Claude Sonnet 4.5 er Anthropics Sonnet-utgave med fokus på programvareutvikling, komplekse agentoppgaver og datamaskinbruk, med forbedringer innen resonnering og matematikk. Den tar imot tekst og bilder og genererer tekst. Utgivelsen beskriver vedvarende arbeid over flere trinn, kodeforståelse og endringer som berører et bredere prosjekt fremfor én isolert funksjon. En nyttig beskrivelse identifiserer påkrevd oppførsel, relevant kildemateriale og leveransen: en foreslått patch, en implementeringsforklaring, en dokumentanalyse eller et strukturert svar.
For programvarearbeid oppgir du prosjektets begrensninger, relevante filer eller utdrag, den observerte feilen og et konkret eksempel på forventet resultat. Be om den berørte koden og en forklaring på hvordan den foreslåtte endringen håndterer eksemplet. Produsenten presenterer modellen som egnet til å bygge agenter og arbeide gjennom utviklingsoppgaver med verktøy. Den omkringliggende applikasjonen leser og redigerer filer, kjører en kommando eller kontroll og returnerer faktisk output; modellen resonnerer over dette belegget. Hold den foreslåtte endringen og den fullførte kontrollen adskilt i sluttrapporten.
Datamaskinbruk er en separat anvendelse av de visuelle evnene og agentevnene. Anthropics utgivelse demonstrerer nettlesersamhandling, navigering på sider og arbeid med regneark gjennom et tilkoblet miljø. En visuell beskrivelse kan oppgi et skjermbilde, identifisere målet og definere hvilke handlinger applikasjonen tillater. Applikasjonen utfører så den valgte samhandlingen og returnerer den endrede skjermen eller et annet resultat. Tilsvarende kan modellen forberede innhold og kode for dokumenter, regneark og lysbilder, mens miljøet produserer den ferdige filen. Tekst- og bildeforståelse gjør ikke modellen til en innebygd bilde- eller lydgenerator.
Produsentens eksakte spesifikasjon oppgir et kontekstvindu på 200K tokener og opptil 64K outputtokener. Grensen for pålitelig kunnskap er januar 2025, adskilt fra den senere grensen for treningsdata som oppgis på siden. Hold dokumentgrenser, sideetiketter, enheter og kodeidentifikatorer tydelige i lang input, og sett av plass til det forespurte svaret og eventuell resonnering. Produsenten dokumenterer også kontekstbevissthet for denne utgaven, slik at den støttede arbeidsflyten følger gjenværende plass gjennom en samtale. Dette hjelper med å håndtere en vedvarende oppgave innenfor vinduet; det erstatter ikke vinduet med den større kapasiteten til en senere Sonnet-utgave.
Sonnet 4.5 støtter vanlige svar og manuelt konfigurert utvidet resonnering. I sistnevnte modus setter budget_tokens et mål for den interne resonneringen før det synlige svaret. Dokumentert minimum er 1,024 tokener, og budsjettet må normalt være lavere enn max_tokens fordi resonnering og det endelige svaret deler genereringsrammen. Budsjettet er et mål, ikke et løfte om å bruke nøyaktig så mange tokener. Denne utgaven har ikke modusen for adaptiv resonnering eller innsatskontrollene som beskrives for senere Sonnet-modeller. Velg den forespurte analysedybden og la det være nok rom til et brukbart endelig svar.
Produsentens interleaved-thinking-beta lar Sonnet 4.5 resonnere mellom verktøykall innenfor én runde og bruke de returnerte observasjonene til å velge neste trinn. Den krever den dokumenterte betafunksjonen i den støttede Messages-arbeidsflyten. I dette tilfellet kan resonneringsbudsjettet overstige max_tokens fordi det spenner over flere resonneringsblokker i samme assistentrunde. Returner verktøyresultater sammen med tilhørende uendret resonneringsinnhold, inkludert signaturen; redigering gjør innholdet ugyldig. En forsknings- eller feilsøkingsoppgave kan derfor veksle mellom en foreslått kontroll, det faktiske returnerte resultatet og en oppdatert analyse uten å behandle et tekstforslag som en fullført handling.
