Introducción
Claude Sonnet 4.6 es el modelo de chat de Anthropic para el trabajo diario, disponible aquí como un endpoint compatible con OpenAI en /v1/chat/completions. Lee hasta 1.000.000 de tokens por llamada y responde con hasta 64.000: suficiente para llevar varios cientos de turnos de roleplay tal cual, sin resumirlos antes.
El esfuerzo de razonamiento admite low, medium, high o max (medium por defecto), y temperature (de 0 a 1) y top_p siguen siendo ajustables. El contenido de los mensajes es texto e imágenes; en la misma solicitud tienes hasta 128 tools y streaming SSE.
Funciones y aspectos destacados
Varios cientos de turnos, tal cual
1.000.000 de tokens caben varios cientos de turnos originales. Sáltate el resumen y un personaje recuerda en el turno trescientos lo que aceptó en el turno diez; empieza a comprimir y los primeros detalles en caer son justo los que lo mantenían coherente.
Dieciséis tokens leídos por cada uno escrito
La ventana es dieciséis veces el tope de respuesta de 64.000 tokens, y esa forma encaja con la conversación: mucho historial leído en cada turno, una escena o un capítulo de vuelta. Si un entregable fuera a pasar de 64.000 tokens, divídelo por capítulos.
Esfuerzo y muestreo en el mismo cuerpo
low, medium, high y max conviven con temperature y top_p en un mismo cuerpo de solicitud. Lleva los turnos cotidianos en low con una temperature cálida y envía en high o max el turno que tiene que atar los hilos.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
messages | Sí | Turnos de conversación ordenados. El contenido es un string o un array de partes text e |
max_tokens | No | Limita la respuesta a 64.000, un dieciseisavo de la ventana de lectura. Por defecto, 4.096. |
reasoning_effort | No | low, medium, high o max, medium por defecto. Súbelo cuando la respuesta tenga que conciliar detalles antes de que el modelo escriba. |
stop | No | Hasta 4 secuencias, como cadena o como arreglo. La respuesta termina en cuanto el modelo escribe una de ellas, y el texto que coincide no se devuelve. mínimo 1 caracteres · mínimo 1 elementos · máximo 4 elementos |
temperature | No | De 0 a 1, 1 por defecto. Déjalo en 0 siempre que la respuesta la lea código. |
top_k | No | De 1 a 500. Solo se muestrea entre los k tokens siguientes más probables: 1 vuelve las respuestas casi repetibles y valores mayores aflojan la elección. |
top_p | No | De 0,01 a 1. Ajusta este o temperature, nunca los dos en la misma comparación. |
tools | No | Hasta 128 definiciones de funciones por solicitud. máximo 128 elementos |
parallel_tool_calls | No | true o false, true por defecto: el modelo puede pedir varias llamadas a herramientas en un mismo turno. Valor predeterminado: |
tool_choice | No | auto, none, required, o un objeto que nombre una función. |
Precios
Entrada $3 / Salida $15 por 1 millón de tokens
Casos de uso
Roleplay que aguanta varios cientos de turnos
Devuelve el historial completo sin tocar, turno a turno. Las promesas, los rencores y las bromas recurrentes del personaje siguen en la solicitud, así que la coherencia sale del propio material y no de un recordatorio en el prompt.
Ficción interactiva con tools
Tiradas de dados, revisiones de inventario y consultas de lore encajan como funciones: hasta 128 definiciones gobernadas por tool_choice. Los resultados vuelven como mensajes tool dentro de la misma conversación, así que una resolución nunca tiene que salir de la escena.
Continuar una historia por entregas
Pon la historia hasta ahora en la solicitud y pide el siguiente capítulo. El tope de 64.000 tokens cubre una escena completa, y una serie nunca tiene que repetir su premisa porque la premisa sigue en la ventana.
Guía de prompts y consejos prácticos
Fija el reparto en el mensaje de sistema
La forma de hablar, las relaciones y los límites firmes de cada personaje van en el mensaje de sistema, y los turnos del usuario llevan solo la trama. Así, cuando la historia se ramifica, solo cambia la segunda mitad de la solicitud.
Deja espacio para el razonamiento en max_tokens
El valor por defecto es 4.096 tokens. Los tokens de razonamiento también se cobran como salida, así que en high o max da a max_tokens margen sobre la respuesta visible que esperas, hasta 64.000.
Lo que el endpoint rechaza
Un max_tokens mayor que 64.000, las partes de video o audio y una conversación que termina en un mensaje de assistant para rellenar la respuesta fallan. No hay response_format: para salida legible por máquina, fuerza una tool cuyos parámetros sean tu esquema JSON. Los resultados de tools ocupan la ventana como cualquier otro mensaje, así que una sesión muy larga acaba obligándote a decidir qué quitar.
Inicio rápido de la API
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'
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
