Claude Opus 4 Thinking tillämpar utökat resonemang på den ursprungliga modellen Claude Opus 4. Anthropic positionerar denna generation för svårt programmeringsarbete, forskning, skrivande och uppgifter som kräver att riktningen hålls över många steg. Beteckningen Thinking avser hur modellen tar sig an ett svar; den gör inte den ursprungliga Opus 4 till en senare Opus-utgåva.
Claude Opus 4 kombinerar ett standardsvarsläge med ett läge för utökat resonemang. I det utökade läget kan den lägga mer tid på att undersöka ett problem innan den svarar. Tillverkaren beskriver uthålligt arbete med komplexa uppgifter som en central styrka, särskilt när uppgiften kräver att en följd av slutsatser knyts samman i stället för att enskilda promptar löses.
För en forskningsfråga tillhandahåller du materialet som ska jämföras, det beslut det ska stödja och de villkor som är relevanta. Begär en underbyggd syntes som skiljer slutsatser, antaganden och öppna frågor åt. För en skrivuppgift anger du målgruppen, källmaterialet, den nödvändiga strukturen och de påståenden resultatet ska förklara. Detta är praktiska tillämpningar av modellens dokumenterade forsknings- och skrivförmågor, inte löften om ett visst resultat.
Anthropic betonar förståelse av komplex kod, redigering, felsökning och ändringar som omfattar flera filer. Ge modellen relevanta moduler, gränssnittskontrakt, förväntat beteende och befintliga tester eller felutdata. Definiera omfattningen av den begärda ändringen och be modellen förklara de beroenden som gör de föreslagna redigeringarna nödvändiga.
Ett användbart ingenjörsresultat knyter samman tre saker: problemets orsak, en sammanhängande implementation och ett sätt att kontrollera det resulterande beteendet. Vid en refaktorering anger du vilka publika gränssnitt och observerbara beteenden som måste förbli stabila. För en funktion beskriver du användarflödet och dess felfall. Det gör modellens uthålliga resonemang användbart för projektet i stället för att bara ge ett längre svar.
Den ursprungliga Claude 4-generationen lägger till resonemang mellan verktygsanrop i Anthropics dokumenterade arbetsflöde för utökat resonemang. Den kan granska ett verktygsresultat, ompröva sitt tillvägagångssätt och välja en efterföljande åtgärd. Tillverkaren beskriver även parallell verktygsanvändning och bättre kontinuitet när en applikation tillhandahåller lokala filer som modellen kan läsa och uppdatera.
En agent som använder dessa förmågor behöver en applikation som tillhandahåller verktygen, utför begärda åtgärder och returnerar deras resultat. Minnesfiler hör också till applikationsmiljön; de är inte en obegränsad lagring som automatiskt följer med mellan orelaterade samtal. När du utformar ett arbetsflöde returnerar du relevanta observationer till modellen och håller uppgiftens mål och godkännandekriterier tillgängliga.
Claude Opus 4 stöder även visuell analys. Skärmbilder, diagram och scheman kan ge underlag tillsammans med text, medan modellens svar förblir textbaserat. Använd tydligt läsbara bilder och ange vilka samband du vill få förklarade. Ta med källvärden när uppgiften beror på exakta antal eller mått, eftersom visuell tolkning kan vara ungefärlig.
För en Ailoot API-uppgift anger du vilken slutlig artefakt du behöver: ett förslag till ändringar i flera filer, en teknisk utredning, en forskningssyntes eller ett noggrant strukturerat dokument. Lägg till det underlag och de begränsningar som låter modellen välja ett tillvägagångssätt. Tillverkarens sammanfattningar av utökat resonemang ger en förklaring tillsammans med resultatet, men en sammanfattning är inte en ordagrann redogörelse för allt resonemang. Granska den levererade koden eller analysen mot uppgiftens krav, inklusive antaganden som fortfarande behöver underlag.
