Claude Sonnet 4.5 é a edição Sonnet da Anthropic centrada em desenvolvimento de software, tarefas complexas com agentes e utilização do computador, com melhorias no raciocínio e na matemática. Aceita texto e imagens e gera texto. A versão descreve trabalho prolongado ao longo de vários passos, compreensão de código e alterações que envolvem um projeto mais amplo, em vez de uma única função isolada. Uma descrição útil identifica o comportamento necessário, o material de origem relevante e o artefacto a entregar: uma alteração proposta, uma explicação da implementação, uma análise documental ou uma resposta estruturada.
Para trabalho de software, forneça as restrições do projeto, os ficheiros ou excertos relevantes, o erro observado e um exemplo concreto do resultado esperado. Peça o código afetado e uma explicação de como a alteração proposta responde a esse exemplo. O produtor apresenta o modelo como adequado para criar agentes e realizar tarefas de desenvolvimento com ferramentas. A aplicação envolvente lê e edita ficheiros, executa um comando ou uma verificação e devolve a saída real; o modelo raciocina sobre essas provas. Mantenha a alteração proposta separada da verificação concluída no relatório final.
A utilização do computador é uma aplicação separada das capacidades visuais e com agentes. A apresentação da Anthropic demonstra interação com um navegador, navegação em páginas e trabalho com folhas de cálculo através de um ambiente ligado. Uma descrição visual pode fornecer uma captura de ecrã, identificar o objetivo e definir as ações permitidas pela aplicação. A aplicação realiza então a interação selecionada e devolve o ecrã alterado ou outro resultado. Da mesma forma, o modelo pode preparar conteúdo e código para documentos, folhas de cálculo e diapositivos, enquanto o ambiente produz o ficheiro concluído. A compreensão de texto e imagens não torna o modelo um gerador nativo de imagens ou áudio.
A especificação exata do produtor indica uma janela de contexto de 200K tokens e até 64K tokens de saída. A data limite dos conhecimentos fiáveis é janeiro de 2025, distinta da data limite posterior dos dados de treino indicada na página. Numa entrada longa, mantenha claros os limites dos documentos, as identificações das páginas, as unidades e os identificadores do código e reserve espaço para a resposta pedida e o eventual raciocínio. O produtor também documenta consciência do contexto para esta edição, pelo que o fluxo suportado acompanha o espaço restante durante uma conversa. Isto ajuda a gerir uma tarefa prolongada dentro da janela; não a substitui pela maior capacidade de uma edição Sonnet posterior.
Sonnet 4.5 suporta respostas normais e raciocínio aprofundado manual. Neste último modo, budget_tokens define uma meta para o raciocínio interno antes da resposta visível. O mínimo documentado é de 1 024 tokens e o orçamento normalmente deve ser inferior a max_tokens, porque o raciocínio e a resposta final partilham o limite de geração. O orçamento é uma meta, não uma promessa de consumir exatamente esse número de tokens. Esta edição não tem o modo de raciocínio adaptativo nem os controlos de esforço descritos para modelos Sonnet posteriores. Escolha a profundidade de análise pedida e deixe espaço suficiente para uma resposta final utilizável.
A funcionalidade beta de raciocínio intercalado do produtor permite que Sonnet 4.5 raciocine entre chamadas de ferramentas dentro de um turno, usando as observações devolvidas para decidir o passo seguinte. Exige a funcionalidade beta documentada no fluxo Messages suportado. Neste caso, o orçamento de raciocínio pode exceder max_tokens porque abrange vários blocos de raciocínio no mesmo turno do assistente. Devolva os resultados das ferramentas com o conteúdo de raciocínio associado inalterado, incluindo a assinatura; editar esse conteúdo invalida-o. Uma tarefa de pesquisa ou depuração pode, portanto, alternar uma verificação proposta, o resultado real devolvido e uma análise atualizada sem tratar uma proposta textual como ação concluída.
Para material visual, o produtor suporta JPEG, PNG, GIF e WebP e usa apenas o primeiro fotograma de uma animação. O nível nativo normal de imagens usado por esta edição tem um limite de 1 568 píxeis no lado mais comprido e de 1 568 tokens visuais; imagens maiores são reduzidas. O guia de imagens do produtor indica até 100 imagens por pedido API para modelos com contexto de 200K, com condições de tamanho das imagens e do pedido completo que podem ser atingidas primeiro. Coloque as imagens antes da pergunta quando for prático, identifique as várias imagens e preserve texto pequeno ou as etiquetas dos gráficos. O guia recomenda imagens claras e contexto envolvente suficiente para interpretar o detalhe visível.
