Claude Haiku 5.5 是 Anthropic 用於大量、對延遲敏感任務的小模型版本。主要用途包括分類、路由、資訊擷取、摘要、對話壓縮與聚焦的子代理工作。它接收文字與圖片，產生文字。實用簡報給它範圍明確的問題與明確結果：分類、一組指定欄位、短摘要，或大型任務另一部分需要的相關證據。請將來源識別碼與結果保留在一起，讓應用程式能把擷取資訊連回原始資料。
Anthropic 將此版本定位於即時客服、瀏覽器操作與短程式設計子任務，以及重複分析。它可在流程中搭配 Claude Sonnet 5.5 或 Claude Opus 5.5，由較大模型處理大型專案，Haiku 負責範圍明確的查詢或摘要。客服任務應提供問題與允許的參考資料，再指定回應語氣及必要回傳內容。程式設計子任務則指出相關檔案或摘錄及確切問題，不要指派沒有完成條件的開放式專案。
文件記載的上下文視窗是一百萬詞元，一般生成最多輸出 128,000 詞元。思考詞元計入生成額度，因此結果須為推理與可見文字都留空間。可靠知識截止為 2026 年 6 月；後續資訊需要提供證據或搜尋工具。Anthropic 另外記載此版本僅限批次的 beta，可把輸出提高到 300,000 詞元。較大額度需要開發者的延伸輸出功能，與一般上限不同。非同步批次會獨立處理各請求，適合處理後才需要結果，而非立即需要的文件或紀錄集合。
自適應思考預設啟用，effort 是推理深度的主要控制。層級為 low、medium、high、xhigh 與 max，預設為 medium。Anthropic 建議多數工作用 medium，較持續的任務或嚴格指令遵循用 high，較簡單、較短請求用 low。在 low、medium 或 high 可停用思考；在 xhigh 或 max 停用會被拒絕。提示詞要求直接答案，不能取代該控制。Haiku 4.5 的手動 budget_tokens 設定不能直接用於此版本，文件介面中應省略 temperature、top_p 與 top_k。
Haiku 5.5 使用較早 Claude 世代引入的新 tokenizer。Anthropic 估計，相同文字可能比 Haiku 4.5 多使用約 30% 詞元，視內容而定。它也保留先前助理輪次的思考區塊，因此對話大小增加不只來自 tokenizer 變更。最短可快取提示詞為 512 詞元。保留推理時，讓先前輪次不變，將新指令放在最新輪次。修改頂層 effort 會使對話訊息快取失效；開發者另外記載在自適應對話中修改 effort 的 beta。這些能力都不能確立某個特定請求實際命中快取。
檢索方面，模型提示指南建議在搜尋工具旁提供當前日期，並維持原始系統與工具定義穩定。對話在後一天繼續時，於最新輪次給新日期。說明必須找到什麼，要求結論之前先保留回傳來源。例如，任務示例可詢問指定軟體版本的文件記載行為，再要求依檢索段落提出短說明。應用程式提供搜尋工具並回傳實際結果；模型查詢提案不是查詢已發生的證據。
結構化 JSON 輸出結合工具時，指南記載特定互動：停用思考時，Haiku 可能略過必要工具呼叫。Anthropic 建議這類請求採自適應思考，或把最終 JSON 要求與工具步驟分開。定義輸出欄位，明確說明最終答案須在工具結果之後。資料擷取簡報可指定必要欄位與缺值表示方式；查詢簡報則可先要求填入欄位所需證據。應依型別讀取回應區塊，因為答案不一定是第一個區塊，思考文字也預設省略。
較長代理提示中，Anthropic 指出 low 投入可能提早停止、略過搜尋或漏做檢查。指南建議明確完成指令，並在報告程式碼修改完成前進行實際檢查。請準備預期結果與證明它的證據：報告選定段落、程式碼提案的行為變化，或從文件擷取的欄位。指南也區分使用者在任務中途發出的訊息與工具輸出：新使用者指令屬於使用者輪次，回傳工具證據仍須分開。
此版本具有自己的防護，可對網路危害、生物危害、競爭模型開發或其他禁止用途等類別拒絕回應。開發者未記載 Haiku 5.5 的伺服器端回退機制。指南也指出，xhigh 投入偶爾會在沒有可見答案文字的情況下結束多輪回應；low 投入或停用思考時，則較常出現類似推理的文字。流程需要可見、結構化結果時，應考量這些特定行為。一般擷取或摘要工作，請使用聚焦來源、明確輸出，以及符合任務的投入層級。
", "aboutText": "Claude Haiku 5.5 是 Anthropic 用於大量、對延遲敏感任務的小模型版本。主要用途包括分類、路由、資訊擷取、摘要、對話壓縮與聚焦的子代理工作。它接收文字與圖片，產生文字。實用簡報給它範圍明確的問題與明確結果：分類、一組指定欄位、短摘要，或大型任務另一部分需要的相關證據。請將來源識別碼與結果保留在一起，讓應用程式能把擷取資訊連回原始資料。\n\nAnthropic 將此版本定位於即時客服、瀏覽器操作與短程式設計子任務，以及重複分析。它可在流程中搭配 Claude Sonnet 5.5 或 Claude Opus 5.5，由較大模型處理大型專案，Haiku 負責範圍明確的查詢或摘要。客服任務應提供問題與允許的參考資料，再指定回應語氣及必要回傳內容。