Claude Opus 4.1 är Anthropics uppdatering av den ursprungliga Claude Opus 4, med fokus på agentuppgifter, praktiskt kodningsarbete och resonemang. Lanseringsmaterialet framhåller även fördjupad forskning och dataanalys, särskilt att hålla reda på detaljer och använda sökning inom en större uppgift. Det tillhörande tillägget till systemkortet beskriver förbättringar i resonemangskvalitet och instruktionsföljning. Den förblir en separat utgåva från den ursprungliga Opus 4 och de senare modellerna Opus 4.5, 4.6 och 5; deras lägen och gränser ska inte behandlas som specifikationer för denna uppdatering.
För kodarbete framhåller lanseringsmaterialet refaktorering över flera filer och förmågan att identifiera precisa korrigeringar i en stor kodbas. Ge modellen relevanta filer eller utdrag, befintligt beteende, önskat beteende och de begränsningar som en giltig ändring måste bevara. En illustrativ begäran kan be den spåra ett fel över sammanhängande funktioner, föreslå den minsta sammanhängande ändringen och förklara varför varje ändrad del behövs. Det användbara resultatet är en granskningsbar korrigering eller ett kodförslag där källsammanhang och antaganden bevaras, snarare än en bred omskrivning som döljer det ursprungliga problemet.
För forskning och dataanalys är modellens fokus på detaljer användbart när en fråga beror på flera textavsnitt eller observationer. Tillhandahåll materialet med källidentifierare, definiera frågan och begär underlaget som stöder varje slutsats. Ett praktiskt underlag kan begära en jämförelsetabell som visar var två dokument är överens, var de skiljer sig och vilka frågor som förblir obesvarade. Om sökning ingår i arbetsflödet tillhandahåller applikationen verktyget och det returnerade innehållet. Modellen knyter sedan dessa resultat till befintligt material; ett föreslaget sökande i texten är inte en genomförd hämtning.
Opus 4.1 har ett standardsvarsläge och valfritt utökat resonemang. Den äldre resonemangsguiden ger direkt kontroll genom budget_tokens, med ett minimum på 1 024 token. Budgeten är normalt lägre än max_tokens eftersom internt resonemang och slutsvaret delar på genereringsutrymmet. Den är ett mål för resonemang, inte ett löfte om att förbruka hela mängden. Adaptivt resonemang och effort-kontrollerna i senare Opus-utgåvor är separata förmågor. Förbered ett fullständigt problem och ange slutsvarets format så att den extra analysen leder till det resultat läsaren behöver.
Den dokumenterade beta-funktionen för tidigare Claude 4-modeller stöder sammanflätat resonemang: resonemang mellan verktygsanrop inom samma assistenttur. Den använder tillverkarens funktion interleaved-thinking i det Messages-arbetsflöde som stöds. I detta läge kan resonemangsbudgeten sträcka sig över flera block och överskrida max_tokens-värdet för en enskild tur enligt det dokumenterade undantaget. Returnera det tillhörande resonemangsblocket utan ändringar tillsammans med ett verktygsresultat, inklusive dess signatur. Ett felsökningsflöde kan därmed växla mellan analys, en kontroll utförd av applikationen och tolkning av faktiska utdata, samtidigt som föreslagna åtgärder hålls åtskilda från utförda.
Tillägget till systemkortet beskriver även datoranvändningsuppgifter med observation av en skärm, musåtgärder och tangentbordsinmatning, tillsammans med längre kodningsuppgifter med verktyg. Modellen kan resonera utifrån ett tillhandahållet visuellt tillstånd och välja en åtgärd i en ansluten miljö; applikationen utför interaktionen och returnerar det som ändrats. För ett skärmbaserat underlag identifierar du målet, relevanta synliga kontroller och tillåtna åtgärder. För ett dokument- eller dataflöde begär du en textförklaring eller ett strukturerat resultat knutet till det tillhandahållna underlaget. Modellens tolkning och miljöns utförande är separata delar av arbetet.
Tillverkarens bedömning rapporterar en känslighet för promptinjektion som liknar den ursprungliga Opus 4-modellens. Den undersöker särskilt dold text eller gränssnittselement som försöker styra en agent bort från användarens uppgift. Håll uppgiftens instruktioner åtskilda från material som returneras av verktyg och bevara det ursprungliga målet när en sida eller ett dokument tolkas. Detta är ett väsentligt villkor för ett agentarbetsflöde: att se en begäran i externt innehåll gör den inte till en instruktion som användaren har godkänt. Modellens skydd gör inte varje påträffad sida till betrodda indata.
