropic destaca compreensão, edição e depuração de código complexo e alterações que abrangem vários ficheiros. Dê ao modelo os módulos relevantes, os contratos das interfaces, o comportamento esperado e os testes existentes ou a saída de erros. Defina o âmbito da alteração pedida e peça uma explicação das dependências que tornam necessárias as edições propostas.
Um resultado útil de engenharia liga três elementos: a causa do problema, uma implementação coerente e uma forma de verificar o comportamento resultante. Para uma refatorização, indique que interfaces públicas e comportamentos observáveis devem permanecer estáveis. Para uma funcionalidade, descreva o percurso do utilizador e os casos de falha. Isto torna o raciocínio prolongado do modelo útil ao projeto, em vez de apenas produzir uma resposta mais longa.
A geração Claude 4 original acrescenta raciocínio entre chamadas de ferramentas no fluxo documentado de raciocínio aprofundado da Anthropic. Pode examinar o resultado de uma ferramenta, reconsiderar a abordagem e escolher uma ação seguinte. O fabricante também descreve uso paralelo de ferramentas e melhor continuidade quando uma aplicação fornece ficheiros locais que o modelo pode ler e atualizar.
Um agente que usa estas capacidades precisa de uma aplicação que forneça as ferramentas, execute as ações pedidas e devolva os resultados. Os ficheiros de memória também pertencem ao ambiente da aplicação; não são um armazenamento ilimitado transportado automaticamente entre conversas sem relação. Ao conceber um fluxo, devolva as observações relevantes ao modelo e mantenha disponíveis o objetivo da tarefa e os critérios de aceitação.
Claude Opus 4 também suporta análise visual. Capturas de ecrã, gráficos e diagramas podem fornecer provas juntamente com o texto, enquanto a resposta do modelo continua textual. Use imagens claramente legíveis e identifique as relações que pretende explicar. Inclua os valores de origem quando a tarefa depender de contagens ou medições exatas, pois a interpretação visual pode ser aproximada.
Para uma tarefa através da API Ailoot, especifique o artefacto final de que precisa: uma proposta de alteração em vários ficheiros, uma investigação técnica, uma síntese de pesquisa ou um documento cuidadosamente estruturado. Acrescente as provas e restrições que permitem ao modelo escolher uma abordagem. Os resumos de raciocínio aprofundado do fabricante fornecem uma explicação com o resultado, mas um resumo não é um registo literal de todo o raciocínio. Inspecione o código ou análise entregues face aos requisitos da tarefa, incluindo pressupostos que ainda precisam de provas.
", "aboutText": "Claude Opus 4 Thinking aplica raciocínio aprofundado ao modelo Claude Opus 4 original. A Anthropic posiciona esta geração para programação exigente, pesquisa, escrita e tarefas que obrigam a manter a direção ao longo de muitos passos. A designação Thinking diz respeito à forma como o modelo aborda uma resposta; não transforma o Opus 4 original numa edição Opus posterior.\n\n### Raciocínio ao longo de uma tarefa exigente\n\nClaude Opus 4 combina um modo de resposta normal com um modo de raciocínio aprofundado. Neste último, pode dedicar mais tempo a examinar um problema antes de responder. O fabricante descreve o trabalho prolongado em tarefas complexas como um ponto forte central, sobretudo quando uma tarefa exige relacionar uma sequência de conclusões, em vez de resolver prompts isolados.\n\nPara uma pergunta de pesquisa, forneça os materiais a comparar, a decisão que devem apoiar e as condições relevantes. Peça uma síntese baseada em provas que separe conclusões, pressupostos e perguntas abertas. Para uma tarefa de escrita, inclua o público, as fontes, a estrutura necessária e as afirmações que o resultado deve explicar. São aplicações práticas das capacidades documentadas de pesquisa e escrita do modelo, não promessas de um resultado específico.\n\n### Alterações numa base de código\n\nA Anthropic destaca compreensão, edição e depuração de código complexo e alterações que abrangem vários ficheiros. Dê ao modelo os módulos relevantes, os contratos das interfaces, o comportamento esperado e os testes existentes ou a saída de erros. Defina o âmbito da alteração pedida e peça uma explicação das dependências que tornam necessárias as edições propostas.