Anthropic: Claude Opus 4.6 (batch)

Claude Opus 4.6 (batch) est un modèle de génération de texte d'Anthropic, servi via api14 sous l'identifiant de modèle anthropic/claude-opus-4.6:batch. Anthropic positionne Opus 4.6 comme son modèle le plus performant pour le codage et les tâches professionnelles de longue durée, conçu pour des agents qui opèrent sur des flux de travail entiers plutôt que sur des invites uniques. La variante batch est le même modèle proposé via un mode de traitement par lots, qui convient aux charges de travail où vous pouvez soumettre du travail et collecter les résultats plutôt que d'avoir besoin d'une réponse immédiate à chaque appel.

Le modèle accepte du texte, des images et des fichiers en entrée, et produit du texte en sortie. Sa fenêtre de contexte est de 1 000 000 de tokens, et la longueur de sortie maximale est de 128 000 tokens. Cette combinaison d'une très grande fenêtre d'entrée et d'un plafond de sortie élevé signifie que vous pouvez lui confier de longs documents, de grandes bases de code ou des ensembles de fichiers en plusieurs parties dans une seule requête et obtenir en retour une réponse substantielle et complète plutôt que tronquée. Comme il prend des images et des fichiers en plus du texte, il peut travailler sur des matériaux mixtes tels que des captures d'écran, des diagrammes, des PDF et des fichiers sources au sein de la même conversation.

Ces capacités renvoient à un ensemble de cas d'usage assez spécifique. Le travail de codage est l'application la plus évidente : revue à l'échelle d'un dépôt, plans de refactorisation, génération de tests et débogage sur de nombreux fichiers, car la fenêtre de contexte peut contenir une grande quantité de code source à la fois. Les tâches professionnelles de longue durée découlent des mêmes atouts, par exemple l'analyse de documents sur de longs contrats ou rapports, l'extraction et le résumé sur des collections de fichiers, et les pipelines de type agent où le modèle planifie, appelle des outils et itère sur plusieurs étapes. Le mode batch est un choix naturel pour les tâches hors ligne telles que la classification en masse, l'annotation de jeux de données, la génération de rapports et le traitement à grande échelle de code ou de documents, où le débit compte plus que la latence par requête.

L'appeler via api14 fonctionne comme n'importe quel autre point de terminaison compatible OpenAI : envoyez une requête à la route de complétion de chat avec le champ model défini sur anthropic/claude-opus-4.6:batch. Les paramètres de requête pris en charge sont include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice, tools, top_p et verbosity. En pratique, cela signifie que vous pouvez contrôler l'échantillonnage avec temperature et top_p, limiter la sortie avec max_tokens, contraindre la sortie avec response_format ou structured_outputs, arrêter la génération sur des séquences données avec stop, et construire des agents utilisant des outils avec tools et tool_choice. Le comportement de raisonnement est ajustable via reasoning, reasoning_effort, include_reasoning et verbosity.

Le principal point à peser est le mode batch lui-même. Il est conçu pour des charges de travail soumises plutôt que pour un chat interactif à faible latence, donc si vous avez besoin de réponses immédiates pour un assistant destiné aux utilisateurs, un déploiement non batch du même modèle conviendra mieux. De même, si votre tâche est courte et simple, un modèle plus petit sera généralement suffisant et plus rapide à utiliser. Choisissez ce modèle lorsque la tâche est réellement volumineuse : contexte long, travail intensif de codage ou de documents, agents multi-étapes, ou traitement hors ligne en masse où la fenêtre de 1 000 000 de tokens et la limite de sortie de 128 000 tokens sont réellement utiles.