", "aboutText": "Claude Opus 4 Thinking tillämpar utökat resonemang på den ursprungliga modellen Claude Opus 4. Anthropic positionerar denna generation för svårt programmeringsarbete, forskning, skrivande och uppgifter som kräver att riktningen hålls över många steg. Beteckningen Thinking avser hur modellen tar sig an ett svar; den gör inte den ursprungliga Opus 4 till en senare Opus-utgåva.\n\n### Resonera genom en krävande uppgift\n\nClaude Opus 4 kombinerar ett standardsvarsläge med ett läge för utökat resonemang. I det utökade läget kan den lägga mer tid på att undersöka ett problem innan den svarar. Tillverkaren beskriver uthålligt arbete med komplexa uppgifter som en central styrka, särskilt när uppgiften kräver att en följd av slutsatser knyts samman i stället för att enskilda promptar löses.\n\nFör en forskningsfråga tillhandahåller du materialet som ska jämföras, det beslut det ska stödja och de villkor som är relevanta. Begär en underbyggd syntes som skiljer slutsatser, antaganden och öppna frågor åt. För en skrivuppgift anger du målgruppen, källmaterialet, den nödvändiga strukturen och de påståenden resultatet ska förklara. Detta är praktiska tillämpningar av modellens dokumenterade forsknings- och skrivförmågor, inte löften om ett visst resultat.\n\n### Ändringar över en kodbas\n\nAnthropic betonar förståelse av komplex kod, redigering, felsökning och ändringar som omfattar flera filer. Ge modellen relevanta moduler, gränssnittskontrakt, förväntat beteende och befintliga tester eller felutdata. Definiera omfattningen av den begärda ändringen och be modellen förklara de beroenden som gör de föreslagna redigeringarna nödvändiga.\n\nEtt användbart ingenjörsresultat knyter samman tre saker: problemets orsak, en sammanhängande implementation och ett sätt att kontrollera det resulterande beteendet. Vid en refaktorering anger du vilka publika gränssnitt och observerbara beteenden som måste förbli stabila. För en funktion beskriver du användarflödet och dess felfall. Det gör modellens uthålliga resonemang användbart för projektet i stället för att bara ge ett längre svar.\n\n### Verktyg, parallellt arbete och kontinuitet\n\nDen ursprungliga Claude 4-generationen lägger till resonemang mellan verktygsanrop i Anthropics dokumenterade arbetsflöde för utökat resonemang. Den kan granska ett verktygsresultat, ompröva sitt tillvägagångssätt och välja en efterföljande åtgärd. Tillverkaren beskriver även parallell verktygsanvändning och bättre kontinuitet när en applikation tillhandahåller lokala filer som modellen kan läsa och uppdatera.\n\nEn agent som använder dessa förmågor behöver en applikation som tillhandahåller verktygen, utför begärda åtgärder och returnerar deras resultat. Minnesfiler hör också till applikationsmiljön; de är inte en obegränsad lagring som automatiskt följer med mellan orelaterade samtal. När du utformar ett arbetsflöde returnerar du relevanta observationer till modellen och håller uppgiftens mål och godkännandekriterier tillgängliga.\n\n### Visuell analys och textutdata\n\nClaude Opus 4 stöder även visuell analys. Skärmbilder, diagram och scheman kan ge underlag tillsammans med text, medan modellens svar förblir textbaserat. Använd tydligt läsbara bilder och ange vilka samband du vill få förklarade. Ta med källvärden när uppgiften beror på exakta antal eller mått, eftersom visuell tolkning kan vara ungefärlig.\n\nFör en Ailoot API-uppgift anger du vilken slutlig artefakt du behöver: ett förslag till ändringar i flera filer, en teknisk utredning, en forskningssyntes eller ett noggrant strukturerat dokument. Lägg till det underlag och de begränsningar som låter modellen välja ett tillvägagångssätt. Tillverkarens sammanfattningar av utökat resonemang ger en förklaring tillsammans med resultatet, men en sammanfattning är inte en ordagrann redogörelse för allt resonemang. Granska den levererade koden eller analysen mot uppgiftens krav, inklusive antaganden som fortfarande behöver underlag.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
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 använder den ursprungliga Opus 4-modellens läge för utökat resonemang för komplexa programvaruändringar, långvariga agentarbetsflöden och forskning. Den kan resonera mellan verktygssteg som stöds och knyta samman underlag genom en krävande uppgift innan den producerar ett textresultat.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Claude Opus 4 Thinking tillämpar utökat resonemang på den ursprungliga modellen Claude Opus 4. Anthropic positionerar denna generation för svårt programmeringsarbete, forskning, skrivande och uppgifter som kräver att riktningen hålls över många steg. Beteckningen Thinking avser hur modellen tar sig an ett svar; den gör inte den ursprungliga Opus 4 till en senare Opus-utgåva.
