Claude Sonnet 4.6 associe programmation, compréhension d’un contexte étendu, planification d’agents, travail professionnel avec l’information et design. Anthropic met en avant l’étude du code avant les modifications et la capacité à enchaîner les étapes des instructions. Cela est utile pour rechercher un problème dans un grand projet, analyser un document long et préparer le contenu d’un rapport.
Le modèle peut analyser dans une même demande des informations provenant de contrats, de travaux de recherche et d’autres matériaux. La tâche peut comprendre l’extraction de faits, un raisonnement fondé sur ceux-ci et la production d’un résultat réunissant plusieurs parties. Les domaines décrits comprennent aussi l’analyse financière et la création de code d’interfaces attentif à la composition et à la présentation.
Sonnet 4.6 comprend texte et images ; son résultat propre est du texte. Anthropic décrit des scénarios informatiques où le modèle s’oriente à partir d’une capture d’écran, choisit des actions à la souris et au clavier, analyse un tableau complexe ou les étapes d’un formulaire web. L’exécution réelle nécessite des outils de l’application qui transmettent l’écran et réalisent les actions.
Les formats habituels d’entrée visuelle du fabricant sont JPEG/PNG/GIF/WebP, avec la première image d’une animation. Pour l’analyse native, le côté long mesure 1568 pixels et représente 1568 tokens visuels ; les grandes images sont réduites avant l’analyse. La prise en charge des fichiers et des paramètres dépend de la méthode de l’application.
De même, documents, tableaux et présentations peuvent faire l’objet d’une analyse ou d’une préparation de contenu, mais produire un fichier terminé nécessite un environnement adapté. Les images aident à comprendre graphiques, schémas et structure visuelle ; elles ne transforment pas le modèle en générateur d’images.
Cette version prend en charge le raisonnement adaptatif et l’extended thinking manuel. Le mode manuel est indiqué comme déprécié ; le mode adaptatif laisse au modèle le choix d’approfondir l’analyse lorsque cela est utile, y compris entre appels d’outils. Les niveaux d’effort sont low, medium, high et max, avec high comme valeur standard. Selon Anthropic, l’effort permet d’adapter le niveau de détail et la latence au type de tâche.
La spécification actuelle indique 1 million de tokens de contexte et jusqu’à 128 k tokens de réponse en mode normal. Pour les travaux prolongés, le fabricant décrit aussi la compression expérimentale de l’ancien contexte en résumé. Cette fonction nécessite la prise en charge de l’application et ne supprime pas les limites de la fenêtre du modèle.
La date de référence fiable des connaissances intégrées est août 2025. Des matériaux de la tâche ou une recherche disponible sont nécessaires pour des informations ultérieures. Les outils connectés peuvent aider à rechercher des informations, exécuter du code et traiter les contenus trouvés ; leur présence et les actions autorisées sont définies par l’application.
Sonnet 4.6 a été entraîné à résister aux instructions malveillantes cachées dans des matériaux tiers, mais un environnement visuel complexe et des instructions ambiguës peuvent toujours conduire à des erreurs. Des exigences explicites, la vérification des faits extraits et l’évaluation du résultat des actions restent nécessaires à un travail fiable avec le modèle.
