Claude Sonnet 4.6 verbindet Programmierung, das Verständnis eines großen Kontexts, Agentenplanung, fachliche Informationsarbeit und Design. Anthropic hebt die Untersuchung von Code vor Änderungen und die Fähigkeit hervor, mehrere Schritte einer Aufgabe nacheinander zu bearbeiten. Das ist bei der Suche nach einem Problem in einem großen Projekt, der Analyse eines langen Dokuments und der Erstellung von Berichtsinhalten hilfreich.
Das Modell kann Informationen aus Verträgen, Forschungsarbeiten und anderen Materialien innerhalb einer Anfrage analysieren. Die Aufgabe kann das Extrahieren von Fakten, Reasoning auf dieser Grundlage und ein Ergebnis umfassen, das mehrere Teile zusammenführt. Zu den beschriebenen Schwerpunkten gehören auch Finanzanalyse und die Erstellung von Code für Oberflächen mit Augenmerk auf Komposition und Gestaltung.
Sonnet 4.6 versteht Text und Bilder; das eigentliche Ergebnis ist Text. Anthropic beschreibt Computeranwendungen, bei denen sich das Modell anhand eines Screenshots orientiert, Maus- und Tastaturaktionen auswählt und eine komplexe Tabelle oder die Schrittfolge eines Webformulars analysiert. Für die tatsächliche Ausführung werden Werkzeuge der Anwendung benötigt, die den Bildschirm übertragen und die Aktionen ausführen.
Die Formate für gewöhnliche visuelle Eingaben beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird der erste Frame verwendet. Bei nativer Analyse beträgt die lange Seite 1568 Pixel bei 1568 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Ebenso können Dokumente, Tabellen und Präsentationen analysiert oder ihre Inhalte vorbereitet werden; das Erstellen einer fertigen Datei erfordert jedoch eine passende Umgebung. Bilder helfen, Grafiken, Diagramme und die visuelle Struktur von Materialien zu verstehen. Dadurch wird das Modell nicht zu einem Bildgenerator.
Für diese Version werden adaptives Reasoning und manuelles extended thinking unterstützt. Der manuelle Modus ist als auslaufend gekennzeichnet. Der adaptive Modus ermöglicht dem Modell, zu entscheiden, wann zusätzliche Analyse hilfreich ist, auch zwischen Werkzeugaufrufen. Die Stufen für effort sind low, medium, high und max; der Standard ist high. Laut Anthropic hilft die Wahl des Aufwands, Bearbeitungstiefe und Latenz auf die Art der Aufgabe abzustimmen.
Die aktuelle Spezifikation nennt 1 Million Tokens Kontext und bis zu 128 Tausend Tokens Antwort im gewöhnlichen Modus. Für längere Arbeit beschreibt der Hersteller auch eine experimentelle Komprimierung älteren Kontexts in eine Zusammenfassung. Diese Funktion erfordert Unterstützung durch die Anwendung und hebt die Grenzen des Modellfensters nicht auf.
Der verlässliche Wissensstand reicht bis August 2025. Für spätere Informationen werden Aufgabenmaterialien oder eine verfügbare Suche benötigt. Angeschlossene Werkzeuge können bei der Informationssuche, Codeausführung und Verarbeitung gefundener Inhalte helfen. Die Anwendung bestimmt, welche Werkzeuge vorhanden und welche Aktionen erlaubt sind.
Sonnet 4.6 wurde darauf trainiert, versteckten schädlichen Anweisungen in fremden Materialien zu widerstehen. Komplexe visuelle Umgebungen und mehrdeutige Aufgaben können dennoch zu Fehlern führen. Ausdrückliche Aufgabenanforderungen, die Prüfung extrahierter Fakten und die Beurteilung eines Aktionsergebnisses bleiben Teil eines zuverlässigen Modelleinsatzes.
