Claude Sonnet 4.5 es la edición Sonnet de Anthropic centrada en desarrollo de software, tareas complejas con agentes y uso del ordenador, con mejoras en razonamiento y matemáticas. Acepta texto e imágenes y genera texto. La versión describe trabajo sostenido en varios pasos, comprensión de código y cambios que abarcan un proyecto más amplio en lugar de una única función aislada. Una descripción útil de la tarea identifica el comportamiento requerido, el material original pertinente y el artefacto que debe entregarse: un parche propuesto, una explicación de la implementación, un análisis documental o una respuesta estructurada.
Para software, proporciona las restricciones del proyecto, los archivos o fragmentos relevantes, el error observado y un ejemplo concreto del resultado esperado. Pide el código afectado y una explicación de cómo el cambio propuesto resuelve ese ejemplo. El proveedor presenta el modelo como adecuado para construir agentes y desarrollar tareas de programación con herramientas. La aplicación que lo rodea lee y edita archivos, ejecuta un comando o comprobación y devuelve su salida real; el modelo razona sobre esas pruebas. Distingue el cambio propuesto de la comprobación completada en el informe final.
El uso del ordenador es una aplicación independiente de sus capacidades visuales y de agente. La presentación de Anthropic muestra interacción con el navegador, navegación por páginas y trabajo con hojas de cálculo mediante un entorno conectado. Una descripción visual puede proporcionar una captura de pantalla, identificar el objetivo y definir qué acciones permite la aplicación. La aplicación realiza después la interacción elegida y devuelve la pantalla modificada u otro resultado. Del mismo modo, el modelo puede preparar contenido y código para documentos, hojas de cálculo y diapositivas, mientras que el entorno produce el archivo terminado. Comprender texto e imágenes no convierte al modelo en un generador nativo de imágenes o audio.
La especificación exacta del proveedor indica una ventana de contexto de 200K tokens y hasta 64K tokens de salida. Su fecha límite de conocimiento fiable es enero de 2025, distinta de la fecha posterior de corte de los datos de entrenamiento indicada en la página. Mantén claros los límites entre documentos, los identificadores de páginas, las unidades y los identificadores de código en una entrada larga y reserva espacio para la respuesta solicitada y cualquier razonamiento. El proveedor también documenta que esta edición reconoce el espacio de contexto disponible, por lo que su flujo compatible lleva un seguimiento del espacio restante durante la conversación. Esto ayuda a gestionar una tarea sostenida dentro de su ventana; no sustituye esa ventana por la mayor capacidad de una edición Sonnet posterior.
Sonnet 4.5 admite respuestas habituales y razonamiento ampliado manual. En este último modo, budget_tokens establece un objetivo de razonamiento interno antes de la respuesta visible. El mínimo documentado es de 1.024 tokens y el presupuesto normalmente debe ser inferior a max_tokens porque el razonamiento y la respuesta final comparten el margen de generación. El presupuesto es un objetivo, no una promesa de consumir exactamente esa cantidad de tokens. Esta edición no tiene el modo de razonamiento adaptativo ni los controles de esfuerzo descritos para modelos Sonnet posteriores. Elige la profundidad de análisis solicitada y deja margen suficiente para una respuesta final utilizable.
La beta de razonamiento intercalado del proveedor permite a Sonnet 4.5 razonar entre llamadas de herramientas dentro de un turno y utilizar las observaciones devueltas para decidir el siguiente paso. Requiere la función beta documentada en el flujo Messages compatible. En este caso, el presupuesto de razonamiento puede superar max_tokens porque abarca varios bloques de razonamiento del mismo turno del asistente. Devuelve los resultados de las herramientas con el contenido de razonamiento asociado sin modificar, incluida su firma; editar ese contenido lo invalida. Así, una tarea de investigación o depuración puede alternar una comprobación propuesta, el resultado real devuelto y un análisis actualizado, sin tratar una propuesta textual como una acción completada.
Para material visual, el proveedor admite JPEG, PNG, GIF y WebP y utiliza solo el primer fotograma de una animación. El nivel nativo estándar de imágenes de esta edición tiene un límite de 1.568 píxeles en el lado mayor y de 1.568 tokens visuales; las imágenes más grandes se reducen. La guía de imágenes del proveedor indica hasta 100 imágenes por solicitud de API para modelos con contexto de 200K, con condiciones de tamaño de imagen y de solicitud total que pueden alcanzarse antes. Coloca las imágenes antes de la pregunta cuando sea práctico, identifica las distintas imágenes y conserva el texto pequeño o las etiquetas de los gráficos. La guía recomienda imágenes claras y suficiente contexto circundante para interpretar el detalle visible.