", "aboutText": "### Code, documents et plan d’action\n\nClaude Sonnet 4.6 associe programmation, compréhension d’un contexte étendu, planification d’agents, travail professionnel avec l’information et design. Anthropic met en avant l’étude du code avant les modifications et la capacité à enchaîner les étapes des instructions. Cela est utile pour rechercher un problème dans un grand projet, analyser un document long et préparer le contenu d’un rapport.\n\nLe modèle peut analyser dans une même demande des informations provenant de contrats, de travaux de recherche et d’autres matériaux. La tâche peut comprendre l’extraction de faits, un raisonnement fondé sur ceux-ci et la production d’un résultat réunissant plusieurs parties. Les domaines décrits comprennent aussi l’analyse financière et la création de code d’interfaces attentif à la composition et à la présentation.\n\n### Actions dans un environnement visuel\n\nSonnet 4.6 comprend **texte et images** ; son résultat propre est du **texte**. Anthropic décrit des scénarios informatiques où le modèle s’oriente à partir d’une capture d’écran, choisit des actions à la souris et au clavier, analyse un tableau complexe ou les étapes d’un formulaire web. L’exécution réelle nécessite des outils de l’application qui transmettent l’écran et réalisent les actions.\n\nLes formats habituels d’entrée visuelle du fabricant sont JPEG/PNG/GIF/WebP, avec la première image d’une animation. Pour l’analyse native, le côté long mesure 1568 pixels et représente 1568 tokens visuels ; les grandes images sont réduites avant l’analyse. La prise en charge des fichiers et des paramètres dépend de la méthode de l’application.\n\nDe même, documents, tableaux et présentations peuvent faire l’objet d’une analyse ou d’une préparation de contenu, mais produire un fichier terminé nécessite un environnement adapté. Les images aident à comprendre graphiques, schémas et structure visuelle ; elles ne transforment pas le modèle en générateur d’images.\n\n### Réglage de l’analyse\n\nCette version prend en charge le raisonnement adaptatif et l’extended thinking manuel. Le mode manuel est indiqué comme déprécié ; le mode adaptatif laisse au modèle le choix d’approfondir l’analyse lorsque cela est utile, y compris entre appels d’outils. Les niveaux d’`effort` sont `low`, `medium`, `high` et `max`, avec `high` comme valeur standard. Selon Anthropic, l’effort permet d’adapter le niveau de détail et la latence au type de tâche.\n\nLa spécification actuelle indique **1 million de tokens de contexte** et jusqu’à **128 k tokens de réponse en mode normal**. Pour les travaux prolongés, le fabricant décrit aussi la compression expérimentale de l’ancien contexte en résumé. Cette fonction nécessite la prise en charge de l’application et ne supprime pas les limites de la fenêtre du modèle.\n\n### Points à prendre en compte\n\nLa date de référence fiable des connaissances intégrées est **août 2025**. Des matériaux de la tâche ou une recherche disponible sont nécessaires pour des informations ultérieures. Les outils connectés peuvent aider à rechercher des informations, exécuter du code et traiter les contenus trouvés ; leur présence et les actions autorisées sont définies par l’application.\n\nSonnet 4.6 a été entraîné à résister aux instructions malveillantes cachées dans des matériaux tiers, mais un environnement visuel complexe et des instructions ambiguës peuvent toujours conduire à des erreurs. Des exigences explicites, la vérification des faits extraits et l’évaluation du résultat des actions restent nécessaires à un travail fiable avec le modèle.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e009b8d3030e3a9acfd42c249a6cbaa29ef0c88e19f1480d6c01aeb74f7a17c7", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr", "methods": [ { "html": "anthropic/claude-sonnet-4.6:batchClaude Sonnet 4.6 aide au développement, à la compréhension de documents longs, à la planification et aux tâches visuelles. Il prend en charge le raisonnement adaptatif et le travail en plusieurs étapes avec outils.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Claude Sonnet 4.6 associe programmation, compréhension d’un contexte étendu, planification d’agents, travail professionnel avec l’information et design. Anthropic met en avant l’étude du code avant les modifications et la capacité à enchaîner les étapes des instructions. Cela est utile pour rechercher un problème dans un grand projet, analyser un document long et préparer le contenu d’un rapport.
Le modèle peut analyser dans une même demande des informations provenant de contrats, de travaux de recherche et d’autres matériaux. La tâche peut comprendre l’extraction de faits, un raisonnement fondé sur ceux-ci et la production d’un résultat réunissant plusieurs parties. Les domaines décrits comprennent aussi l’analyse financière et la création de code d’interfaces attentif à la composition et à la présentation.
Sonnet 4.6 comprend texte et images ; son résultat propre est du texte. Anthropic décrit des scénarios informatiques où le modèle s’oriente à partir d’une capture d’écran, choisit des actions à la souris et au clavier, analyse un tableau complexe ou les étapes d’un formulaire web. L’exécution réelle nécessite des outils de l’application qui transmettent l’écran et réalisent les actions.
