Introduzione
Chat compatibile con OpenAI per Claude Opus 5.5. Una finestra di lettura da 1.000.000 di token, ragionamento sempre attivo su tre livelli di sforzo e chiamata di strumenti in una sola chiamata sincrona: abbastanza ampia da mandare un intero scambio precedente così com'è stato scritto.
| Campo | Valore |
|---|---|
| Input | Testo |
| Output | Testo |
| Obbligatorio | messages |
| Facoltativi |
|
| Contesto in ingresso | 1.000.000 di token |
| Output massimo | 128.000 token (predefinito 4096) |
| Risposta | Un oggetto chat.completion, oppure uno stream SSE di chunk |
| Conguaglio | Token misurati di input, di input in cache, di scrittura cache e di output |
Caratteristiche principali
Dopo trenta battute sa ancora chi è
In un roleplay lungo la prima cosa a cedere non è la prosa ma la memoria: da dove viene il personaggio, che cosa ha accettato, il limite che aveva detto di non voler superare. Una finestra da 1.000.000 di token tiene tutto questo nella richiesta parola per parola, invece di comprimerlo in un riassunto e restituirlo parafrasato. Quello che un riassunto lascia cadere sono di solito le poche battute che contavano.
Il livello Opus, con risposte più rapide
Anthropic riferisce che Opus 5.5 scrive oltre il 30% più veloce di Opus 5 e, con le impostazioni predefinite, spende meno token per il lavoro tipico. In una risposta lunga in streaming, questa è la differenza tra una scena che arriva mentre il lettore è ancora attento e una che deve aspettare.
Un capitolo intero in una sola passata
Il tetto di risposta è di 128.000 token, quindi una scena lunga o un report completo non deve essere tagliato in pezzi e ricucito a mano – ed è proprio sulle giunzioni che scivolano persona, tempo verbale e ritmo. max_tokens vale 4096 per impostazione predefinita e il ragionamento consuma lo stesso budget, quindi alzalo prima di chiedere un capitolo.
Il ragionamento è sempre attivo; scegli quanto
Opus 5.5 non può rispondere senza prima ragionare. low, medium e high stabiliscono quanto ne avviene per chiamata, con medium come predefinito. Usa low per battute conversazionali rapide e high quando un dettaglio seminato cinquanta battute prima deve essere riconciliato prima che il modello scriva.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
messages | Sì | Battute della conversazione in ordine. Il contenuto è una stringa o un array di parti di testo e |
max_tokens | No | Limita la risposta a 128.000, un ottavo della finestra di lettura. Predefinito 4096; alzalo prima di scrivere un capitolo. |
reasoning_effort | No | low, medium o high, medium per impostazione predefinita – lo stesso valore che Anthropic imposta di default per questo modello. |
stop | No | Fino a 4 sequenze, come stringa o come array. La risposta si ferma appena il modello ne scrive una, e il testo corrispondente non viene restituito. almeno 1 caratteri · almeno 1 elementi · al massimo 4 elementi |
tools | No | Fino a 128 definizioni di funzione per richiesta. al massimo 128 elementi |
parallel_tool_calls | No | true o false, predefinito true: il modello può chiedere più chiamate agli strumenti nello stesso turno. Predefinito: |
tool_choice | No | auto o none. Opus 5.5 non accetta uno strumento forzato: per una chiamata specifica, nomina lo strumento nel prompt e lascia questo parametro su auto. |
Prezzi
Input $3.60 / Output $18 per 1 milione di token
Casi d’uso
Scambi lunghi che reggono un personaggio per decine di battute
Manda tutta la cronologia della conversazione così com'è stata scritta e il personaggio sa ancora, trenta battute dopo, da dove viene, che cosa ha accettato e che cosa si rifiuta di fare. Il vincolo qui è la dimensione della finestra, non la qualità della prosa: 1.000.000 di token significano che quasi nessuno scambio di lunga durata ha bisogno di un livello di riassunto.
Agenti su lunghe catene di attività
Passagli il repository, la specifica e la discussione avuta finora in un'unica richiesta e lascia che il modello decida che cosa leggere per primo. La memoria che un roleplay lungo mette alla prova è la stessa facoltà che serve a un compito tecnico in più passaggi: al decimo passo si ricorda ancora la decisione presa al primo?
Un capitolo o un report in una sola passata
Un tetto di 128.000 token basta per scrivere un capitolo o un report completo di fila invece che in cinque pezzi ricuciti a mano. Ogni giunzione evitata è un punto in cui persona, tempo verbale e ritmo non possono più derivare.
Estrazione strutturata tramite strumenti
Definisci uno strumento i cui parametri siano i campi di cui hai bisogno, lascia tool_choice su auto e chiedi al modello di rispondere chiamandolo. Valida gli argomenti che tornano; con l'intera fonte nella finestra, un campo mancante indica un buco nel materiale e non nella pipeline.
Consigli avanzati
Manda tutta la cronologia parola per parola, non un riassunto
La finestra è di 1.000.000 di token, di solito più grande del livello di riassunto che qualcuno stava per costruire. Metti la cronologia in messages dal più vecchio al più recente e lascia che il modello legga ogni battuta che il personaggio ha davvero detto, non un racconto di seconda mano.
