Claude Opus 5.5 per l'e-commerce: copywriting e risposte al servizio clienti

claude-opus-5-5 sulla scheda modello di hiapi mostra sia le modalità di input che di output come text — nessuna generazione di immagini, nessun accenno all'input di immagini. Quindi quando nella richiesta compare "immagine del prodotto", la risposta onesta è la stessa che si darebbe per qualsiasi LLM puramente testuale: strumento sbagliato. Ciò in cui eccelle davvero nello scenario di un negozio online è la scrittura: descrizioni di prodotto, testi per le pagine prodotto e risposte al servizio clienti. Ha anche un parametro reasoning che la maggior parte delle persone non ha mai toccato, e questo parametro ha un effetto collaterale reale, che incide sulla fatturazione, che vale la pena conoscere prima di collegarlo alla pipeline di produzione. Di seguito ci sono quattro chiamate reali all'API hiapi, con output reali, conteggi reali dei token e una trappola scoperta spendendo soldi veri.

Il parametro reasoning.effort, e cosa ti offre davvero

La scheda modello di claude-opus-5-5 elenca cinque livelli di reasoning effort: low, medium, high, xhigh, max. La struttura della richiesta è la seguente:

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."}
    ]
  }'

Altre due strutture di richiesta sembrano altrettanto ragionevoli, ma falliscono entrambe: il campo di primo livello reasoning_effort e il blocco nativo di Anthropic thinking: {"type": "enabled", "budget_tokens": ...} restituiscono entrambi invalid_request. Su questa rotta, l'unica struttura valida è reasoning: {"effort": "..."}.

L'ipotesi iniziale era: livelli di effort più alti costano più token, in cambio di risposte pensate più a fondo. Con lo stesso identico prompt per una descrizione di 60 parole, inviato con max_tokens: 500 rispettivamente con minimal (non documentato, vedi sotto), low, medium, high e max, il risultato è stato invece diverso:

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

Ogni livello ha fatturato per lo stesso prompt esattamente 499 completion token. Non un valore vicino — esattamente identico. Ciò che cambia davvero è il contenuto scritto:

minimal: Mantieniti idratato ovunque tu sia con questa borraccia in acciaio inox da 750ml. Il doppio isolamento mantiene le bevande fredde per 24 ore e calde per 12, così la tua acqua resta fresca dai sentieri alla palestra. Il tappo a prova di perdite sigilla bene nello zaino, la finitura opaca resiste ai graffi e offre una presa salda. Senza BPA, durevole, adatta a ogni allenamento e avventura all'aperto.

high: Borraccia termica in acciaio inox, 750ml. Progettata per lunghi sentieri e allenamenti più intensi. L'isolamento in doppio acciaio inox mantiene le bevande fredde per 24 ore o calde per 12, così la tua acqua resta fresca fino all'ultimo sorso. Il tappo a prova di perdite sigilla bene nello zaino o nella borsa da palestra. La finitura opaca resiste all'usura e alle mani sudate. 750ml bastano per un giro completo in bici senza appesantirti troppo.

high ha aggiunto un titolo in grassetto e riordinato i punti di forza; minimal è andato dritto ai punti di forza. Entrambi si attestano sulle 60 parole, entrambi rispettano la regola "niente superlativi", e il costo è identico. low e medium si collocano tra i due, con una struttura progressivamente meno marcata. Nota che minimal non è in realtà nell'elenco documentato dei cinque livelli — non è stato rifiutato, ma i valori non documentati vanno considerati non supportati anziché affidarcisi in produzione; usa uno dei cinque livelli elencati (low/medium/high/xhigh/max).

La vera lezione: reasoning.effort cambia lo stile, non il prezzo. Con un max_tokens fisso, il costo dipende dal limite che imposti, non dalla stringa di effort. Se fai il budget della pipeline di copywriting in base al livello di effort pensando che low sia la fascia economica, non lo è — max_tokens è l'unica leva che cambia la fattura.