Les formats habituels d’entrée visuelle du fabricant sont JPEG/PNG/GIF/WebP, avec la première image d’une animation. Pour l’analyse native, le côté long mesure 1568 pixels et représente 1568 tokens visuels ; les grandes images sont réduites avant l’analyse. La prise en charge des fichiers et des paramètres dépend de la méthode de l’application.
De même, documents, tableaux et présentations peuvent faire l’objet d’une analyse ou d’une préparation de contenu, mais produire un fichier terminé nécessite un environnement adapté. Les images aident à comprendre graphiques, schémas et structure visuelle ; elles ne transforment pas le modèle en générateur d’images.
Cette version prend en charge le raisonnement adaptatif et l’extended thinking manuel. Le mode manuel est indiqué comme déprécié ; le mode adaptatif laisse au modèle le choix d’approfondir l’analyse lorsque cela est utile, y compris entre appels d’outils. Les niveaux d’effort sont low, medium, high et max, avec high comme valeur standard. Selon Anthropic, l’effort permet d’adapter le niveau de détail et la latence au type de tâche.
La spécification actuelle indique 1 million de tokens de contexte et jusqu’à 128 k tokens de réponse en mode normal. Pour les travaux prolongés, le fabricant décrit aussi la compression expérimentale de l’ancien contexte en résumé. Cette fonction nécessite la prise en charge de l’application et ne supprime pas les limites de la fenêtre du modèle.
La date de référence fiable des connaissances intégrées est août 2025. Des matériaux de la tâche ou une recherche disponible sont nécessaires pour des informations ultérieures. Les outils connectés peuvent aider à rechercher des informations, exécuter du code et traiter les contenus trouvés ; leur présence et les actions autorisées sont définies par l’application.
Sonnet 4.6 a été entraîné à résister aux instructions malveillantes cachées dans des matériaux tiers, mais un environnement visuel complexe et des instructions ambiguës peuvent toujours conduire à des erreurs. Des exigences explicites, la vérification des faits extraits et l’évaluation du résultat des actions restent nécessaires à un travail fiable avec le modèle.
POST /v1/batchestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champendpoint | Typestring | ExigenceObligatoire | Valeurs et limites /v1/chat/completions | Par défaut— |
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites anthropic/claude-sonnet-4.6:batch | Par défaut— |
Champrequests | Typebatch_item[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champrequests[].custom_id | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champrequests[].body.messages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champcompletion_window | Typestring | ExigenceFacultatif | Valeurs et limites 24h | Par défaut— |
Champprovider | Typeobject|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champrequests[].body.model | Typestring | ExigenceFacultatif | Valeurs et limites anthropic/claude-sonnet-4.6:batch, anthropic/claude-sonnet-4.6 | Par défaut— |
Champprovider.only | Typestring[] | ExigenceFacultatif | Valeurs et limites anthropic | Par défaut— |
Champprovider.allow_fallbacks | Typeboolean|null | ExigenceFacultatif | Valeurs et limites false, null | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratendpoint, model, requests |
Paramètrematerial_types | Contrattext |
Paramètrerepresentation | Contratrequests[] intégré ; chaque élément comporte custom_id et body |
Paramètrerequest_endpoint_profile | Contrat/v1/chat/completions |
Paramètrefile_material | ContratL’appelant peut charger localement le contenu JSONL UTF-8 effectif dans requests[]. Aucun paramètre purpose de téléversement, input_file_id ni référence à un fichier n’est utilisé. Si les données du client sont absentes ou vides, la préparation s’arrête avant le POST. |
Paramètreserialization_order | Contratendpoint, model, provider (si fourni), completion_window (si fourni), requests en dernier |
Paramètreoptional_controls | Contratprovider.only, provider.allow_fallbacks, completion_window |
Paramètreschema_scope | ContratCorps de requêtes Chat Completions textuelles dans l’enveloppe Batch intégrée documentée. |