程式設計子任務則指出相關檔案或摘錄及確切問題，不要指派沒有完成條件的開放式專案。\n\n文件記載的上下文視窗是一百萬詞元，一般生成最多輸出 128,000 詞元。思考詞元計入生成額度，因此結果須為推理與可見文字都留空間。可靠知識截止為 2026 年 6 月；後續資訊需要提供證據或搜尋工具。Anthropic 另外記載此版本僅限批次的 beta，可把輸出提高到 300,000 詞元。較大額度需要開發者的延伸輸出功能，與一般上限不同。非同步批次會獨立處理各請求，適合處理後才需要結果，而非立即需要的文件或紀錄集合。\n\n自適應思考預設啟用，effort 是推理深度的主要控制。層級為 low、medium、high、xhigh 與 max，預設為 medium。Anthropic 建議多數工作用 medium，較持續的任務或嚴格指令遵循用 high，較簡單、較短請求用 low。在 low、medium 或 high 可停用思考；在 xhigh 或 max 停用會被拒絕。提示詞要求直接答案，不能取代該控制。Haiku 4.5 的手動 budget_tokens 設定不能直接用於此版本，文件介面中應省略 temperature、top_p 與 top_k。\n\nHaiku 5.5 使用較早 Claude 世代引入的新 tokenizer。Anthropic 估計，相同文字可能比 Haiku 4.5 多使用約 30% 詞元，視內容而定。它也保留先前助理輪次的思考區塊，因此對話大小增加不只來自 tokenizer 變更。最短可快取提示詞為 512 詞元。保留推理時，讓先前輪次不變，將新指令放在最新輪次。修改頂層 effort 會使對話訊息快取失效；開發者另外記載在自適應對話中修改 effort 的 beta。這些能力都不能確立某個特定請求實際命中快取。\n\n檢索方面，模型提示指南建議在搜尋工具旁提供當前日期，並維持原始系統與工具定義穩定。對話在後一天繼續時，於最新輪次給新日期。說明必須找到什麼，要求結論之前先保留回傳來源。例如，任務示例可詢問指定軟體版本的文件記載行為，再要求依檢索段落提出短說明。應用程式提供搜尋工具並回傳實際結果；模型查詢提案不是查詢已發生的證據。\n\n結構化 JSON 輸出結合工具時，指南記載特定互動：停用思考時，Haiku 可能略過必要工具呼叫。Anthropic 建議這類請求採自適應思考，或把最終 JSON 要求與工具步驟分開。定義輸出欄位，明確說明最終答案須在工具結果之後。資料擷取簡報可指定必要欄位與缺值表示方式；查詢簡報則可先要求填入欄位所需證據。應依型別讀取回應區塊，因為答案不一定是第一個區塊，思考文字也預設省略。\n\n較長代理提示中，Anthropic 指出 low 投入可能提早停止、略過搜尋或漏做檢查。指南建議明確完成指令，並在報告程式碼修改完成前進行實際檢查。請準備預期結果與證明它的證據：報告選定段落、程式碼提案的行為變化，或從文件擷取的欄位。指南也區分使用者在任務中途發出的訊息與工具輸出：新使用者指令屬於使用者輪次，回傳工具證據仍須分開。\n\n此版本具有自己的防護，可對網路危害、生物危害、競爭模型開發或其他禁止用途等類別拒絕回應。開發者未記載 Haiku 5.5 的伺服器端回退機制。指南也指出，xhigh 投入偶爾會在沒有可見答案文字的情況下結束多輪回應；low 投入或停用思考時，則較常出現類似推理的文字。流程需要可見、結構化結果時，應考量這些特定行為。一般擷取或摘要工作，請使用聚焦來源、明確輸出，以及符合任務的投入層級。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.anthropic/claude-haiku-5.5Claude Haiku 5.5 是 Anthropic 用於分類、擷取、摘要、路由與聚焦代理任務的小模型。它結合文字及圖片理解與自適應推理，針對需要迅速回應的重複工作設計。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Claude Haiku 5.5 是 Anthropic 用於大量、對延遲敏感任務的小模型版本。主要用途包括分類、路由、資訊擷取、摘要、對話壓縮與聚焦的子代理工作。它接收文字與圖片，產生文字。實用簡報給它範圍明確的問題與明確結果：分類、一組指定欄位、短摘要，或大型任務另一部分需要的相關證據。請將來源識別碼與結果保留在一起，讓應用程式能把擷取資訊連回原始資料。
Anthropic 將此版本定位於即時客服、瀏覽器操作與短程式設計子任務，以及重複分析。它可在流程中搭配 Claude Sonnet 5.5 或 Claude Opus 5.5，由較大模型處理大型專案，Haiku 負責範圍明確的查詢或摘要。客服任務應提供問題與允許的參考資料，再指定回應語氣及必要回傳內容。程式設計子任務則指出相關檔案或摘錄及確切問題，不要指派沒有完成條件的開放式專案。
