{ "aboutHtml": "

Kod, dokumen dan pelan tindakan

Claude Sonnet 4.6 menggabungkan pengaturcaraan, pemahaman konteks besar, perancangan ejen, penggunaan maklumat secara profesional dan reka bentuk. Anthropic menekankan kajian kod sebelum perubahan serta keupayaan mengendalikan beberapa langkah tugasan secara berurutan. Ini berguna untuk mencari masalah dalam projek besar, menganalisis dokumen panjang dan menyediakan kandungan laporan.

Model boleh menganalisis maklumat daripada kontrak, kertas penyelidikan dan bahan lain dalam satu permintaan. Tugasan boleh merangkumi pengekstrakan fakta, penaakulan berasaskannya dan pembentukan hasil yang menggabungkan beberapa bahagian. Antara kegunaan yang diterangkan juga ialah analisis kewangan dan penulisan kod antara muka dengan perhatian kepada komposisi dan reka bentuk.

Tindakan dalam persekitaran visual

Sonnet 4.6 memahami teks dan imej; hasilnya sendiri ialah teks. Anthropic menerangkan senario komputer yang modelnya berpandukan tangkapan skrin, memilih tindakan tetikus dan papan kekunci serta menganalisis hamparan rumit atau urutan langkah borang web. Pelaksanaan sebenar memerlukan alat aplikasi yang menghantar skrin dan melaksanakan tindakan.

Format input visual biasa pengeluar ialah JPEG/PNG/GIF/WebP, dengan bingkai pertama digunakan bagi animasi. Untuk analisis natif: sisi panjang ialah 1568 piksel dan jumlah token visual ialah 1568; imej besar dikecilkan sebelum analisis. Sokongan fail dan parameter bergantung pada kaedah aplikasi.

Begitu juga, dokumen, hamparan dan pembentangan boleh menjadi bahan analisis atau penyediaan kandungan, tetapi penghasilan fail siap memerlukan persekitaran yang sesuai. Imej membantu memahami graf, rajah dan struktur visual bahan; ini tidak menjadikan model penjana imej.

Cara analisis dikawal

Versi ini menyokong penaakulan adaptif dan extended thinking manual. Mod manual ditandakan sebagai semakin lapuk; mod adaptif membolehkan model memilih bila analisis tambahan berguna, termasuk antara panggilan alat. Tahap effort ialah low, medium, high dan max, dengan high sebagai tahap standard. Menurut Anthropic, pemilihan tahap usaha membantu menyesuaikan perincian kerja dan kependaman dengan sifat tugasan.

Spesifikasi semasa menetapkan 1 juta token konteks dan sehingga 128 ribu token respons dalam mod biasa. Bagi kerja berpanjangan, pengeluar turut menerangkan pemampatan eksperimen konteks lama menjadi ringkasan. Fungsi ini memerlukan sokongan aplikasi dan tidak menyingkirkan batasan tetingkap model.

Perkara yang perlu diambil kira

Batas pengetahuan terbina dalam yang boleh dipercayai ialah Ogos 2025. Maklumat lebih baharu memerlukan bahan arahan atau carian yang tersedia. Alat yang disambungkan boleh membantu mencari maklumat, melaksanakan kod dan memproses kandungan yang ditemui; kewujudan alat serta tindakan yang dibenarkan ditentukan oleh aplikasi.

Sonnet 4.6 dilatih untuk menentang arahan berniat jahat yang tersembunyi dalam bahan pihak lain, tetapi persekitaran visual yang rumit dan arahan yang samar masih boleh menyebabkan ralat. Keperluan tugasan yang jelas, semakan fakta yang diekstrak dan penilaian hasil tindakan kekal sebagai sebahagian daripada penggunaan model yang boleh dipercayai.

