Anthropic: Claude Sonnet 4.5

Claude Sonnet 4.5 es un modelo de texto de Anthropic, publicado por el proveedor el 29 de septiembre de 2025. Se sitúa en la línea Sonnet de Anthropic, que el proveedor describe como su modelo Sonnet más avanzado hasta la fecha, optimizado para agentes del mundo real y flujos de trabajo de programación. En api14 aparece bajo el id de modelo anthropic/claude-sonnet-4.5 y entra en la categoría de texto.

El modelo acepta texto, imágenes y archivos como entrada y devuelve únicamente texto. Su ventana de contexto es de 1.000.000 de tokens, y la salida máxima es de 64.000 tokens. El corte de conocimiento es el 31 de enero de 2025, por lo que cualquier cosa posterior a esa fecha queda fuera de aquello con lo que se entrenó el modelo. Como se aceptan imágenes y archivos junto con texto, puedes enviar prompts mixtos que combinen instrucciones escritas con contenido visual o de documentos, y a la vez prever el texto como único formato de respuesta.

Esas capacidades apuntan a algunos usos prácticos. La asistencia a la programación y los flujos de trabajo de estilo agente son las áreas que Anthropic destaca, y la gran ventana de contexto encaja con tareas en las que necesitas mantener a la vista a la vez una base de código extensa, un documento largo o una conversación prolongada. La entrada de imágenes y archivos lo hacen una opción razonable para el análisis de documentos, la extracción o el resumen de información a partir de material subido, y la respuesta a preguntas sobre contenido mixto. El llamamiento a herramientas y las salidas estructuradas también lo hacen utilizable como el paso de razonamiento dentro de un pipeline mayor, donde el modelo decide qué herramientas invocar y devuelve datos con una forma que tu código puede parsear.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo anthropic/claude-sonnet-4.5, por lo que el código existente del SDK de OpenAI funciona con un cambio de URL base y de nombre de modelo. Los parámetros de solicitud admitidos son include_reasoning, max_completion_tokens, max_tokens, reasoning, response_format, stop, structured_outputs, temperature, tool_choice, tools, top_k y top_p. En la práctica, eso significa que puedes controlar el muestreo con temperature, top_p y top_k, limitar la longitud de salida con max_tokens o max_completion_tokens, definir funciones para que el modelo las llame con tools y tool_choice, y solicitar respuestas estructuradas o con formato con response_format y structured_outputs. El razonamiento se puede solicitar y su salida se puede incluir mediante los parámetros reasoning e include_reasoning.

Un límite que conviene señalar es que la salida es únicamente texto, así que si necesitas imágenes o audio generados, este modelo no es la elección adecuada. El corte de conocimiento del 31 de enero de 2025 también significa que los acontecimientos recientes no están cubiertos a menos que los proporciones en el prompt o mediante herramientas. Si tu carga de trabajo es pequeña y sencilla, puede que un modelo más ligero sea suficiente, pero para tareas de programación, documentos y agentes con contexto largo, la combinación de una ventana de contexto de 1.000.000 de tokens, un techo de salida de 64.000 tokens y soporte de herramientas es la razón para elegir este.