文件記載的上下文視窗是一百萬詞元，一般生成最多輸出 128,000 詞元。思考詞元計入生成額度，因此結果須為推理與可見文字都留空間。可靠知識截止為 2026 年 6 月；後續資訊需要提供證據或搜尋工具。Anthropic 另外記載此版本僅限批次的 beta，可把輸出提高到 300,000 詞元。較大額度需要開發者的延伸輸出功能，與一般上限不同。非同步批次會獨立處理各請求，適合處理後才需要結果，而非立即需要的文件或紀錄集合。
自適應思考預設啟用，effort 是推理深度的主要控制。層級為 low、medium、high、xhigh 與 max，預設為 medium。Anthropic 建議多數工作用 medium，較持續的任務或嚴格指令遵循用 high，較簡單、較短請求用 low。在 low、medium 或 high 可停用思考；在 xhigh 或 max 停用會被拒絕。提示詞要求直接答案，不能取代該控制。Haiku 4.5 的手動 budget_tokens 設定不能直接用於此版本，文件介面中應省略 temperature、top_p 與 top_k。
Haiku 5.5 使用較早 Claude 世代引入的新 tokenizer。Anthropic 估計，相同文字可能比 Haiku 4.5 多使用約 30% 詞元，視內容而定。它也保留先前助理輪次的思考區塊，因此對話大小增加不只來自 tokenizer 變更。最短可快取提示詞為 512 詞元。保留推理時，讓先前輪次不變，將新指令放在最新輪次。修改頂層 effort 會使對話訊息快取失效；開發者另外記載在自適應對話中修改 effort 的 beta。這些能力都不能確立某個特定請求實際命中快取。
檢索方面，模型提示指南建議在搜尋工具旁提供當前日期，並維持原始系統與工具定義穩定。對話在後一天繼續時，於最新輪次給新日期。說明必須找到什麼，要求結論之前先保留回傳來源。例如，任務示例可詢問指定軟體版本的文件記載行為，再要求依檢索段落提出短說明。應用程式提供搜尋工具並回傳實際結果；模型查詢提案不是查詢已發生的證據。
結構化 JSON 輸出結合工具時，指南記載特定互動：停用思考時，Haiku 可能略過必要工具呼叫。Anthropic 建議這類請求採自適應思考，或把最終 JSON 要求與工具步驟分開。定義輸出欄位，明確說明最終答案須在工具結果之後。資料擷取簡報可指定必要欄位與缺值表示方式；查詢簡報則可先要求填入欄位所需證據。應依型別讀取回應區塊，因為答案不一定是第一個區塊，思考文字也預設省略。
較長代理提示中，Anthropic 指出 low 投入可能提早停止、略過搜尋或漏做檢查。指南建議明確完成指令，並在報告程式碼修改完成前進行實際檢查。請準備預期結果與證明它的證據：報告選定段落、程式碼提案的行為變化，或從文件擷取的欄位。指南也區分使用者在任務中途發出的訊息與工具輸出：新使用者指令屬於使用者輪次，回傳工具證據仍須分開。
此版本具有自己的防護，可對網路危害、生物危害、競爭模型開發或其他禁止用途等類別拒絕回應。開發者未記載 Haiku 5.5 的伺服器端回退機制。指南也指出，xhigh 投入偶爾會在沒有可見答案文字的情況下結束多輪回應；low 投入或停用思考時，則較常出現類似推理的文字。流程需要可見、結構化結果時，應考量這些特定行為。一般擷取或摘要工作，請使用聚焦來源、明確輸出，以及符合任務的投入層級。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 anthropic/claude-haiku-5.5 | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 $0.0004 / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於100,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 $0.0004 / 1K Token |
| 設定請求長度級距 2 | 費率表— | 上下文 Token 數大於100,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 $0.002 / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-haiku-5.5", "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='anthropic/claude-haiku-5.5',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='anthropic/claude-haiku-5.5',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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
請使用上方列出的 API 方法路徑。