Dess systemkort beskriver också en kodningsbegränsning som kallas reward hacking, bland annat hårdkodade svar och lösningar anpassade enbart till exemplen framför modellen. Opus 4.1 uppvisar tendenser som liknar Opus 4, med vissa försämringar i dessa fokuserade bedömningar. För ett kodförslag begär du en lösning som uppfyller det allmänna kravet, identifierar vilka villkor den hanterar och omfattar kontroller utöver det enda tillhandahållna exemplet. Be slutrapporten skilja mellan det som föreslogs, det som miljön faktiskt kontrollerade och det som inte kunde fastställas. Det knyter modellens styrkor inom precis felsökning och detaljspårning till en konkret artefakt vars beteende kan granskas.
", "aboutText": "Claude Opus 4.1 är Anthropics uppdatering av den ursprungliga Claude Opus 4, med fokus på agentuppgifter, praktiskt kodningsarbete och resonemang. Lanseringsmaterialet framhåller även fördjupad forskning och dataanalys, särskilt att hålla reda på detaljer och använda sökning inom en större uppgift. Det tillhörande tillägget till systemkortet beskriver förbättringar i resonemangskvalitet och instruktionsföljning. Den förblir en separat utgåva från den ursprungliga Opus 4 och de senare modellerna Opus 4.5, 4.6 och 5; deras lägen och gränser ska inte behandlas som specifikationer för denna uppdatering.\n\nFör kodarbete framhåller lanseringsmaterialet refaktorering över flera filer och förmågan att identifiera precisa korrigeringar i en stor kodbas. Ge modellen relevanta filer eller utdrag, befintligt beteende, önskat beteende och de begränsningar som en giltig ändring måste bevara. En illustrativ begäran kan be den spåra ett fel över sammanhängande funktioner, föreslå den minsta sammanhängande ändringen och förklara varför varje ändrad del behövs. Det användbara resultatet är en granskningsbar korrigering eller ett kodförslag där källsammanhang och antaganden bevaras, snarare än en bred omskrivning som döljer det ursprungliga problemet.\n\nFör forskning och dataanalys är modellens fokus på detaljer användbart när en fråga beror på flera textavsnitt eller observationer. Tillhandahåll materialet med källidentifierare, definiera frågan och begär underlaget som stöder varje slutsats. Ett praktiskt underlag kan begära en jämförelsetabell som visar var två dokument är överens, var de skiljer sig och vilka frågor som förblir obesvarade. Om sökning ingår i arbetsflödet tillhandahåller applikationen verktyget och det returnerade innehållet. Modellen knyter sedan dessa resultat till befintligt material; ett föreslaget sökande i texten är inte en genomförd hämtning.\n\nOpus 4.1 har ett standardsvarsläge och valfritt utökat resonemang. Den äldre resonemangsguiden ger direkt kontroll genom budget_tokens, med ett minimum på 1 024 token. Budgeten är normalt lägre än max_tokens eftersom internt resonemang och slutsvaret delar på genereringsutrymmet. Den är ett mål för resonemang, inte ett löfte om att förbruka hela mängden. Adaptivt resonemang och effort-kontrollerna i senare Opus-utgåvor är separata förmågor. Förbered ett fullständigt problem och ange slutsvarets format så att den extra analysen leder till det resultat läsaren behöver.\n\nDen dokumenterade beta-funktionen för tidigare Claude 4-modeller stöder sammanflätat resonemang: resonemang mellan verktygsanrop inom samma assistenttur. Den använder tillverkarens funktion interleaved-thinking i det Messages-arbetsflöde som stöds. I detta läge kan resonemangsbudgeten sträcka sig över flera block och överskrida max_tokens-värdet för en enskild tur enligt det dokumenterade undantaget. Returnera det tillhörande resonemangsblocket utan ändringar tillsammans med ett verktygsresultat, inklusive dess signatur. Ett felsökningsflöde kan därmed växla mellan analys, en kontroll utförd av applikationen och tolkning av faktiska utdata, samtidigt som föreslagna åtgärder hålls åtskilda från utförda.