", "aboutText": "### Code, Dokumente und ein Aktionsplan\n\nClaude Sonnet 4.6 verbindet Programmierung, das Verständnis eines großen Kontexts, Agentenplanung, fachliche Informationsarbeit und Design. Anthropic hebt die Untersuchung von Code vor Änderungen und die Fähigkeit hervor, mehrere Schritte einer Aufgabe nacheinander zu bearbeiten. Das ist bei der Suche nach einem Problem in einem großen Projekt, der Analyse eines langen Dokuments und der Erstellung von Berichtsinhalten hilfreich.\n\nDas Modell kann Informationen aus Verträgen, Forschungsarbeiten und anderen Materialien innerhalb einer Anfrage analysieren. Die Aufgabe kann das Extrahieren von Fakten, Reasoning auf dieser Grundlage und ein Ergebnis umfassen, das mehrere Teile zusammenführt. Zu den beschriebenen Schwerpunkten gehören auch Finanzanalyse und die Erstellung von Code für Oberflächen mit Augenmerk auf Komposition und Gestaltung.\n\n### Aktionen in einer visuellen Umgebung\n\nSonnet 4.6 versteht **Text und Bilder**; das eigentliche Ergebnis ist **Text**. Anthropic beschreibt Computeranwendungen, bei denen sich das Modell anhand eines Screenshots orientiert, Maus- und Tastaturaktionen auswählt und eine komplexe Tabelle oder die Schrittfolge eines Webformulars analysiert. Für die tatsächliche Ausführung werden Werkzeuge der Anwendung benötigt, die den Bildschirm übertragen und die Aktionen ausführen.\n\nDie Formate für gewöhnliche visuelle Eingaben beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird der erste Frame verwendet. Bei nativer Analyse beträgt die lange Seite 1568 Pixel bei 1568 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.\n\nEbenso können Dokumente, Tabellen und Präsentationen analysiert oder ihre Inhalte vorbereitet werden; das Erstellen einer fertigen Datei erfordert jedoch eine passende Umgebung. Bilder helfen, Grafiken, Diagramme und die visuelle Struktur von Materialien zu verstehen. Dadurch wird das Modell nicht zu einem Bildgenerator.\n\n### Wie die Analyse gesteuert wird\n\nFür diese Version werden adaptives Reasoning und manuelles extended thinking unterstützt. Der manuelle Modus ist als auslaufend gekennzeichnet. Der adaptive Modus ermöglicht dem Modell, zu entscheiden, wann zusätzliche Analyse hilfreich ist, auch zwischen Werkzeugaufrufen. Die Stufen für `effort` sind `low`, `medium`, `high` und `max`; der Standard ist `high`. Laut Anthropic hilft die Wahl des Aufwands, Bearbeitungstiefe und Latenz auf die Art der Aufgabe abzustimmen.\n\nDie aktuelle Spezifikation nennt **1 Million Tokens Kontext** und bis zu **128 Tausend Tokens Antwort im gewöhnlichen Modus**. Für längere Arbeit beschreibt der Hersteller auch eine experimentelle Komprimierung älteren Kontexts in eine Zusammenfassung. Diese Funktion erfordert Unterstützung durch die Anwendung und hebt die Grenzen des Modellfensters nicht auf.\n\n### Was bei der Arbeit zu beachten ist\n\nDer verlässliche Wissensstand reicht bis **August 2025**. Für spätere Informationen werden Aufgabenmaterialien oder eine verfügbare Suche benötigt. Angeschlossene Werkzeuge können bei der Informationssuche, Codeausführung und Verarbeitung gefundener Inhalte helfen. Die Anwendung bestimmt, welche Werkzeuge vorhanden und welche Aktionen erlaubt sind.\n\nSonnet 4.6 wurde darauf trainiert, versteckten schädlichen Anweisungen in fremden Materialien zu widerstehen. Komplexe visuelle Umgebungen und mehrdeutige Aufgaben können dennoch zu Fehlern führen. Ausdrückliche Aufgabenanforderungen, die Prüfung extrahierter Fakten und die Beurteilung eines Aktionsergebnisses bleiben Teil eines zuverlässigen Modelleinsatzes.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4a919ece886e42f75ae65b3b64b8015f961d21a47483993548e4a896eb5ddf7f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-at", "methods": [ { "html": "claude-sonnet-4-6-thinkingClaude Sonnet 4.6 hilft bei Entwicklung, dem Verständnis langer Dokumente, Planung und Aufgaben mit visuellen Daten. Unterstützt adaptives Reasoning und mehrstufige Arbeit mit Werkzeugen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Sonnet 4.6 verbindet Programmierung, das Verständnis eines großen Kontexts, Agentenplanung, fachliche Informationsarbeit und Design. Anthropic hebt die Untersuchung von Code vor Änderungen und die Fähigkeit hervor, mehrere Schritte einer Aufgabe nacheinander zu bearbeiten. Das ist bei der Suche nach einem Problem in einem großen Projekt, der Analyse eines langen Dokuments und der Erstellung von Berichtsinhalten hilfreich.