anthropic/claude-haiku-5.5Claude Haiku 5.5 是 Anthropic 用於分類、擷取、摘要、路由與聚焦代理任務的小模型。它結合文字及圖片理解與自適應推理，針對需要迅速回應的重複工作設計。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Claude Haiku 5.5 是 Anthropic 用於大量、對延遲敏感任務的小模型版本。主要用途包括分類、路由、資訊擷取、摘要、對話壓縮與聚焦的子代理工作。它接收文字與圖片，產生文字。實用簡報給它範圍明確的問題與明確結果：分類、一組指定欄位、短摘要，或大型任務另一部分需要的相關證據。請將來源識別碼與結果保留在一起，讓應用程式能把擷取資訊連回原始資料。
Anthropic 將此版本定位於即時客服、瀏覽器操作與短程式設計子任務，以及重複分析。它可在流程中搭配 Claude Sonnet 5.5 或 Claude Opus 5.5，由較大模型處理大型專案，Haiku 負責範圍明確的查詢或摘要。客服任務應提供問題與允許的參考資料，再指定回應語氣及必要回傳內容。程式設計子任務則指出相關檔案或摘錄及確切問題，不要指派沒有完成條件的開放式專案。
文件記載的上下文視窗是一百萬詞元，一般生成最多輸出 128,000 詞元。思考詞元計入生成額度，因此結果須為推理與可見文字都留空間。可靠知識截止為 2026 年 6 月；後續資訊需要提供證據或搜尋工具。Anthropic 另外記載此版本僅限批次的 beta，可把輸出提高到 300,000 詞元。較大額度需要開發者的延伸輸出功能，與一般上限不同。非同步批次會獨立處理各請求，適合處理後才需要結果，而非立即需要的文件或紀錄集合。
自適應思考預設啟用，effort 是推理深度的主要控制。層級為 low、medium、high、xhigh 與 max，預設為 medium。Anthropic 建議多數工作用 medium，較持續的任務或嚴格指令遵循用 high，較簡單、較短請求用 low。在 low、medium 或 high 可停用思考；在 xhigh 或 max 停用會被拒絕。提示詞要求直接答案，不能取代該控制。Haiku 4.5 的手動 budget_tokens 設定不能直接用於此版本，文件介面中應省略 temperature、top_p 與 top_k。
Haiku 5.5 使用較早 Claude 世代引入的新 tokenizer。Anthropic 估計，相同文字可能比 Haiku 4.5 多使用約 30% 詞元，視內容而定。它也保留先前助理輪次的思考區塊，因此對話大小增加不只來自 tokenizer 變更。最短可快取提示詞為 512 詞元。保留推理時，讓先前輪次不變，將新指令放在最新輪次。修改頂層 effort 會使對話訊息快取失效；開發者另外記載在自適應對話中修改 effort 的 beta。這些能力都不能確立某個特定請求實際命中快取。
檢索方面，模型提示指南建議在搜尋工具旁提供當前日期，並維持原始系統與工具定義穩定。對話在後一天繼續時，於最新輪次給新日期。說明必須找到什麼，要求結論之前先保留回傳來源。例如，任務示例可詢問指定軟體版本的文件記載行為，再要求依檢索段落提出短說明。應用程式提供搜尋工具並回傳實際結果；模型查詢提案不是查詢已發生的證據。
結構化 JSON 輸出結合工具時，指南記載特定互動：停用思考時，Haiku 可能略過必要工具呼叫。Anthropic 建議這類請求採自適應思考，或把最終 JSON 要求與工具步驟分開。定義輸出欄位，明確說明最終答案須在工具結果之後。資料擷取簡報可指定必要欄位與缺值表示方式；查詢簡報則可先要求填入欄位所需證據。應依型別讀取回應區塊，因為答案不一定是第一個區塊，思考文字也預設省略。
較長代理提示中，Anthropic 指出 low 投入可能提早停止、略過搜尋或漏做檢查。指南建議明確完成指令，並在報告程式碼修改完成前進行實際檢查。請準備預期結果與證明它的證據：報告選定段落、程式碼提案的行為變化，或從文件擷取的欄位。指南也區分使用者在任務中途發出的訊息與工具輸出：新使用者指令屬於使用者輪次，回傳工具證據仍須分開。
此版本具有自己的防護，可對網路危害、生物危害、競爭模型開發或其他禁止用途等類別拒絕回應。開發者未記載 Haiku 5.5 的伺服器端回退機制。指南也指出，xhigh 投入偶爾會在沒有可見答案文字的情況下結束多輪回應；low 投入或停用思考時，則較常出現類似推理的文字。流程需要可見、結構化結果時，應考量這些特定行為。一般擷取或摘要工作，請使用聚焦來源、明確輸出，以及符合任務的投入層級。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 anthropic/claude-haiku-5.5 | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 $0.0004 / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於100,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 $0.0004 / 1K Token |
