Claude Opus 5 é um modelo da Anthropic para trabalho profissional regular que exige estudar informação, fazer uma escolha fundamentada e executar a tarefa sequencialmente. O fabricante destaca engenharia de software, cenários empresariais com várias etapas, trabalho científico e análise de dados visuais. A sua apresentação centra-se numa execução cuidadosa e na verificação do próprio resultado.
No desenvolvimento, Opus 5 pode investigar a causa principal de um erro e utilizar verificações para avaliar uma alteração proposta. Se o material disponível para comparação for insuficiente, os cenários descritos incluem a criação de uma verificação própria, por exemplo, para o comportamento de um analisador sintático. O trabalho organiza-se em torno dos dados obtidos: o modelo lê-os, escolhe uma ação, observa o resultado e corrige os problemas identificados.
Para executar comandos, editar ficheiros e realizar verificações, a aplicação precisa das ferramentas correspondentes. A iniciativa do modelo refere-se à escolha e à sequência de ações no ambiente disponibilizado; não implica acesso autónomo ao projeto nem capacidade para realizar operações fora da aplicação.
Opus 5 recebe texto e imagens e produz texto. Nos cenários visuais, o fabricante apresenta a extração de geometria de uma imagem e a reconstrução de uma peça através de código escrito. Outros exemplos incluem uma simulação aerodinâmica interativa e uma ilustração de uma célula criadas por programação.
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.
Estas tarefas demonstram o trabalho conjunto de análise e engenharia: a imagem pode ser utilizada como material, e o resultado textual, como código ou descrição da solução. Executar a simulação, construir gráficos e produzir o ficheiro pronto exige ferramentas do ambiente; o modelo não dispõe de uma saída integrada separada de imagem ou vídeo.
O raciocínio adaptativo está ativado por predefinição, e o nível normal de effort é high. São suportados low, medium, high, xhigh e max. Nos níveis high e inferiores, o raciocínio pode ser desativado; em xhigh e max, é obrigatório. Esta versão não prevê extended thinking manual com um orçamento separado.
Alterar o esforço influencia o volume do raciocínio, mas não é uma forma fiável de definir o comprimento do texto visível. Se for pretendida uma resposta breve ou uma estrutura específica, isso deve ser indicado na própria instrução. O contexto é de 1 milhão de tokens e, no modo normal, a resposta máxima é de 128 mil tokens; numa análise aprofundada, é necessário deixar espaço para o raciocínio e o conteúdo final.
A data de corte fiável do conhecimento integrado é maio de 2026. Entre as áreas científicas, a Anthropic descreve biologia estrutural, química orgânica e bioinformática. O fabricante assinala, porém, limitações relevantes em investigação biológica autónoma prolongada; a capacidade de discutir materiais científicos não implica concluir autonomamente qualquer investigação.
Os mecanismos de proteção permitem procurar erros no código de origem, mas restringem algumas tarefas sensíveis. Informação atual exige materiais fornecidos ou pesquisa, e o resultado técnico ou científico requer verificação no seu domínio específico.
", "aboutText": "Claude Opus 5 é um modelo da Anthropic para trabalho profissional regular que exige estudar informação, fazer uma escolha fundamentada e executar a tarefa sequencialmente. O fabricante destaca engenharia de software, cenários empresariais com várias etapas, trabalho científico e análise de dados visuais. A sua apresentação centra-se numa execução cuidadosa e na verificação do próprio resultado.\n\n### Identificar a causa, verificar e corrigir\n\nNo desenvolvimento, Opus 5 pode investigar a causa principal de um erro e utilizar verificações para avaliar uma alteração proposta. Se o material disponível para comparação for insuficiente, os cenários descritos incluem a criação de uma verificação própria, por exemplo, para o comportamento de um analisador sintático. O trabalho organiza-se em torno dos dados obtidos: o modelo lê-os, escolhe uma ação, observa o resultado e corrige os problemas identificados.\n\nPara executar comandos, editar ficheiros e realizar verificações, a aplicação precisa das ferramentas correspondentes. A iniciativa do modelo refere-se à escolha e à sequência de ações no ambiente disponibilizado; não implica acesso autónomo ao projeto nem capacidade para realizar operações fora da aplicação.\n\n### A imagem como dados para um programa\n\nOpus 5 recebe **texto e imagens** e produz **texto**. Nos cenários visuais, o fabricante apresenta a extração de geometria de uma imagem e a reconstrução de uma peça através de código escrito. Outros exemplos incluem uma simulação aerodinâmica interativa e uma ilustração de uma célula criadas por programação.\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\nEstas tarefas demonstram o trabalho conjunto de análise e engenharia: a imagem pode ser utilizada como material, e o resultado textual, como código ou descrição da solução. Executar a simulação, construir gráficos e produzir o ficheiro pronto exige ferramentas do ambiente; o modelo não dispõe de uma saída integrada separada de imagem ou vídeo.\n\n### Profundidade controlável\n\nO raciocínio adaptativo está ativado por predefinição, e o nível normal de `effort` é `high`. São suportados `low`, `medium`, `high`, `xhigh` e `max`. Nos níveis `high` e inferiores, o raciocínio pode ser desativado; em `xhigh` e `max`, é obrigatório. Esta versão não prevê extended thinking manual com um orçamento separado.