La trappola: il reasoning consuma silenziosamente il tuo budget max_tokens

La scoperta che "il costo dipende da max_tokens" ha un effetto collaterale affilato. claude-opus-5-5 esegue un reasoning interno prima di scrivere la risposta visibile, e questo reasoning interno condivide lo stesso limite max_tokens della risposta stessa. Se alzi l'effort senza alzare il limite, il modello può esaurire il budget a metà della risposta — o addirittura prima di scrivere qualsiasi contenuto visibile.

Primo caso: su un normale prompt di copywriting con effort: xhigh e 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."}
    ]
  }'

Risposta effettiva, non modificata — si è troncata a metà frase:

Titolo: Tazza da viaggio termica in acciaio inox 16oz con coperchio a scorrimento a prova di perdite

Caratteristiche:

• Mantiene caldo e freddo: il doppio isolamento sottovuoto mantiene le bevande calde per 6 ore e fredde per 12 ore.
• Struttura durevole: realizzata in acciaio inox 18/8, resistente alla ruggine e senza odori residui.
• Coperchio a prova di perdite: il meccanismo a scorrimento sigilla l'apertura, così puoi gettare la tazza nello zaino senza preoccuparti di fuoriuscite.

Descrizione: Questa tazza da viaggio da 16oz con doppio isolamento sottovuoto mantiene il tuo caffè caldo per tutta la mattina, o il tuo

finish_reason: "length", 500 completion token fatturati, e la frase della descrizione si interrompe bruscamente su "o il tuo" — senza punteggiatura finale, senza errori, senza campo di avviso. Una pipeline che controlla solo l'HTTP 200 pubblicherebbe quella mezza frase direttamente sulla pagina prodotto.

Il secondo caso è peggiore: un prompt per la risposta al servizio clienti con il reasoning predefinito a max_tokens: 300 ha restituito un output completamente vuoto.

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

content è una stringa vuota. Il campo reasoning_details conferma il motivo: il modello ha speso l'intero budget di 300 token nel reasoning interno ("text": "" — nemmeno la traccia di reasoning è esposta, solo un blocco signature criptato opaco), senza spazio rimasto per scrivere la risposta effettiva. hiapi ha comunque fatturato l'intera chiamata per tutti i 300 completion token — paghi il pensiero indipendentemente dal fatto che venga prodotta o meno una risposta visibile.

La correzione per entrambi i casi è la stessa: quando imposti max_tokens, lascia un margine reale al di sopra di quanto serve per la risposta visibile, soprattutto con effort high/xhigh/max. E non fidarti che finish_reason: "stop" sia la prova di una buona risposta — prima di scrivere nel database, verifica che content non sia vuoto e che esprima davvero un concetto completo.

Caso d'uso: stesura delle risposte al servizio clienti

Fornisci la tua policy e un messaggio reale del cliente:

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?"
      }
    ]
  }'

Risposta effettiva, non modificata:

Mi dispiace per il problema di perdita. Poiché sono passati 35 giorni, l'ordine è al di fuori della nostra finestra di reso di 30 giorni, quindi non posso procedere con un reso o una sostituzione da parte nostra. Molti marchi di borracce offrono una garanzia sui difetti di tenuta in condizioni di uso normale, quindi ti consiglio di contattare direttamente il produttore. Se mi fornisci il numero d'ordine, posso darti i dettagli del marchio per aiutarti a presentare la richiesta.

Ha applicato correttamente l'esatto caso limite della policy — 35 giorni superano la finestra di 30 giorni, quindi ha rifiutato il reso diretto e ha indirizzato verso la garanzia del produttore, invece di limitarsi a scusarsi e offrire comunque un rimborso. 277 completion token, finish_reason: "stop", risposta completa e non troncata. Stesso modello, stesso account, stesso effort medium della tabella di copywriting sopra — la differenza qui è che max_tokens: 400 gli ha dato spazio sufficiente per ragionare e rispondere insieme.