| 設定請求長度級距 2 | 費率表— | 上下文 Token 數大於100,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 $0.002 / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "anthropic/claude-haiku-5.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-haiku-5.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-haiku-5.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
請使用上方列出的 API 方法路徑。
~anthropic/claude-haiku-latestClaude Haiku 5.5 是 Anthropic 用於分類、擷取、摘要、路由與聚焦代理任務的小模型。它結合文字及圖片理解與自適應推理，針對需要迅速回應的重複工作設計。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Claude Haiku 5.5 是 Anthropic 用於大量、對延遲敏感任務的小模型版本。主要用途包括分類、路由、資訊擷取、摘要、對話壓縮與聚焦的子代理工作。它接收文字與圖片，產生文字。實用簡報給它範圍明確的問題與明確結果：分類、一組指定欄位、短摘要，或大型任務另一部分需要的相關證據。請將來源識別碼與結果保留在一起，讓應用程式能把擷取資訊連回原始資料。
Anthropic 將此版本定位於即時客服、瀏覽器操作與短程式設計子任務，以及重複分析。它可在流程中搭配 Claude Sonnet 5.5 或 Claude Opus 5.5，由較大模型處理大型專案，Haiku 負責範圍明確的查詢或摘要。客服任務應提供問題與允許的參考資料，再指定回應語氣及必要回傳內容。程式設計子任務則指出相關檔案或摘錄及確切問題，不要指派沒有完成條件的開放式專案。
文件記載的上下文視窗是一百萬詞元，一般生成最多輸出 128,000 詞元。思考詞元計入生成額度，因此結果須為推理與可見文字都留空間。可靠知識截止為 2026 年 6 月；後續資訊需要提供證據或搜尋工具。Anthropic 另外記載此版本僅限批次的 beta，可把輸出提高到 300,000 詞元。較大額度需要開發者的延伸輸出功能，與一般上限不同。非同步批次會獨立處理各請求，適合處理後才需要結果，而非立即需要的文件或紀錄集合。
自適應思考預設啟用，effort 是推理深度的主要控制。層級為 low、medium、high、xhigh 與 max，預設為 medium。Anthropic 建議多數工作用 medium，較持續的任務或嚴格指令遵循用 high，較簡單、較短請求用 low。在 low、medium 或 high 可停用思考；在 xhigh 或 max 停用會被拒絕。提示詞要求直接答案，不能取代該控制。Haiku 4.5 的手動 budget_tokens 設定不能直接用於此版本，文件介面中應省略 temperature、top_p 與 top_k。
Haiku 5.5 使用較早 Claude 世代引入的新 tokenizer。Anthropic 估計，相同文字可能比 Haiku 4.5 多使用約 30% 詞元，視內容而定。它也保留先前助理輪次的思考區塊，因此對話大小增加不只來自 tokenizer 變更。最短可快取提示詞為 512 詞元。保留推理時，讓先前輪次不變，將新指令放在最新輪次。修改頂層 effort 會使對話訊息快取失效；開發者另外記載在自適應對話中修改 effort 的 beta。這些能力都不能確立某個特定請求實際命中快取。
檢索方面，模型提示指南建議在搜尋工具旁提供當前日期，並維持原始系統與工具定義穩定。對話在後一天繼續時，於最新輪次給新日期。說明必須找到什麼，要求結論之前先保留回傳來源。例如，任務示例可詢問指定軟體版本的文件記載行為，再要求依檢索段落提出短說明。應用程式提供搜尋工具並回傳實際結果；模型查詢提案不是查詢已發生的證據。
結構化 JSON 輸出結合工具時，指南記載特定互動：停用思考時，Haiku 可能略過必要工具呼叫。Anthropic 建議這類請求採自適應思考，或把最終 JSON 要求與工具步驟分開。定義輸出欄位，明確說明最終答案須在工具結果之後。資料擷取簡報可指定必要欄位與缺值表示方式；查詢簡報則可先要求填入欄位所需證據。應依型別讀取回應區塊，因為答案不一定是第一個區塊，思考文字也預設省略。
較長代理提示中，Anthropic 指出 low 投入可能提早停止、略過搜尋或漏做檢查。指南建議明確完成指令，並在報告程式碼修改完成前進行實際檢查。請準備預期結果與證明它的證據：報告選定段落、程式碼提案的行為變化，或從文件擷取的欄位。指南也區分使用者在任務中途發出的訊息與工具輸出：新使用者指令屬於使用者輪次，回傳工具證據仍須分開。