La edición de contexto y una herramienta de memoria se introdujeron junto con este modelo para admitir flujos de agentes más largos. Son formas respaldadas por la aplicación de conservar un estado útil o retirar material antiguo de herramientas; no son una memoria ilimitada del modelo ni la función posterior de compactación en el servidor. Para una tarea de varias etapas, conserva las decisiones ya tomadas, la pregunta pendiente y las pruebas necesarias para el siguiente paso. Anthropic también describe una mayor resistencia a instrucciones ocultas en contenido externo y señala que los clasificadores específicos del modelo pueden marcar a veces material inocuo. El resultado útil sigue siendo un artefacto revisable vinculado a las pruebas suministradas, manteniendo los modos y límites exactos de Sonnet 4.5 separados de las versiones posteriores.
", "aboutText": "Claude Sonnet 4.5 es la edición Sonnet de Anthropic centrada en desarrollo de software, tareas complejas con agentes y uso del ordenador, con mejoras en razonamiento y matemáticas. Acepta texto e imágenes y genera texto. La versión describe trabajo sostenido en varios pasos, comprensión de código y cambios que abarcan un proyecto más amplio en lugar de una única función aislada. Una descripción útil de la tarea identifica el comportamiento requerido, el material original pertinente y el artefacto que debe entregarse: un parche propuesto, una explicación de la implementación, un análisis documental o una respuesta estructurada.\n\nPara software, proporciona las restricciones del proyecto, los archivos o fragmentos relevantes, el error observado y un ejemplo concreto del resultado esperado. Pide el código afectado y una explicación de cómo el cambio propuesto resuelve ese ejemplo. El proveedor presenta el modelo como adecuado para construir agentes y desarrollar tareas de programación con herramientas. La aplicación que lo rodea lee y edita archivos, ejecuta un comando o comprobación y devuelve su salida real; el modelo razona sobre esas pruebas. Distingue el cambio propuesto de la comprobación completada en el informe final.\n\nEl uso del ordenador es una aplicación independiente de sus capacidades visuales y de agente. La presentación de Anthropic muestra interacción con el navegador, navegación por páginas y trabajo con hojas de cálculo mediante un entorno conectado. Una descripción visual puede proporcionar una captura de pantalla, identificar el objetivo y definir qué acciones permite la aplicación. La aplicación realiza después la interacción elegida y devuelve la pantalla modificada u otro resultado. Del mismo modo, el modelo puede preparar contenido y código para documentos, hojas de cálculo y diapositivas, mientras que el entorno produce el archivo terminado. Comprender texto e imágenes no convierte al modelo en un generador nativo de imágenes o audio.\n\nLa especificación exacta del proveedor indica una ventana de contexto de 200K tokens y hasta 64K tokens de salida. Su fecha límite de conocimiento fiable es enero de 2025, distinta de la fecha posterior de corte de los datos de entrenamiento indicada en la página. Mantén claros los límites entre documentos, los identificadores de páginas, las unidades y los identificadores de código en una entrada larga y reserva espacio para la respuesta solicitada y cualquier razonamiento. El proveedor también documenta que esta edición reconoce el espacio de contexto disponible, por lo que su flujo compatible lleva un seguimiento del espacio restante durante la conversación. Esto ayuda a gestionar una tarea sostenida dentro de su ventana; no sustituye esa ventana por la mayor capacidad de una edición Sonnet posterior.\n\nSonnet 4.5 admite respuestas habituales y razonamiento ampliado manual. En este último modo, budget_tokens establece un objetivo de razonamiento interno antes de la respuesta visible. El mínimo documentado es de 1.024 tokens y el presupuesto normalmente debe ser inferior a max_tokens porque el razonamiento y la respuesta final comparten el margen de generación. El presupuesto es un objetivo, no una promesa de consumir exactamente esa cantidad de tokens. Esta edición no tiene el modo de razonamiento adaptativo ni los controles de esfuerzo descritos para modelos Sonnet posteriores. Elige la profundidad de análisis solicitada y deja margen suficiente para una respuesta final utilizable.