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": "d63194e7ff35cf80687172fdbc28b5a36711d3bde2c6ddab1b9b586022313a00", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr", "methods": [ { "html": "claude-sonnet-4-6-thinkingClaude 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/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites claude-sonnet-4-6-thinking | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.006 / 1K tokens Sortie · Tokens en sortie $0.03 / 1K tokens Entrée · Lecture du cache $0.0006 / 1K tokens Entrée · Écriture dans le cache $0.0075 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra claude-sonnet-4-6-thinking
/chat/completions