", "aboutText": "### Kod, dokumen dan pelan tindakan\n\nClaude Sonnet 4.6 menggabungkan pengaturcaraan, pemahaman konteks besar, perancangan ejen, penggunaan maklumat secara profesional dan reka bentuk. Anthropic menekankan kajian kod sebelum perubahan serta keupayaan mengendalikan beberapa langkah tugasan secara berurutan. Ini berguna untuk mencari masalah dalam projek besar, menganalisis dokumen panjang dan menyediakan kandungan laporan.\n\nModel boleh menganalisis maklumat daripada kontrak, kertas penyelidikan dan bahan lain dalam satu permintaan. Tugasan boleh merangkumi pengekstrakan fakta, penaakulan berasaskannya dan pembentukan hasil yang menggabungkan beberapa bahagian. Antara kegunaan yang diterangkan juga ialah analisis kewangan dan penulisan kod antara muka dengan perhatian kepada komposisi dan reka bentuk.\n\n### Tindakan dalam persekitaran visual\n\nSonnet 4.6 memahami **teks dan imej**; hasilnya sendiri ialah **teks**. Anthropic menerangkan senario komputer yang modelnya berpandukan tangkapan skrin, memilih tindakan tetikus dan papan kekunci serta menganalisis hamparan rumit atau urutan langkah borang web. Pelaksanaan sebenar memerlukan alat aplikasi yang menghantar skrin dan melaksanakan tindakan.\n\nFormat input visual biasa pengeluar ialah JPEG/PNG/GIF/WebP, dengan bingkai pertama digunakan bagi animasi. Untuk analisis natif: sisi panjang ialah 1568 piksel dan jumlah token visual ialah 1568; imej besar dikecilkan sebelum analisis. Sokongan fail dan parameter bergantung pada kaedah aplikasi.\n\nBegitu juga, dokumen, hamparan dan pembentangan boleh menjadi bahan analisis atau penyediaan kandungan, tetapi penghasilan fail siap memerlukan persekitaran yang sesuai. Imej membantu memahami graf, rajah dan struktur visual bahan; ini tidak menjadikan model penjana imej.\n\n### Cara analisis dikawal\n\nVersi ini menyokong penaakulan adaptif dan extended thinking manual. Mod manual ditandakan sebagai semakin lapuk; mod adaptif membolehkan model memilih bila analisis tambahan berguna, termasuk antara panggilan alat. Tahap `effort` ialah `low`, `medium`, `high` dan `max`, dengan `high` sebagai tahap standard. Menurut Anthropic, pemilihan tahap usaha membantu menyesuaikan perincian kerja dan kependaman dengan sifat tugasan.\n\nSpesifikasi semasa menetapkan **1 juta token konteks** dan sehingga **128 ribu token respons dalam mod biasa**. Bagi kerja berpanjangan, pengeluar turut menerangkan pemampatan eksperimen konteks lama menjadi ringkasan. Fungsi ini memerlukan sokongan aplikasi dan tidak menyingkirkan batasan tetingkap model.\n\n### Perkara yang perlu diambil kira\n\nBatas pengetahuan terbina dalam yang boleh dipercayai ialah **Ogos 2025**. Maklumat lebih baharu memerlukan bahan arahan atau carian yang tersedia. Alat yang disambungkan boleh membantu mencari maklumat, melaksanakan kod dan memproses kandungan yang ditemui; kewujudan alat serta tindakan yang dibenarkan ditentukan oleh aplikasi.\n\nSonnet 4.6 dilatih untuk menentang arahan berniat jahat yang tersembunyi dalam bahan pihak lain, tetapi persekitaran visual yang rumit dan arahan yang samar masih boleh menyebabkan ralat. Keperluan tugasan yang jelas, semakan fakta yang diekstrak dan penilaian hasil tindakan kekal sebagai sebahagian daripada penggunaan model yang boleh dipercayai.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "bc336940c27d73b9a89cbbf4b73c5857bd8e811f7edcffed4b86058d52368f1f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "
A

Anthropic: Claude Sonnet 4.6

Anthropic /claude-sonnet-4-6-thinking

Pengenalan

Claude Sonnet 4.6 membantu pembangunan, pemahaman dokumen panjang, perancangan dan tugasan yang menggunakan data visual. Menyokong penaakulan adaptif dan kerja berbilang langkah dengan alat.