\n\nAlterar o esforço influencia o volume do raciocínio, mas não é uma forma fiável de definir o comprimento do texto visível. Se for pretendida uma resposta breve ou uma estrutura específica, isso deve ser indicado na própria instrução. O contexto é de **1 milhão de tokens** e, no modo normal, a resposta máxima é de **128 mil tokens**; numa análise aprofundada, é necessário deixar espaço para o raciocínio e o conteúdo final.\n\n### Tarefas científicas e sensíveis\n\nA data de corte fiável do conhecimento integrado é **maio de 2026**. Entre as áreas científicas, a Anthropic descreve biologia estrutural, química orgânica e bioinformática. O fabricante assinala, porém, limitações relevantes em investigação biológica autónoma prolongada; a capacidade de discutir materiais científicos não implica concluir autonomamente qualquer investigação.\n\nOs mecanismos de proteção permitem procurar erros no código de origem, mas restringem algumas tarefas sensíveis. Informação atual exige materiais fornecidos ou pesquisa, e o resultado técnico ou científico requer verificação no seu domínio específico.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "82a6dc50678aa5731e751b725576c7d5ab9c1f6f35a598a3d9befbe3577d80bc", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "claude-opus-5-thinkingClaude Opus 5 destina-se a desenvolvimento cuidadoso, análise de informação e trabalho profissional com várias etapas. Suporta raciocínio adaptativo e verificação de resultados através das ferramentas da aplicação.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Claude Opus 5 é um modelo da Anthropic para trabalho profissional regular que exige estudar informação, fazer uma escolha fundamentada e executar a tarefa sequencialmente. O fabricante destaca engenharia de software, cenários empresariais com várias etapas, trabalho científico e análise de dados visuais. A sua apresentação centra-se numa execução cuidadosa e na verificação do próprio resultado.
No desenvolvimento, Opus 5 pode investigar a causa principal de um erro e utilizar verificações para avaliar uma alteração proposta. Se o material disponível para comparação for insuficiente, os cenários descritos incluem a criação de uma verificação própria, por exemplo, para o comportamento de um analisador sintático. O trabalho organiza-se em torno dos dados obtidos: o modelo lê-os, escolhe uma ação, observa o resultado e corrige os problemas identificados.
Para executar comandos, editar ficheiros e realizar verificações, a aplicação precisa das ferramentas correspondentes. A iniciativa do modelo refere-se à escolha e à sequência de ações no ambiente disponibilizado; não implica acesso autónomo ao projeto nem capacidade para realizar operações fora da aplicação.
Opus 5 recebe texto e imagens e produz texto. Nos cenários visuais, o fabricante apresenta a extração de geometria de uma imagem e a reconstrução de uma peça através de código escrito. Outros exemplos incluem uma simulação aerodinâmica interativa e uma ilustração de uma célula criadas por programação.
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.
Estas tarefas demonstram o trabalho conjunto de análise e engenharia: a imagem pode ser utilizada como material, e o resultado textual, como código ou descrição da solução. Executar a simulação, construir gráficos e produzir o ficheiro pronto exige ferramentas do ambiente; o modelo não dispõe de uma saída integrada separada de imagem ou vídeo.
O raciocínio adaptativo está ativado por predefinição, e o nível normal de effort é high. São suportados low, medium, high, xhigh e max. Nos níveis high e inferiores, o raciocínio pode ser desativado; em xhigh e max, é obrigatório. Esta versão não prevê extended thinking manual com um orçamento separado.
Alterar o esforço influencia o volume do raciocínio, mas não é uma forma fiável de definir o comprimento do texto visível. Se for pretendida uma resposta breve ou uma estrutura específica, isso deve ser indicado na própria instrução. O contexto é de 1 milhão de tokens e, no modo normal, a resposta máxima é de 128 mil tokens; numa análise aprofundada, é necessário deixar espaço para o raciocínio e o conteúdo final.
A data de corte fiável do conhecimento integrado é maio de 2026. Entre as áreas científicas, a Anthropic descreve biologia estrutural, química orgânica e bioinformática. O fabricante assinala, porém, limitações relevantes em investigação biológica autónoma prolongada; a capacidade de discutir materiais científicos não implica concluir autonomamente qualquer investigação.
Os mecanismos de proteção permitem procurar erros no código de origem, mas restringem algumas tarefas sensíveis. Informação atual exige materiais fornecidos ou pesquisa, e o resultado técnico ou científico requer verificação no seu domínio específico.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites claude-opus-5-thinking | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Conversação textual | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
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 |
Parâmetrocontrol_scope | ContratoConversação textual; stream é um booleano e tem false como predefinição. |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Aliases do método: /chat/completions
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 $0.01 / 1K tokens Saída · Tokens de saída $0.05 / 1K tokens Entrada · Leitura da cache $0.001 / 1K tokens Entrada · Escrita na cache $0.0125 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-opus-5-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-5-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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-5-thinking
/chat/completions