Claude Sonnet 4.5 è l’edizione Sonnet di Anthropic concentrata su sviluppo software, compiti complessi con agenti e uso del computer, con miglioramenti nel ragionamento e nella matematica. Accetta testo e immagini e genera testo. La versione descrive lavoro prolungato su più passaggi, comprensione del codice e modifiche che coinvolgono un progetto più ampio anziché una singola funzione isolata. Una descrizione utile indica il comportamento richiesto, le fonti pertinenti e l’artefatto da consegnare: una patch proposta, una spiegazione dell’implementazione, un’analisi documentale o una risposta strutturata.
Per il lavoro sul software, fornisci i vincoli del progetto, i file o gli estratti pertinenti, l’errore osservato e un esempio concreto del risultato atteso. Richiedi il codice interessato e una spiegazione di come la modifica proposta affronti quell’esempio. Il produttore presenta il modello come adatto a costruire agenti e svolgere compiti di sviluppo con strumenti. L’applicazione circostante legge e modifica file, esegue un comando o una verifica e restituisce l’uscita effettiva; il modello ragiona su quelle prove. Mantieni distinte la modifica proposta e la verifica completata nel rapporto finale.
L’uso del computer è un’applicazione separata delle capacità visive e con agenti. La presentazione di Anthropic mostra interazione con il browser, navigazione di pagine e lavoro su fogli di calcolo attraverso un ambiente collegato. Una richiesta visiva può fornire una schermata, identificare l’obiettivo e definire le azioni consentite dall’applicazione. L’applicazione esegue poi l’interazione selezionata e restituisce la schermata modificata o un altro risultato. Analogamente, il modello può preparare contenuti e codice per documenti, fogli di calcolo e presentazioni, mentre l’ambiente produce il file finito. La comprensione di testo e immagini non rende il modello un generatore nativo di immagini o audio.
La specifica esatta del produttore indica una finestra di contesto di 200K token e fino a 64K token in uscita. La data limite delle conoscenze affidabili è gennaio 2025, distinta dalla successiva data limite dei dati di addestramento riportata sulla pagina. In un ingresso lungo mantieni chiari i confini dei documenti, le etichette delle pagine, le unità e gli identificativi del codice, riservando spazio alla risposta richiesta e all’eventuale ragionamento. Il produttore documenta anche la consapevolezza del contesto per questa edizione: il flusso supportato tiene quindi traccia dello spazio rimanente durante una conversazione. Questo aiuta a gestire un compito prolungato entro la finestra, senza sostituirla con la maggiore capacità di un’edizione Sonnet successiva.
Sonnet 4.5 supporta risposte ordinarie e ragionamento esteso manuale. In quest’ultima modalità, budget_tokens imposta un obiettivo per il ragionamento interno prima della risposta visibile. Il minimo documentato è di 1 024 token e il budget normalmente deve essere inferiore a max_tokens, perché ragionamento e risposta finale condividono la disponibilità di generazione. Il budget è un obiettivo, non una promessa di consumare esattamente quel numero di token. Questa edizione non ha la modalità di ragionamento adattivo né i controlli di impegno descritti per i modelli Sonnet successivi. Scegli la profondità di analisi richiesta e lascia spazio sufficiente a una risposta finale utilizzabile.
La funzionalità beta del produttore per il ragionamento intercalato permette a Sonnet 4.5 di ragionare tra le chiamate agli strumenti all’interno di un turno, usando le osservazioni restituite per decidere il passo successivo. Richiede la funzionalità beta documentata nel flusso Messages supportato. In questo caso, il budget di ragionamento può superare max_tokens perché si estende su più blocchi di ragionamento nello stesso turno dell’assistente. Restituisci i risultati degli strumenti con il contenuto di ragionamento associato invariato, compresa la firma; modificarlo lo invalida. Un compito di ricerca o debug può quindi alternare una verifica proposta, il risultato reale restituito e un’analisi aggiornata senza considerare una proposta testuale come un’azione completata.