\n\nUm resultado útil de engenharia liga três elementos: a causa do problema, uma implementação coerente e uma forma de verificar o comportamento resultante. Para uma refatorização, indique que interfaces públicas e comportamentos observáveis devem permanecer estáveis. Para uma funcionalidade, descreva o percurso do utilizador e os casos de falha. Isto torna o raciocínio prolongado do modelo útil ao projeto, em vez de apenas produzir uma resposta mais longa.\n\n### Ferramentas, trabalho paralelo e continuidade\n\nA geração Claude 4 original acrescenta raciocínio entre chamadas de ferramentas no fluxo documentado de raciocínio aprofundado da Anthropic. Pode examinar o resultado de uma ferramenta, reconsiderar a abordagem e escolher uma ação seguinte. O fabricante também descreve uso paralelo de ferramentas e melhor continuidade quando uma aplicação fornece ficheiros locais que o modelo pode ler e atualizar.\n\nUm agente que usa estas capacidades precisa de uma aplicação que forneça as ferramentas, execute as ações pedidas e devolva os resultados. Os ficheiros de memória também pertencem ao ambiente da aplicação; não são um armazenamento ilimitado transportado automaticamente entre conversas sem relação. Ao conceber um fluxo, devolva as observações relevantes ao modelo e mantenha disponíveis o objetivo da tarefa e os critérios de aceitação.\n\n### Análise visual e saída de texto\n\nClaude Opus 4 também suporta análise visual. Capturas de ecrã, gráficos e diagramas podem fornecer provas juntamente com o texto, enquanto a resposta do modelo continua textual. Use imagens claramente legíveis e identifique as relações que pretende explicar. Inclua os valores de origem quando a tarefa depender de contagens ou medições exatas, pois a interpretação visual pode ser aproximada.\n\nPara uma tarefa através da API Ailoot, especifique o artefacto final de que precisa: uma proposta de alteração em vários ficheiros, uma investigação técnica, uma síntese de pesquisa ou um documento cuidadosamente estruturado. Acrescente as provas e restrições que permitem ao modelo escolher uma abordagem. Os resumos de raciocínio aprofundado do fabricante fornecem uma explicação com o resultado, mas um resumo não é um registo literal de todo o raciocínio. Inspecione o código ou análise entregues face aos requisitos da tarefa, incluindo pressupostos que ainda precisam de provas.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Plan a coordinated order refactor\n\nReview this proposed refactor. Module A emits {order_id, total_cents}; module B stores those fields; module C displays total_cents / 100. A developer proposes renaming only A to amount_cents. Identify affected contracts and propose a coordinated migration that preserves existing consumers, with checks for old and new records.A dependency map in text, a staged migration proposal and compatibility checks for each consumer.Confirm the proposal covers B and C and does not silently reinterpret cents as whole currency units.claude-opus-4-20250514-thinkingClaude Opus 4 Thinking usa o modo de raciocínio aprofundado do Opus 4 original para alterações complexas de software, fluxos prolongados com agentes e pesquisa. Pode raciocinar entre passos de ferramentas suportados e relacionar provas ao longo de uma tarefa exigente antes de produzir um resultado textual.
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 Thinking aplica raciocínio aprofundado ao modelo Claude Opus 4 original. A Anthropic posiciona esta geração para programação exigente, pesquisa, escrita e tarefas que obrigam a manter a direção ao longo de muitos passos. A designação Thinking diz respeito à forma como o modelo aborda uma resposta; não transforma o Opus 4 original numa edição Opus posterior.
Claude Opus 4 combina um modo de resposta normal com um modo de raciocínio aprofundado. Neste último, pode dedicar mais tempo a examinar um problema antes de responder. O fabricante descreve o trabalho prolongado em tarefas complexas como um ponto forte central, sobretudo quando uma tarefa exige relacionar uma sequência de conclusões, em vez de resolver prompts isolados.
