Claude Sonnet 4.5 är Anthropics Sonnet-utgåva med fokus på programvaruutveckling, komplexa agentuppgifter och datoranvändning, med förbättringar inom resonemang och matematik. Den tar emot text och bilder och genererar text. Utgåvan beskrivs som avsedd för långvarigt arbete över flera steg, kodförståelse och ändringar som berör ett större projekt snarare än en enskild isolerad funktion. Ett användbart underlag anger det önskade beteendet, relevant källmaterial och artefakten som ska levereras: en föreslagen korrigering, en implementationsförklaring, en dokumentanalys eller ett strukturerat svar.
För programvaruarbete tillhandahåller du projektets begränsningar, relevanta filer eller utdrag, det observerade felet och ett konkret exempel på det förväntade resultatet. Begär den berörda koden och en förklaring av hur den föreslagna ändringen hanterar exemplet. Tillverkaren presenterar modellen som lämplig för att bygga agenter och genomföra utvecklingsuppgifter med verktyg. Den omgivande applikationen läser och redigerar filer, kör ett kommando eller en kontroll och returnerar dess faktiska utdata; modellen resonerar utifrån detta underlag. Håll den föreslagna ändringen och den utförda kontrollen åtskilda i slutrapporten.
Datoranvändning är en separat tillämpning av modellens visuella förmågor och agentförmågor. Anthropics lanseringsmaterial visar interaktion med webbläsare, navigering på sidor och arbete med kalkylblad genom en ansluten miljö. Ett visuellt underlag kan innehålla en skärmbild, ange målet och definiera vilka åtgärder applikationen tillåter. Applikationen utför sedan den valda interaktionen och returnerar den ändrade skärmen eller ett annat resultat. På samma sätt kan modellen förbereda innehåll och kod för dokument, kalkylblad och presentationsbilder, medan miljön producerar den färdiga filen. Text- och bildförståelse gör inte modellen till en inbyggd bild- eller ljudgenerator.
Tillverkarens exakta specifikation anger ett kontextfönster på 200K token och upp till 64K utdatatoken. Modellens gräns för tillförlitlig kunskap är januari 2025, vilket skiljer sig från den senare gräns för träningsdata som anges på sidan. Håll dokumentgränser, sidbeteckningar, enheter och kodidentifierare tydliga i långa indata och reservera utrymme för det begärda svaret och eventuellt resonemang. Tillverkaren dokumenterar även kontextmedvetenhet för denna utgåva, så det arbetsflöde som stöds håller reda på hur mycket utrymme som återstår under samtalet. Det hjälper till att hantera en långvarig uppgift inom fönstret; det ersätter inte fönstret med den större kapaciteten hos en senare Sonnet-utgåva.
Sonnet 4.5 stöder vanliga svar och manuellt utökat resonemang. I det senare läget anger budget_tokens ett mål för det interna resonemanget före det synliga svaret. Det dokumenterade minimumet är 1 024 token, och budgeten måste normalt vara lägre än max_tokens eftersom resonemanget och slutsvaret delar på genereringsutrymmet. Budgeten är ett mål, inte ett löfte om att förbruka exakt så många token. Denna utgåva har inte det adaptiva resonemangsläge eller de effort-kontroller som beskrivs för senare Sonnet-modeller. Välj det begärda analysdjupet och lämna tillräckligt utrymme för ett användbart slutsvar.
Tillverkarens beta-funktion för sammanflätat resonemang låter Sonnet 4.5 resonera mellan verktygsanrop inom en samtalstur och använda de returnerade observationerna för att avgöra nästa steg. Den kräver den dokumenterade beta-funktionen i det Messages-arbetsflöde som stöds. I detta fall kan resonemangsbudgeten överstiga max_tokens eftersom den sträcker sig över flera resonemangsblock i samma assistenttur. Returnera verktygsresultaten tillsammans med tillhörande resonemangsinnehåll utan ändringar, inklusive dess signatur; redigering gör innehållet ogiltigt. En forsknings- eller felsökningsuppgift kan därmed växla mellan en föreslagen kontroll, det faktiska returnerade resultatet och en uppdaterad analys utan att behandla ett textförslag som en utförd åtgärd.
För visuellt material stöder tillverkaren JPEG, PNG, GIF och WebP och använder endast den första bildrutan i en animation. Den standardnivå för modellens egen bildhantering som används i denna utgåva har en gräns på 1 568 pixlar för långsidan och 1 568 visuella token; större bilder skalas ned. Tillverkarens bildguide anger upp till 100 bilder per API-begäran för modeller med 200K-kontext, med villkor för bildstorlek och total begäransstorlek som kan nås först. Placera om möjligt bilderna före frågan, märk upp flera bilder och bevara liten text eller diagrambeteckningar. Guiden rekommenderar tydliga bilder och tillräckligt mycket omgivande sammanhang för att tolka den synliga detaljen.