\n\nLa beta de razonamiento intercalado del proveedor permite a Sonnet 4.5 razonar entre llamadas de herramientas dentro de un turno y utilizar las observaciones devueltas para decidir el siguiente paso. Requiere la función beta documentada en el flujo Messages compatible. En este caso, el presupuesto de razonamiento puede superar max_tokens porque abarca varios bloques de razonamiento del mismo turno del asistente. Devuelve los resultados de las herramientas con el contenido de razonamiento asociado sin modificar, incluida su firma; editar ese contenido lo invalida. Así, una tarea de investigación o depuración puede alternar una comprobación propuesta, el resultado real devuelto y un análisis actualizado, sin tratar una propuesta textual como una acción completada.\n\nPara material visual, el proveedor admite JPEG, PNG, GIF y WebP y utiliza solo el primer fotograma de una animación. El nivel nativo estándar de imágenes de esta edición tiene un límite de 1.568 píxeles en el lado mayor y de 1.568 tokens visuales; las imágenes más grandes se reducen. La guía de imágenes del proveedor indica hasta 100 imágenes por solicitud de API para modelos con contexto de 200K, con condiciones de tamaño de imagen y de solicitud total que pueden alcanzarse antes. Coloca las imágenes antes de la pregunta cuando sea práctico, identifica las distintas imágenes y conserva el texto pequeño o las etiquetas de los gráficos. La guía recomienda imágenes claras y suficiente contexto circundante para interpretar el detalle visible.\n\nLa edición de contexto y una herramienta de memoria se introdujeron junto con este modelo para admitir flujos de agentes más largos. Son formas respaldadas por la aplicación de conservar un estado útil o retirar material antiguo de herramientas; no son una memoria ilimitada del modelo ni la función posterior de compactación en el servidor. Para una tarea de varias etapas, conserva las decisiones ya tomadas, la pregunta pendiente y las pruebas necesarias para el siguiente paso. Anthropic también describe una mayor resistencia a instrucciones ocultas en contenido externo y señala que los clasificadores específicos del modelo pueden marcar a veces material inocuo. El resultado útil sigue siendo un artefacto revisable vinculado a las pruebas suministradas, manteniendo los modos y límites exactos de Sonnet 4.5 separados de las versiones posteriores.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Repair an empty-cart total\n\nReview this Python function: def total(items): return sum(x['price'] * x['qty'] for x in items) / len(items). It crashes for an empty cart and incorrectly averages nonempty carts. Return a minimal correction preserving the function signature, plus assertions for empty, one-line and two-line carts. Explain the changed behavior briefly.Corrected Python function, three concrete assertions and a brief explanation of sum versus average.The proposed tests cover empty input and verify that two cart lines are added rather than averaged.anthropic/claude-sonnet-4.5Claude Sonnet 4.5 es el modelo de texto e imágenes de Anthropic para desarrollo de software, agentes complejos, uso del ordenador y trabajo analítico. Admite respuestas directas o razonamiento ampliado manual, con razonamiento entre llamadas de herramientas en el flujo beta documentado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Claude Sonnet 4.5 es la edición Sonnet de Anthropic centrada en desarrollo de software, tareas complejas con agentes y uso del ordenador, con mejoras en razonamiento y matemáticas. Acepta texto e imágenes y genera texto. La versión describe trabajo sostenido en varios pasos, comprensión de código y cambios que abarcan un proyecto más amplio en lugar de una única función aislada. Una descripción útil de la tarea identifica el comportamiento requerido, el material original pertinente y el artefacto que debe entregarse: un parche propuesto, una explicación de la implementación, un análisis documental o una respuesta estructurada.
Para software, proporciona las restricciones del proyecto, los archivos o fragmentos relevantes, el error observado y un ejemplo concreto del resultado esperado. Pide el código afectado y una explicación de cómo el cambio propuesto resuelve ese ejemplo. El proveedor presenta el modelo como adecuado para construir agentes y desarrollar tareas de programación con herramientas. La aplicación que lo rodea lee y edita archivos, ejecuta un comando o comprobación y devuelve su salida real; el modelo razona sobre esas pruebas. Distingue el cambio propuesto de la comprobación completada en el informe final.