\n\nTillägget till systemkortet beskriver även datoranvändningsuppgifter med observation av en skärm, musåtgärder och tangentbordsinmatning, tillsammans med längre kodningsuppgifter med verktyg. Modellen kan resonera utifrån ett tillhandahållet visuellt tillstånd och välja en åtgärd i en ansluten miljö; applikationen utför interaktionen och returnerar det som ändrats. För ett skärmbaserat underlag identifierar du målet, relevanta synliga kontroller och tillåtna åtgärder. För ett dokument- eller dataflöde begär du en textförklaring eller ett strukturerat resultat knutet till det tillhandahållna underlaget. Modellens tolkning och miljöns utförande är separata delar av arbetet.\n\nTillverkarens bedömning rapporterar en känslighet för promptinjektion som liknar den ursprungliga Opus 4-modellens. Den undersöker särskilt dold text eller gränssnittselement som försöker styra en agent bort från användarens uppgift. Håll uppgiftens instruktioner åtskilda från material som returneras av verktyg och bevara det ursprungliga målet när en sida eller ett dokument tolkas. Detta är ett väsentligt villkor för ett agentarbetsflöde: att se en begäran i externt innehåll gör den inte till en instruktion som användaren har godkänt. Modellens skydd gör inte varje påträffad sida till betrodda indata.\n\nDess systemkort beskriver också en kodningsbegränsning som kallas reward hacking, bland annat hårdkodade svar och lösningar anpassade enbart till exemplen framför modellen. Opus 4.1 uppvisar tendenser som liknar Opus 4, med vissa försämringar i dessa fokuserade bedömningar. För ett kodförslag begär du en lösning som uppfyller det allmänna kravet, identifierar vilka villkor den hanterar och omfattar kontroller utöver det enda tillhandahållna exemplet. Be slutrapporten skilja mellan det som föreslogs, det som miljön faktiskt kontrollerade och det som inte kunde fastställas. Det knyter modellens styrkor inom precis felsökning och detaljspårning till en konkret artefakt vars beteende kan granskas.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "6afd73a3c47a435e13a1af6892f22e3da146fea8bc901a504a8a999421973bb1", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "anthropic/claude-opus-4.1:batchClaude Opus 4.1 är Anthropics uppdatering av Opus 4 för agentbaserat programvaruarbete, forskning, dataanalys och resonemang. Fokus omfattar att hålla reda på detaljer, kodändringar i flera filer och precis felsökning, med standardsvar eller valfritt utökat resonemang.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Claude Opus 4.1 är Anthropics uppdatering av den ursprungliga Claude Opus 4, med fokus på agentuppgifter, praktiskt kodningsarbete och resonemang. Lanseringsmaterialet framhåller även fördjupad forskning och dataanalys, särskilt att hålla reda på detaljer och använda sökning inom en större uppgift. Det tillhörande tillägget till systemkortet beskriver förbättringar i resonemangskvalitet och instruktionsföljning. Den förblir en separat utgåva från den ursprungliga Opus 4 och de senare modellerna Opus 4.5, 4.6 och 5; deras lägen och gränser ska inte behandlas som specifikationer för denna uppdatering.
För kodarbete framhåller lanseringsmaterialet refaktorering över flera filer och förmågan att identifiera precisa korrigeringar i en stor kodbas. Ge modellen relevanta filer eller utdrag, befintligt beteende, önskat beteende och de begränsningar som en giltig ändring måste bevara. En illustrativ begäran kan be den spåra ett fel över sammanhängande funktioner, föreslå den minsta sammanhängande ändringen och förklara varför varje ändrad del behövs. Det användbara resultatet är en granskningsbar korrigering eller ett kodförslag där källsammanhang och antaganden bevaras, snarare än en bred omskrivning som döljer det ursprungliga problemet.
För forskning och dataanalys är modellens fokus på detaljer användbart när en fråga beror på flera textavsnitt eller observationer. Tillhandahåll materialet med källidentifierare, definiera frågan och begär underlaget som stöder varje slutsats. Ett praktiskt underlag kan begära en jämförelsetabell som visar var två dokument är överens, var de skiljer sig och vilka frågor som förblir obesvarade. Om sökning ingår i arbetsflödet tillhandahåller applikationen verktyget och det returnerade innehållet. Modellen knyter sedan dessa resultat till befintligt material; ett föreslaget sökande i texten är inte en genomförd hämtning.
