Claude Sonnet 4.6 combina programação, compreensão de contexto alargado, planeamento com agentes, trabalho profissional com informação e design. A Anthropic destaca o estudo do código antes das alterações e a capacidade de trabalhar sequencialmente em várias etapas da tarefa. Isto é útil para procurar um problema num projeto extenso, analisar um documento longo e preparar o conteúdo de um relatório.
O modelo pode analisar informações de contratos, trabalhos de investigação e outros materiais no mesmo pedido. A tarefa pode incluir extração de factos, raciocínio a partir deles e preparação de um resultado que reúne várias partes. As áreas descritas incluem também análise financeira e criação de código de interfaces com atenção à composição e à apresentação.
Sonnet 4.6 compreende texto e imagens; o resultado direto é texto. A Anthropic descreve cenários de utilização do computador em que o modelo se orienta por uma captura de ecrã, escolhe ações de rato e teclado e analisa uma folha de cálculo complexa ou uma sequência de passos num formulário Web. A execução real exige ferramentas da aplicação que transmitam o ecrã e realizem as ações.
Os formatos de entrada visual comum do fabricante são JPEG/PNG/GIF/WebP, utilizando-se o primeiro fotograma das animações. Na análise nativa, o lado mais comprido é de 1568 píxeis, com 1568 tokens visuais; as imagens grandes são reduzidas antes da análise. O suporte de ficheiros e parâmetros depende do método da aplicação.
Do mesmo modo, documentos, folhas de cálculo e apresentações podem ser objeto de análise ou de preparação de conteúdo, mas a produção de um ficheiro pronto exige um ambiente adequado. As imagens ajudam a compreender gráficos, esquemas e a estrutura visual dos materiais; isto não transforma o modelo num gerador de imagens.
Esta versão suporta raciocínio adaptativo e extended thinking manual. O modo manual está assinalado como em descontinuação; o adaptativo permite ao modelo escolher quando é útil uma análise adicional, incluindo entre chamadas de ferramentas. Os níveis de effort são low, medium, high e max, sendo high o nível normal. Segundo a Anthropic, a escolha do esforço ajuda a adequar o detalhe do trabalho e a latência à natureza da tarefa.
A especificação atual define 1 milhão de tokens de contexto e até 128 mil tokens de resposta no modo normal. Para trabalho prolongado, o fabricante descreve também compressão experimental do contexto antigo num resumo. Esta função exige suporte da aplicação e não elimina os limites da janela do modelo.
A data de corte fiável do conhecimento integrado é agosto de 2025. Informações posteriores exigem materiais da tarefa ou pesquisa disponível. As ferramentas ligadas podem ajudar a procurar informação, executar código e processar o conteúdo encontrado; a aplicação determina a sua disponibilidade e as ações permitidas.
Sonnet 4.6 foi treinado para resistir a instruções maliciosas ocultas em materiais de terceiros, mas ambientes visuais complexos e tarefas ambíguas continuam a poder provocar erros. Requisitos explícitos para a tarefa, verificação dos factos extraídos e avaliação do resultado das ações continuam a fazer parte de um trabalho fiável com o modelo.
", "aboutText": "### Código, documentos e plano de ação\n\nClaude Sonnet 4.6 combina programação, compreensão de contexto alargado, planeamento com agentes, trabalho profissional com informação e design. A Anthropic destaca o estudo do código antes das alterações e a capacidade de trabalhar sequencialmente em várias etapas da tarefa. Isto é útil para procurar um problema num projeto extenso, analisar um documento longo e preparar o conteúdo de um relatório.\n\nO modelo pode analisar informações de contratos, trabalhos de investigação e outros materiais no mesmo pedido. A tarefa pode incluir extração de factos, raciocínio a partir deles e preparação de um resultado que reúne várias partes. As áreas descritas incluem também análise financeira e criação de código de interfaces com atenção à composição e à apresentação.\n\n### Ações num ambiente visual\n\nSonnet 4.6 compreende **texto e imagens**; o resultado direto é **texto**. A Anthropic descreve cenários de utilização do computador em que o modelo se orienta por uma captura de ecrã, escolhe ações de rato e teclado e analisa uma folha de cálculo complexa ou uma sequência de passos num formulário Web. A execução real exige ferramentas da aplicação que transmitam o ecrã e realizem as ações.\n\nOs formatos de entrada visual comum do fabricante são JPEG/PNG/GIF/WebP, utilizando-se o primeiro fotograma das animações. Na análise nativa, o lado mais comprido é de 1568 píxeis, com 1568 tokens visuais; as imagens grandes são reduzidas antes da análise. O suporte de ficheiros e parâmetros depende do método da aplicação.\n\nDo mesmo modo, documentos, folhas de cálculo e apresentações podem ser objeto de análise ou de preparação de conteúdo, mas a produção de um ficheiro pronto exige um ambiente adequado. As imagens ajudam a compreender gráficos, esquemas e a estrutura visual dos materiais; isto não transforma o modelo num gerador de imagens.