Input yang diterima
Teks
Hasil
Teks
Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

Kod, dokumen dan pelan tindakan

Claude Sonnet 4.6 menggabungkan pengaturcaraan, pemahaman konteks besar, perancangan ejen, penggunaan maklumat secara profesional dan reka bentuk. Anthropic menekankan kajian kod sebelum perubahan serta keupayaan mengendalikan beberapa langkah tugasan secara berurutan. Ini berguna untuk mencari masalah dalam projek besar, menganalisis dokumen panjang dan menyediakan kandungan laporan.

Model boleh menganalisis maklumat daripada kontrak, kertas penyelidikan dan bahan lain dalam satu permintaan. Tugasan boleh merangkumi pengekstrakan fakta, penaakulan berasaskannya dan pembentukan hasil yang menggabungkan beberapa bahagian. Antara kegunaan yang diterangkan juga ialah analisis kewangan dan penulisan kod antara muka dengan perhatian kepada komposisi dan reka bentuk.

Tindakan dalam persekitaran visual

Sonnet 4.6 memahami teks dan imej; hasilnya sendiri ialah teks. Anthropic menerangkan senario komputer yang modelnya berpandukan tangkapan skrin, memilih tindakan tetikus dan papan kekunci serta menganalisis hamparan rumit atau urutan langkah borang web. Pelaksanaan sebenar memerlukan alat aplikasi yang menghantar skrin dan melaksanakan tindakan.

Format input visual biasa pengeluar ialah JPEG/PNG/GIF/WebP, dengan bingkai pertama digunakan bagi animasi. Untuk analisis natif: sisi panjang ialah 1568 piksel dan jumlah token visual ialah 1568; imej besar dikecilkan sebelum analisis. Sokongan fail dan parameter bergantung pada kaedah aplikasi.

Begitu juga, dokumen, hamparan dan pembentangan boleh menjadi bahan analisis atau penyediaan kandungan, tetapi penghasilan fail siap memerlukan persekitaran yang sesuai. Imej membantu memahami graf, rajah dan struktur visual bahan; ini tidak menjadikan model penjana imej.

Cara analisis dikawal

Versi ini menyokong penaakulan adaptif dan extended thinking manual. Mod manual ditandakan sebagai semakin lapuk; mod adaptif membolehkan model memilih bila analisis tambahan berguna, termasuk antara panggilan alat. Tahap effort ialah low, medium, high dan max, dengan high sebagai tahap standard. Menurut Anthropic, pemilihan tahap usaha membantu menyesuaikan perincian kerja dan kependaman dengan sifat tugasan.

Spesifikasi semasa menetapkan 1 juta token konteks dan sehingga 128 ribu token respons dalam mod biasa. Bagi kerja berpanjangan, pengeluar turut menerangkan pemampatan eksperimen konteks lama menjadi ringkasan. Fungsi ini memerlukan sokongan aplikasi dan tidak menyingkirkan batasan tetingkap model.

Perkara yang perlu diambil kira

Batas pengetahuan terbina dalam yang boleh dipercayai ialah Ogos 2025. Maklumat lebih baharu memerlukan bahan arahan atau carian yang tersedia. Alat yang disambungkan boleh membantu mencari maklumat, melaksanakan kod dan memproses kandungan yang ditemui; kewujudan alat serta tindakan yang dibenarkan ditentukan oleh aplikasi.

Sonnet 4.6 dilatih untuk menentang arahan berniat jahat yang tersembunyi dalam bahan pihak lain, tetapi persekitaran visual yang rumit dan arahan yang samar masih boleh menyebabkan ralat. Keperluan tugasan yang jelas, semakan fakta yang diekstrak dan penilaian hasil tindakan kekal sebagai sebahagian daripada penggunaan model yang boleh dipercayai.