Cycle de vie : asynchronous
GET /v1/batches/{operation_id} · response.id effectivement renvoyé lors de la création d’origine ; même utilisateur, même clé et même groupe
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.003 / 1K tokens Sortie · Tokens en sortie $0.015 / 1K tokens Entrée · Lecture du cache $0.0003 / 1K tokens Entrée · Écriture dans le cache $0.00375 / 1K tokens Entrée · Écriture dans le cache, 1 h $0.006 / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.003 / 1K tokens Sortie · Tokens en sortie $0.015 / 1K tokens Entrée · Lecture du cache $0.0003 / 1K tokens Entrée · Écriture dans le cache $0.00375 / 1K tokens Entrée · Écriture dans le cache, 1 h $0.006 / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"anthropic/claude-sonnet-4.6:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['anthropic/claude-sonnet-4.6:batch', 'anthropic/claude-sonnet-4.6']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"anthropic/claude-sonnet-4.6:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON results[].response.body intégré
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nConservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez l’intégralité du JSON de statut d’origine, chaque résultat/custom_id et le corps complet de la réponse ou de l’erreur. Enregistrez les results[] terminés au format JSONL sans filtrage.
Conservez l’identifiant de l’opération d’origine. La réponse 503 result_pending_check contient X-Should-Retry:false ; ne soumettez jamais à nouveau un lot d’origine dont l’issue est inconnue.
| Champ | Type |
|---|---|
Champresults[].custom_id | Typestring |
Champresults[].response.body.choices[].message.content | Typestring|null |
Champresults[].error | Typeobject|null |
Champusage | Typeobject|null |
Champid | Typestring |
Champmodel | Typestring |
Champendpoint | Typestring |
Champstatus | Typestring |
Champrequest_counts | Typeobject |
Champresults[].id | Typestring |
Champresults[].response.status_code | Typeinteger |
Champresults[].response.request_id | Typestring |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionEnveloppe intégrée documentée invalide, clés dupliquées, identité d’élément incorrecte ou conflit avec les capacités configurées du modèle. | Étape suivanteCorrigez les champs indiqués avant toute nouvelle soumission. |
Réponse401 · authentication_error | ConditionClé API invalide. | Étape suivanteUtilisez la clé Ailoot autorisée. |
Réponse403 · permission_error | ConditionGroupe de traitement par lots indisponible. | Étape suivanteVérifiez les droits d’accès de la clé/du groupe. |
Réponse422 · invalid_request_error | ConditionLe traitement par lots est facturé sur le solde ; la création via un abonnement est refusée. | Étape suivanteUtilisez le groupe autorisé dont la facturation est prélevée sur le solde. |
Réponse422 · price_unavailable | ConditionImpossible d’établir un devis pour les données d’entrée du traitement par lots. | Étape suivanteConservez la réponse ; utilisez les données d’entrée documentées pour cette famille. |
Réponse402 · billing_error | ConditionRéserve pour le traitement par lots indisponible. | Étape suivanteRéglez les conditions d’admission avant une nouvelle requête. |
Réponse503 · price_unavailable | ConditionPrix de la méthode Batch/tarifs natifs indisponibles. | Étape suivanteConservez la réponse ; ne substituez pas d’autres prix. |
Réponse503 · api_error | ConditionRoute exacte du fournisseur indisponible. | Étape suivanteConservez la réponse pour réparer la route. |
Réponse503 · result_pending_check | ConditionLe résultat d’origine nécessite une vérification ; X-Should-Retry:false. | Étape suivanteConservez l’operation_id/id d’origine et consultez son statut ; ne répétez jamais le POST d’origine. |
Réponse404 · not_found | ConditionOpération de suivi du traitement par lots absente ou appartenant à une autre identité. | Étape suivanteUtilisez l’id exact d’origine avec le même utilisateur, la même clé et le même groupe. |
Ailoot Ultra anthropic/claude-sonnet-4.6:batch
Utilisez les chemins de méthode indiqués ci-dessus.