此版本具有自己的防護，可對網路危害、生物危害、競爭模型開發或其他禁止用途等類別拒絕回應。開發者未記載 Haiku 5.5 的伺服器端回退機制。指南也指出，xhigh 投入偶爾會在沒有可見答案文字的情況下結束多輪回應；low 投入或停用思考時，則較常出現類似推理的文字。流程需要可見、結構化結果時，應考量這些特定行為。一般擷取或摘要工作，請使用聚焦來源、明確輸出，以及符合任務的投入層級。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 ~anthropic/claude-haiku-latest | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 $0.0004 / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於100,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 $0.0004 / 1K Token |
| 設定請求長度級距 2 | 費率表— | 上下文 Token 數大於100,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 $0.002 / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~anthropic/claude-haiku-latest", "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='~anthropic/claude-haiku-latest',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='~anthropic/claude-haiku-latest',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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
請使用上方列出的 API 方法路徑。
~anthropic/claude-haiku-latestClaude Haiku 5.5 是 Anthropic 用於分類、擷取、摘要、路由與聚焦代理任務的小模型。它結合文字及圖片理解與自適應推理，針對需要迅速回應的重複工作設計。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Claude Haiku 5.5 是 Anthropic 用於大量、對延遲敏感任務的小模型版本。主要用途包括分類、路由、資訊擷取、摘要、對話壓縮與聚焦的子代理工作。它接收文字與圖片，產生文字。實用簡報給它範圍明確的問題與明確結果：分類、一組指定欄位、短摘要，或大型任務另一部分需要的相關證據。請將來源識別碼與結果保留在一起，讓應用程式能把擷取資訊連回原始資料。
Anthropic 將此版本定位於即時客服、瀏覽器操作與短程式設計子任務，以及重複分析。它可在流程中搭配 Claude Sonnet 5.5 或 Claude Opus 5.5，由較大模型處理大型專案，Haiku 負責範圍明確的查詢或摘要。客服任務應提供問題與允許的參考資料，再指定回應語氣及必要回傳內容。程式設計子任務則指出相關檔案或摘錄及確切問題，不要指派沒有完成條件的開放式專案。
文件記載的上下文視窗是一百萬詞元，一般生成最多輸出 128,000 詞元。思考詞元計入生成額度，因此結果須為推理與可見文字都留空間。可靠知識截止為 2026 年 6 月；後續資訊需要提供證據或搜尋工具。Anthropic 另外記載此版本僅限批次的 beta，可把輸出提高到 300,000 詞元。較大額度需要開發者的延伸輸出功能，與一般上限不同。非同步批次會獨立處理各請求，適合處理後才需要結果，而非立即需要的文件或紀錄集合。
自適應思考預設啟用，effort 是推理深度的主要控制。層級為 low、medium、high、xhigh 與 max，預設為 medium。Anthropic 建議多數工作用 medium，較持續的任務或嚴格指令遵循用 high，較簡單、較短請求用 low。在 low、medium 或 high 可停用思考；在 xhigh 或 max 停用會被拒絕。提示詞要求直接答案，不能取代該控制。Haiku 4.5 的手動 budget_tokens 設定不能直接用於此版本，文件介面中應省略 temperature、top_p 與 top_k。