A edição do contexto e uma ferramenta de memória foram introduzidas juntamente com este modelo para apoiar fluxos mais longos com agentes. São formas suportadas pela aplicação de conservar um estado útil ou remover material antigo das ferramentas; não são uma memória ilimitada do modelo nem a funcionalidade posterior de compactação no servidor. Numa tarefa com várias fases, preserve as decisões já tomadas, a pergunta em aberto e as provas necessárias para o passo seguinte. A Anthropic também descreve maior resistência a instruções escondidas em conteúdo externo, notando que classificadores específicos do modelo podem por vezes assinalar material inofensivo. O resultado útil continua a ser um artefacto inspecionável ligado às provas fornecidas, mantendo os modos e limites exatos de Sonnet 4.5 separados das versões posteriores.
", "aboutText": "Claude Sonnet 4.5 é a edição Sonnet da Anthropic centrada em desenvolvimento de software, tarefas complexas com agentes e utilização do computador, com melhorias no raciocínio e na matemática. Aceita texto e imagens e gera texto. A versão descreve trabalho prolongado ao longo de vários passos, compreensão de código e alterações que envolvem um projeto mais amplo, em vez de uma única função isolada. Uma descrição útil identifica o comportamento necessário, o material de origem relevante e o artefacto a entregar: uma alteração proposta, uma explicação da implementação, uma análise documental ou uma resposta estruturada.\n\nPara trabalho de software, forneça as restrições do projeto, os ficheiros ou excertos relevantes, o erro observado e um exemplo concreto do resultado esperado. Peça o código afetado e uma explicação de como a alteração proposta responde a esse exemplo. O produtor apresenta o modelo como adequado para criar agentes e realizar tarefas de desenvolvimento com ferramentas. A aplicação envolvente lê e edita ficheiros, executa um comando ou uma verificação e devolve a saída real; o modelo raciocina sobre essas provas. Mantenha a alteração proposta separada da verificação concluída no relatório final.\n\nA utilização do computador é uma aplicação separada das capacidades visuais e com agentes. A apresentação da Anthropic demonstra interação com um navegador, navegação em páginas e trabalho com folhas de cálculo através de um ambiente ligado. Uma descrição visual pode fornecer uma captura de ecrã, identificar o objetivo e definir as ações permitidas pela aplicação. A aplicação realiza então a interação selecionada e devolve o ecrã alterado ou outro resultado. Da mesma forma, o modelo pode preparar conteúdo e código para documentos, folhas de cálculo e diapositivos, enquanto o ambiente produz o ficheiro concluído. A compreensão de texto e imagens não torna o modelo um gerador nativo de imagens ou áudio.\n\nA especificação exata do produtor indica uma janela de contexto de 200K tokens e até 64K tokens de saída. A data limite dos conhecimentos fiáveis é janeiro de 2025, distinta da data limite posterior dos dados de treino indicada na página. Numa entrada longa, mantenha claros os limites dos documentos, as identificações das páginas, as unidades e os identificadores do código e reserve espaço para a resposta pedida e o eventual raciocínio. O produtor também documenta consciência do contexto para esta edição, pelo que o fluxo suportado acompanha o espaço restante durante uma conversa. Isto ajuda a gerir uma tarefa prolongada dentro da janela; não a substitui pela maior capacidade de uma edição Sonnet posterior.\n\nSonnet 4.5 suporta respostas normais e raciocínio aprofundado manual. Neste último modo, budget_tokens define uma meta para o raciocínio interno antes da resposta visível. O mínimo documentado é de 1 024 tokens e o orçamento normalmente deve ser inferior a max_tokens, porque o raciocínio e a resposta final partilham o limite de geração. O orçamento é uma meta, não uma promessa de consumir exatamente esse número de tokens. Esta edição não tem o modo de raciocínio adaptativo nem os controlos de esforço descritos para modelos Sonnet posteriores. Escolha a profundidade de análise pedida e deixe espaço suficiente para uma resposta final utilizável.