Anthropic

Claude Sonnet 4.5 Thinking

anthropic/claude-sonnet-4.5:thinking
/v1/chat/completions/v1/messages/v1/responses/v1beta/models/*/v1/models/*

Claude Sonnet 4.5 是 Anthropic 迄今为止最先进的 Sonnet 模型,针对真实代理和编码工作流程进行了优化。它在 SWE-bench Verified 等编码基准测试中展现出顶尖性能,并在系统设计、代码安全性和规范遵循性方面均有所改进。该模型旨在实现扩展自主操作,保持跨会话的任务连续性,并提供基于事实的进度跟踪。 Sonnet 4.5 还引入了更强大的代理功能,包括改进的工具编排、推测并行执行以及更高效的上下文和内存管理。凭借增强的上下文跟踪和跨工具调用的令牌使用感知功能,它尤其适用于多上下文和长时间运行的工作流。用例涵盖软件工程、网络安全、财务分析、研究代理以及其他需要持续推理和工具使用的领域。

输入 / 输出模态
文本 · 图像 · 文件 至 文本
参考输入 / 输出价格
输入¥21输出¥105每百万 Token
上下文长度
200K
收录时间
2025年9月30日

供应通道与价格

供应通道输入 /M输出 /M缓存读取 /M上下文最大输出详情
Amazon Bedrock¥21¥105¥2.1200K64K
Google Vertex¥21¥105¥2.1200K64K

Amazon Bedrock

延迟
2.63s
吞吐量
96 tokens/s
上下文
200K

价格

输入
¥21/M tokens
输出
¥105/M tokens
缓存
¥2.1/M tokens
缓存写入(1 小时)
¥42/M tokens
缓存写入(5 分钟)
¥26.25/M tokens

其他价格

cache write
¥26.25
cache read
¥2.1
cache write price 5m
¥26.25
cache write price 1h
¥42

规格

上下文
200K
最大输出
64K
支持的 API
/v1/chat/completions/v1/messages/v1/responses/v1beta/models/*/v1/models/*

Google Vertex

延迟
0s
吞吐量
0 tokens/s
上下文
200K

价格

输入
¥21/M tokens
输出
¥105/M tokens
缓存
¥2.1/M tokens
缓存写入(1 小时)
¥42/M tokens
缓存写入(5 分钟)
¥26.25/M tokens

其他价格

cache write
¥26.25
cache read
¥2.1
cache write price 5m
¥26.25
cache write price 1h
¥42

规格

上下文
200K
最大输出
64K
支持的 API
/v1/chat/completions/v1/messages/v1/responses/v1beta/models/*/v1/models/*

Claude Sonnet 4.5 Thinking 的示例代码与 API 说明

Modelmesh 会帮你在不同服务提供商之间规范化处理请求和响应,为你统一接口。

Modelmesh 提供了兼容 OpenAI 的 Completion API,可连接 300 多款模型与服务提供商,既可直接调用,也可通过 OpenAI SDK 调用。此外,还提供了一些第三方 SDK。

在以下示例中,Modelmesh 专用的请求头属于可选项。若你配置了这些请求头,你的应用就能出现在 Modelmesh 的排行榜上。

支持的接口点击接口可切换下方示例
/v1/chat/completions
from openai import OpenAI API_KEY = "$SSY_API_KEY" client = OpenAI( base_url="https://router.shengsuanyun.com/api/v1", api_key=API_KEY, ) try: completion = client.chat.completions.create( model="anthropic/claude-sonnet-4.5:thinking", messages=[{"role": "user", "content": "9.11 和 9.8 哪个数更大?"}], temperature=0.6, top_p=0.7, stream=True, ) response_text = "" for chunk in completion: if chunk.choices and chunk.choices[0].delta.content is not None: content = chunk.choices[0].delta.content print(content, end="", flush=True) response_text += content except Exception as error: print(f"Request failed: {error}")
                
              

相关模型