Einführung
Claude Sonnet 5 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 schreibt bis zu 64.000 in einer Antwort, sodass eine lange Sitzung bei jedem Zug vollständig mitreisen kann.
Die Denkstufe kennt low, medium und high, Standard ist medium. Das Sampling legt das Modell selbst fest, temperature und top_p werden deshalb nicht akzeptiert; Nachrichten enthalten Text und Bilder, und bis zu 128 Tools sowie SSE-Streaming stehen im selben Aufruf bereit.
Wichtige Funktionen und Highlights
Ein Sitzungsgedächtnis von einer Million Token
Hunderte Originalzüge passen unter die Grenze von 1.000.000 Token. Schicken Sie sie der Reihe nach zurück, und das Modell liest, was jede Figur wirklich gesagt hat – daher kommt das meiste von dem, was man Konsistenz nennt.
Mehr Denken nur, wenn es sich lohnt
low, medium und high stehen im selben Request-Body. Normales Hin und Her läuft auf low gut und kommt schneller zurück; erhöhen Sie, wenn Handlungsfäden zusammenlaufen oder mehrere Figuren im Raum sind. Eine höhere Stufe denkt länger und erzeugt meist mehr Ausgabe-Token.
Ein Request-Body ohne Sampling-Regler
Da temperature und top_p vom Modell festgelegt sind, sollte eine aus einer älteren Integration kopierte Anfrage beide weglassen: Wer einen davon sendet, scheitert an der Validierung, statt stillschweigend ignoriert zu werden – eine vergessene Einstellung verändert das Verhalten also nie hinter Ihrem Rücken.
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 oder high, Vorgabe medium. Alltägliche Wortwechsel auf low, für die entscheidende Szene eine Stufe höher. |
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 |
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 $1.90 / Ausgabe $9.50 je 1 Mio. Token
Anwendungsfälle
Lange Companion-Gespräche
Halten Sie das laufende Gespräch Sitzung für Sitzung im messages-Array. Bei einer Million Token passt selbst ein langer Beziehungsbogen ohne Zusammenfassungsschicht hinein, und die Figur bezieht sich auf echte Zeilen statt auf umschriebene.
Drei oder vier Stimmen in einer Szene
Schreiben Sie Wortwahl und harte Grenzen jeder Figur in die System-Nachricht und lassen Sie die User-Züge nur die Handlung tragen. Weil jeder frühere Zug noch im Fenster steht, bleibt festgehalten, wer was gesagt hat, und die Stimmen färben nicht aufeinander ab.
Würfel, Inventar und Lore als Tools
Definieren Sie Funktionen für Würfelwürfe, Inventarprüfungen oder Lore-Abfragen und überlassen Sie tool_choice, wann sie laufen. Die Ergebnisse kommen als tool-Nachrichten im selben Verlauf, die Geschichte löst eine Aktion also auf, ohne das Gespräch zu verlassen.
Prompt-Leitfaden und Praxistipps
low für normale Züge, high für die Szene, auf die es ankommt
Für den Wechsel von Rede und Gegenrede reicht meist low, und gespart wird dabei Zeit ebenso wie Token. Erhöhen Sie die Stufe, wenn Fäden zusammenlaufen müssen – es ist ein String in derselben Anfrage.
max_tokens auf die gewünschte Länge setzen
Der Standard von 4.096 reicht für eine solide Szene. Das Denken kommt aus demselben Budget, ein knappes Limit kann also schon vor dem ersten Wort der Antwort verbraucht sein; lassen Sie bei hoher Denkstufe echten Spielraum, bis zur Grenze von 64.000.
Grenzen, die Sie einplanen sollten
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 – für maschinenlesbare Ausgabe erzwingen Sie ein Tool mit Ihrem JSON-Schema als Parametern. Tool-Ergebnisse teilen sich das Fenster mit dem Gespräch, eine sehr lange Sitzung muss also irgendwann gekürzt werden.
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-5/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.
