Introdução
Claude Sonnet 4.6 é o modelo de chat da Anthropic para o trabalho pesado do dia a dia, disponível aqui como um endpoint compatível com OpenAI em /v1/chat/completions. Ele lê até 1.000.000 de tokens por chamada e responde com até 64.000: o bastante para levar várias centenas de turnos de roleplay palavra por palavra, sem resumir antes.
O esforço de raciocínio aceita low, medium, high ou max (medium por padrão), e temperature (de 0 a 1) e top_p continuam ajustáveis. O conteúdo das mensagens é texto e imagens; na mesma requisição você tem até 128 tools e streaming SSE.
Recursos e destaques
Várias centenas de turnos, palavra por palavra
1.000.000 de tokens comportam várias centenas de turnos originais. Pule o resumo e um personagem lembra no turno trezentos o que aceitou no turno dez; comece a comprimir e os primeiros detalhes a cair são justamente os que o mantinham coerente.
Dezesseis tokens lidos para cada um escrito
A janela é dezesseis vezes o teto de resposta de 64.000 tokens, e esse formato combina com conversa: muito histórico lido a cada turno, uma cena ou um capítulo de volta. Se uma entrega passar de 64.000 tokens, divida por capítulo.
Esforço e amostragem no mesmo corpo
low, medium, high e max ficam ao lado de temperature e top_p num mesmo corpo de requisição. Rode os turnos do dia a dia em low com uma temperature quente e mande em high ou max o turno que precisa amarrar as pontas.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
messages | Sim | Turnos de conversa ordenados. O conteúdo é uma string ou um array de partes text e |
max_tokens | Não | Limita a resposta a 64.000 — um dezesseis avos da janela de leitura. Padrão 4.096. |
reasoning_effort | Não | low, medium, high ou max, medium por padrão. Suba quando a resposta precisar conciliar detalhes antes de o modelo escrever. |
stop | Não | Até 4 sequências, como string ou array. A resposta termina assim que o modelo escreve uma delas, e o texto correspondente não é devolvido. pelo menos 1 caracteres · pelo menos 1 itens · no máximo 4 itens |
temperature | Não | De 0 a 1, padrão 1. Segure em 0 sempre que a resposta for lida por código. |
top_k | Não | De 1 a 500. A amostragem acontece só entre os k próximos tokens mais prováveis: 1 deixa as respostas quase repetíveis e valores maiores afrouxam a escolha. |
top_p | Não | De 0,01 a 1. Ajuste este ou temperature, nunca os dois na mesma comparação. |
tools | Não | Até 128 definições de função por requisição. no máximo 128 itens |
parallel_tool_calls | Não | true ou false, padrão true: o modelo pode pedir várias chamadas de ferramenta no mesmo turno. Valor padrão: |
tool_choice | Não | auto, none, required ou um objeto nomeando uma função. |
Preços
Entrada $3 / Saída $15 por 1 milhão de tokens
Casos de uso
Roleplay que aguenta várias centenas de turnos
Devolva o histórico completo sem mexer, turno a turno. Promessas, mágoas e piadas recorrentes do personagem continuam na requisição, então a coerência vem do próprio material, não de um lembrete no prompt.
Ficção interativa com tools
Rolagens de dados, checagens de inventário e consultas ao lore entram como funções: até 128 definições controladas por tool_choice. Os resultados voltam como mensagens tool na mesma conversa, então uma resolução nunca precisa sair da cena.
Continuar uma história seriada
Coloque a história até aqui na requisição e peça o próximo capítulo. O teto de 64.000 tokens cobre uma cena completa, e uma série nunca precisa repetir a premissa, porque a premissa ainda está na janela.
Guia de prompt e dicas práticas
Fixe o elenco na mensagem de sistema
Jeito de falar, relações e limites inegociáveis de cada personagem ficam na mensagem de sistema, e os turnos do usuário levam só a trama. Assim, quando a história se ramifica, muda só a segunda metade da requisição.
Deixe espaço para o raciocínio em max_tokens
O padrão é 4.096 tokens. Tokens de raciocínio também são cobrados como saída, então em high ou max dê a max_tokens folga acima da resposta visível que você espera, até 64.000.
O que o endpoint rejeita
max_tokens acima de 64.000, partes de vídeo ou áudio e uma conversa que termina numa mensagem de assistant para preencher a resposta falham. Não existe response_format: para saída legível por máquina, force uma tool cujos parâmetros sejam o seu esquema JSON. Resultados de tools ocupam a janela como qualquer outra mensagem, então uma sessão muito longa acaba exigindo que você decida o que descartar.
Início rápido da 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'
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
