Einführung
Claude Opus 4.6 ist ein Chatmodell der Opus-Reihe von Anthropic und steht hier als ein OpenAI-kompatibler Endpunkt unter /v1/chat/completions bereit. Es liest bis zu 1.000.000 Token pro Anfrage und schreibt bis zu 128.000 in einer Antwort – eine lange Zusammenarbeit reist vollständig mit, und ein Kapitel kommt am Stück zurück.
Die Denkstufe hat vier Einstellungen – low, medium, high und max, Standard ist medium –, und temperature (0 bis 1) sowie top_p bleiben einstellbar. Nachrichten enthalten Text und Bilder; bis zu 128 Tools und SSE-Streaming stehen im selben Aufruf zur Verfügung.
Wichtige Funktionen und Highlights
Vier Denkstufen, einschließlich max
max liegt über high und ist für Anfragen gedacht, bei denen gesetzte Details, eine Zeitleiste und eine lange Liste feststehender Fakten zusammenpassen müssen, bevor ein Wort geschrieben wird. Die Denkstufe verbraucht Ausgabe-Token – bleiben Sie im Alltag bei low oder medium und heben Sie max für Durchgänge auf, die es rechtfertigen.
1.000.000 Token hinein, 128.000 heraus
Rund acht gelesene Token pro geschriebenem. Das ganze Manuskript, das Stylesheet und die Notizen aus früheren Sitzungen passen in eine Anfrage, und die Antwortgrenze liegt hoch genug, dass ein ganzes Kapitel nicht zerteilt und wieder zusammengesetzt werden muss.
temperature und top_p bleiben in Ihrer Hand
temperature von 0 bis 1 und top_p von 0,01 bis 1 werden neben der Denkstufe akzeptiert. Ein Kontinuitätscheck läuft kühl und reproduzierbar, ein Brainstorming-Zug warm – ohne Modell- oder Endpunktwechsel.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
messages | Ja | Geordnete Gesprächszüge. Der Inhalt ist ein String oder ein Array aus Teilen vom Typ text und |
max_tokens | Nein | Deckelt die Antwort bei 128.000 – einem Achtel des Lesefensters. Vorgabe 4.096; vor einem Kapitel anheben. |
reasoning_effort | Nein | low, medium, high oder max, Vorgabe medium. Heben Sie den Wert, wenn die Antwort Details abgleichen muss, bevor das Modell schreibt. |
stop | Nein | Bis zu 4 Sequenzen, als String oder Array. Die Antwort endet, sobald das Modell eine davon schreibt; der getroffene Text selbst wird nicht zurückgegeben. mindestens 1 Zeichen · mindestens 1 Einträge · höchstens 4 Einträge |
temperature | Nein | 0 bis 1, Vorgabe 1. Auf 0 halten, sobald die Antwort von Code geparst wird, und in Ruhe lassen, sobald ein Werk seine Stimme gefunden hat. |
top_p | Nein | 0,01 bis 1. Verstellen Sie dies oder temperature, nie beides im selben Vergleich. |
tools | Nein | Bis zu 128 Funktionsdefinitionen pro Anfrage. höchstens 128 Einträge |
parallel_tool_calls | Nein | true oder false, Standard true: Das Modell darf in einem Zug mehrere Tool-Aufrufe anfordern. Standardwert: |
tool_choice | Nein | auto, none, required – oder ein Objekt, das eine Funktion benennt. |
Preis
Eingabe $5 / Ausgabe $25 je 1 Mio. Token
Anwendungsfälle
Lektorat im Manuskriptmaßstab
Schicken Sie den kompletten Entwurf samt Stylesheet und verlangen Sie ein Zeilenlektorat eines Kapitels, bei dem jede Änderung am Stylesheet begründet wird. Das Modell sieht, wie jede Figur im ganzen Buch spricht, nicht nur im bearbeiteten Kapitel.
Lange gemeinsame Fiktion
Hunderte Züge einer gemeinsamen Geschichte können mit jeder Anfrage zurückgehen, ohne Zusammenfassungsschicht. Ein früh gegebenes Versprechen liest das Modell im Originalwortlaut, sobald die Geschichte es wirklich braucht.
Ein sorgfältiger Durchgang auf max
Muss eine Antwort Zeitleiste, Beziehungsgeflecht und offene Handlungsfäden in Einklang bringen, senden Sie genau diese Anfrage auf max mit einem max_tokens in Kapitellänge – und kehren danach für normale Züge zu medium zurück.
Prompt-Leitfaden und Praxistipps
Die Denkstufe dem Zug anpassen, nicht der Sitzung
Die meisten Züge brauchen kein langes Abwägen. Lassen Sie medium als Standard, gehen Sie für schnelle Wechsel auf low und nur für den Zug, der Fäden zusammenführt, auf high oder max – es ist ein String im selben Request-Body.
max_tokens nach der gewünschten Antwort bemessen
Der Standard liegt bei 4.096 Token, ein Kapitel braucht weit mehr. Reasoning-Token werden ebenfalls als Ausgabe abgerechnet, planen Sie also Luft über der sichtbaren Antwort ein – bis 128.000.
Grenzen, die Sie kennen sollten
max_tokens über 128.000 scheitert an der Validierung, Video- und Audioteile werden abgelehnt. Ein Verlauf darf nicht mit einer assistant-Nachricht enden, um die Antwort vorzubelegen, und ein response_format gibt es nicht: Strukturierte Ausgabe läuft über ein Tool mit Ihrem JSON-Schema als Parametern, erzwungen per tool_choice.
API-Schnellstart
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "anthropic/claude-opus-4.6/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