Per il materiale visivo, il produttore supporta JPEG, PNG, GIF e WebP e usa soltanto il primo fotogramma di un’animazione. Il livello standard delle immagini native usato da questa edizione ha un limite di 1 568 pixel sul lato più lungo e di 1 568 token visivi; le immagini maggiori vengono ridimensionate. La guida alle immagini del produttore indica fino a 100 immagini per richiesta API per i modelli con contesto di 200K, con condizioni sulle dimensioni delle immagini e della richiesta complessiva che possono essere raggiunte prima. Quando è pratico, colloca le immagini prima della domanda, etichetta le immagini multiple e conserva i testi piccoli o le etichette dei grafici. La guida raccomanda immagini chiare e contesto circostante sufficiente a interpretare il dettaglio visibile.
La modifica del contesto e uno strumento di memoria sono stati introdotti insieme a questo modello per sostenere flussi più lunghi con agenti. Sono modalità supportate dall’applicazione per conservare uno stato utile o rimuovere vecchio materiale degli strumenti; non sono una memoria illimitata del modello né la successiva funzionalità di compattazione lato server. Per un compito in più fasi, conserva le decisioni già prese, la domanda aperta e le prove necessarie al passo successivo. Anthropic descrive anche una maggiore resistenza alle istruzioni nascoste nei contenuti esterni, osservando che i classificatori specifici del modello possono talvolta segnalare materiale innocuo. Il risultato utile rimane un artefatto verificabile collegato alle prove fornite, mantenendo distinti i modi e i limiti esatti di Sonnet 4.5 dalle versioni successive.
", "aboutText": "Claude Sonnet 4.5 è l’edizione Sonnet di Anthropic concentrata su sviluppo software, compiti complessi con agenti e uso del computer, con miglioramenti nel ragionamento e nella matematica. Accetta testo e immagini e genera testo. La versione descrive lavoro prolungato su più passaggi, comprensione del codice e modifiche che coinvolgono un progetto più ampio anziché una singola funzione isolata. Una descrizione utile indica il comportamento richiesto, le fonti pertinenti e l’artefatto da consegnare: una patch proposta, una spiegazione dell’implementazione, un’analisi documentale o una risposta strutturata.\n\nPer il lavoro sul software, fornisci i vincoli del progetto, i file o gli estratti pertinenti, l’errore osservato e un esempio concreto del risultato atteso. Richiedi il codice interessato e una spiegazione di come la modifica proposta affronti quell’esempio. Il produttore presenta il modello come adatto a costruire agenti e svolgere compiti di sviluppo con strumenti. L’applicazione circostante legge e modifica file, esegue un comando o una verifica e restituisce l’uscita effettiva; il modello ragiona su quelle prove. Mantieni distinte la modifica proposta e la verifica completata nel rapporto finale.\n\nL’uso del computer è un’applicazione separata delle capacità visive e con agenti. La presentazione di Anthropic mostra interazione con il browser, navigazione di pagine e lavoro su fogli di calcolo attraverso un ambiente collegato. Una richiesta visiva può fornire una schermata, identificare l’obiettivo e definire le azioni consentite dall’applicazione. L’applicazione esegue poi l’interazione selezionata e restituisce la schermata modificata o un altro risultato. Analogamente, il modello può preparare contenuti e codice per documenti, fogli di calcolo e presentazioni, mentre l’ambiente produce il file finito. La comprensione di testo e immagini non rende il modello un generatore nativo di immagini o audio.\n\nLa specifica esatta del produttore indica una finestra di contesto di 200K token e fino a 64K token in uscita. La data limite delle conoscenze affidabili è gennaio 2025, distinta dalla successiva data limite dei dati di addestramento riportata sulla pagina. In un ingresso lungo mantieni chiari i confini dei documenti, le etichette delle pagine, le unità e gli identificativi del codice, riservando spazio alla risposta richiesta e all’eventuale ragionamento. Il produttore documenta anche la consapevolezza del contesto per questa edizione: il flusso supportato tiene quindi traccia dello spazio rimanente durante una conversazione. Questo aiuta a gestire un compito prolungato entro la finestra, senza sostituirla con la maggiore capacità di un’edizione Sonnet successiva.