For visuelt materiale støtter produsenten JPEG, PNG, GIF og WebP og bruker bare første bilde i en animasjon. Standardnivået for native bilder i denne utgaven har en grense på 1,568 piksler langs lengste side og en grense på 1,568 visuelle tokener; større bilder nedskaleres. Produsentens bildeveiledning oppgir opptil 100 bilder per API-forespørsel for modeller med 200K kontekst, med betingelser for bilder og samlet forespørselsstørrelse som kan nås først. Plasser bilder før spørsmålet når det er praktisk, merk flere bilder og bevar liten tekst eller diagrametiketter. Veiledningen anbefaler tydelige bilder og nok omkringliggende kontekst til å tolke den synlige detaljen.
Kontekstredigering og et minneverktøy ble introdusert sammen med denne modellen for å støtte lengre agentarbeidsflyter. Dette er applikasjonsstøttede måter å beholde nyttig tilstand eller fjerne gammelt verktøymateriale på; de er ikke et ubegrenset modellminne eller den senere funksjonen for komprimering av kontekst på serveren. For en flertrinnsoppgave bevarer du beslutningene som allerede er tatt, det uavklarte spørsmålet og belegget som trengs for neste trinn. Anthropic beskriver også sterkere motstand mot skjulte instruksjoner i eksternt innhold, samtidig som selskapet bemerker at modellspesifikke klassifikatorer noen ganger kan flagge ufarlig materiale. Det nyttige resultatet er fortsatt en vurderbar leveranse knyttet til oppgitt belegg, med de eksakte modusene og grensene for Sonnet 4.5 holdt adskilt fra senere utgivelser.
", "aboutText": "Claude Sonnet 4.5 er Anthropics Sonnet-utgave med fokus på programvareutvikling, komplekse agentoppgaver og datamaskinbruk, med forbedringer innen resonnering og matematikk. Den tar imot tekst og bilder og genererer tekst. Utgivelsen beskriver vedvarende arbeid over flere trinn, kodeforståelse og endringer som berører et bredere prosjekt fremfor én isolert funksjon. En nyttig beskrivelse identifiserer påkrevd oppførsel, relevant kildemateriale og leveransen: en foreslått patch, en implementeringsforklaring, en dokumentanalyse eller et strukturert svar.\n\nFor programvarearbeid oppgir du prosjektets begrensninger, relevante filer eller utdrag, den observerte feilen og et konkret eksempel på forventet resultat. Be om den berørte koden og en forklaring på hvordan den foreslåtte endringen håndterer eksemplet. Produsenten presenterer modellen som egnet til å bygge agenter og arbeide gjennom utviklingsoppgaver med verktøy. Den omkringliggende applikasjonen leser og redigerer filer, kjører en kommando eller kontroll og returnerer faktisk output; modellen resonnerer over dette belegget. Hold den foreslåtte endringen og den fullførte kontrollen adskilt i sluttrapporten.\n\nDatamaskinbruk er en separat anvendelse av de visuelle evnene og agentevnene. Anthropics utgivelse demonstrerer nettlesersamhandling, navigering på sider og arbeid med regneark gjennom et tilkoblet miljø. En visuell beskrivelse kan oppgi et skjermbilde, identifisere målet og definere hvilke handlinger applikasjonen tillater. Applikasjonen utfører så den valgte samhandlingen og returnerer den endrede skjermen eller et annet resultat. Tilsvarende kan modellen forberede innhold og kode for dokumenter, regneark og lysbilder, mens miljøet produserer den ferdige filen. Tekst- og bildeforståelse gjør ikke modellen til en innebygd bilde- eller lydgenerator.\n\nProdusentens eksakte spesifikasjon oppgir et kontekstvindu på 200K tokener og opptil 64K outputtokener. Grensen for pålitelig kunnskap er januar 2025, adskilt fra den senere grensen for treningsdata som oppgis på siden. Hold dokumentgrenser, sideetiketter, enheter og kodeidentifikatorer tydelige i lang input, og sett av plass til det forespurte svaret og eventuell resonnering. Produsenten dokumenterer også kontekstbevissthet for denne utgaven, slik at den støttede arbeidsflyten følger gjenværende plass gjennom en samtale. Dette hjelper med å håndtere en vedvarende oppgave innenfor vinduet; det erstatter ikke vinduet med den større kapasiteten til en senere Sonnet-utgave.