Tersedia di Ailoot · input & kaedah

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Input
text
Output
text
Format output
json atau SSE
MedanJenisKeperluanNilai & hadLalai
MedanmodelJenisstringKeperluanDiperlukanNilai & had
claude-sonnet-4-6-thinking
Lalai—
MedanmessagesJenismessage[]KeperluanDiperlukanNilai & had
Item minimum: 1
Lalai—
Medanmessages[].roleJenisstringKeperluanDiperlukanNilai & had
Bergantung pada model
Lalai—
Medanmessages[].contentJenisstringKeperluanPilihanNilai & had
Terpakai apabila: Perbualan teks
Lalai—
MedanstreamJenisbooleanKeperluanPilihanNilai & hadLalaifalse
Gabungan bahan input

Teks · Teks UTF8

messages[].content

Parameter kaedah dan kitar hayat
ParameterKontrak
Parametercontent_typeKontrakapplication/json
ParameterrequiredKontrakmodel, messages
Parametermaterial_typesKontraktext
ParametermessagesKontraktatasusunan mesej dengan struktur role/content
Parameterfile_materialKontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan
Parameteroptional_controlsKontrakstream
Parametercontrol_scopeKontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai.
Parameteroutput_modalitiesKontraktext
Parameterhosted_operationsKontrakfalse
Parametermultimodal_input_bindingKontraknull

Alias kaedah: /chat/completions

Kitar hayat: synchronous_or_streamed

Hantar ID model yang tepat bersama messages.

Panjang konteks bukan had output.

Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.

Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas
Tidak dinyatakan Apabila mod pantas dipilih
Mod flex
Tidak dinyatakan Apabila mod flex dipilih
Usaha penaakulan maksimum
Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default

Kadar Ailoot

Harga mengikut konfigurasi

KonfigurasiJadual kadarCaj
KonfigurasiKadar asas tokenJadual kadarKadar asasCaj
Input · Token input $0.006 / 1K token
Output · Token output $0.03 / 1K token
Input · Bacaan cache $0.0006 / 1K token
Input · Penulisan cache $0.0075 / 1K token
Input · Penulisan cache, 1 jam — / 1K token

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →

Contoh permintaan

Ailoot Ultra · OpenAI Chat

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\n

Terima dan simpan hasil

Ailoot Ultra · OpenAI Chat

json atau SSE

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.

Jika respons asal perlu disemak

Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.

Medan respons
MedanJenis
Medanchoices[].indexJenisinteger
Medanchoices[].message.contentJenisstring|null
Medanchoices[].message.tool_callsJenistool_call[]
Medanchoices[].message.reasoning_contentJenisstring
Medanchoices[].message.reasoning_detailsJenisobject|array
Medanchoices[].finish_reasonJenisstring|null
MedanusageJenisobject
Ralat dan langkah seterusnya
ResponsSyaratLangkah seterusnya
Respons400 · invalid_request_errorSyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sahLangkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.

