Introduction
Claude Sonnet 5 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 écrit jusqu’à 64 000 tokens en une réponse : une longue session peut ainsi voyager en entier à chaque tour.
L’effort de raisonnement accepte low, medium ou high, medium par défaut. L’échantillonnage est fixé par le modèle, temperature et top_p ne sont donc pas acceptés ; le contenu des messages se compose de texte et d’images, et jusqu’à 128 outils ainsi que le streaming SSE sont disponibles dans le même appel.
Fonctionnalités et points forts
Une mémoire de session d’un million de tokens
Des centaines de tours d’origine tiennent sous le plafond de 1 000 000 de tokens. Renvoyez-les dans l’ordre et le modèle lit ce que chaque personnage a vraiment dit – c’est de là que vient l’essentiel de ce qu’on appelle la cohérence.
Davantage de réflexion, seulement quand ça paie
low, medium et high partagent le même corps de requête. Les échanges ordinaires tournent bien en low et reviennent plus vite ; montez le niveau quand des fils doivent se rejoindre ou que plusieurs personnages partagent la pièce. Un niveau plus élevé réfléchit plus longtemps et produit en général davantage de tokens de sortie.
Un corps de requête sans réglages d’échantillonnage
Comme temperature et top_p sont fixés par le modèle, une requête copiée d’une ancienne intégration doit les retirer : envoyer l’un ou l’autre échoue à la validation au lieu d’être ignoré en silence, si bien qu’un réglage oublié ne modifie jamais le comportement à votre insu.
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 ou high, medium par défaut. Les échanges ordinaires en low, un cran de plus pour la scène qui doit porter. |
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 |
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 $1.90 / Sortie $9.50 par 1 million de tokens
Cas d’utilisation
De longues conversations de compagnie
Gardez la conversation en cours dans le tableau messages, session après session. À un million de tokens, même un long arc relationnel tient sans couche de résumé, et le personnage renvoie à de vraies répliques plutôt qu’à des paraphrases.
Trois ou quatre voix dans une scène
Écrivez la diction et les limites fermes de chaque personnage dans le message système, et laissez les tours utilisateur ne porter que l’action. Chaque tour précédent étant encore dans la fenêtre, on sait qui a dit quoi, et les voix ne déteignent pas les unes sur les autres.
Dés, inventaire et lore sous forme d’outils
Définissez des fonctions pour les jets de dés, les vérifications d’inventaire ou les recherches dans le lore, et laissez tool_choice décider quand elles s’exécutent. Leurs résultats arrivent comme messages tool dans le même fil : l’histoire résout une action sans sortir de la conversation.
Guide de prompt et conseils pratiques
low pour les tours ordinaires, high pour la scène qui compte
Les échanges de va-et-vient se contentent généralement de low, et vous économisez autant de temps que de tokens. Montez le niveau quand des fils doivent converger ; c’est une simple chaîne dans la même requête.
Régler max_tokens sur la longueur voulue
Les 4 096 par défaut couvrent une scène solide. La réflexion puise dans le même budget : un plafond trop bas peut être épuisé avant même le début de la réponse. Laissez une vraie marge quand l’effort est élevé, jusqu’au plafond de 64 000.
Les limites à prévoir
Les parties vidéo et audio sont refusées, une conversation ne peut pas se terminer par un message assistant pour préremplir la réponse, et 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 partagent la fenêtre avec la conversation : une très longue session finit par devoir être élaguée.
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-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'
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