\n\nSonnet 4.5 støtter vanlige svar og manuelt konfigurert utvidet resonnering. I sistnevnte modus setter budget_tokens et mål for den interne resonneringen før det synlige svaret. Dokumentert minimum er 1,024 tokener, og budsjettet må normalt være lavere enn max_tokens fordi resonnering og det endelige svaret deler genereringsrammen. Budsjettet er et mål, ikke et løfte om å bruke nøyaktig så mange tokener. Denne utgaven har ikke modusen for adaptiv resonnering eller innsatskontrollene som beskrives for senere Sonnet-modeller. Velg den forespurte analysedybden og la det være nok rom til et brukbart endelig svar.\n\nProdusentens interleaved-thinking-beta lar Sonnet 4.5 resonnere mellom verktøykall innenfor én runde og bruke de returnerte observasjonene til å velge neste trinn. Den krever den dokumenterte betafunksjonen i den støttede Messages-arbeidsflyten. I dette tilfellet kan resonneringsbudsjettet overstige max_tokens fordi det spenner over flere resonneringsblokker i samme assistentrunde. Returner verktøyresultater sammen med tilhørende uendret resonneringsinnhold, inkludert signaturen; redigering gjør innholdet ugyldig. En forsknings- eller feilsøkingsoppgave kan derfor veksle mellom en foreslått kontroll, det faktiske returnerte resultatet og en oppdatert analyse uten å behandle et tekstforslag som en fullført handling.\n\nFor visuelt materiale støtter produsenten JPEG, PNG, GIF og WebP og bruker bare første bilde i en animasjon. Standardnivået for native bilder i denne utgaven har en grense på 1,568 piksler langs lengste side og en grense på 1,568 visuelle tokener; større bilder nedskaleres. Produsentens bildeveiledning oppgir opptil 100 bilder per API-forespørsel for modeller med 200K kontekst, med betingelser for bilder og samlet forespørselsstørrelse som kan nås først. Plasser bilder før spørsmålet når det er praktisk, merk flere bilder og bevar liten tekst eller diagrametiketter. Veiledningen anbefaler tydelige bilder og nok omkringliggende kontekst til å tolke den synlige detaljen.\n\nKontekstredigering og et minneverktøy ble introdusert sammen med denne modellen for å støtte lengre agentarbeidsflyter. Dette er applikasjonsstøttede måter å beholde nyttig tilstand eller fjerne gammelt verktøymateriale på; de er ikke et ubegrenset modellminne eller den senere funksjonen for komprimering av kontekst på serveren. For en flertrinnsoppgave bevarer du beslutningene som allerede er tatt, det uavklarte spørsmålet og belegget som trengs for neste trinn. Anthropic beskriver også sterkere motstand mot skjulte instruksjoner i eksternt innhold, samtidig som selskapet bemerker at modellspesifikke klassifikatorer noen ganger kan flagge ufarlig materiale. Det nyttige resultatet er fortsatt en vurderbar leveranse knyttet til oppgitt belegg, med de eksakte modusene og grensene for Sonnet 4.5 holdt adskilt fra senere utgivelser.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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 er Anthropics tekst- og bildemodell for programvareutvikling, komplekse agenter, datamaskinbruk og analytisk arbeid. Den støtter direkte svar eller manuelt konfigurert utvidet resonnering, med resonnering mellom verktøykall i den dokumenterte betaarbeidsflyten.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Claude Sonnet 4.5 er Anthropics Sonnet-utgave med fokus på programvareutvikling, komplekse agentoppgaver og datamaskinbruk, med forbedringer innen resonnering og matematikk. Den tar imot tekst og bilder og genererer tekst. Utgivelsen beskriver vedvarende arbeid over flere trinn, kodeforståelse og endringer som berører et bredere prosjekt fremfor én isolert funksjon. En nyttig beskrivelse identifiserer påkrevd oppførsel, relevant kildemateriale og leveransen: en foreslått patch, en implementeringsforklaring, en dokumentanalyse eller et strukturert svar.