\n\nSonnet 4.5 supporta risposte ordinarie e ragionamento esteso manuale. In quest’ultima modalità, budget_tokens imposta un obiettivo per il ragionamento interno prima della risposta visibile. Il minimo documentato è di 1 024 token e il budget normalmente deve essere inferiore a max_tokens, perché ragionamento e risposta finale condividono la disponibilità di generazione. Il budget è un obiettivo, non una promessa di consumare esattamente quel numero di token. Questa edizione non ha la modalità di ragionamento adattivo né i controlli di impegno descritti per i modelli Sonnet successivi. Scegli la profondità di analisi richiesta e lascia spazio sufficiente a una risposta finale utilizzabile.\n\nLa funzionalità beta del produttore per il ragionamento intercalato permette a Sonnet 4.5 di ragionare tra le chiamate agli strumenti all’interno di un turno, usando le osservazioni restituite per decidere il passo successivo. Richiede la funzionalità beta documentata nel flusso Messages supportato. In questo caso, il budget di ragionamento può superare max_tokens perché si estende su più blocchi di ragionamento nello stesso turno dell’assistente. Restituisci i risultati degli strumenti con il contenuto di ragionamento associato invariato, compresa la firma; modificarlo lo invalida. Un compito di ricerca o debug può quindi alternare una verifica proposta, il risultato reale restituito e un’analisi aggiornata senza considerare una proposta testuale come un’azione completata.\n\nPer il materiale visivo, il produttore supporta JPEG, PNG, GIF e WebP e usa soltanto il primo fotogramma di un’animazione. Il livello standard delle immagini native usato da questa edizione ha un limite di 1 568 pixel sul lato più lungo e di 1 568 token visivi; le immagini maggiori vengono ridimensionate. La guida alle immagini del produttore indica fino a 100 immagini per richiesta API per i modelli con contesto di 200K, con condizioni sulle dimensioni delle immagini e della richiesta complessiva che possono essere raggiunte prima. Quando è pratico, colloca le immagini prima della domanda, etichetta le immagini multiple e conserva i testi piccoli o le etichette dei grafici. La guida raccomanda immagini chiare e contesto circostante sufficiente a interpretare il dettaglio visibile.\n\nLa modifica del contesto e uno strumento di memoria sono stati introdotti insieme a questo modello per sostenere flussi più lunghi con agenti. Sono modalità supportate dall’applicazione per conservare uno stato utile o rimuovere vecchio materiale degli strumenti; non sono una memoria illimitata del modello né la successiva funzionalità di compattazione lato server. Per un compito in più fasi, conserva le decisioni già prese, la domanda aperta e le prove necessarie al passo successivo. Anthropic descrive anche una maggiore resistenza alle istruzioni nascoste nei contenuti esterni, osservando che i classificatori specifici del modello possono talvolta segnalare materiale innocuo. Il risultato utile rimane un artefatto verificabile collegato alle prove fornite, mantenendo distinti i modi e i limiti esatti di Sonnet 4.5 dalle versioni successive.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
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 è il modello di Anthropic per testo e immagini destinato allo sviluppo software, agli agenti complessi, all’uso del computer e al lavoro analitico. Supporta risposte dirette o ragionamento esteso manuale, con ragionamento tra le chiamate agli strumenti nel flusso beta documentato.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Claude Sonnet 4.5 è l’edizione Sonnet di Anthropic concentrata su sviluppo software, compiti complessi con agenti e uso del computer, con miglioramenti nel ragionamento e nella matematica. Accetta testo e immagini e genera testo. La versione descrive lavoro prolungato su più passaggi, comprensione del codice e modifiche che coinvolgono un progetto più ampio anziché una singola funzione isolata. Una descrizione utile indica il comportamento richiesto, le fonti pertinenti e l’artefatto da consegnare: una patch proposta, una spiegazione dell’implementazione, un’analisi documentale o una risposta strutturata.
Per il lavoro sul software, fornisci i vincoli del progetto, i file o gli estratti pertinenti, l’errore osservato e un esempio concreto del risultato atteso. Richiedi il codice interessato e una spiegazione di come la modifica proposta affronti quell’esempio. Il produttore presenta il modello come adatto a costruire agenti e svolgere compiti di sviluppo con strumenti. L’applicazione circostante legge e modifica file, esegue un comando o una verifica e restituisce l’uscita effettiva; il modello ragiona su quelle prove. Mantieni distinte la modifica proposta e la verifica completata nel rapporto finale.
