Einführung
Claude Sonnet 4.6 ist das Arbeitspferd unter den Chatmodellen von Anthropic und steht hier als ein OpenAI-kompatibler Endpunkt unter /v1/chat/completions bereit. Es liest bis zu 1.000.000 Token pro Aufruf und antwortet mit bis zu 64.000 – genug, um mehrere hundert Rollenspielzüge wortgetreu mitzunehmen, statt sie vorher zusammenzufassen.
Die Denkstufe kennt low, medium, high und max (Standard medium), temperature (0 bis 1) und top_p bleiben einstellbar. Nachrichten enthalten Text und Bilder; bis zu 128 Tools und SSE-Streaming stehen in derselben Anfrage zur Verfügung.
Wichtige Funktionen und Highlights
Mehrere hundert Züge, wortgetreu mitgenommen
1.000.000 Token fassen mehrere hundert Originalzüge. Lassen Sie die Zusammenfassung weg, und eine Figur weiß in Zug dreihundert noch, was sie in Zug zehn zugesagt hat; fangen Sie an zu komprimieren, fallen zuerst genau die Details heraus, die sie stimmig gehalten haben.
Sechzehn gelesene Token pro geschriebenem
Das Fenster ist sechzehnmal so groß wie die Antwortgrenze von 64.000 Token, und diese Form passt zum Gespräch: viel Verlauf bei jedem Zug lesen, eine Szene oder ein Kapitel zurückschreiben. Würde ein Ergebnis länger als 64.000 Token, teilen Sie es nach Kapiteln auf.
Denkstufe und Sampling im selben Body
low, medium, high und max stehen im selben Request-Body wie temperature und top_p. Lassen Sie Alltagszüge auf low mit warmer temperature laufen und schicken Sie den Zug, der Fäden zusammenführen muss, auf high oder max.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
messages | Ja | Geordnete Gesprächszüge. Der Inhalt ist ein String oder ein Array aus text- und image_url-Teilen. mindestens 1 Einträge |
max_tokens | Nein | Deckelt die Antwort bei 64.000 – einem Sechzehntel des Lesefensters. Vorgabe 4.096. |
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. |
top_k | Nein | 1 bis 500. Gewählt wird nur aus den k wahrscheinlichsten nächsten Tokens: 1 macht Antworten nahezu wiederholbar, größere Werte lockern die Auswahl. |
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 $3 / Ausgabe $15 je 1 Mio. Token
Anwendungsfälle
Rollenspiel über mehrere hundert Züge
Schicken Sie den kompletten Verlauf unverändert zurück, Zug um Zug. Versprechen, alte Rechnungen und Running Gags der Figur bleiben in der Anfrage, sodass Konsistenz aus dem Material selbst entsteht und nicht aus einer Erinnerung im Prompt.
Interaktive Fiktion mit Tools
Würfelwürfe, Inventarprüfungen und Lore-Abfragen passen als Funktionen hinein – bis zu 128 Definitionen, gesteuert über tool_choice. Die Ergebnisse kommen als tool-Nachrichten im selben Gespräch zurück, eine Auflösung muss die Szene also nie verlassen.
Einen Fortsetzungsroman weiterschreiben
Legen Sie die bisherige Geschichte in die Anfrage und verlangen Sie das nächste Kapitel. Die Grenze von 64.000 Token reicht für eine vollständige Szene, und eine Serie muss ihre Prämisse nie wiederholen, weil die Prämisse noch im Fenster steht.
Prompt-Leitfaden und Praxistipps
Das Ensemble in der System-Nachricht festlegen
Sprechweise, Beziehungen und harte Grenzen jeder Figur gehören in die System-Nachricht, die User-Züge tragen nur die Handlung. Verzweigt sich die Geschichte, ändert sich dann nur die zweite Hälfte der Anfrage.
In max_tokens Platz für Reasoning lassen
Der Standard liegt bei 4.096 Token. Reasoning-Token werden ebenfalls als Ausgabe abgerechnet, geben Sie max_tokens auf high oder max also Luft über der erwarteten sichtbaren Antwort – bis 64.000.
Was der Endpunkt ablehnt
max_tokens über 64.000, Video- und Audioteile sowie ein Verlauf, der mit einer assistant-Nachricht endet, um die Antwort vorzubelegen, schlagen fehl. Ein response_format gibt es nicht: Für maschinenlesbare Ausgabe erzwingen Sie ein Tool mit Ihrem JSON-Schema als Parametern. Tool-Ergebnisse belegen das Fenster wie jede andere Nachricht, eine sehr lange Sitzung verlangt also irgendwann die Entscheidung, was wegfällt.
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-sonnet-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.