For programvarearbeid oppgir du prosjektets begrensninger, relevante filer eller utdrag, den observerte feilen og et konkret eksempel på forventet resultat. Be om den berørte koden og en forklaring på hvordan den foreslåtte endringen håndterer eksemplet. Produsenten presenterer modellen som egnet til å bygge agenter og arbeide gjennom utviklingsoppgaver med verktøy. Den omkringliggende applikasjonen leser og redigerer filer, kjører en kommando eller kontroll og returnerer faktisk output; modellen resonnerer over dette belegget. Hold den foreslåtte endringen og den fullførte kontrollen adskilt i sluttrapporten.
Datamaskinbruk er en separat anvendelse av de visuelle evnene og agentevnene. Anthropics utgivelse demonstrerer nettlesersamhandling, navigering på sider og arbeid med regneark gjennom et tilkoblet miljø. En visuell beskrivelse kan oppgi et skjermbilde, identifisere målet og definere hvilke handlinger applikasjonen tillater. Applikasjonen utfører så den valgte samhandlingen og returnerer den endrede skjermen eller et annet resultat. Tilsvarende kan modellen forberede innhold og kode for dokumenter, regneark og lysbilder, mens miljøet produserer den ferdige filen. Tekst- og bildeforståelse gjør ikke modellen til en innebygd bilde- eller lydgenerator.
Produsentens eksakte spesifikasjon oppgir et kontekstvindu på 200K tokener og opptil 64K outputtokener. Grensen for pålitelig kunnskap er januar 2025, adskilt fra den senere grensen for treningsdata som oppgis på siden. Hold dokumentgrenser, sideetiketter, enheter og kodeidentifikatorer tydelige i lang input, og sett av plass til det forespurte svaret og eventuell resonnering. Produsenten dokumenterer også kontekstbevissthet for denne utgaven, slik at den støttede arbeidsflyten følger gjenværende plass gjennom en samtale. Dette hjelper med å håndtere en vedvarende oppgave innenfor vinduet; det erstatter ikke vinduet med den større kapasiteten til en senere Sonnet-utgave.
Sonnet 4.5 støtter vanlige svar og manuelt konfigurert utvidet resonnering. I sistnevnte modus setter budget_tokens et mål for den interne resonneringen før det synlige svaret. Dokumentert minimum er 1,024 tokener, og budsjettet må normalt være lavere enn max_tokens fordi resonnering og det endelige svaret deler genereringsrammen. Budsjettet er et mål, ikke et løfte om å bruke nøyaktig så mange tokener. Denne utgaven har ikke modusen for adaptiv resonnering eller innsatskontrollene som beskrives for senere Sonnet-modeller. Velg den forespurte analysedybden og la det være nok rom til et brukbart endelig svar.
Produsentens interleaved-thinking-beta lar Sonnet 4.5 resonnere mellom verktøykall innenfor én runde og bruke de returnerte observasjonene til å velge neste trinn. Den krever den dokumenterte betafunksjonen i den støttede Messages-arbeidsflyten. I dette tilfellet kan resonneringsbudsjettet overstige max_tokens fordi det spenner over flere resonneringsblokker i samme assistentrunde. Returner verktøyresultater sammen med tilhørende uendret resonneringsinnhold, inkludert signaturen; redigering gjør innholdet ugyldig. En forsknings- eller feilsøkingsoppgave kan derfor veksle mellom en foreslått kontroll, det faktiske returnerte resultatet og en oppdatert analyse uten å behandle et tekstforslag som en fullført handling.
For visuelt materiale støtter produsenten JPEG, PNG, GIF og WebP og bruker bare første bilde i en animasjon. Standardnivået for native bilder i denne utgaven har en grense på 1,568 piksler langs lengste side og en grense på 1,568 visuelle tokener; større bilder nedskaleres. Produsentens bildeveiledning oppgir opptil 100 bilder per API-forespørsel for modeller med 200K kontekst, med betingelser for bilder og samlet forespørselsstørrelse som kan nås først. Plasser bilder før spørsmålet når det er praktisk, merk flere bilder og bevar liten tekst eller diagrametiketter. Veiledningen anbefaler tydelige bilder og nok omkringliggende kontekst til å tolke den synlige detaljen.