L’uso del computer è un’applicazione separata delle capacità visive e con agenti. La presentazione di Anthropic mostra interazione con il browser, navigazione di pagine e lavoro su fogli di calcolo attraverso un ambiente collegato. Una richiesta visiva può fornire una schermata, identificare l’obiettivo e definire le azioni consentite dall’applicazione. L’applicazione esegue poi l’interazione selezionata e restituisce la schermata modificata o un altro risultato. Analogamente, il modello può preparare contenuti e codice per documenti, fogli di calcolo e presentazioni, mentre l’ambiente produce il file finito. La comprensione di testo e immagini non rende il modello un generatore nativo di immagini o audio.
La specifica esatta del produttore indica una finestra di contesto di 200K token e fino a 64K token in uscita. La data limite delle conoscenze affidabili è gennaio 2025, distinta dalla successiva data limite dei dati di addestramento riportata sulla pagina. In un ingresso lungo mantieni chiari i confini dei documenti, le etichette delle pagine, le unità e gli identificativi del codice, riservando spazio alla risposta richiesta e all’eventuale ragionamento. Il produttore documenta anche la consapevolezza del contesto per questa edizione: il flusso supportato tiene quindi traccia dello spazio rimanente durante una conversazione. Questo aiuta a gestire un compito prolungato entro la finestra, senza sostituirla con la maggiore capacità di un’edizione Sonnet successiva.
Sonnet 4.5 supporta risposte ordinarie e ragionamento esteso manuale. In quest’ultima modalità, budget_tokens imposta un obiettivo per il ragionamento interno prima della risposta visibile. Il minimo documentato è di 1 024 token e il budget normalmente deve essere inferiore a max_tokens, perché ragionamento e risposta finale condividono la disponibilità di generazione. Il budget è un obiettivo, non una promessa di consumare esattamente quel numero di token. Questa edizione non ha la modalità di ragionamento adattivo né i controlli di impegno descritti per i modelli Sonnet successivi. Scegli la profondità di analisi richiesta e lascia spazio sufficiente a una risposta finale utilizzabile.
La funzionalità beta del produttore per il ragionamento intercalato permette a Sonnet 4.5 di ragionare tra le chiamate agli strumenti all’interno di un turno, usando le osservazioni restituite per decidere il passo successivo. Richiede la funzionalità beta documentata nel flusso Messages supportato. In questo caso, il budget di ragionamento può superare max_tokens perché si estende su più blocchi di ragionamento nello stesso turno dell’assistente. Restituisci i risultati degli strumenti con il contenuto di ragionamento associato invariato, compresa la firma; modificarlo lo invalida. Un compito di ricerca o debug può quindi alternare una verifica proposta, il risultato reale restituito e un’analisi aggiornata senza considerare una proposta testuale come un’azione completata.
Per il materiale visivo, il produttore supporta JPEG, PNG, GIF e WebP e usa soltanto il primo fotogramma di un’animazione. Il livello standard delle immagini native usato da questa edizione ha un limite di 1 568 pixel sul lato più lungo e di 1 568 token visivi; le immagini maggiori vengono ridimensionate. La guida alle immagini del produttore indica fino a 100 immagini per richiesta API per i modelli con contesto di 200K, con condizioni sulle dimensioni delle immagini e della richiesta complessiva che possono essere raggiunte prima. Quando è pratico, colloca le immagini prima della domanda, etichetta le immagini multiple e conserva i testi piccoli o le etichette dei grafici. La guida raccomanda immagini chiare e contesto circostante sufficiente a interpretare il dettaglio visibile.
