Anthropic: Claude Opus 4.7 (batch)

Claude Opus 4.7 (batch) é um modelo de geração de texto da Anthropic, parte da família Opus e posicionado como a próxima geração dessa linha. Foi construído especificamente para agentes assíncronos de longa duração e baseia-se nos pontos fortes de codificação e capacidade agêntica do Opus 4.6. A variante batch é a versão que você chama através do api14, e o id do modelo a usar é "anthropic/claude-opus-4.7:batch".

O modelo aceita texto, imagens e ficheiros como entrada e produz texto como saída. A sua janela de contexto é de 1.000.000 de tokens, suficientemente grande para conter documentos muito longos, históricos de conversa extensos ou entradas com vários ficheiros num único pedido. O comprimento máximo de saída é de 128.000 tokens. Como lida com imagens e ficheiros, além de texto, pode passar conteúdo misto diretamente em vez de extrair tudo para texto simples primeiro.

Estas capacidades apontam para alguns usos práticos. A análise e sumarização de documentos longos encaixam naturalmente, uma vez que uma janela de um milhão de tokens permite trabalhar sobre contratos, relatórios ou bases de código extensas sem fragmentação. Fluxos de trabalho agênticos e orientados por ferramentas são outro encaixe: o modelo suporta tools e tool_choice, pelo que pode construir assistentes que chamam funções, obtêm dados e atuam ao longo de muitos passos. Tarefas de codificação, como rever ou gerar código num repositório, também decorrem da combinação de um contexto grande com entrada de ficheiros. Tarefas multimodais, como responder a perguntas sobre gráficos, capturas de ecrã ou documentos digitalizados, também são possíveis, dada a entrada de imagens.

Para o chamar através do api14, use o endpoint compatível com OpenAI com o id de modelo "anthropic/claude-opus-4.7:batch". O pedido suporta include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools e verbosity. Na prática, isto significa que pode limitar a saída com max_tokens, controlar a profundidade de raciocínio com reasoning_effort ou o parâmetro reasoning, pedir JSON estruturado via response_format ou structured_outputs, e definir funções chamáveis com tools e tool_choice. Como a API é compatível com OpenAI, as bibliotecas de cliente OpenAI existentes funcionam apenas com a alteração do URL base e do id do modelo.

A designação batch é o principal aspeto a ter em conta ao escolher este modelo. Adequa-se a cargas de trabalho em que pode tolerar execução assíncrona em troca da escala e do comportamento agêntico do modelo, como processamento de documentos em massa ou execuções de agentes em segundo plano. Se precisar de respostas síncronas e sensíveis à latência, ou se a sua tarefa for pequena e simples, um modelo não batch pode ser a melhor opção. Os factos aqui descritos cobrem as entradas, saídas, contexto e parâmetros do modelo; a tabela de preços em direto nesta página cobre o custo.