Introduzione
Claude Sonnet 4.6 è il modello di chat di Anthropic per il lavoro di tutti i giorni, disponibile qui come un endpoint compatibile con OpenAI su /v1/chat/completions. Legge fino a 1.000.000 di token per chiamata e risponde con fino a 64.000: abbastanza per portare avanti parola per parola diverse centinaia di turni di roleplay invece di riassumerli prima.
Il livello di ragionamento accetta low, medium, high o max (medium di default), e temperature (da 0 a 1) e top_p restano regolabili. Il contenuto dei messaggi è testo e immagini; nella stessa richiesta hai fino a 128 tool e lo streaming SSE.
Caratteristiche principali
Diverse centinaia di turni, parola per parola
1.000.000 di token contengono diverse centinaia di turni originali. Salta il riassunto e un personaggio ricorda al turno trecento quello che ha accettato al turno dieci; comincia a comprimere e i primi dettagli a sparire sono proprio quelli che lo tenevano coerente.
Sedici token letti per ognuno scritto
La finestra è sedici volte il tetto di risposta di 64.000 token, e questa forma si adatta alla conversazione: tanta cronologia letta a ogni turno, una scena o un capitolo in risposta. Se un risultato dovesse superare i 64.000 token, dividilo per capitoli.
Ragionamento e campionamento nello stesso corpo
low, medium, high e max stanno accanto a temperature e top_p nello stesso corpo della richiesta. Fai girare i turni di tutti i giorni su low con una temperature calda e manda su high o max il turno che deve tirare le fila.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
messages | Sì | Turni di conversazione ordinati. Il contenuto è una stringa o un array di parti text e |
max_tokens | No | Limita la risposta a 64.000, un sedicesimo della finestra di lettura. Predefinito 4.096. |
reasoning_effort | No | low, medium, high o max, medium di default. Alzalo quando la risposta deve conciliare i dettagli prima che il modello scriva. |
stop | No | Fino a 4 sequenze, come stringa o come array. La risposta si ferma appena il modello ne scrive una, e il testo corrispondente non viene restituito. almeno 1 caratteri · almeno 1 elementi · al massimo 4 elementi |
temperature | No | Da 0 a 1, predefinito 1. Tienila a 0 ogni volta che la risposta viene analizzata da codice. |
top_k | No | Da 1 a 500. Si campiona solo tra i k token successivi più probabili: 1 rende le risposte quasi ripetibili, valori più alti allentano la scelta. |
top_p | No | Da 0,01 a 1. Regola questo oppure temperature, mai entrambi nello stesso confronto. |
tools | No | Fino a 128 definizioni di funzioni per richiesta. al massimo 128 elementi |
parallel_tool_calls | No | true o false, predefinito true: il modello può chiedere più chiamate agli strumenti nello stesso turno. Predefinito: |
tool_choice | No | auto, none, required, oppure un oggetto che indica una sola funzione. |
Prezzi
Input $3 / Output $15 per 1 milione di token
Casi d’uso
Roleplay che regge diverse centinaia di turni
Rimanda la cronologia completa senza toccarla, turno dopo turno. Promesse, rancori e battute ricorrenti del personaggio restano nella richiesta, così la coerenza nasce dal materiale stesso e non da un promemoria nel prompt.
Narrativa interattiva con i tool
Lanci di dadi, controlli dell'inventario e ricerche nel lore entrano come funzioni: fino a 128 definizioni governate da tool_choice. I risultati tornano come messaggi tool nella stessa conversazione, quindi una risoluzione non deve mai uscire dalla scena.
Continuare una storia a puntate
Metti la storia fin qui nella richiesta e chiedi il capitolo successivo. Il tetto di 64.000 token copre una scena completa, e una serie non deve mai ripetere la premessa, perché la premessa è ancora nella finestra.
Consigli avanzati
Fissa il cast nel messaggio di sistema
Modo di parlare, relazioni e limiti invalicabili di ogni personaggio vanno nel messaggio di sistema, e i turni dell'utente portano solo la trama. Così, quando la storia si dirama, cambia solo la seconda metà della richiesta.
Lascia spazio al ragionamento in max_tokens
Il default è 4.096 token. Anche i token di ragionamento vengono fatturati come output, quindi su high o max dai a max_tokens margine sopra la risposta visibile che ti aspetti, fino a 64.000.
Cosa rifiuta l'endpoint
Un max_tokens oltre 64.000, le parti video o audio e una conversazione che finisce con un messaggio assistant per precompilare la risposta falliscono. Non c'è response_format: per un output leggibile da una macchina, forza un tool i cui parametri siano il tuo schema JSON. I risultati dei tool occupano la finestra come qualunque altro messaggio, quindi una sessione molto lunga prima o poi ti chiede di decidere cosa tagliare.
Avvio rapido dell’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'
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