Para uma pergunta de pesquisa, forneça os materiais a comparar, a decisão que devem apoiar e as condições relevantes. Peça uma síntese baseada em provas que separe conclusões, pressupostos e perguntas abertas. Para uma tarefa de escrita, inclua o público, as fontes, a estrutura necessária e as afirmações que o resultado deve explicar. São aplicações práticas das capacidades documentadas de pesquisa e escrita do modelo, não promessas de um resultado específico.
A Anthropic destaca compreensão, edição e depuração de código complexo e alterações que abrangem vários ficheiros. Dê ao modelo os módulos relevantes, os contratos das interfaces, o comportamento esperado e os testes existentes ou a saída de erros. Defina o âmbito da alteração pedida e peça uma explicação das dependências que tornam necessárias as edições propostas.
Um resultado útil de engenharia liga três elementos: a causa do problema, uma implementação coerente e uma forma de verificar o comportamento resultante. Para uma refatorização, indique que interfaces públicas e comportamentos observáveis devem permanecer estáveis. Para uma funcionalidade, descreva o percurso do utilizador e os casos de falha. Isto torna o raciocínio prolongado do modelo útil ao projeto, em vez de apenas produzir uma resposta mais longa.
A geração Claude 4 original acrescenta raciocínio entre chamadas de ferramentas no fluxo documentado de raciocínio aprofundado da Anthropic. Pode examinar o resultado de uma ferramenta, reconsiderar a abordagem e escolher uma ação seguinte. O fabricante também descreve uso paralelo de ferramentas e melhor continuidade quando uma aplicação fornece ficheiros locais que o modelo pode ler e atualizar.
Um agente que usa estas capacidades precisa de uma aplicação que forneça as ferramentas, execute as ações pedidas e devolva os resultados. Os ficheiros de memória também pertencem ao ambiente da aplicação; não são um armazenamento ilimitado transportado automaticamente entre conversas sem relação. Ao conceber um fluxo, devolva as observações relevantes ao modelo e mantenha disponíveis o objetivo da tarefa e os critérios de aceitação.
Claude Opus 4 também suporta análise visual. Capturas de ecrã, gráficos e diagramas podem fornecer provas juntamente com o texto, enquanto a resposta do modelo continua textual. Use imagens claramente legíveis e identifique as relações que pretende explicar. Inclua os valores de origem quando a tarefa depender de contagens ou medições exatas, pois a interpretação visual pode ser aproximada.
Para uma tarefa através da API Ailoot, especifique o artefacto final de que precisa: uma proposta de alteração em vários ficheiros, uma investigação técnica, uma síntese de pesquisa ou um documento cuidadosamente estruturado. Acrescente as provas e restrições que permitem ao modelo escolher uma abordagem. Os resumos de raciocínio aprofundado do fabricante fornecem uma explicação com o resultado, mas um resumo não é um registo literal de todo o raciocínio. Inspecione o código ou análise entregues face aos requisitos da tarefa, incluindo pressupostos que ainda precisam de provas.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites claude-opus-4-20250514-thinking | 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.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.03 / 1K tokens Saída · Tokens de saída $0.15 / 1K tokens Entrada · Leitura da cache $0.0006 / 1K tokens Entrada · Escrita na cache $0.0075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-opus-4-20250514-thinking", "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='claude-opus-4-20250514-thinking',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='claude-opus-4-20250514-thinking',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 claude-opus-4-20250514-thinking
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Plan a coordinated order refactor\n\nReview this proposed refactor. Module A emits {order_id, total_cents}; module B stores those fields; module C displays total_cents / 100. A developer proposes renaming only A to amount_cents. Identify affected contracts and propose a coordinated migration that preserves existing consumers, with checks for old and new records.A dependency map in text, a staged migration proposal and compatibility checks for each consumer.Confirm the proposal covers B and C and does not silently reinterpret cents as whole currency units.