Introduction
Claude Sonnet 4.6 est le modèle de chat polyvalent d’Anthropic, proposé ici sous la forme d’un point de terminaison compatible OpenAI sur /v1/chat/completions. Il lit jusqu’à 1 000 000 de tokens par appel et répond en 64 000 au plus : de quoi porter plusieurs centaines de tours de jeu de rôle mot pour mot au lieu de les résumer d’abord.
L’effort de raisonnement accepte low, medium, high ou max (medium par défaut), et temperature (de 0 à 1) ainsi que top_p restent réglables. Le contenu des messages se compose de texte et d’images ; jusqu’à 128 outils et le streaming SSE sont disponibles dans la même requête.
Fonctionnalités et points forts
Plusieurs centaines de tours, transmis mot pour mot
1 000 000 de tokens contiennent plusieurs centaines de tours d’origine. Sautez l’étape du résumé et un personnage se souvient au tour trois cents de ce qu’il a accepté au tour dix ; commencez à compresser et les premiers détails à disparaître sont précisément ceux qui le rendaient cohérent.
Seize tokens lus pour un écrit
La fenêtre fait seize fois le plafond de réponse de 64 000 tokens, et cette forme convient à la conversation : beaucoup d’historique lu à chaque tour, une scène ou un chapitre en retour. Si un livrable devait dépasser 64 000 tokens, découpez-le par chapitre.
Effort et échantillonnage dans le même corps
low, medium, high et max côtoient temperature et top_p dans un même corps de requête. Faites tourner les tours courants en low avec une temperature chaude, et envoyez en high ou max le tour qui doit nouer les fils.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
messages | Oui | Tours de conversation ordonnés. Le contenu est une chaîne, ou un tableau de parties text et |
max_tokens | Non | Plafonne la réponse à 64 000, soit un seizième de la fenêtre de lecture. 4 096 par défaut. |
reasoning_effort | Non | low, medium, high ou max ; medium par défaut. Montez-le quand la réponse doit réconcilier des détails avant que le modèle n’écrive. |
stop | Non | Jusqu’à 4 séquences, sous forme de chaîne ou de tableau. La réponse s’arrête dès que le modèle en écrit une, et le texte correspondant n’est pas renvoyé. 1 caractères minimum · 1 éléments minimum · 4 éléments maximum |
temperature | Non | 0 à 1, 1 par défaut. Gardez-le à 0 dès que la réponse est lue par du code. |
top_k | Non | De 1 à 500. Le tirage se fait uniquement parmi les k tokens suivants les plus probables : 1 rend les réponses presque reproductibles, des valeurs plus grandes relâchent le choix. |
top_p | Non | 0,01 à 1. Ajustez celui-ci ou temperature, jamais les deux dans la même comparaison. |
tools | Non | Jusqu’à 128 définitions de fonctions par requête. 128 éléments maximum |
parallel_tool_calls | Non | true ou false, true par défaut : le modèle peut demander plusieurs appels d’outils dans un même tour. Valeur par défaut: |
tool_choice | Non | auto, none, required, ou un objet qui nomme une fonction. |
Tarification
Entrée $3 / Sortie $15 par 1 million de tokens
Cas d’utilisation
Un jeu de rôle qui tient plusieurs centaines de tours
Renvoyez l’historique complet sans y toucher, tour après tour. Promesses, rancunes et plaisanteries récurrentes du personnage restent dans la requête : la cohérence vient de la matière elle-même, pas d’un rappel glissé dans le prompt.
Fiction interactive avec outils
Jets de dés, vérifications d’inventaire et recherches dans le lore s’intègrent comme fonctions – jusqu’à 128 définitions pilotées par tool_choice. Les résultats reviennent sous forme de messages tool dans la même conversation, si bien qu’une résolution n’a jamais à quitter la scène.
Poursuivre un feuilleton
Placez l’histoire jusqu’ici dans la requête et demandez le chapitre suivant. Le plafond de 64 000 tokens couvre une scène complète, et un feuilleton n’a jamais à rappeler sa prémisse puisqu’elle est toujours dans la fenêtre.
Guide de prompt et conseils pratiques
Fixer la distribution dans le message système
La manière de parler, les relations et les limites fermes de chaque personnage vont dans le message système, et les tours utilisateur ne portent que l’intrigue. Quand l’histoire bifurque, seule la seconde moitié de la requête change.
Laisser de la place au raisonnement dans max_tokens
La valeur par défaut est de 4 096 tokens. Les tokens de raisonnement sont eux aussi facturés en sortie : en high ou max, donnez à max_tokens de la marge au-dessus de la réponse visible attendue, jusqu’à 64 000.
Ce que le point de terminaison refuse
Un max_tokens supérieur à 64 000, les parties vidéo ou audio et une conversation qui se termine par un message assistant pour préremplir la réponse échouent. Il n’y a pas de response_format : pour une sortie lisible par machine, imposez un outil dont les paramètres sont votre schéma JSON. Les résultats d’outils occupent la fenêtre comme n’importe quel message, et une très longue session finit donc par exiger de choisir ce qu’on laisse tomber.
Démarrage rapide de l’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'
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
