Claude Sonnet 4.6 kombinerer programmering, forståelse af stor kontekst, agentplanlægning, fagligt informationsarbejde og design. Anthropic fremhæver undersøgelse af kode før ændringer og evnen til at arbejde sekventielt gennem flere opgavetrin. Det er nyttigt ved fejlsøgning i store projekter, analyse af lange dokumenter og forberedelse af rapportindhold.
Modellen kan analysere oplysninger fra kontrakter, forskningsarbejder og andet materiale i én forespørgsel. Opgaven kan omfatte udtræk af fakta, ræsonnement på deres grundlag og et resultat, der samler flere dele. Blandt beskrevne anvendelser er også finansiel analyse og interfacekode med fokus på komposition og formgivning.
Sonnet 4.6 forstår tekst og billeder; dens eget resultat er tekst. Anthropic beskriver computerscenarier, hvor modellen orienterer sig efter skærmbilleder, vælger muse- og tastaturhandlinger og analyserer komplekse tabeller eller trin i webformularer. Faktisk udførelse kræver applikationsværktøjer, der overfører skærmen og udfører handlingerne.
Producentens almindelige visuelle inputformater er JPEG/PNG/GIF/WebP med første frame fra animationer. Ved modellens indbyggede billedanalyse er den lange side 1568 pixels med 1568 visuelle tokens; store billeder nedskaleres før analysen. Understøttelse af filer og parametre afhænger af applikationens metode.
Tilsvarende kan dokumenter, tabeller og præsentationer analyseres eller få forberedt indhold, men produktion af en færdig fil kræver et passende miljø. Billeder hjælper med at forstå grafer, diagrammer og materialets visuelle struktur; det gør ikke modellen til en billedgenerator.
Denne version understøtter adaptivt ræsonnement og manuel extended thinking. Den manuelle tilstand er markeret som under udfasning; den adaptive lader modellen vælge, hvornår yderligere analyse er nyttig, herunder mellem værktøjskald. effort har niveauerne low, medium, high og max, med high som standard. Ifølge Anthropic hjælper indsatsvalget med at tilpasse detaljeringsgrad og svartid til opgavens karakter.
Den aktuelle specifikation angiver 1 million tokens i konteksten og op til 128 tusind tokens i svaret i almindelig tilstand. Til længere arbejde beskriver producenten også eksperimentel komprimering af ældre kontekst til et resumé. Funktionen kræver understøttelse i applikationen og ophæver ikke modellens kontekstvindue.
Den pålidelige skæringsdato for den indbyggede viden er august 2025. Senere oplysninger kræver opgavemateriale eller tilgængelig søgning. Tilsluttede værktøjer kan hjælpe med at finde oplysninger, udføre kode og behandle fundet indhold; applikationen fastlægger deres tilgængelighed og de tilladte handlinger.
Sonnet 4.6 er trænet til at modstå skjulte ondsindede instruktioner i andres materiale, men komplekse visuelle miljøer og tvetydige opgaver kan stadig give fejl. Eksplicitte krav, kontrol af udtrukne fakta og vurdering af handlingsresultater forbliver en del af pålideligt modelarbejde.
", "aboutText": "### Kode, dokumenter og handlingsplan\n\nClaude Sonnet 4.6 kombinerer programmering, forståelse af stor kontekst, agentplanlægning, fagligt informationsarbejde og design. Anthropic fremhæver undersøgelse af kode før ændringer og evnen til at arbejde sekventielt gennem flere opgavetrin. Det er nyttigt ved fejlsøgning i store projekter, analyse af lange dokumenter og forberedelse af rapportindhold.\n\nModellen kan analysere oplysninger fra kontrakter, forskningsarbejder og andet materiale i én forespørgsel. Opgaven kan omfatte udtræk af fakta, ræsonnement på deres grundlag og et resultat, der samler flere dele. Blandt beskrevne anvendelser er også finansiel analyse og interfacekode med fokus på komposition og formgivning.\n\n### Handlinger i et visuelt miljø\n\nSonnet 4.6 forstår **tekst og billeder**; dens eget resultat er **tekst**. Anthropic beskriver computerscenarier, hvor modellen orienterer sig efter skærmbilleder, vælger muse- og tastaturhandlinger og analyserer komplekse tabeller eller trin i webformularer. Faktisk udførelse kræver applikationsværktøjer, der overfører skærmen og udfører handlingerne.\n\nProducentens almindelige visuelle inputformater er JPEG/PNG/GIF/WebP med første frame fra animationer. Ved modellens indbyggede billedanalyse er den lange side 1568 pixels med 1568 visuelle tokens; store billeder nedskaleres før analysen. Understøttelse af filer og parametre afhænger af applikationens metode.\n\nTilsvarende kan dokumenter, tabeller og præsentationer analyseres eller få forberedt indhold, men produktion af en færdig fil kræver et passende miljø. Billeder hjælper med at forstå grafer, diagrammer og materialets visuelle struktur; det gør ikke modellen til en billedgenerator.\n\n### Sådan styres analysen\n\nDenne version understøtter adaptivt ræsonnement og manuel extended thinking. Den manuelle tilstand er markeret som under udfasning; den adaptive lader modellen vælge, hvornår yderligere analyse er nyttig, herunder mellem værktøjskald. `effort` har niveauerne `low`, `medium`, `high` og `max`, med `high` som standard. Ifølge Anthropic hjælper indsatsvalget med at tilpasse detaljeringsgrad og svartid til opgavens karakter.