\n\n### Como se regula a análise\n\nEsta versão suporta raciocínio adaptativo e extended thinking manual. O modo manual está assinalado como em descontinuação; o adaptativo permite ao modelo escolher quando é útil uma análise adicional, incluindo entre chamadas de ferramentas. Os níveis de `effort` são `low`, `medium`, `high` e `max`, sendo `high` o nível normal. Segundo a Anthropic, a escolha do esforço ajuda a adequar o detalhe do trabalho e a latência à natureza da tarefa.\n\nA especificação atual define **1 milhão de tokens de contexto** e até **128 mil tokens de resposta no modo normal**. Para trabalho prolongado, o fabricante descreve também compressão experimental do contexto antigo num resumo. Esta função exige suporte da aplicação e não elimina os limites da janela do modelo.\n\n### O que considerar no trabalho\n\nA data de corte fiável do conhecimento integrado é **agosto de 2025**. Informações posteriores exigem materiais da tarefa ou pesquisa disponível. As ferramentas ligadas podem ajudar a procurar informação, executar código e processar o conteúdo encontrado; a aplicação determina a sua disponibilidade e as ações permitidas.\n\nSonnet 4.6 foi treinado para resistir a instruções maliciosas ocultas em materiais de terceiros, mas ambientes visuais complexos e tarefas ambíguas continuam a poder provocar erros. Requisitos explícitos para a tarefa, verificação dos factos extraídos e avaliação do resultado das ações continuam a fazer parte de um trabalho fiável com o modelo.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "5a897681f34ccc9dde44dc9732efbd5b054428ece79adef90feb2a9f415e8b19", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "claude-sonnet-4-6-thinkingClaude Sonnet 4.6 ajuda no desenvolvimento, na compreensão de documentos extensos, no planeamento e em tarefas com dados visuais. Suporta raciocínio adaptativo e trabalho com várias etapas e ferramentas.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Claude Sonnet 4.6 combina programação, compreensão de contexto alargado, planeamento com agentes, trabalho profissional com informação e design. A Anthropic destaca o estudo do código antes das alterações e a capacidade de trabalhar sequencialmente em várias etapas da tarefa. Isto é útil para procurar um problema num projeto extenso, analisar um documento longo e preparar o conteúdo de um relatório.
O modelo pode analisar informações de contratos, trabalhos de investigação e outros materiais no mesmo pedido. A tarefa pode incluir extração de factos, raciocínio a partir deles e preparação de um resultado que reúne várias partes. As áreas descritas incluem também análise financeira e criação de código de interfaces com atenção à composição e à apresentação.
Sonnet 4.6 compreende texto e imagens; o resultado direto é texto. A Anthropic descreve cenários de utilização do computador em que o modelo se orienta por uma captura de ecrã, escolhe ações de rato e teclado e analisa uma folha de cálculo complexa ou uma sequência de passos num formulário Web. A execução real exige ferramentas da aplicação que transmitam o ecrã e realizem as ações.
Os formatos de entrada visual comum do fabricante são JPEG/PNG/GIF/WebP, utilizando-se o primeiro fotograma das animações. Na análise nativa, o lado mais comprido é de 1568 píxeis, com 1568 tokens visuais; as imagens grandes são reduzidas antes da análise. O suporte de ficheiros e parâmetros depende do método da aplicação.
Do mesmo modo, documentos, folhas de cálculo e apresentações podem ser objeto de análise ou de preparação de conteúdo, mas a produção de um ficheiro pronto exige um ambiente adequado. As imagens ajudam a compreender gráficos, esquemas e a estrutura visual dos materiais; isto não transforma o modelo num gerador de imagens.
Esta versão suporta raciocínio adaptativo e extended thinking manual. O modo manual está assinalado como em descontinuação; o adaptativo permite ao modelo escolher quando é útil uma análise adicional, incluindo entre chamadas de ferramentas. Os níveis de effort são low, medium, high e max, sendo high o nível normal. Segundo a Anthropic, a escolha do esforço ajuda a adequar o detalhe do trabalho e a latência à natureza da tarefa.
A especificação atual define 1 milhão de tokens de contexto e até 128 mil tokens de resposta no modo normal. Para trabalho prolongado, o fabricante descreve também compressão experimental do contexto antigo num resumo. Esta função exige suporte da aplicação e não elimina os limites da janela do modelo.
A data de corte fiável do conhecimento integrado é agosto de 2025. Informações posteriores exigem materiais da tarefa ou pesquisa disponível. As ferramentas ligadas podem ajudar a procurar informação, executar código e processar o conteúdo encontrado; a aplicação determina a sua disponibilidade e as ações permitidas.
Sonnet 4.6 foi treinado para resistir a instruções maliciosas ocultas em materiais de terceiros, mas ambientes visuais complexos e tarefas ambíguas continuam a poder provocar erros. Requisitos explícitos para a tarefa, verificação dos factos extraídos e avaliação do resultado das ações continuam a fazer parte de um trabalho fiável com o modelo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites claude-sonnet-4-6-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-4-6-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="claude-sonnet-4-6-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson ou SSE
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-4-6-thinking
/chat/completions