Opus 4.1 har ett standardsvarsläge och valfritt utökat resonemang. Den äldre resonemangsguiden ger direkt kontroll genom budget_tokens, med ett minimum på 1 024 token. Budgeten är normalt lägre än max_tokens eftersom internt resonemang och slutsvaret delar på genereringsutrymmet. Den är ett mål för resonemang, inte ett löfte om att förbruka hela mängden. Adaptivt resonemang och effort-kontrollerna i senare Opus-utgåvor är separata förmågor. Förbered ett fullständigt problem och ange slutsvarets format så att den extra analysen leder till det resultat läsaren behöver.
Den dokumenterade beta-funktionen för tidigare Claude 4-modeller stöder sammanflätat resonemang: resonemang mellan verktygsanrop inom samma assistenttur. Den använder tillverkarens funktion interleaved-thinking i det Messages-arbetsflöde som stöds. I detta läge kan resonemangsbudgeten sträcka sig över flera block och överskrida max_tokens-värdet för en enskild tur enligt det dokumenterade undantaget. Returnera det tillhörande resonemangsblocket utan ändringar tillsammans med ett verktygsresultat, inklusive dess signatur. Ett felsökningsflöde kan därmed växla mellan analys, en kontroll utförd av applikationen och tolkning av faktiska utdata, samtidigt som föreslagna åtgärder hålls åtskilda från utförda.
Tillägget till systemkortet beskriver även datoranvändningsuppgifter med observation av en skärm, musåtgärder och tangentbordsinmatning, tillsammans med längre kodningsuppgifter med verktyg. Modellen kan resonera utifrån ett tillhandahållet visuellt tillstånd och välja en åtgärd i en ansluten miljö; applikationen utför interaktionen och returnerar det som ändrats. För ett skärmbaserat underlag identifierar du målet, relevanta synliga kontroller och tillåtna åtgärder. För ett dokument- eller dataflöde begär du en textförklaring eller ett strukturerat resultat knutet till det tillhandahållna underlaget. Modellens tolkning och miljöns utförande är separata delar av arbetet.
Tillverkarens bedömning rapporterar en känslighet för promptinjektion som liknar den ursprungliga Opus 4-modellens. Den undersöker särskilt dold text eller gränssnittselement som försöker styra en agent bort från användarens uppgift. Håll uppgiftens instruktioner åtskilda från material som returneras av verktyg och bevara det ursprungliga målet när en sida eller ett dokument tolkas. Detta är ett väsentligt villkor för ett agentarbetsflöde: att se en begäran i externt innehåll gör den inte till en instruktion som användaren har godkänt. Modellens skydd gör inte varje påträffad sida till betrodda indata.
Dess systemkort beskriver också en kodningsbegränsning som kallas reward hacking, bland annat hårdkodade svar och lösningar anpassade enbart till exemplen framför modellen. Opus 4.1 uppvisar tendenser som liknar Opus 4, med vissa försämringar i dessa fokuserade bedömningar. För ett kodförslag begär du en lösning som uppfyller det allmänna kravet, identifierar vilka villkor den hanterar och omfattar kontroller utöver det enda tillhandahållna exemplet. Be slutrapporten skilja mellan det som föreslogs, det som miljön faktiskt kontrollerade och det som inte kunde fastställas. Det knyter modellens styrkor inom precis felsökning och detaljspårning till en konkret artefakt vars beteende kan granskas.