\n\nA funcionalidade beta de raciocínio intercalado do produtor permite que Sonnet 4.5 raciocine entre chamadas de ferramentas dentro de um turno, usando as observações devolvidas para decidir o passo seguinte. Exige a funcionalidade beta documentada no fluxo Messages suportado. Neste caso, o orçamento de raciocínio pode exceder max_tokens porque abrange vários blocos de raciocínio no mesmo turno do assistente. Devolva os resultados das ferramentas com o conteúdo de raciocínio associado inalterado, incluindo a assinatura; editar esse conteúdo invalida-o. Uma tarefa de pesquisa ou depuração pode, portanto, alternar uma verificação proposta, o resultado real devolvido e uma análise atualizada sem tratar uma proposta textual como ação concluída.\n\nPara material visual, o produtor suporta JPEG, PNG, GIF e WebP e usa apenas o primeiro fotograma de uma animação. O nível nativo normal de imagens usado por esta edição tem um limite de 1 568 píxeis no lado mais comprido e de 1 568 tokens visuais; imagens maiores são reduzidas. O guia de imagens do produtor indica até 100 imagens por pedido API para modelos com contexto de 200K, com condições de tamanho das imagens e do pedido completo que podem ser atingidas primeiro. Coloque as imagens antes da pergunta quando for prático, identifique as várias imagens e preserve texto pequeno ou as etiquetas dos gráficos. O guia recomenda imagens claras e contexto envolvente suficiente para interpretar o detalhe visível.\n\nA edição do contexto e uma ferramenta de memória foram introduzidas juntamente com este modelo para apoiar fluxos mais longos com agentes. São formas suportadas pela aplicação de conservar um estado útil ou remover material antigo das ferramentas; não são uma memória ilimitada do modelo nem a funcionalidade posterior de compactação no servidor. Numa tarefa com várias fases, preserve as decisões já tomadas, a pergunta em aberto e as provas necessárias para o passo seguinte. A Anthropic também descreve maior resistência a instruções escondidas em conteúdo externo, notando que classificadores específicos do modelo podem por vezes assinalar material inofensivo. O resultado útil continua a ser um artefacto inspecionável ligado às provas fornecidas, mantendo os modos e limites exatos de Sonnet 4.5 separados das versões posteriores.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "11014ce8e4662555c9fac9e2b62088388ec80e634c9feed9c463ce0ee47354fd", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "claude-sonnet-4-5-20250929-thinkingClaude Sonnet 4.5 é o modelo de texto e imagem da Anthropic para desenvolvimento de software, agentes complexos, utilização do computador e trabalho analítico. Suporta respostas diretas ou raciocínio aprofundado manual, com raciocínio entre chamadas de ferramentas no fluxo beta documentado.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Claude Sonnet 4.5 é a edição Sonnet da Anthropic centrada em desenvolvimento de software, tarefas complexas com agentes e utilização do computador, com melhorias no raciocínio e na matemática. Aceita texto e imagens e gera texto. A versão descreve trabalho prolongado ao longo de vários passos, compreensão de código e alterações que envolvem um projeto mais amplo, em vez de uma única função isolada. Uma descrição útil identifica o comportamento necessário, o material de origem relevante e o artefacto a entregar: uma alteração proposta, uma explicação da implementação, uma análise documental ou uma resposta estruturada.
Para trabalho de software, forneça as restrições do projeto, os ficheiros ou excertos relevantes, o erro observado e um exemplo concreto do resultado esperado. Peça o código afetado e uma explicação de como a alteração proposta responde a esse exemplo. O produtor apresenta o modelo como adequado para criar agentes e realizar tarefas de desenvolvimento com ferramentas. A aplicação envolvente lê e edita ficheiros, executa um comando ou uma verificação e devolve a saída real; o modelo raciocina sobre essas provas. Mantenha a alteração proposta separada da verificação concluída no relatório final.
A utilização do computador é uma aplicação separada das capacidades visuais e com agentes. A apresentação da Anthropic demonstra interação com um navegador, navegação em páginas e trabalho com folhas de cálculo através de um ambiente ligado. Uma descrição visual pode fornecer uma captura de ecrã, identificar o objetivo e definir as ações permitidas pela aplicação. A aplicação realiza então a interação selecionada e devolve o ecrã alterado ou outro resultado. Da mesma forma, o modelo pode preparar conteúdo e código para documentos, folhas de cálculo e diapositivos, enquanto o ambiente produz o ficheiro concluído. A compreensão de texto e imagens não torna o modelo um gerador nativo de imagens ou áudio.