Haiku 5.5 使用較早 Claude 世代引入的新 tokenizer。Anthropic 估計，相同文字可能比 Haiku 4.5 多使用約 30% 詞元，視內容而定。它也保留先前助理輪次的思考區塊，因此對話大小增加不只來自 tokenizer 變更。最短可快取提示詞為 512 詞元。保留推理時，讓先前輪次不變，將新指令放在最新輪次。修改頂層 effort 會使對話訊息快取失效；開發者另外記載在自適應對話中修改 effort 的 beta。這些能力都不能確立某個特定請求實際命中快取。
檢索方面，模型提示指南建議在搜尋工具旁提供當前日期，並維持原始系統與工具定義穩定。對話在後一天繼續時，於最新輪次給新日期。說明必須找到什麼，要求結論之前先保留回傳來源。例如，任務示例可詢問指定軟體版本的文件記載行為，再要求依檢索段落提出短說明。應用程式提供搜尋工具並回傳實際結果；模型查詢提案不是查詢已發生的證據。
結構化 JSON 輸出結合工具時，指南記載特定互動：停用思考時，Haiku 可能略過必要工具呼叫。Anthropic 建議這類請求採自適應思考，或把最終 JSON 要求與工具步驟分開。定義輸出欄位，明確說明最終答案須在工具結果之後。資料擷取簡報可指定必要欄位與缺值表示方式；查詢簡報則可先要求填入欄位所需證據。應依型別讀取回應區塊，因為答案不一定是第一個區塊，思考文字也預設省略。
較長代理提示中，Anthropic 指出 low 投入可能提早停止、略過搜尋或漏做檢查。指南建議明確完成指令，並在報告程式碼修改完成前進行實際檢查。請準備預期結果與證明它的證據：報告選定段落、程式碼提案的行為變化，或從文件擷取的欄位。指南也區分使用者在任務中途發出的訊息與工具輸出：新使用者指令屬於使用者輪次，回傳工具證據仍須分開。
此版本具有自己的防護，可對網路危害、生物危害、競爭模型開發或其他禁止用途等類別拒絕回應。開發者未記載 Haiku 5.5 的伺服器端回退機制。指南也指出，xhigh 投入偶爾會在沒有可見答案文字的情況下結束多輪回應；low 投入或停用思考時，則較常出現類似推理的文字。流程需要可見、結構化結果時，應考量這些特定行為。一般擷取或摘要工作，請使用聚焦來源、明確輸出，以及符合任務的投入層級。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 ~anthropic/claude-haiku-latest | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 $0.0004 / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於100,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 $0.0004 / 1K Token |
| 設定請求長度級距 2 | 費率表— | 上下文 Token 數大於100,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 $0.002 / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "~anthropic/claude-haiku-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~anthropic/claude-haiku-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~anthropic/claude-haiku-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra anthropic/claude-haiku-5.5, ~anthropic/claude-haiku-latest
請使用上方列出的 API 方法路徑。
英文技術範例
Extract a support handoff\n\nExtract a handoff from this ticket, using only its text: T-184: 'I changed my billing email yesterday. Receipts still go to the old address. My login works. Please resend March and April receipts.' Return ticket ID, requested actions, working function and missing information. Use 'not stated' for absent details.Four labeled fields retaining T-184, the receipt request, the working login and explicitly missing details.Every extracted value must trace to the ticket; do not invent either email address.