Claude Opus 5.5 für E-Commerce: Texterstellung und Kundenservice-Antworten

Auf der eigenen Modellkarte von hiapi zeigt claude-opus-5-5 sowohl für Eingabe- als auch für Ausgabemodalität text – keine Bilderzeugung und kein Hinweis auf Bildeingabe. Wenn in einer Anforderung also von „Produktbildern“ die Rede ist, lautet die ehrliche Antwort wie bei jedem reinen Text-LLM: falsches Werkzeug. Worin es im Onlineshop-Kontext wirklich stark ist, ist das Schreiben: Produktbeschreibungen, Produktseitentexte und Kundenservice-Antworten. Es hat außerdem einen reasoning-Parameter, den die meisten nie angefasst haben, und dieser Parameter hat einen realen, kostenpflichtigen Nebeneffekt, den man kennen sollte, bevor man ihn in eine Produktionspipeline einbindet. Im Folgenden finden Sie vier echte Aufrufe gegen die hiapi-API, mit echten Ausgaben, echten Token-Zählungen und einer Falle, die bares Geld gekostet hat.

Der Parameter reasoning.effort und was er Ihnen wirklich bringt

Die Modellkarte von claude-opus-5-5 listet fünf Stufen von reasoning effort auf: low, medium, high, xhigh, max. Die Anforderungsstruktur sieht so aus:

curl https://api.hiapi.ai/v1/chat/completions \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5-5",
    "max_tokens": 500,
    "reasoning": {"effort": "high"},
    "messages": [
      {"role": "system", "content": "You are an e-commerce copywriter. Write a 60-word product description. No superlatives."},
      {"role": "user", "content": "Product: insulated water bottle. 750ml, stainless steel, double-wall vacuum insulation, leak-proof lid, matte finish. Keeps drinks cold 24h, hot 12h."}
    ]
  }'

Zwei weitere Anforderungsstrukturen wirken ebenfalls plausibel, scheitern aber beide: das Top-Level-Feld reasoning_effort und der native Anthropic-Block thinking: {"type": "enabled", "budget_tokens": ...} geben beide invalid_request zurück. Auf dieser Route ist die einzige gültige Struktur reasoning: {"effort": "..."}.

Die ursprüngliche Annahme war: Eine höhere effort-Stufe kostet mehr Token im Austausch für tiefgründiger durchdachte Antworten. Mit exakt demselben 60-Wort-Beschreibungs-Prompt, unter max_tokens: 500, jeweils gesendet mit minimal (undokumentiert, siehe unten), low, medium, high und max, stellte sich jedoch das Gegenteil heraus:

effort	prompt_tokens	completion_tokens	finish_reason
minimal	130	499	stop
low	130	499	stop
medium	130	499	stop
high	130	499	stop
max	130	499	stop

Jede Stufe berechnete für denselben Prompt exakt 499 completion token. Nicht annähernd – vollkommen identisch. Was sich tatsächlich änderte, war der Inhalt des Textes:

minimal: Bleiben Sie überall hydriert mit dieser 750-ml-Edelstahlflasche. Die doppelwandige Isolierung hält Getränke 24 Stunden kalt und 12 Stunden warm, sodass Ihr Wasser vom Wanderweg bis zum Fitnessstudio frisch bleibt. Der auslaufsichere Deckel dichtet im Rucksack zuverlässig ab, die matte Oberfläche ist kratzfest und liegt sicher in der Hand. BPA-frei, langlebig, ideal für jedes Training und jedes Outdoor-Abenteuer.

high: Isolierte Edelstahl-Trinkflasche, 750 ml. Gemacht für lange Wanderwege und längere Trainingseinheiten. Die doppelwandige Edelstahlisolierung hält Getränke 24 Stunden kalt oder 12 Stunden warm, sodass Ihr Wasser bis zum letzten Schluck frisch bleibt. Der auslaufsichere Deckel dichtet im Rucksack oder in der Sporttasche zuverlässig ab. Die matte Oberfläche ist abriebfest und trotzt auch schweißnassen Händen. 750 ml reichen für eine ganze Radtour, ohne Sie unnötig zu beschweren.