Kontekstredigering og et minneverktøy ble introdusert sammen med denne modellen for å støtte lengre agentarbeidsflyter. Dette er applikasjonsstøttede måter å beholde nyttig tilstand eller fjerne gammelt verktøymateriale på; de er ikke et ubegrenset modellminne eller den senere funksjonen for komprimering av kontekst på serveren. For en flertrinnsoppgave bevarer du beslutningene som allerede er tatt, det uavklarte spørsmålet og belegget som trengs for neste trinn. Anthropic beskriver også sterkere motstand mot skjulte instruksjoner i eksternt innhold, samtidig som selskapet bemerker at modellspesifikke klassifikatorer noen ganger kan flagge ufarlig materiale. Det nyttige resultatet er fortsatt en vurderbar leveranse knyttet til oppgitt belegg, med de eksakte modusene og grensene for Sonnet 4.5 holdt adskilt fra senere utgivelser.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser anthropic/claude-sonnet-4.5 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0132 / 1K tokener Utdata · Utgående tokener $0.03 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0006 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0075 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time $0.012 / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med200 000 | Kostnad Inndata · Inngående tokener $0.0132 / 1K tokener Utdata · Utgående tokener $0.03 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0006 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0075 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time $0.012 / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn200 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0132 / 1K tokener Utdata · Utgående tokener $0.03 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0006 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0075 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time $0.024 / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra anthropic/claude-sonnet-4.5
Bruk metodestiene som vises ovenfor.
anthropic/claude-sonnet-4.5Claude Sonnet 4.5 er Anthropics tekst- og bildemodell for programvareutvikling, komplekse agenter, datamaskinbruk og analytisk arbeid. Den støtter direkte svar eller manuelt konfigurert utvidet resonnering, med resonnering mellom verktøykall i den dokumenterte betaarbeidsflyten.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Claude Sonnet 4.5 er Anthropics Sonnet-utgave med fokus på programvareutvikling, komplekse agentoppgaver og datamaskinbruk, med forbedringer innen resonnering og matematikk. Den tar imot tekst og bilder og genererer tekst. Utgivelsen beskriver vedvarende arbeid over flere trinn, kodeforståelse og endringer som berører et bredere prosjekt fremfor én isolert funksjon. En nyttig beskrivelse identifiserer påkrevd oppførsel, relevant kildemateriale og leveransen: en foreslått patch, en implementeringsforklaring, en dokumentanalyse eller et strukturert svar.
For programvarearbeid oppgir du prosjektets begrensninger, relevante filer eller utdrag, den observerte feilen og et konkret eksempel på forventet resultat. Be om den berørte koden og en forklaring på hvordan den foreslåtte endringen håndterer eksemplet. Produsenten presenterer modellen som egnet til å bygge agenter og arbeide gjennom utviklingsoppgaver med verktøy. Den omkringliggende applikasjonen leser og redigerer filer, kjører en kommando eller kontroll og returnerer faktisk output; modellen resonnerer over dette belegget. Hold den foreslåtte endringen og den fullførte kontrollen adskilt i sluttrapporten.
Datamaskinbruk er en separat anvendelse av de visuelle evnene og agentevnene. Anthropics utgivelse demonstrerer nettlesersamhandling, navigering på sider og arbeid med regneark gjennom et tilkoblet miljø. En visuell beskrivelse kan oppgi et skjermbilde, identifisere målet og definere hvilke handlinger applikasjonen tillater. Applikasjonen utfører så den valgte samhandlingen og returnerer den endrede skjermen eller et annet resultat. Tilsvarende kan modellen forberede innhold og kode for dokumenter, regneark og lysbilder, mens miljøet produserer den ferdige filen. Tekst- og bildeforståelse gjør ikke modellen til en innebygd bilde- eller lydgenerator.