\n\nDen aktuelle specifikation angiver **1 million tokens i konteksten** og op til **128 tusind tokens i svaret i almindelig tilstand**. Til længere arbejde beskriver producenten også eksperimentel komprimering af ældre kontekst til et resumé. Funktionen kræver understøttelse i applikationen og ophæver ikke modellens kontekstvindue.\n\n### Hvad der skal tages højde for\n\nDen pålidelige skæringsdato for den indbyggede viden er **august 2025**. Senere oplysninger kræver opgavemateriale eller tilgængelig søgning. Tilsluttede værktøjer kan hjælpe med at finde oplysninger, udføre kode og behandle fundet indhold; applikationen fastlægger deres tilgængelighed og de tilladte handlinger.\n\nSonnet 4.6 er trænet til at modstå skjulte ondsindede instruktioner i andres materiale, men komplekse visuelle miljøer og tvetydige opgaver kan stadig give fejl. Eksplicitte krav, kontrol af udtrukne fakta og vurdering af handlingsresultater forbliver en del af pålideligt modelarbejde.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "64130628ec93713b88ec4b549a30751184c1f4dbffffbbe744fb75e48c8b30de", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "claude-sonnet-4-6-thinkingClaude Sonnet 4.6 hjælper med udvikling, forståelse af lange dokumenter, planlægning og opgaver med visuelle data. Understøtter adaptivt ræsonnement og værktøjsarbejde i flere trin.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Claude Sonnet 4.6 kombinerer programmering, forståelse af stor kontekst, agentplanlægning, fagligt informationsarbejde og design. Anthropic fremhæver undersøgelse af kode før ændringer og evnen til at arbejde sekventielt gennem flere opgavetrin. Det er nyttigt ved fejlsøgning i store projekter, analyse af lange dokumenter og forberedelse af rapportindhold.
Modellen kan analysere oplysninger fra kontrakter, forskningsarbejder og andet materiale i én forespørgsel. Opgaven kan omfatte udtræk af fakta, ræsonnement på deres grundlag og et resultat, der samler flere dele. Blandt beskrevne anvendelser er også finansiel analyse og interfacekode med fokus på komposition og formgivning.
Sonnet 4.6 forstår tekst og billeder; dens eget resultat er tekst. Anthropic beskriver computerscenarier, hvor modellen orienterer sig efter skærmbilleder, vælger muse- og tastaturhandlinger og analyserer komplekse tabeller eller trin i webformularer. Faktisk udførelse kræver applikationsværktøjer, der overfører skærmen og udfører handlingerne.
Producentens almindelige visuelle inputformater er JPEG/PNG/GIF/WebP med første frame fra animationer. Ved modellens indbyggede billedanalyse er den lange side 1568 pixels med 1568 visuelle tokens; store billeder nedskaleres før analysen. Understøttelse af filer og parametre afhænger af applikationens metode.
Tilsvarende kan dokumenter, tabeller og præsentationer analyseres eller få forberedt indhold, men produktion af en færdig fil kræver et passende miljø. Billeder hjælper med at forstå grafer, diagrammer og materialets visuelle struktur; det gør ikke modellen til en billedgenerator.
Denne version understøtter adaptivt ræsonnement og manuel extended thinking. Den manuelle tilstand er markeret som under udfasning; den adaptive lader modellen vælge, hvornår yderligere analyse er nyttig, herunder mellem værktøjskald. effort har niveauerne low, medium, high og max, med high som standard. Ifølge Anthropic hjælper indsatsvalget med at tilpasse detaljeringsgrad og svartid til opgavens karakter.
Den aktuelle specifikation angiver 1 million tokens i konteksten og op til 128 tusind tokens i svaret i almindelig tilstand. Til længere arbejde beskriver producenten også eksperimentel komprimering af ældre kontekst til et resumé. Funktionen kræver understøttelse i applikationen og ophæver ikke modellens kontekstvindue.
Den pålidelige skæringsdato for den indbyggede viden er august 2025. Senere oplysninger kræver opgavemateriale eller tilgængelig søgning. Tilsluttede værktøjer kan hjælpe med at finde oplysninger, udføre kode og behandle fundet indhold; applikationen fastlægger deres tilgængelighed og de tilladte handlinger.
Sonnet 4.6 er trænet til at modstå skjulte ondsindede instruktioner i andres materiale, men komplekse visuelle miljøer og tvetydige opgaver kan stadig give fejl. Eksplicitte krav, kontrol af udtrukne fakta og vurdering af handlingsresultater forbliver en del af pålideligt modelarbejde.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser claude-sonnet-4-6-thinking | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream |
Parametercontrol_scope | KontraktTekstsamtale; stream er en boolesk værdi og er som standard false. |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Metodealiaser: /chat/completions
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.006 / 1K tokens Output · Outputtokens $0.03 / 1K tokens Input · Cachelæsning $0.0006 / 1K tokens Input · Cacheskrivning $0.0075 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-sonnet-4-6-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="claude-sonnet-4-6-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra claude-sonnet-4-6-thinking
/chat/completions