Das Modell kann Informationen aus Verträgen, Forschungsarbeiten und anderen Materialien innerhalb einer Anfrage analysieren. Die Aufgabe kann das Extrahieren von Fakten, Reasoning auf dieser Grundlage und ein Ergebnis umfassen, das mehrere Teile zusammenführt. Zu den beschriebenen Schwerpunkten gehören auch Finanzanalyse und die Erstellung von Code für Oberflächen mit Augenmerk auf Komposition und Gestaltung.
Sonnet 4.6 versteht Text und Bilder; das eigentliche Ergebnis ist Text. Anthropic beschreibt Computeranwendungen, bei denen sich das Modell anhand eines Screenshots orientiert, Maus- und Tastaturaktionen auswählt und eine komplexe Tabelle oder die Schrittfolge eines Webformulars analysiert. Für die tatsächliche Ausführung werden Werkzeuge der Anwendung benötigt, die den Bildschirm übertragen und die Aktionen ausführen.
Die Formate für gewöhnliche visuelle Eingaben beim Hersteller sind JPEG/PNG/GIF/WebP; bei Animationen wird der erste Frame verwendet. Bei nativer Analyse beträgt die lange Seite 1568 Pixel bei 1568 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Welche Dateien und Parameter unterstützt werden, hängt von der Methode der Anwendung ab.
Ebenso können Dokumente, Tabellen und Präsentationen analysiert oder ihre Inhalte vorbereitet werden; das Erstellen einer fertigen Datei erfordert jedoch eine passende Umgebung. Bilder helfen, Grafiken, Diagramme und die visuelle Struktur von Materialien zu verstehen. Dadurch wird das Modell nicht zu einem Bildgenerator.
Für diese Version werden adaptives Reasoning und manuelles extended thinking unterstützt. Der manuelle Modus ist als auslaufend gekennzeichnet. Der adaptive Modus ermöglicht dem Modell, zu entscheiden, wann zusätzliche Analyse hilfreich ist, auch zwischen Werkzeugaufrufen. Die Stufen für effort sind low, medium, high und max; der Standard ist high. Laut Anthropic hilft die Wahl des Aufwands, Bearbeitungstiefe und Latenz auf die Art der Aufgabe abzustimmen.
Die aktuelle Spezifikation nennt 1 Million Tokens Kontext und bis zu 128 Tausend Tokens Antwort im gewöhnlichen Modus. Für längere Arbeit beschreibt der Hersteller auch eine experimentelle Komprimierung älteren Kontexts in eine Zusammenfassung. Diese Funktion erfordert Unterstützung durch die Anwendung und hebt die Grenzen des Modellfensters nicht auf.
Der verlässliche Wissensstand reicht bis August 2025. Für spätere Informationen werden Aufgabenmaterialien oder eine verfügbare Suche benötigt. Angeschlossene Werkzeuge können bei der Informationssuche, Codeausführung und Verarbeitung gefundener Inhalte helfen. Die Anwendung bestimmt, welche Werkzeuge vorhanden und welche Aktionen erlaubt sind.
Sonnet 4.6 wurde darauf trainiert, versteckten schädlichen Anweisungen in fremden Materialien zu widerstehen. Komplexe visuelle Umgebungen und mehrdeutige Aufgaben können dennoch zu Fehlern führen. Ausdrückliche Aufgabenanforderungen, die Prüfung extrahierter Fakten und die Beurteilung eines Aktionsergebnisses bleiben Teil eines zuverlässigen Modelleinsatzes.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-sonnet-4-6-thinking | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.006 / 1K Tokens Ausgabe · Ausgabetoken $0.03 / 1K Tokens Eingabe · Cache lesen $0.0006 / 1K Tokens Eingabe · In Cache schreiben $0.0075 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra claude-sonnet-4-6-thinking
/chat/completions