Capacità visive disponibili, nonostante la scheda modello dica di no

C'è anche una sorpresa verificata sul campo: la scheda modello di claude-opus-5-5 elenca Input modalities: text — da nessuna parte si menziona l'input di immagini. Ma inviargli un'immagine funziona comunque:

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"}}
      ]
    }]
  }'

Risposta effettiva, non modificata (troncata dallo stesso meccanismo max_tokens menzionato sopra — 150 non bastavano):

Si tratta di una flat lay ordinata di accessori quotidiani da uomo su una superficie grigia, tra cui un portafoglio nero con cerniera, un paio di occhiali da sole aviator, un papillon in tweed, un taccuino

Ha letto correttamente la foto. La voce della modalità "text" sulla scheda modello è errata per questa rotta, o quantomeno incompleta — lo stesso schema di "scheda in disaccordo con la realtà" incontrato dall'articolo su claude-opus-4-8 riguardo alle sue dichiarazioni sulle capacità visive. Non costruire pipeline che si basano su elenchi di modalità pubblicati per porre restrizioni; come per il parametro reasoning sopra, invia richieste reali e leggi le risposte reali.

Nota sui costi

Nove chiamate reali, tutte fatturate sulla singola rotta claude-opus-5-5 (per questo modello non esistono varianti -aws o altre varianti di prezzo, a differenza di claude-opus-4-8), calcolate secondo la pagina prezzi di hiapi a $2.02 per milione di token di input e $10.08 per milione di token di output:

Chiamata	prompt_tokens	completion_tokens	Costo
Tabella effort × 5 (minimal/low/medium/high/max)	650	2,495	$0.0264
Trappola del troncamento xhigh	185	500	$0.0054
Trappola della risposta vuota	157	300	$0.0033
Risposta al servizio clienti	3,590	277	$0.0100
Test visivo	690	150	$0.0029
Totale	5,272	3,722	$0.0482

Qui non c'è alcuna generazione di immagini — claude-opus-5-5 non genera immagini, quindi ogni dollaro sopra è un costo di token, e le due righe delle "trappole" meritano un budget extra riservato: hanno pagato un prezzo reale per output troncati o completamente vuoti.

Domande frequenti

claude-opus-5-5 può generare immagini di prodotto? No. La sua scheda modello elenca modalità di input e output solo testuali, e ogni risposta sopra è testo. Se il compito è effettivamente generare nuove foto di prodotto, serve un modello di generazione di immagini, non questo.

Un reasoning.effort più alto costa di più? Di per sé no. Con max_tokens fisso, i cinque livelli documentati testati sopra hanno fatturato esattamente lo stesso numero di completion token — l'effort cambia la scrittura, non il numero di token. Ciò che costa davvero di più è aumentare max_tokens per dare ai livelli di effort più alti lo spazio per ragionare e rispondere insieme.

Perché ho ricevuto una risposta vuota senza errori? max_tokens era troppo basso rispetto al reasoning interno che il modello esegue prima di scrivere. Non è un bug — finish_reason mostrerà "length", pagherai comunque il numero completo di token, ma content può tornare vuoto o troncato. Verifica sempre che content non sia vuoto e sia completo, non solo che la chiamata abbia restituito 200.

Supporta davvero l'input di immagini? Sì, confermato inviando un'immagine reale nella richiesta sopra e ottenendo una descrizione accurata — nonostante la sua stessa scheda elenchi text come unica modalità di input.

Iniziare

Per provarlo tu stesso: ti serve una chiave API hiapi, la pagina del modello claude-opus-5-5 (per verificare i prezzi attuali e l'elenco completo dei reasoning-effort), e se stai confrontando modelli puramente testuali per gli stessi carichi di lavoro di copywriting e servizio clienti e-commerce, l'articolo su claude-opus-4-8 copre gli stessi argomenti sulla generazione precedente di Opus — prima di cambiare la pipeline di produzione, vale la pena verificare se il compromesso max_tokens/reasoning sopra giustifichi l'aggiornamento.