Anthropic: Claude Sonnet 4.5

Claude Sonnet 4.5 ist ein Textmodell von Anthropic, das vom Anbieter am 29. September 2025 veröffentlicht wurde. Es gehört zur Sonnet-Reihe von Anthropic, die der Anbieter als sein bislang fortschrittlichstes Sonnet-Modell beschreibt, optimiert für reale Agenten und Coding-Workflows. Auf api14 ist es unter der Modell-ID anthropic/claude-sonnet-4.5 gelistet und fällt in die Kategorie Text.

Das Modell akzeptiert Text, Bilder und Dateien als Eingabe und gibt ausschließlich Text zurück. Sein Kontextfenster beträgt 1.000.000 Token, und die maximale Ausgabe liegt bei 64.000 Token. Der Knowledge Cutoff ist der 31. Januar 2025, alles nach diesem Datum liegt also außerhalb dessen, worauf das Modell trainiert wurde. Da Bilder und Dateien neben Text akzeptiert werden, können Sie gemischte Prompts senden, die schriftliche Anweisungen mit visuellen oder dokumentbasierten Inhalten kombinieren, während Sie Text als einziges Antwortformat einplanen.

Diese Fähigkeiten deuten auf einige praktische Einsatzbereiche hin. Coding-Unterstützung und agentenartige Workflows sind die Bereiche, die Anthropic hervorhebt, und das große Kontextfenster eignet sich für Aufgaben, bei denen Sie eine lange Codebasis, ein umfangreiches Dokument oder eine lange Konversation gleichzeitig im Blick behalten müssen. Bild- und Dateieingabe machen es zu einer sinnvollen Wahl für Dokumentenanalyse, das Extrahieren oder Zusammenfassen von Informationen aus hochgeladenem Material und die Beantwortung von Fragen über gemischte Inhalte. Tool Calling und strukturierte Ausgaben machen es zudem nutzbar als Reasoning-Schritt innerhalb einer größeren Pipeline, in der das Modell entscheidet, welche Tools aufgerufen werden, und Daten in einer Form zurückgibt, die Ihr Code parsen kann.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID anthropic/claude-sonnet-4.5 auf, sodass bestehender OpenAI-SDK-Code mit einer Änderung der Basis-URL und des Modellnamens funktioniert. Die unterstützten Anfrageparameter sind include_reasoning, max_completion_tokens, max_tokens, reasoning, response_format, stop, structured_outputs, temperature, tool_choice, tools, top_k und top_p. In der Praxis bedeutet das, dass Sie das Sampling mit temperature, top_p und top_k steuern können, die Ausgabelänge mit max_tokens oder max_completion_tokens begrenzen können, Funktionen für das Modell mit tools und tool_choice definieren können und strukturierte oder formatierte Antworten mit response_format und structured_outputs anfordern können. Reasoning kann angefordert und seine Ausgabe über die Parameter reasoning und include_reasoning einbezogen werden.

Eine erwähnenswerte Einschränkung ist, dass die Ausgabe ausschließlich Text ist. Wenn Sie also generierte Bilder oder Audio benötigen, ist dieses Modell nicht die richtige Wahl. Der Knowledge Cutoff vom 31. Januar 2025 bedeutet außerdem, dass aktuelle Ereignisse nicht abgedeckt sind, es sei denn, Sie liefern sie im Prompt oder über Tools mit. Wenn Ihre Arbeitslast klein und einfach ist, mag ein leichteres Modell ausreichen, aber für langkontextige Coding-, Dokument- und Agentenaufgaben ist die Kombination aus einem Kontextfenster von 1.000.000 Token, einer Ausgabeobergrenze von 64.000 Token und Tool-Unterstützung der Grund, dieses Modell zu wählen.