high ergänzt eine fettgedruckte Überschrift und ordnet die Verkaufsargumente neu; minimal kommt direkt zu den Argumenten. Beide bleiben bei 60 Wörtern, beide halten die Regel „keine Superlative“ ein, und beide kosten gleich viel. low und medium liegen dazwischen, mit abnehmender Struktur. Beachten Sie, dass minimal tatsächlich nicht in der dokumentierten Fünf-Stufen-Liste steht – es wird nicht abgelehnt, aber undokumentierte Werte sollten als nicht unterstützt gelten und nicht in der Produktion verwendet werden; nutzen Sie eine der fünf aufgelisteten Stufen (low/medium/high/xhigh/max).

Die eigentliche Lehre: reasoning.effort ändert den Stil, nicht den Preis. Bei festem max_tokens hängen die Kosten von der Obergrenze ab, die Sie setzen, nicht vom effort-String. Wenn Sie eine Text-Pipeline nach effort-Stufe budgetieren in der Annahme, low sei die günstige Stufe, dann stimmt das nicht – max_tokens ist der einzige Hebel, der die Rechnung verändert.

Die Falle: reasoning frisst stillschweigend Ihr max_tokens-Budget

Die Erkenntnis „Kosten hängen von max_tokens ab“ hat einen scharfen Nebeneffekt. claude-opus-5-5 führt interne Überlegungen durch, bevor es eine sichtbare Antwort schreibt, und diese internen Überlegungen teilen sich dieselbe max_tokens-Obergrenze wie die Antwort selbst. Wenn man effort erhöht, ohne die Obergrenze anzuheben, kann dem Modell mitten in der Antwort das Budget ausgehen – oder noch bevor überhaupt sichtbarer Inhalt geschrieben wurde.

Erster Fall: ein gewöhnlicher Text-Prompt mit effort: xhigh und max_tokens: 500:

curl https://api.hiapi.ai/v1/chat/completions \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5-5",
    "max_tokens": 500,
    "reasoning": {"effort": "xhigh"},
    "messages": [
      {"role": "system", "content": "You are an e-commerce copywriter. Given a product spec, write a title (max 70 characters), 3 bullet features, and a 2-3 sentence description. No superlatives, no exclamation marks."},
      {"role": "user", "content": "Product: insulated travel mug. Material: 18/8 stainless steel, double-wall vacuum insulation. Capacity: 16oz. Lid: leak-proof slide lock. Keeps drinks hot 6 hours, cold 12 hours."}
    ]
  }'

Die tatsächliche Antwort, unverändert – sie bricht mitten im Satz ab:

Titel: 16-oz isolierter Edelstahl-Reisebecher mit auslaufsicherem Schiebeverschluss

Merkmale:

• Warm- und Kalthaltung: Die doppelwandige Vakuumisolierung hält Getränke 6 Stunden warm und 12 Stunden kalt.
• Robuste Konstruktion: Aus 18/8-Edelstahl gefertigt, rostfrei und ohne Geschmacksrückstände.
• Auslaufsicherer Deckel: Der Schiebeverschluss dichtet die Öffnung ab, sodass Sie den Becher in die Tasche werfen können, ohne sich um Verschütten sorgen zu müssen.

Beschreibung: Dieser 16-oz-Reisebecher mit doppelwandiger Vakuumisolierung hält Ihren Kaffee den ganzen Morgen heiß oder Ihr

finish_reason: "length", 500 completion token berechnet, und der Beschreibungssatz bricht bei „oder Ihr“ ab – kein Schlusszeichen, kein Fehler, kein Warnfeld. Eine Pipeline, die nur auf HTTP 200 prüft, würde diesen halben Satz direkt auf die Produktseite veröffentlichen.

Der zweite Fall ist schlimmer: Ein Prompt für eine Kundenservice-Antwort mit max_tokens: 300 und Standard-reasoning gab eine völlig leere Antwort zurück.