La modifica del contesto e uno strumento di memoria sono stati introdotti insieme a questo modello per sostenere flussi più lunghi con agenti. Sono modalità supportate dall’applicazione per conservare uno stato utile o rimuovere vecchio materiale degli strumenti; non sono una memoria illimitata del modello né la successiva funzionalità di compattazione lato server. Per un compito in più fasi, conserva le decisioni già prese, la domanda aperta e le prove necessarie al passo successivo. Anthropic descrive anche una maggiore resistenza alle istruzioni nascoste nei contenuti esterni, osservando che i classificatori specifici del modello possono talvolta segnalare materiale innocuo. Il risultato utile rimane un artefatto verificabile collegato alle prove fornite, mantenendo distinti i modi e i limiti esatti di Sonnet 4.5 dalle versioni successive.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti anthropic/claude-sonnet-4.5 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0132 / 1K token Output · Token in output $0.03 / 1K token Input · Lettura dalla cache $0.0006 / 1K token Input · Scrittura nella cache $0.0075 / 1K token Input · Scrittura nella cache, 1 ora $0.012 / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso200.000 | Costo Input · Token in input $0.0132 / 1K token Output · Token in output $0.03 / 1K token Input · Lettura dalla cache $0.0006 / 1K token Input · Scrittura nella cache $0.0075 / 1K token Input · Scrittura nella cache, 1 ora $0.012 / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di200.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0132 / 1K token Output · Token in output $0.03 / 1K token Input · Lettura dalla cache $0.0006 / 1K token Input · Scrittura nella cache $0.0075 / 1K token Input · Scrittura nella cache, 1 ora $0.024 / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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 ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| 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 |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra anthropic/claude-sonnet-4.5
Usa i percorsi dei metodi indicati sopra.
anthropic/claude-sonnet-4.5Claude Sonnet 4.5 è il modello di Anthropic per testo e immagini destinato allo sviluppo software, agli agenti complessi, all’uso del computer e al lavoro analitico. Supporta risposte dirette o ragionamento esteso manuale, con ragionamento tra le chiamate agli strumenti nel flusso beta documentato.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Claude Sonnet 4.5 è l’edizione Sonnet di Anthropic concentrata su sviluppo software, compiti complessi con agenti e uso del computer, con miglioramenti nel ragionamento e nella matematica. Accetta testo e immagini e genera testo. La versione descrive lavoro prolungato su più passaggi, comprensione del codice e modifiche che coinvolgono un progetto più ampio anziché una singola funzione isolata. Una descrizione utile indica il comportamento richiesto, le fonti pertinenti e l’artefatto da consegnare: una patch proposta, una spiegazione dell’implementazione, un’analisi documentale o una risposta strutturata.
Per il lavoro sul software, fornisci i vincoli del progetto, i file o gli estratti pertinenti, l’errore osservato e un esempio concreto del risultato atteso. Richiedi il codice interessato e una spiegazione di come la modifica proposta affronti quell’esempio. Il produttore presenta il modello come adatto a costruire agenti e svolgere compiti di sviluppo con strumenti. L’applicazione circostante legge e modifica file, esegue un comando o una verifica e restituisce l’uscita effettiva; il modello ragiona su quelle prove. Mantieni distinte la modifica proposta e la verifica completata nel rapporto finale.
L’uso del computer è un’applicazione separata delle capacità visive e con agenti. La presentazione di Anthropic mostra interazione con il browser, navigazione di pagine e lavoro su fogli di calcolo attraverso un ambiente collegato. Una richiesta visiva può fornire una schermata, identificare l’obiettivo e definire le azioni consentite dall’applicazione. L’applicazione esegue poi l’interazione selezionata e restituisce la schermata modificata o un altro risultato. Analogamente, il modello può preparare contenuti e codice per documenti, fogli di calcolo e presentazioni, mentre l’ambiente produce il file finito. La comprensione di testo e immagini non rende il modello un generatore nativo di immagini o audio.
La specifica esatta del produttore indica una finestra di contesto di 200K token e fino a 64K token in uscita. La data limite delle conoscenze affidabili è gennaio 2025, distinta dalla successiva data limite dei dati di addestramento riportata sulla pagina. In un ingresso lungo mantieni chiari i confini dei documenti, le etichette delle pagine, le unità e gli identificativi del codice, riservando spazio alla risposta richiesta e all’eventuale ragionamento. Il produttore documenta anche la consapevolezza del contesto per questa edizione: il flusso supportato tiene quindi traccia dello spazio rimanente durante una conversazione. Questo aiuta a gestire un compito prolungato entro la finestra, senza sostituirla con la maggiore capacità di un’edizione Sonnet successiva.