Claude Opus 4 kombinerar ett standardsvarsläge med ett läge för utökat resonemang. I det utökade läget kan den lägga mer tid på att undersöka ett problem innan den svarar. Tillverkaren beskriver uthålligt arbete med komplexa uppgifter som en central styrka, särskilt när uppgiften kräver att en följd av slutsatser knyts samman i stället för att enskilda promptar löses.
För en forskningsfråga tillhandahåller du materialet som ska jämföras, det beslut det ska stödja och de villkor som är relevanta. Begär en underbyggd syntes som skiljer slutsatser, antaganden och öppna frågor åt. För en skrivuppgift anger du målgruppen, källmaterialet, den nödvändiga strukturen och de påståenden resultatet ska förklara. Detta är praktiska tillämpningar av modellens dokumenterade forsknings- och skrivförmågor, inte löften om ett visst resultat.
Anthropic betonar förståelse av komplex kod, redigering, felsökning och ändringar som omfattar flera filer. Ge modellen relevanta moduler, gränssnittskontrakt, förväntat beteende och befintliga tester eller felutdata. Definiera omfattningen av den begärda ändringen och be modellen förklara de beroenden som gör de föreslagna redigeringarna nödvändiga.
Ett användbart ingenjörsresultat knyter samman tre saker: problemets orsak, en sammanhängande implementation och ett sätt att kontrollera det resulterande beteendet. Vid en refaktorering anger du vilka publika gränssnitt och observerbara beteenden som måste förbli stabila. För en funktion beskriver du användarflödet och dess felfall. Det gör modellens uthålliga resonemang användbart för projektet i stället för att bara ge ett längre svar.
Den ursprungliga Claude 4-generationen lägger till resonemang mellan verktygsanrop i Anthropics dokumenterade arbetsflöde för utökat resonemang. Den kan granska ett verktygsresultat, ompröva sitt tillvägagångssätt och välja en efterföljande åtgärd. Tillverkaren beskriver även parallell verktygsanvändning och bättre kontinuitet när en applikation tillhandahåller lokala filer som modellen kan läsa och uppdatera.
En agent som använder dessa förmågor behöver en applikation som tillhandahåller verktygen, utför begärda åtgärder och returnerar deras resultat. Minnesfiler hör också till applikationsmiljön; de är inte en obegränsad lagring som automatiskt följer med mellan orelaterade samtal. När du utformar ett arbetsflöde returnerar du relevanta observationer till modellen och håller uppgiftens mål och godkännandekriterier tillgängliga.
Claude Opus 4 stöder även visuell analys. Skärmbilder, diagram och scheman kan ge underlag tillsammans med text, medan modellens svar förblir textbaserat. Använd tydligt läsbara bilder och ange vilka samband du vill få förklarade. Ta med källvärden när uppgiften beror på exakta antal eller mått, eftersom visuell tolkning kan vara ungefärlig.
För en Ailoot API-uppgift anger du vilken slutlig artefakt du behöver: ett förslag till ändringar i flera filer, en teknisk utredning, en forskningssyntes eller ett noggrant strukturerat dokument. Lägg till det underlag och de begränsningar som låter modellen välja ett tillvägagångssätt. Tillverkarens sammanfattningar av utökat resonemang ger en förklaring tillsammans med resultatet, men en sammanfattning är inte en ordagrann redogörelse för allt resonemang. Granska den levererade koden eller analysen mot uppgiftens krav, inklusive antaganden som fortfarande behöver underlag.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser claude-opus-4-20250514-thinking | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.03 / 1K token Utdata · Utdatatoken $0.15 / 1K token Indata · Cacheläsning $0.0006 / 1K token Indata · Skrivning till cache $0.0075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra claude-opus-4-20250514-thinking
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
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.