Kontextredigering och ett minnesverktyg introducerades samtidigt med modellen för att stödja längre agentarbetsflöden. Detta är applikationsstödda sätt att bevara användbart tillstånd eller ta bort gammalt verktygsmaterial; de är inte ett obegränsat modellminne eller den senare serverkomprimeringsfunktionen. För en uppgift i flera steg bevarar du redan fattade beslut, den återstående frågan och det underlag som behövs för nästa steg. Anthropic beskriver också starkare motstånd mot dolda instruktioner i externt innehåll och påpekar samtidigt att modellspecifika klassificerare ibland kan flagga ofarligt material. Det användbara resultatet förblir en granskningsbar artefakt knuten till tillhandahållet underlag, där de exakta lägena och gränserna för Sonnet 4.5 hålls åtskilda från senare utgåvor.
", "aboutText": "Claude Sonnet 4.5 är Anthropics Sonnet-utgåva med fokus på programvaruutveckling, komplexa agentuppgifter och datoranvändning, med förbättringar inom resonemang och matematik. Den tar emot text och bilder och genererar text. Utgåvan beskrivs som avsedd för långvarigt arbete över flera steg, kodförståelse och ändringar som berör ett större projekt snarare än en enskild isolerad funktion. Ett användbart underlag anger det önskade beteendet, relevant källmaterial och artefakten som ska levereras: en föreslagen korrigering, en implementationsförklaring, en dokumentanalys eller ett strukturerat svar.\n\nFör programvaruarbete tillhandahåller du projektets begränsningar, relevanta filer eller utdrag, det observerade felet och ett konkret exempel på det förväntade resultatet. Begär den berörda koden och en förklaring av hur den föreslagna ändringen hanterar exemplet. Tillverkaren presenterar modellen som lämplig för att bygga agenter och genomföra utvecklingsuppgifter med verktyg. Den omgivande applikationen läser och redigerar filer, kör ett kommando eller en kontroll och returnerar dess faktiska utdata; modellen resonerar utifrån detta underlag. Håll den föreslagna ändringen och den utförda kontrollen åtskilda i slutrapporten.\n\nDatoranvändning är en separat tillämpning av modellens visuella förmågor och agentförmågor. Anthropics lanseringsmaterial visar interaktion med webbläsare, navigering på sidor och arbete med kalkylblad genom en ansluten miljö. Ett visuellt underlag kan innehålla en skärmbild, ange målet och definiera vilka åtgärder applikationen tillåter. Applikationen utför sedan den valda interaktionen och returnerar den ändrade skärmen eller ett annat resultat. På samma sätt kan modellen förbereda innehåll och kod för dokument, kalkylblad och presentationsbilder, medan miljön producerar den färdiga filen. Text- och bildförståelse gör inte modellen till en inbyggd bild- eller ljudgenerator.\n\nTillverkarens exakta specifikation anger ett kontextfönster på 200K token och upp till 64K utdatatoken. Modellens gräns för tillförlitlig kunskap är januari 2025, vilket skiljer sig från den senare gräns för träningsdata som anges på sidan. Håll dokumentgränser, sidbeteckningar, enheter och kodidentifierare tydliga i långa indata och reservera utrymme för det begärda svaret och eventuellt resonemang. Tillverkaren dokumenterar även kontextmedvetenhet för denna utgåva, så det arbetsflöde som stöds håller reda på hur mycket utrymme som återstår under samtalet. Det hjälper till att hantera en långvarig uppgift inom fönstret; det ersätter inte fönstret med den större kapaciteten hos en senare Sonnet-utgåva.\n\nSonnet 4.5 stöder vanliga svar och manuellt utökat resonemang. I det senare läget anger budget_tokens ett mål för det interna resonemanget före det synliga svaret. Det dokumenterade minimumet är 1 024 token, och budgeten måste normalt vara lägre än max_tokens eftersom resonemanget och slutsvaret delar på genereringsutrymmet. Budgeten är ett mål, inte ett löfte om att förbruka exakt så många token. Denna utgåva har inte det adaptiva resonemangsläge eller de effort-kontroller som beskrivs för senare Sonnet-modeller. Välj det begärda analysdjupet och lämna tillräckligt utrymme för ett användbart slutsvar.