Sonnet 4.5 supporta risposte ordinarie e ragionamento esteso manuale. In quest’ultima modalità, budget_tokens imposta un obiettivo per il ragionamento interno prima della risposta visibile. Il minimo documentato è di 1 024 token e il budget normalmente deve essere inferiore a max_tokens, perché ragionamento e risposta finale condividono la disponibilità di generazione. Il budget è un obiettivo, non una promessa di consumare esattamente quel numero di token. Questa edizione non ha la modalità di ragionamento adattivo né i controlli di impegno descritti per i modelli Sonnet successivi. Scegli la profondità di analisi richiesta e lascia spazio sufficiente a una risposta finale utilizzabile.
La funzionalità beta del produttore per il ragionamento intercalato permette a Sonnet 4.5 di ragionare tra le chiamate agli strumenti all’interno di un turno, usando le osservazioni restituite per decidere il passo successivo. Richiede la funzionalità beta documentata nel flusso Messages supportato. In questo caso, il budget di ragionamento può superare max_tokens perché si estende su più blocchi di ragionamento nello stesso turno dell’assistente. Restituisci i risultati degli strumenti con il contenuto di ragionamento associato invariato, compresa la firma; modificarlo lo invalida. Un compito di ricerca o debug può quindi alternare una verifica proposta, il risultato reale restituito e un’analisi aggiornata senza considerare una proposta testuale come un’azione completata.
Per il materiale visivo, il produttore supporta JPEG, PNG, GIF e WebP e usa soltanto il primo fotogramma di un’animazione. Il livello standard delle immagini native usato da questa edizione ha un limite di 1 568 pixel sul lato più lungo e di 1 568 token visivi; le immagini maggiori vengono ridimensionate. La guida alle immagini del produttore indica fino a 100 immagini per richiesta API per i modelli con contesto di 200K, con condizioni sulle dimensioni delle immagini e della richiesta complessiva che possono essere raggiunte prima. Quando è pratico, colloca le immagini prima della domanda, etichetta le immagini multiple e conserva i testi piccoli o le etichette dei grafici. La guida raccomanda immagini chiare e contesto circostante sufficiente a interpretare il dettaglio visibile.
La modifica del contesto e uno strumento di memoria sono stati introdotti insieme a questo modello per sostenere flussi più lunghi con agenti. Sono modalità supportate dall’applicazione per conservare uno stato utile o rimuovere vecchio materiale degli strumenti; non sono una memoria illimitata del modello né la successiva funzionalità di compattazione lato server. Per un compito in più fasi, conserva le decisioni già prese, la domanda aperta e le prove necessarie al passo successivo. Anthropic descrive anche una maggiore resistenza alle istruzioni nascoste nei contenuti esterni, osservando che i classificatori specifici del modello possono talvolta segnalare materiale innocuo. Il risultato utile rimane un artefatto verificabile collegato alle prove fornite, mantenendo distinti i modi e i limiti esatti di Sonnet 4.5 dalle versioni successive.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti anthropic/claude-sonnet-4.5 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0132 / 1K token Output · Token in output $0.03 / 1K token Input · Lettura dalla cache $0.0006 / 1K token Input · Scrittura nella cache $0.0075 / 1K token Input · Scrittura nella cache, 1 ora $0.012 / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso200.000 | Costo Input · Token in input $0.0132 / 1K token Output · Token in output $0.03 / 1K token Input · Lettura dalla cache $0.0006 / 1K token Input · Scrittura nella cache $0.0075 / 1K token Input · Scrittura nella cache, 1 ora $0.012 / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di200.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0132 / 1K token Output · Token in output $0.03 / 1K token Input · Lettura dalla cache $0.0006 / 1K token Input · Scrittura nella cache $0.0075 / 1K token Input · Scrittura nella cache, 1 ora $0.024 / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "anthropic/claude-sonnet-4.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra anthropic/claude-sonnet-4.5
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
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.