El uso del ordenador es una aplicación independiente de sus capacidades visuales y de agente. La presentación de Anthropic muestra interacción con el navegador, navegación por páginas y trabajo con hojas de cálculo mediante un entorno conectado. Una descripción visual puede proporcionar una captura de pantalla, identificar el objetivo y definir qué acciones permite la aplicación. La aplicación realiza después la interacción elegida y devuelve la pantalla modificada u otro resultado. Del mismo modo, el modelo puede preparar contenido y código para documentos, hojas de cálculo y diapositivas, mientras que el entorno produce el archivo terminado. Comprender texto e imágenes no convierte al modelo en un generador nativo de imágenes o audio.
La especificación exacta del proveedor indica una ventana de contexto de 200K tokens y hasta 64K tokens de salida. Su fecha límite de conocimiento fiable es enero de 2025, distinta de la fecha posterior de corte de los datos de entrenamiento indicada en la página. Mantén claros los límites entre documentos, los identificadores de páginas, las unidades y los identificadores de código en una entrada larga y reserva espacio para la respuesta solicitada y cualquier razonamiento. El proveedor también documenta que esta edición reconoce el espacio de contexto disponible, por lo que su flujo compatible lleva un seguimiento del espacio restante durante la conversación. Esto ayuda a gestionar una tarea sostenida dentro de su ventana; no sustituye esa ventana por la mayor capacidad de una edición Sonnet posterior.
Sonnet 4.5 admite respuestas habituales y razonamiento ampliado manual. En este último modo, budget_tokens establece un objetivo de razonamiento interno antes de la respuesta visible. El mínimo documentado es de 1.024 tokens y el presupuesto normalmente debe ser inferior a max_tokens porque el razonamiento y la respuesta final comparten el margen de generación. El presupuesto es un objetivo, no una promesa de consumir exactamente esa cantidad de tokens. Esta edición no tiene el modo de razonamiento adaptativo ni los controles de esfuerzo descritos para modelos Sonnet posteriores. Elige la profundidad de análisis solicitada y deja margen suficiente para una respuesta final utilizable.
La beta de razonamiento intercalado del proveedor permite a Sonnet 4.5 razonar entre llamadas de herramientas dentro de un turno y utilizar las observaciones devueltas para decidir el siguiente paso. Requiere la función beta documentada en el flujo Messages compatible. En este caso, el presupuesto de razonamiento puede superar max_tokens porque abarca varios bloques de razonamiento del mismo turno del asistente. Devuelve los resultados de las herramientas con el contenido de razonamiento asociado sin modificar, incluida su firma; editar ese contenido lo invalida. Así, una tarea de investigación o depuración puede alternar una comprobación propuesta, el resultado real devuelto y un análisis actualizado, sin tratar una propuesta textual como una acción completada.
Para material visual, el proveedor admite JPEG, PNG, GIF y WebP y utiliza solo el primer fotograma de una animación. El nivel nativo estándar de imágenes de esta edición tiene un límite de 1.568 píxeles en el lado mayor y de 1.568 tokens visuales; las imágenes más grandes se reducen. La guía de imágenes del proveedor indica hasta 100 imágenes por solicitud de API para modelos con contexto de 200K, con condiciones de tamaño de imagen y de solicitud total que pueden alcanzarse antes. Coloca las imágenes antes de la pregunta cuando sea práctico, identifica las distintas imágenes y conserva el texto pequeño o las etiquetas de los gráficos. La guía recomienda imágenes claras y suficiente contexto circundante para interpretar el detalle visible.