A especificação exata do produtor indica uma janela de contexto de 200K tokens e até 64K tokens de saída. A data limite dos conhecimentos fiáveis é janeiro de 2025, distinta da data limite posterior dos dados de treino indicada na página. Numa entrada longa, mantenha claros os limites dos documentos, as identificações das páginas, as unidades e os identificadores do código e reserve espaço para a resposta pedida e o eventual raciocínio. O produtor também documenta consciência do contexto para esta edição, pelo que o fluxo suportado acompanha o espaço restante durante uma conversa. Isto ajuda a gerir uma tarefa prolongada dentro da janela; não a substitui pela maior capacidade de uma edição Sonnet posterior.
Sonnet 4.5 suporta respostas normais e raciocínio aprofundado manual. Neste último modo, budget_tokens define uma meta para o raciocínio interno antes da resposta visível. O mínimo documentado é de 1 024 tokens e o orçamento normalmente deve ser inferior a max_tokens, porque o raciocínio e a resposta final partilham o limite de geração. O orçamento é uma meta, não uma promessa de consumir exatamente esse número de tokens. Esta edição não tem o modo de raciocínio adaptativo nem os controlos de esforço descritos para modelos Sonnet posteriores. Escolha a profundidade de análise pedida e deixe espaço suficiente para uma resposta final utilizável.
A funcionalidade beta de raciocínio intercalado do produtor permite que Sonnet 4.5 raciocine entre chamadas de ferramentas dentro de um turno, usando as observações devolvidas para decidir o passo seguinte. Exige a funcionalidade beta documentada no fluxo Messages suportado. Neste caso, o orçamento de raciocínio pode exceder max_tokens porque abrange vários blocos de raciocínio no mesmo turno do assistente. Devolva os resultados das ferramentas com o conteúdo de raciocínio associado inalterado, incluindo a assinatura; editar esse conteúdo invalida-o. Uma tarefa de pesquisa ou depuração pode, portanto, alternar uma verificação proposta, o resultado real devolvido e uma análise atualizada sem tratar uma proposta textual como ação concluída.
Para material visual, o produtor suporta JPEG, PNG, GIF e WebP e usa apenas o primeiro fotograma de uma animação. O nível nativo normal de imagens usado por esta edição tem um limite de 1 568 píxeis no lado mais comprido e de 1 568 tokens visuais; imagens maiores são reduzidas. O guia de imagens do produtor indica até 100 imagens por pedido API para modelos com contexto de 200K, com condições de tamanho das imagens e do pedido completo que podem ser atingidas primeiro. Coloque as imagens antes da pergunta quando for prático, identifique as várias imagens e preserve texto pequeno ou as etiquetas dos gráficos. O guia recomenda imagens claras e contexto envolvente suficiente para interpretar o detalhe visível.
A edição do contexto e uma ferramenta de memória foram introduzidas juntamente com este modelo para apoiar fluxos mais longos com agentes. São formas suportadas pela aplicação de conservar um estado útil ou remover material antigo das ferramentas; não são uma memória ilimitada do modelo nem a funcionalidade posterior de compactação no servidor. Numa tarefa com várias fases, preserve as decisões já tomadas, a pergunta em aberto e as provas necessárias para o passo seguinte. A Anthropic também descreve maior resistência a instruções escondidas em conteúdo externo, notando que classificadores específicos do modelo podem por vezes assinalar material inofensivo. O resultado útil continua a ser um artefacto inspecionável ligado às provas fornecidas, mantendo os modos e limites exatos de Sonnet 4.5 separados das versões posteriores.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites claude-sonnet-4-5-20250929-thinking | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Conversação textual | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream |
Parâmetrocontrol_scope | ContratoConversação textual; stream é um booleano e tem false como predefinição. |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Aliases do método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.006 / 1K tokens Saída · Tokens de saída $0.03 / 1K tokens Entrada · Leitura da cache $0.0006 / 1K tokens Entrada · Escrita na cache $0.0075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-sonnet-4-5-20250929-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="claude-sonnet-4-5-20250929-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra claude-sonnet-4-5-20250929-thinking
/chat/completions