Produsentens eksakte spesifikasjon oppgir et kontekstvindu på 200K tokener og opptil 64K outputtokener. Grensen for pålitelig kunnskap er januar 2025, adskilt fra den senere grensen for treningsdata som oppgis på siden. Hold dokumentgrenser, sideetiketter, enheter og kodeidentifikatorer tydelige i lang input, og sett av plass til det forespurte svaret og eventuell resonnering. Produsenten dokumenterer også kontekstbevissthet for denne utgaven, slik at den støttede arbeidsflyten følger gjenværende plass gjennom en samtale. Dette hjelper med å håndtere en vedvarende oppgave innenfor vinduet; det erstatter ikke vinduet med den større kapasiteten til en senere Sonnet-utgave.
Sonnet 4.5 støtter vanlige svar og manuelt konfigurert utvidet resonnering. I sistnevnte modus setter budget_tokens et mål for den interne resonneringen før det synlige svaret. Dokumentert minimum er 1,024 tokener, og budsjettet må normalt være lavere enn max_tokens fordi resonnering og det endelige svaret deler genereringsrammen. Budsjettet er et mål, ikke et løfte om å bruke nøyaktig så mange tokener. Denne utgaven har ikke modusen for adaptiv resonnering eller innsatskontrollene som beskrives for senere Sonnet-modeller. Velg den forespurte analysedybden og la det være nok rom til et brukbart endelig svar.
Produsentens interleaved-thinking-beta lar Sonnet 4.5 resonnere mellom verktøykall innenfor én runde og bruke de returnerte observasjonene til å velge neste trinn. Den krever den dokumenterte betafunksjonen i den støttede Messages-arbeidsflyten. I dette tilfellet kan resonneringsbudsjettet overstige max_tokens fordi det spenner over flere resonneringsblokker i samme assistentrunde. Returner verktøyresultater sammen med tilhørende uendret resonneringsinnhold, inkludert signaturen; redigering gjør innholdet ugyldig. En forsknings- eller feilsøkingsoppgave kan derfor veksle mellom en foreslått kontroll, det faktiske returnerte resultatet og en oppdatert analyse uten å behandle et tekstforslag som en fullført handling.
For visuelt materiale støtter produsenten JPEG, PNG, GIF og WebP og bruker bare første bilde i en animasjon. Standardnivået for native bilder i denne utgaven har en grense på 1,568 piksler langs lengste side og en grense på 1,568 visuelle tokener; større bilder nedskaleres. Produsentens bildeveiledning oppgir opptil 100 bilder per API-forespørsel for modeller med 200K kontekst, med betingelser for bilder og samlet forespørselsstørrelse som kan nås først. Plasser bilder før spørsmålet når det er praktisk, merk flere bilder og bevar liten tekst eller diagrametiketter. Veiledningen anbefaler tydelige bilder og nok omkringliggende kontekst til å tolke den synlige detaljen.
Kontekstredigering og et minneverktøy ble introdusert sammen med denne modellen for å støtte lengre agentarbeidsflyter. Dette er applikasjonsstøttede måter å beholde nyttig tilstand eller fjerne gammelt verktøymateriale på; de er ikke et ubegrenset modellminne eller den senere funksjonen for komprimering av kontekst på serveren. For en flertrinnsoppgave bevarer du beslutningene som allerede er tatt, det uavklarte spørsmålet og belegget som trengs for neste trinn. Anthropic beskriver også sterkere motstand mot skjulte instruksjoner i eksternt innhold, samtidig som selskapet bemerker at modellspesifikke klassifikatorer noen ganger kan flagge ufarlig materiale. Det nyttige resultatet er fortsatt en vurderbar leveranse knyttet til oppgitt belegg, med de eksakte modusene og grensene for Sonnet 4.5 holdt adskilt fra senere utgivelser.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser anthropic/claude-sonnet-4.5 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0132 / 1K tokener Utdata · Utgående tokener $0.03 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0006 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0075 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time $0.012 / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med200 000 | Kostnad Inndata · Inngående tokener $0.0132 / 1K tokener Utdata · Utgående tokener $0.03 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0006 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0075 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time $0.012 / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn200 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0132 / 1K tokener Utdata · Utgående tokener $0.03 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0006 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0075 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time $0.024 / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "anthropic/claude-sonnet-4.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra anthropic/claude-sonnet-4.5
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
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.