La edición de contexto y una herramienta de memoria se introdujeron junto con este modelo para admitir flujos de agentes más largos. Son formas respaldadas por la aplicación de conservar un estado útil o retirar material antiguo de herramientas; no son una memoria ilimitada del modelo ni la función posterior de compactación en el servidor. Para una tarea de varias etapas, conserva las decisiones ya tomadas, la pregunta pendiente y las pruebas necesarias para el siguiente paso. Anthropic también describe una mayor resistencia a instrucciones ocultas en contenido externo y señala que los clasificadores específicos del modelo pueden marcar a veces material inocuo. El resultado útil sigue siendo un artefacto revisable vinculado a las pruebas suministradas, manteniendo los modos y límites exactos de Sonnet 4.5 separados de las versiones posteriores.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites anthropic/claude-sonnet-4.5 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0132 / 1K tokens Salida · Tokens de salida $0.03 / 1K tokens Entrada · Lectura de caché $0.0006 / 1K tokens Entrada · Escritura en caché $0.0075 / 1K tokens Entrada · Escritura en caché, 1 hora $0.012 / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive200.000 | Cargo Entrada · Tokens de entrada $0.0132 / 1K tokens Salida · Tokens de salida $0.03 / 1K tokens Entrada · Lectura de caché $0.0006 / 1K tokens Entrada · Escritura en caché $0.0075 / 1K tokens Entrada · Escritura en caché, 1 hora $0.012 / 1K tokens |
| ConfiguraciónTramo 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de200.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0132 / 1K tokens Salida · Tokens de salida $0.03 / 1K tokens Entrada · Lectura de caché $0.0006 / 1K tokens Entrada · Escritura en caché $0.0075 / 1K tokens Entrada · Escritura en caché, 1 hora $0.024 / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "anthropic/claude-sonnet-4.5", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\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='anthropic/claude-sonnet-4.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\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"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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)\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\nwith client.chat.completions.stream(model='anthropic/claude-sonnet-4.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra anthropic/claude-sonnet-4.5
Usa las rutas de método indicadas arriba.
anthropic/claude-sonnet-4.5Claude Sonnet 4.5 es el modelo de texto e imágenes de Anthropic para desarrollo de software, agentes complejos, uso del ordenador y trabajo analítico. Admite respuestas directas o razonamiento ampliado manual, con razonamiento entre llamadas de herramientas en el flujo beta documentado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Claude Sonnet 4.5 es la edición Sonnet de Anthropic centrada en desarrollo de software, tareas complejas con agentes y uso del ordenador, con mejoras en razonamiento y matemáticas. Acepta texto e imágenes y genera texto. La versión describe trabajo sostenido en varios pasos, comprensión de código y cambios que abarcan un proyecto más amplio en lugar de una única función aislada. Una descripción útil de la tarea identifica el comportamiento requerido, el material original pertinente y el artefacto que debe entregarse: un parche propuesto, una explicación de la implementación, un análisis documental o una respuesta estructurada.
Para software, proporciona las restricciones del proyecto, los archivos o fragmentos relevantes, el error observado y un ejemplo concreto del resultado esperado. Pide el código afectado y una explicación de cómo el cambio propuesto resuelve ese ejemplo. El proveedor presenta el modelo como adecuado para construir agentes y desarrollar tareas de programación con herramientas. La aplicación que lo rodea lee y edita archivos, ejecuta un comando o comprobación y devuelve su salida real; el modelo razona sobre esas pruebas. Distingue el cambio propuesto de la comprobación completada en el informe final.
El uso del ordenador es una aplicación independiente de sus capacidades visuales y de agente. La presentación de Anthropic muestra interacción con el navegador, navegación por páginas y trabajo con hojas de cálculo mediante un entorno conectado. Una descripción visual puede proporcionar una captura de pantalla, identificar el objetivo y definir qué acciones permite la aplicación. La aplicación realiza después la interacción elegida y devuelve la pantalla modificada u otro resultado. Del mismo modo, el modelo puede preparar contenido y código para documentos, hojas de cálculo y diapositivas, mientras que el entorno produce el archivo terminado. Comprender texto e imágenes no convierte al modelo en un generador nativo de imágenes o audio.
La especificación exacta del proveedor indica una ventana de contexto de 200K tokens y hasta 64K tokens de salida. Su fecha límite de conocimiento fiable es enero de 2025, distinta de la fecha posterior de corte de los datos de entrenamiento indicada en la página. Mantén claros los límites entre documentos, los identificadores de páginas, las unidades y los identificadores de código en una entrada larga y reserva espacio para la respuesta solicitada y cualquier razonamiento. El proveedor también documenta que esta edición reconoce el espacio de contexto disponible, por lo que su flujo compatible lleva un seguimiento del espacio restante durante la conversación. Esto ayuda a gestionar una tarea sostenida dentro de su ventana; no sustituye esa ventana por la mayor capacidad de una edición Sonnet posterior.