{
  "finish_reason": "length",
  "usage": {"prompt_tokens": 157, "completion_tokens": 300, "total_tokens": 457},
  "message": {"content": "", "reasoning_details": [{"text": "", "type": "reasoning.text"}]}
}

content ist ein leerer String. Das Feld reasoning_details bestätigt den Grund: Das Modell hat das gesamte 300-Token-Budget für interne Überlegungen ausgegeben ("text": "" – selbst die Gedankenspur wurde nicht offengelegt, nur ein undurchsichtiger verschlüsselter signature-Block), ohne Restplatz für die eigentliche Antwort. hiapi hat für diesen Aufruf dennoch alle 300 completion token berechnet – ob eine sichtbare Antwort entsteht oder nicht, Sie zahlen fürs Denken.

Die Lösung ist in beiden Fällen dieselbe: Setzen Sie max_tokens mit echter Reserve über dem, was die sichtbare Antwort benötigt, insbesondere bei den effort-Stufen high/xhigh/max. Verlassen Sie sich auch nicht darauf, dass finish_reason: "stop" ein Beweis für eine gute Antwort ist – prüfen Sie vor dem Schreiben in die Datenbank, dass content weder leer ist noch inhaltlich abbricht.

Anwendungsfall: Entwurf von Kundenservice-Antworten

Geben Sie ihm Ihre Richtlinie und eine echte Kundennachricht:

curl https://api.hiapi.ai/v1/chat/completions \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5-5",
    "max_tokens": 400,
    "reasoning": {"effort": "medium"},
    "messages": [
      {
        "role": "system",
        "content": "You are a customer support agent for an online water bottle store. Policy: 30-day return window from delivery. Manufacturing defects reported after the window should be referred to the manufacturer'\''s own warranty. Reply in under 100 words, empathetic but concise, end with a clear next step."
      },
      {
        "role": "user",
        "content": "I bought a water bottle 35 days ago and the seal is already leaking. Can I get a refund or exchange?"
      }
    ]
  }'

Die tatsächliche Antwort, unverändert:

Es tut mir leid, dass ein Leck aufgetreten ist. Da bereits 35 Tage vergangen sind, liegt die Bestellung außerhalb unseres 30-tägigen Rückgabefensters, sodass ich über uns keine Rückgabe oder keinen Umtausch veranlassen kann. Viele Wasserflaschenmarken bieten eine Garantie für Dichtungsdefekte bei normalem Gebrauch, daher empfehle ich Ihnen, sich direkt an den Hersteller zu wenden. Wenn Sie mir Ihre Bestellnummer nennen, kann ich Ihnen die Details der Marke geben, damit Sie Ihren Anspruch geltend machen können.

Es hat den genauen Grenzfall aus der Richtlinie korrekt angewendet – 35 Tage überschreiten das 30-Tage-Fenster, also hat es die direkte Rückgabe abgelehnt und auf die Herstellergarantie verwiesen, statt sich nur zu entschuldigen und dennoch eine Rückerstattung anzubieten. 277 completion token, finish_reason: "stop", die Antwort vollständig und nicht abgeschnitten. Dasselbe Modell, dasselbe Konto, dieselbe medium-effort-Stufe wie in der Text-Tabelle oben – der Unterschied hier ist, dass max_tokens: 400 ihm genug Raum gab, gleichzeitig zu überlegen und zu antworten.

Visuelle Fähigkeiten vorhanden, obwohl die Modellkarte Nein sagt

Noch eine echt verifizierte Überraschung: Die Modellkarte von claude-opus-5-5 listet Input modalities: text auf – nirgends ist von Bildeingabe die Rede. Aber ihm ein Bild zu schicken funktioniert trotzdem:

curl https://api.hiapi.ai/v1/chat/completions \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5-5",
    "max_tokens": 150,
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "In one sentence, what is in this photo?"},
        {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
      ]
    }]
  }'

Die tatsächliche Antwort, unverändert (abgeschnitten durch denselben oben erwähnten max_tokens-Mechanismus – 150 war nicht genug Platz):

Dies ist ein ordentlich arrangiertes Flatlay mit Herren-Alltagsaccessoires auf grauem Untergrund, darunter eine schwarze Reißverschluss-Geldbörse, eine Piloten-Sonnenbrille, eine Tweed-Fliege, ein Notizbuch

