Anthropic: Claude Opus 4.7 (batch)

Claude Opus 4.7 (batch) adalah model pembuatan teks dari Anthropic, bagian dari keluarga Opus dan diposisikan sebagai generasi berikutnya dari lini tersebut. Model ini dibangun khusus untuk agen asinkron yang berjalan lama, dan dibangun di atas kekuatan coding dan agentic dari Opus 4.6. Varian batch adalah versi yang Anda panggil melalui api14, dan model id yang digunakan adalah "anthropic/claude-opus-4.7:batch".

Model ini menerima teks, gambar dan file sebagai input, dan menghasilkan teks sebagai output. Jendela konteksnya adalah 1.000.000 token, cukup besar untuk menampung dokumen yang sangat panjang, riwayat percakapan yang diperpanjang atau input multi-file dalam satu permintaan. Panjang output maksimum adalah 128.000 token. Karena model ini menangani gambar dan file serta teks, Anda dapat memberikan konten campuran secara langsung alih-alih mengekstrak semuanya ke teks biasa terlebih dahulu.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Analisis dan peringkasan dokumen panjang cocok secara alami, karena jendela satu juta token memungkinkan Anda bekerja pada kontrak, laporan atau basis kode yang besar tanpa pemotongan. Alur kerja agentic dan berbasis alat juga cocok: model ini mendukung tools dan tool_choice, sehingga Anda dapat membangun asisten yang memanggil fungsi, mengambil data dan bertindak melalui banyak langkah. Tugas coding, seperti meninjau atau menghasilkan kode di seluruh repositori, juga mengikuti kombinasi konteks besar dan input file. Tugas multimodal seperti menjawab pertanyaan tentang grafik, tangkapan layar atau dokumen yang dipindai juga dimungkinkan, mengingat adanya input gambar.

Untuk memanggilnya melalui api14, gunakan endpoint yang kompatibel dengan OpenAI dengan model id "anthropic/claude-opus-4.7:batch". Permintaan mendukung include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools dan verbosity. Dalam praktiknya ini berarti Anda dapat membatasi output dengan max_tokens, mengontrol kedalaman penalaran dengan reasoning_effort atau parameter reasoning, meminta JSON terstruktur melalui response_format atau structured_outputs, dan mendefinisikan fungsi yang dapat dipanggil dengan tools dan tool_choice. Karena API ini kompatibel dengan OpenAI, pustaka klien OpenAI yang ada berfungsi hanya dengan mengubah base URL dan model id.

Penamaan batch adalah hal utama yang perlu diingat saat memilih model ini. Model ini cocok untuk beban kerja di mana Anda dapat mentoleransi eksekusi asinkron dengan imbalan skala dan perilaku agentic model, seperti pemrosesan dokumen massal atau menjalankan agen di latar belakang. Jika Anda memerlukan respons sinkron yang sensitif terhadap latensi, atau tugas Anda kecil dan sederhana, model non-batch mungkin lebih cocok. Fakta di sini menjelaskan input, output, konteks dan parameter model; tabel harga langsung di halaman ini mencakup biaya.