Metti personaggio, ambientazione e limiti nel messaggio di sistema
Il messaggio di sistema è l'unico posto, in uno scambio lungo, che non finisce mai fuori quadro. Origine, tic verbali, limiti invalicabili, persona narrativa e tempo verbale stanno tutti lì; tieni il messaggio utente solo per la battuta corrente.
Lascia spazio in
max_tokensper il ragionamentoIl ragionamento è sempre attivo e viene pagato da
max_tokens. 4096 bastano per qualche centinaio di parole una volta che il modello ha ragionato; alzalo per un capitolo intero o un piano lungo, fino a 128.000, e lascia più margine quandoreasoning_effortè high.Per un output leggibile da una macchina, chiedi una chiamata a strumento
Questo endpoint non ha
response_formatetool_choicenon può forzare uno strumento specifico. Definisci uno strumento i cui parametri siano lo schema JSON che vuoi, lasciatool_choicesu auto, di' nel prompt che il modello deve rispondere chiamando quello strumento, e valida gli argomenti che tornano.
Introduzione
Claude Opus 5.5 è il più recente Opus di Anthropic, disponibile qui come un endpoint compatibile con OpenAI su /v1/chat/completions. Una finestra da 1.000.000 di token porta con sé parola per parola tutto lo scambio precedente, e una risposta può arrivare a 128.000 token.
Il ragionamento è sempre attivo. reasoning_effort accetta low, medium o high, con medium di default. Il modello fissa da sé il campionamento, quindi temperature e top_p non sono accettati; il contenuto dei messaggi è testo e immagini, puoi definire fino a 128 strumenti per richiesta, tool_choice accetta auto o none, e le risposte arrivano in streaming via Server-Sent Events.
Funzionalità principali e punti di forza
Una memoria che si misura in battute, non in paragrafi
Dopo trenta battute il personaggio sa ancora da dove viene, cosa ha promesso e cosa ha detto che non farebbe mai? Con 1.000.000 di token in ingresso la risposta dipende solo da ciò che mandi: metti tutta la cronologia nella richiesta e il modello legge le battute originali, non una parafrasi.
Più veloce di Opus 5, secondo i dati di Anthropic
Anthropic riferisce che Opus 5.5 scrive oltre il 30% più veloce di Opus 5 e, con le impostazioni predefinite, usa meno token per il lavoro tipico. In una risposta lunga in streaming, questo è tempo che il lettore non passa ad aspettare.
Ragionamento sempre attivo, tre livelli di sforzo
Opus 5.5 ragiona sempre prima di rispondere, e quel ragionamento viene fatturato come output. reasoning_effort decide quanto: low per battute conversazionali rapide, medium per la maggior parte del lavoro, high quando dettagli seminati e fatti stabiliti devono prima essere riconciliati.
Casi d'uso
Una persona mantenuta per decine di battute
Manda la conversazione così come è stata scritta e il personaggio sa ancora, trenta battute dopo, da dove viene, cosa ha accettato e cosa rifiuta. La maggior parte degli scambi lunghi non ha bisogno di alcuno strato di riassunto.
Agenti su lunghe catene di attività
Consegna repository, specifica e discussione fin qui in una sola richiesta e lascia che il modello decida cosa leggere per primo. Un roleplay lungo mette alla prova la stessa capacità che serve a un compito di ingegneria in più passi: al passo dieci ricorda ancora la decisione del passo uno?
Estrazione strutturata tramite strumenti
Definisci uno strumento i cui parametri siano i campi di cui hai bisogno e chiedi al modello di rispondere chiamandolo. Con l'intera fonte nella finestra, un campo mancante indica un buco nel materiale e non nella pipeline.
Guida ai prompt e consigli pratici
Manda tutta la cronologia, dal più vecchio al più recente
La finestra di solito è più grande dello strato di riassunto che qualcuno stava per costruire. Metti tutti i messaggi precedenti in ordine nell'array messages e lascia che il modello legga ciò che è stato detto davvero.
Personaggio, ambientazione e limiti nel messaggio di sistema
Il messaggio di sistema è l'unico spazio che in uno scambio lungo non scorre mai via. Origine, modo di parlare, limiti invalicabili, persona narrativa e tempo verbale vanno lì; il messaggio utente porta solo il turno corrente.
Chiedi una chiamata a strumento invece di forzarla
Opus 5.5 rifiuta un tool_choice forzato, e questo endpoint non ha response_format. Definisci uno strumento i cui parametri siano lo schema JSON che vuoi, lascia tool_choice su auto, di' al modello che deve rispondere chiamando quello strumento, e valida gli argomenti. Una conversazione non può finire con un messaggio assistant per precompilare la risposta, e un max_tokens oltre 128.000 e le parti video e audio vengono rifiutati.
Sei responsabile dei diritti sui materiali, dell'uso dell'output e della revisione umana richiesta.
Avvio rapido dell’API
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "anthropic/claude-opus-5.5/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