Es hat das Foto korrekt gelesen. Die „text“-Modalitätsangabe auf der Modellkarte ist für diese Route falsch, oder zumindest unvollständig – dasselbe Muster „Karte stimmt nicht mit der Realität überein“, auf das der claude-opus-4-8-Artikel bei seinen Angaben zu visuellen Fähigkeiten gestoßen ist. Bauen Sie keine Pipelines, die sich bei Einschränkungen auf veröffentlichte Modalitätslisten verlassen; senden Sie echte Anfragen und lesen Sie echte Antworten, wie beim reasoning-Parameter oben.

Kostenhinweis

Neun echte Aufrufe, alle über eine einzige Route claude-opus-5-5 abgerechnet (für dieses Modell gibt es keine -aws- oder andere Preisvariante, anders als bei claude-opus-4-8), berechnet nach der hiapi-Preisseite mit $2.02 pro Million Eingabe-Token und $10.08 pro Million Ausgabe-Token:

Aufruf	prompt_tokens	completion_tokens	Kosten
effort-Tabelle × 5 (minimal/low/medium/high/max)	650	2,495	$0.0264
xhigh-Abschneidefalle	185	500	$0.0054
Falle mit leerer Antwort	157	300	$0.0033
Kundenservice-Antwort	3,590	277	$0.0100
Visionstest	690	150	$0.0029
Gesamt	5,272	3,722	$0.0482

Hier gibt es keinerlei Bilderzeugung – claude-opus-5-5 erzeugt keine Bilder, daher sind alle oben genannten Dollar Token-Kosten, und die beiden „Fallen“-Zeilen sind es wert, zusätzliches Budget einzuplanen: Sie haben echtes Geld für abgeschnittene oder völlig leere Ausgaben bezahlt.

Häufig gestellte Fragen

Kann claude-opus-5-5 Produktbilder erzeugen? Nein. Seine Modellkarte listet ausschließlich Text als Eingabe- und Ausgabemodalität, und jede oben gezeigte Antwort ist Text. Wenn die Aufgabe tatsächlich darin besteht, neue Produktfotos zu erzeugen, braucht es dafür ein Bildgenerierungsmodell, nicht dieses.

Ist ein höherer reasoning.effort teurer? An sich nicht. Bei festem max_tokens berechneten die fünf dokumentierten Stufen in den obigen Tests exakt dieselbe Anzahl an completion token – effort ändert das Schreiben, nicht die Token-Menge. Wirklich teurer wird es, max_tokens zu erhöhen, um höheren effort-Stufen Raum zum gleichzeitigen Überlegen und Antworten zu geben.

Warum habe ich eine leere Antwort ohne Fehler bekommen? max_tokens war zu niedrig für die internen Überlegungen, die das Modell vor dem Schreiben anstellt. Das ist kein Bug – finish_reason zeigt "length", Sie zahlen weiterhin die volle Token-Anzahl, aber content kann leer oder abgeschnitten zurückkommen. Prüfen Sie stets, dass content nicht leer und vollständig ist, und nicht nur, dass der Aufruf 200 zurückgegeben hat.

Unterstützt es tatsächlich Bildeingabe? Ja, bestätigt durch das Senden eines echten Bildes in der obigen Anfrage und den Erhalt einer korrekten Beschreibung – obwohl die eigene Karte des Modells text als einzige Eingabemodalität angibt.

Erste Schritte

Um es selbst auszuprobieren: Sie benötigen einen hiapi-API-Schlüssel, die claude-opus-5-5-Modellseite (für aktuelle Preise und die vollständige reasoning-effort-Liste) und, wenn Sie für dieselben E-Commerce-Text- und Kundenservice-Workloads reine Textmodelle vergleichen, deckt der claude-opus-4-8-Artikel dasselbe auf der vorherigen Opus-Generation ab – es lohnt sich zu prüfen, ob die obigen max_tokens/reasoning-Abwägungen ein Upgrade wert sind, bevor Sie Ihre Produktionspipeline umstellen.