Alias

Alias model

Ailoot Ultra claude-sonnet-4-6-thinking

Alias laluan kaedah

/chat/completions

ID pemanggil berkaitan

claude-sonnet-4-6-thinking

", "method_identity": { "effective_request_model_id": "claude-sonnet-4-6-thinking", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "claude-sonnet-4-6-thinking", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|claude-sonnet-4-6-thinking", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 0.6, "cache_write": 7.5, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Medan wajib, perwakilan bahan atau nilai parameter tidak sah", "http_status": 400, "recovery": "Betulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Teks UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json atau SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "claude-sonnet-4-6-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Perbualan teks" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "Hantar ID model yang tepat bersama messages.", "Panjang konteks bukan had output.", "Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat." ], "input": { "content_type": "application/json", "control_scope": "Perbualan teks; stream ialah nilai boolean dengan false sebagai lalai.", "file_material": "dokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan", "hosted_operations": false, "material_types": [ "text" ], "messages": "tatasusunan mesej dengan struktur role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Kadar asas token", "units": [ { "amount": "0.006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.03000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0075000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000075", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 6, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 30, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.03000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0075000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000075", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "claude-sonnet-4-6-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.03000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0075000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000075", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "claude-sonnet-4-6-thinking", "nativeProvenance": { "input_facts_canonical_sha256": "aba99218c8d57e9b95ddfea383bfaa2dda2e5c6cfd7b61abae90d8d584ce9afd", "input_html_sha256": "f5b41f60059a65db06a6e111deb11b3e534e71d5ca72a329a0db5af3dcb55d65", "private_audit_sha256": "26127b835182e5d54dd9a62ab8bdf2e74dd2ea2946d978826de0931cb4c0a4a1", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/ms/claude-sonnet-4-6-thinking/", "description": "Claude Sonnet 4.6 membantu pembangunan, pemahaman dokumen panjang, perancangan dan tugasan yang menggunakan data visual. Menyokong penaakulan adaptif dan kerja berbilang langkah dengan alat.", "locale": "ms", "md_url": "https://ailoot.ai/models/ms/claude-sonnet-4-6-thinking/index.md", "title": "Anthropic: Claude Sonnet 4.6 — Ailoot", "url": "https://ailoot.ai/models/ms/claude-sonnet-4-6-thinking/" }, "rawModel": { "about": "### Kod, dokumen dan pelan tindakan\n\nClaude Sonnet 4.6 menggabungkan pengaturcaraan, pemahaman konteks besar, perancangan ejen, penggunaan maklumat secara profesional dan reka bentuk. Anthropic menekankan kajian kod sebelum perubahan serta keupayaan mengendalikan beberapa langkah tugasan secara berurutan. Ini berguna untuk mencari masalah dalam projek besar, menganalisis dokumen panjang dan menyediakan kandungan laporan.\n\nModel boleh menganalisis maklumat daripada kontrak, kertas penyelidikan dan bahan lain dalam satu permintaan. Tugasan boleh merangkumi pengekstrakan fakta, penaakulan berasaskannya dan pembentukan hasil yang menggabungkan beberapa bahagian. Antara kegunaan yang diterangkan juga ialah analisis kewangan dan penulisan kod antara muka dengan perhatian kepada komposisi dan reka bentuk.\n\n### Tindakan dalam persekitaran visual\n\nSonnet 4.6 memahami **teks dan imej**; hasilnya sendiri ialah **teks**. Anthropic menerangkan senario komputer yang modelnya berpandukan tangkapan skrin, memilih tindakan tetikus dan papan kekunci serta menganalisis hamparan rumit atau urutan langkah borang web. Pelaksanaan sebenar memerlukan alat aplikasi yang menghantar skrin dan melaksanakan tindakan.\n\nFormat input visual biasa pengeluar ialah JPEG/PNG/GIF/WebP, dengan bingkai pertama digunakan bagi animasi. Untuk analisis natif: sisi panjang ialah 1568 piksel dan jumlah token visual ialah 1568; imej besar dikecilkan sebelum analisis. Sokongan fail dan parameter bergantung pada kaedah aplikasi.\n\nBegitu juga, dokumen, hamparan dan pembentangan boleh menjadi bahan analisis atau penyediaan kandungan, tetapi penghasilan fail siap memerlukan persekitaran yang sesuai. Imej membantu memahami graf, rajah dan struktur visual bahan; ini tidak menjadikan model penjana imej.