\n\nTillverkarens beta-funktion för sammanflätat resonemang låter Sonnet 4.5 resonera mellan verktygsanrop inom en samtalstur och använda de returnerade observationerna för att avgöra nästa steg. Den kräver den dokumenterade beta-funktionen i det Messages-arbetsflöde som stöds. I detta fall kan resonemangsbudgeten överstiga max_tokens eftersom den sträcker sig över flera resonemangsblock i samma assistenttur. Returnera verktygsresultaten tillsammans med tillhörande resonemangsinnehåll utan ändringar, inklusive dess signatur; redigering gör innehållet ogiltigt. En forsknings- eller felsökningsuppgift kan därmed växla mellan en föreslagen kontroll, det faktiska returnerade resultatet och en uppdaterad analys utan att behandla ett textförslag som en utförd åtgärd.\n\nFör visuellt material stöder tillverkaren JPEG, PNG, GIF och WebP och använder endast den första bildrutan i en animation. Den standardnivå för modellens egen bildhantering som används i denna utgåva har en gräns på 1 568 pixlar för långsidan och 1 568 visuella token; större bilder skalas ned. Tillverkarens bildguide anger upp till 100 bilder per API-begäran för modeller med 200K-kontext, med villkor för bildstorlek och total begäransstorlek som kan nås först. Placera om möjligt bilderna före frågan, märk upp flera bilder och bevara liten text eller diagrambeteckningar. Guiden rekommenderar tydliga bilder och tillräckligt mycket omgivande sammanhang för att tolka den synliga detaljen.\n\nKontextredigering och ett minnesverktyg introducerades samtidigt med modellen för att stödja längre agentarbetsflöden. Detta är applikationsstödda sätt att bevara användbart tillstånd eller ta bort gammalt verktygsmaterial; de är inte ett obegränsat modellminne eller den senare serverkomprimeringsfunktionen. För en uppgift i flera steg bevarar du redan fattade beslut, den återstående frågan och det underlag som behövs för nästa steg. Anthropic beskriver också starkare motstånd mot dolda instruktioner i externt innehåll och påpekar samtidigt att modellspecifika klassificerare ibland kan flagga ofarligt material. Det användbara resultatet förblir en granskningsbar artefakt knuten till tillhandahållet underlag, där de exakta lägena och gränserna för Sonnet 4.5 hålls åtskilda från senare utgåvor.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "de4c78f7689d17f7784f8c54231c905eeaf464edc2eeb1fdf3d9423dae44320d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "anthropic/claude-sonnet-4.5:batchClaude Sonnet 4.5 är Anthropics text- och bildmodell för programvaruutveckling, komplexa agenter, datoranvändning och analytiskt arbete. Den stöder direkta svar eller manuellt utökat resonemang, med resonemang mellan verktygsanrop i det dokumenterade beta-arbetsflödet.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Claude Sonnet 4.5 är Anthropics Sonnet-utgåva med fokus på programvaruutveckling, komplexa agentuppgifter och datoranvändning, med förbättringar inom resonemang och matematik. Den tar emot text och bilder och genererar text. Utgåvan beskrivs som avsedd för långvarigt arbete över flera steg, kodförståelse och ändringar som berör ett större projekt snarare än en enskild isolerad funktion. Ett användbart underlag anger det önskade beteendet, relevant källmaterial och artefakten som ska levereras: en föreslagen korrigering, en implementationsförklaring, en dokumentanalys eller ett strukturerat svar.
För programvaruarbete tillhandahåller du projektets begränsningar, relevanta filer eller utdrag, det observerade felet och ett konkret exempel på det förväntade resultatet. Begär den berörda koden och en förklaring av hur den föreslagna ändringen hanterar exemplet. Tillverkaren presenterar modellen som lämplig för att bygga agenter och genomföra utvecklingsuppgifter med verktyg. Den omgivande applikationen läser och redigerar filer, kör ett kommando eller en kontroll och returnerar dess faktiska utdata; modellen resonerar utifrån detta underlag. Håll den föreslagna ändringen och den utförda kontrollen åtskilda i slutrapporten.
Datoranvändning är en separat tillämpning av modellens visuella förmågor och agentförmågor. Anthropics lanseringsmaterial visar interaktion med webbläsare, navigering på sidor och arbete med kalkylblad genom en ansluten miljö. Ett visuellt underlag kan innehålla en skärmbild, ange målet och definiera vilka åtgärder applikationen tillåter. Applikationen utför sedan den valda interaktionen och returnerar den ändrade skärmen eller ett annat resultat. På samma sätt kan modellen förbereda innehåll och kod för dokument, kalkylblad och presentationsbilder, medan miljön producerar den färdiga filen. Text- och bildförståelse gör inte modellen till en inbyggd bild- eller ljudgenerator.