Sonnet 4.5 admite respuestas habituales y razonamiento ampliado manual. En este último modo, budget_tokens establece un objetivo de razonamiento interno antes de la respuesta visible. El mínimo documentado es de 1.024 tokens y el presupuesto normalmente debe ser inferior a max_tokens porque el razonamiento y la respuesta final comparten el margen de generación. El presupuesto es un objetivo, no una promesa de consumir exactamente esa cantidad de tokens. Esta edición no tiene el modo de razonamiento adaptativo ni los controles de esfuerzo descritos para modelos Sonnet posteriores. Elige la profundidad de análisis solicitada y deja margen suficiente para una respuesta final utilizable.
La beta de razonamiento intercalado del proveedor permite a Sonnet 4.5 razonar entre llamadas de herramientas dentro de un turno y utilizar las observaciones devueltas para decidir el siguiente paso. Requiere la función beta documentada en el flujo Messages compatible. En este caso, el presupuesto de razonamiento puede superar max_tokens porque abarca varios bloques de razonamiento del mismo turno del asistente. Devuelve los resultados de las herramientas con el contenido de razonamiento asociado sin modificar, incluida su firma; editar ese contenido lo invalida. Así, una tarea de investigación o depuración puede alternar una comprobación propuesta, el resultado real devuelto y un análisis actualizado, sin tratar una propuesta textual como una acción completada.
Para material visual, el proveedor admite JPEG, PNG, GIF y WebP y utiliza solo el primer fotograma de una animación. El nivel nativo estándar de imágenes de esta edición tiene un límite de 1.568 píxeles en el lado mayor y de 1.568 tokens visuales; las imágenes más grandes se reducen. La guía de imágenes del proveedor indica hasta 100 imágenes por solicitud de API para modelos con contexto de 200K, con condiciones de tamaño de imagen y de solicitud total que pueden alcanzarse antes. Coloca las imágenes antes de la pregunta cuando sea práctico, identifica las distintas imágenes y conserva el texto pequeño o las etiquetas de los gráficos. La guía recomienda imágenes claras y suficiente contexto circundante para interpretar el detalle visible.
La edición de contexto y una herramienta de memoria se introdujeron junto con este modelo para admitir flujos de agentes más largos. Son formas respaldadas por la aplicación de conservar un estado útil o retirar material antiguo de herramientas; no son una memoria ilimitada del modelo ni la función posterior de compactación en el servidor. Para una tarea de varias etapas, conserva las decisiones ya tomadas, la pregunta pendiente y las pruebas necesarias para el siguiente paso. Anthropic también describe una mayor resistencia a instrucciones ocultas en contenido externo y señala que los clasificadores específicos del modelo pueden marcar a veces material inocuo. El resultado útil sigue siendo un artefacto revisable vinculado a las pruebas suministradas, manteniendo los modos y límites exactos de Sonnet 4.5 separados de las versiones posteriores.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites anthropic/claude-sonnet-4.5 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0132 / 1K tokens Salida · Tokens de salida $0.03 / 1K tokens Entrada · Lectura de caché $0.0006 / 1K tokens Entrada · Escritura en caché $0.0075 / 1K tokens Entrada · Escritura en caché, 1 hora $0.012 / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive200.000 | Cargo Entrada · Tokens de entrada $0.0132 / 1K tokens Salida · Tokens de salida $0.03 / 1K tokens Entrada · Lectura de caché $0.0006 / 1K tokens Entrada · Escritura en caché $0.0075 / 1K tokens Entrada · Escritura en caché, 1 hora $0.012 / 1K tokens |
| ConfiguraciónTramo 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de200.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0132 / 1K tokens Salida · Tokens de salida $0.03 / 1K tokens Entrada · Lectura de caché $0.0006 / 1K tokens Entrada · Escritura en caché $0.0075 / 1K tokens Entrada · Escritura en caché, 1 hora $0.024 / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "anthropic/claude-sonnet-4.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-sonnet-4.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'anthropic/claude-sonnet-4.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra anthropic/claude-sonnet-4.5
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Repair an empty-cart total\n\nReview this Python function: def total(items): return sum(x['price'] * x['qty'] for x in items) / len(items). It crashes for an empty cart and incorrectly averages nonempty carts. Return a minimal correction preserving the function signature, plus assertions for empty, one-line and two-line carts. Explain the changed behavior briefly.Corrected Python function, three concrete assertions and a brief explanation of sum versus average.The proposed tests cover empty input and verify that two cart lines are added rather than averaged.