\n\n### Cara analisis dikawal\n\nVersi ini menyokong penaakulan adaptif dan extended thinking manual. Mod manual ditandakan sebagai semakin lapuk; mod adaptif membolehkan model memilih bila analisis tambahan berguna, termasuk antara panggilan alat. Tahap `effort` ialah `low`, `medium`, `high` dan `max`, dengan `high` sebagai tahap standard. Menurut Anthropic, pemilihan tahap usaha membantu menyesuaikan perincian kerja dan kependaman dengan sifat tugasan.\n\nSpesifikasi semasa menetapkan **1 juta token konteks** dan sehingga **128 ribu token respons dalam mod biasa**. Bagi kerja berpanjangan, pengeluar turut menerangkan pemampatan eksperimen konteks lama menjadi ringkasan. Fungsi ini memerlukan sokongan aplikasi dan tidak menyingkirkan batasan tetingkap model.\n\n### Perkara yang perlu diambil kira\n\nBatas pengetahuan terbina dalam yang boleh dipercayai ialah **Ogos 2025**. Maklumat lebih baharu memerlukan bahan arahan atau carian yang tersedia. Alat yang disambungkan boleh membantu mencari maklumat, melaksanakan kod dan memproses kandungan yang ditemui; kewujudan alat serta tindakan yang dibenarkan ditentukan oleh aplikasi.\n\nSonnet 4.6 dilatih untuk menentang arahan berniat jahat yang tersembunyi dalam bahan pihak lain, tetapi persekitaran visual yang rumit dan arahan yang samar masih boleh menyebabkan ralat. Keperluan tugasan yang jelas, semakan fakta yang diekstrak dan penilaian hasil tindakan kekal sebagai sebahagian daripada penggunaan model yang boleh dipercayai.", "alias_of": null, "aliases": [], "author": "Anthropic", "capabilities": { "context_length": 1000000, "manufacturer_input": [ "text", "image", "file" ], "manufacturer_output": [ "text" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.03000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Maklumat lengkap tentang harga konfigurasi terdapat dalam butiran." } ], "ctx": null, "formats": [ "chat" ], "id": "claude-sonnet-4-6-thinking", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 0.6, "cache_write": 7.5, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Medan wajib, perwakilan bahan atau nilai parameter tidak sah", "http_status": 400, "recovery": "Betulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Teks UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json atau SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "claude-sonnet-4-6-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Perbualan teks" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "Hantar ID model yang tepat bersama messages.", "Panjang konteks bukan had output.", "Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat." ], "input": { "content_type": "application/json", "control_scope": "Perbualan teks; stream ialah nilai boolean dengan false sebagai lalai.", "file_material": "dokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan", "hosted_operations": false, "material_types": [ "text" ], "messages": "tatasusunan mesej dengan struktur role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Kadar asas token", "units": [ { "amount": "0.006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.03000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0075000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000075", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 6, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 30, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.03000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0075000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000075", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "claude-sonnet-4-6-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.03000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0.0075000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0.0000075", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "claude-sonnet-4-6-thinking", "request_model_id": "claude-sonnet-4-6-thinking", "route_label": "Ultra" } ], "name": "Anthropic: Claude Sonnet 4.6", "price": { "in": 6, "in_label": null, "out": 30, "out_label": null, "scope_label": "Token rates", "sort_in": 6, "sort_out": 30, "varies": false }, "short": "Claude Sonnet 4.6 membantu pembangunan, pemahaman dokumen panjang, perancangan dan tugasan yang menggunakan data visual. Menyokong penaakulan adaptif dan kerja berbilang langkah dengan alat." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Claude Sonnet 4.6 membantu pembangunan, pemahaman dokumen panjang, perancangan dan tugasan yang menggunakan data visual. Menyokong penaakulan adaptif dan kerja berbilang langkah dengan alat.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "f174267c3e7f782f1ce8aa9c9c83f2dd00bf8fd22bb65dfc5ba069e0bb46ec74", "renderer_sha256": "1dab5ba62521e9568c8b7c82005622cabbf330a075df7cce1f83274a04009460" }, "sourceRevision": "e33cd110cdaef5e6f7592c8745a45290315ef821b5c8620a95fc9dbb12af0d0c" }