Tillverkarens exakta specifikation anger ett kontextfönster på 200K token och upp till 64K utdatatoken. Modellens gräns för tillförlitlig kunskap är januari 2025, vilket skiljer sig från den senare gräns för träningsdata som anges på sidan. Håll dokumentgränser, sidbeteckningar, enheter och kodidentifierare tydliga i långa indata och reservera utrymme för det begärda svaret och eventuellt resonemang. Tillverkaren dokumenterar även kontextmedvetenhet för denna utgåva, så det arbetsflöde som stöds håller reda på hur mycket utrymme som återstår under samtalet. Det hjälper till att hantera en långvarig uppgift inom fönstret; det ersätter inte fönstret med den större kapaciteten hos en senare Sonnet-utgåva.
Sonnet 4.5 stöder vanliga svar och manuellt utökat resonemang. I det senare läget anger budget_tokens ett mål för det interna resonemanget före det synliga svaret. Det dokumenterade minimumet är 1 024 token, och budgeten måste normalt vara lägre än max_tokens eftersom resonemanget och slutsvaret delar på genereringsutrymmet. Budgeten är ett mål, inte ett löfte om att förbruka exakt så många token. Denna utgåva har inte det adaptiva resonemangsläge eller de effort-kontroller som beskrivs för senare Sonnet-modeller. Välj det begärda analysdjupet och lämna tillräckligt utrymme för ett användbart slutsvar.
Tillverkarens beta-funktion för sammanflätat resonemang låter Sonnet 4.5 resonera mellan verktygsanrop inom en samtalstur och använda de returnerade observationerna för att avgöra nästa steg. Den kräver den dokumenterade beta-funktionen i det Messages-arbetsflöde som stöds. I detta fall kan resonemangsbudgeten överstiga max_tokens eftersom den sträcker sig över flera resonemangsblock i samma assistenttur. Returnera verktygsresultaten tillsammans med tillhörande resonemangsinnehåll utan ändringar, inklusive dess signatur; redigering gör innehållet ogiltigt. En forsknings- eller felsökningsuppgift kan därmed växla mellan en föreslagen kontroll, det faktiska returnerade resultatet och en uppdaterad analys utan att behandla ett textförslag som en utförd åtgärd.
För visuellt material stöder tillverkaren JPEG, PNG, GIF och WebP och använder endast den första bildrutan i en animation. Den standardnivå för modellens egen bildhantering som används i denna utgåva har en gräns på 1 568 pixlar för långsidan och 1 568 visuella token; större bilder skalas ned. Tillverkarens bildguide anger upp till 100 bilder per API-begäran för modeller med 200K-kontext, med villkor för bildstorlek och total begäransstorlek som kan nås först. Placera om möjligt bilderna före frågan, märk upp flera bilder och bevara liten text eller diagrambeteckningar. Guiden rekommenderar tydliga bilder och tillräckligt mycket omgivande sammanhang för att tolka den synliga detaljen.
Kontextredigering och ett minnesverktyg introducerades samtidigt med modellen för att stödja längre agentarbetsflöden. Detta är applikationsstödda sätt att bevara användbart tillstånd eller ta bort gammalt verktygsmaterial; de är inte ett obegränsat modellminne eller den senare serverkomprimeringsfunktionen. För en uppgift i flera steg bevarar du redan fattade beslut, den återstående frågan och det underlag som behövs för nästa steg. Anthropic beskriver också starkare motstånd mot dolda instruktioner i externt innehåll och påpekar samtidigt att modellspecifika klassificerare ibland kan flagga ofarligt material. Det användbara resultatet förblir en granskningsbar artefakt knuten till tillhandahållet underlag, där de exakta lägena och gränserna för Sonnet 4.5 hålls åtskilda från senare utgåvor.
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-sonnet-4.5: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-sonnet-4.5:batch, anthropic/claude-sonnet-4.5 | 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 $0.003 / 1K token Utdata · Utdatatoken $0.015 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache $0.00375 / 1K token Indata · Skrivning till cache, 1 tim $0.006 / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med200 000 | Avgift Indata · Indatatoken $0.003 / 1K token Utdata · Utdatatoken $0.015 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache $0.00375 / 1K token Indata · Skrivning till cache, 1 tim $0.006 / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än200 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.006 / 1K token Utdata · Utdatatoken $0.0225 / 1K token Indata · Cacheläsning $0.0006 / 1K token Indata · Skrivning till cache $0.0075 / 1K token Indata · Skrivning till cache, 1 tim $0.012 / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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-sonnet-4.5: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-sonnet-4.5:batch', 'anthropic/claude-sonnet-4.5']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-sonnet-4.5: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-sonnet-4.5:batch
Använd metodsökvägarna som visas ovan.