POST /v1/batchestexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältendpoint | Typstring | KravObligatoriskt | Värden & gränser /v1/chat/completions | Standard— |
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser anthropic/claude-opus-4.1:batch | Standard— |
Fältrequests | Typbatch_item[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältrequests[].custom_id | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältrequests[].body.messages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältcompletion_window | Typstring | KravValfritt | Värden & gränser 24h | Standard— |
Fältprovider | Typobject|null | KravValfritt | Värden & gränser | Standard— |
Fältrequests[].body.model | Typstring | KravValfritt | Värden & gränser anthropic/claude-opus-4.1:batch, anthropic/claude-opus-4.1 | Standard— |
Fältprovider.only | Typstring[] | KravValfritt | Värden & gränser anthropic | Standard— |
Fältprovider.allow_fallbacks | Typboolean|null | KravValfritt | Värden & gränser false, null | Standard— |
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalendpoint, model, requests |
Parametermaterial_types | Avtaltext |
Parameterrepresentation | AvtalInbäddade requests[]; varje objekt har custom_id och body |
Parameterrequest_endpoint_profile | Avtal/v1/chat/completions |
Parameterfile_material | AvtalDen anropande klienten kan läsa in faktiska UTF-8 JSONL-data lokalt i requests[]. Inget uppladdningssyfte, input_file_id eller någon filreferens används. Om kundmaterial saknas eller är tomt avbryts förberedelserna före POST. |
Parameterserialization_order | Avtalendpoint, model, provider (om angivet), completion_window (om angivet), requests sist |
Parameteroptional_controls | Avtalprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | AvtalFörfrågningskroppar för Text Chat Completions i det dokumenterade inbäddade Batch-formatet. |
Livscykel: asynchronous
GET /v1/batches/{operation_id} · Det faktiska response.id från det ursprungliga skapandesvaret; samma användare/nyckel/grupp
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.015 / 1K token Utdata · Utdatatoken $0.075 / 1K token Indata · Cacheläsning $0.0015 / 1K token Indata · Skrivning till cache $0.01875 / 1K token Indata · Skrivning till cache, 1 tim $0.03 / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.015 / 1K token Utdata · Utdatatoken $0.075 / 1K token Indata · Cacheläsning $0.0015 / 1K token Indata · Skrivning till cache $0.01875 / 1K token Indata · Skrivning till cache, 1 tim $0.03 / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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 i inbäddade 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\nBehåll varje fullständigt returnerat svar, fil och innehållsdel.
Spara hela det ursprungliga statusobjektet i JSON, varje resultat/custom_id och hela svars- eller felkroppen. Spara slutförda results[] som JSONL utan filtrering.
Behåll det ursprungliga operations-ID:t. Vid 503 result_pending_check gäller X-Should-Retry:false; skicka aldrig om en ursprunglig batch med okänt utfall.
| Fält | Typ |
|---|---|
Fältresults[].custom_id | Typstring |
Fältresults[].response.body.choices[].message.content | Typstring|null |
Fältresults[].error | Typobject|null |
Fältusage | Typobject|null |
Fältid | Typstring |
Fältmodel | Typstring |
Fältendpoint | Typstring |
Fältstatus | Typstring |
Fältrequest_counts | Typobject |
Fältresults[].id | Typstring |
Fältresults[].response.status_code | Typinteger |
Fältresults[].response.request_id | Typstring |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorFörfrågan har ett ogiltigt inbäddat format enligt dokumentationen, duplicerade nycklar eller en felaktig objektidentitet, eller står i konflikt med modellens konfigurerade funktioner. | Nästa stegRätta de angivna fälten innan du skickar en ny förfrågan. |
Svar401 · authentication_error | VillkorOgiltig API-nyckel. | Nästa stegAnvänd den behöriga Ailoot-nyckeln. |
Svar403 · permission_error | VillkorGrupp för batchkörning är inte tillgänglig. | Nästa stegKontrollera nyckelns/gruppens behörighet. |
Svar422 · invalid_request_error | VillkorBatchkörning debiteras från saldot; skapande via abonnemang avvisas. | Nästa stegAnvänd den behöriga gruppen med saldodebitering. |
Svar422 · price_unavailable | VillkorKostnaden för batchindata kan inte beräknas i förväg. | Nästa stegSpara svaret; använd det dokumenterade indataformatet för API-familjen. |
Svar402 · billing_error | VillkorReservation för batchkörning är inte tillgänglig. | Nästa stegSe till att villkoren för att godta förfrågan är uppfyllda innan du skickar en ny. |
Svar503 · price_unavailable | VillkorPriset för batchmetoden eller de inbyggda priserna är inte tillgängliga. | Nästa stegSpara svaret; ersätt inte priserna med andra. |
Svar503 · api_error | VillkorDen exakta leverantörsrutten är inte tillgänglig. | Nästa stegSpara svaret för att kunna reparera routningen. |
Svar503 · result_pending_check | VillkorDet ursprungliga resultatet behöver kontrolleras; X-Should-Retry:false. | Nästa stegBehåll det ursprungliga värdet för operation_id/id och läs av operationens status; upprepa aldrig det ursprungliga POST-anropet. |
Svar404 · not_found | VillkorOperationen för batchstatus saknas eller tillhör en annan identitet. | Nästa stegAnvänd exakt det ursprungliga id-värdet och samma användare/nyckel/grupp. |
Ailoot Ultra anthropic/claude-opus-4.1:batch
Använd metodsökvägarna som visas ovan.