Anthropic: Claude Sonnet 4.6

Claude Sonnet 4.6, Anthropic का एक टेक्स्ट मॉडल है, जो api14 पर anthropic/claude-sonnet-4.6 के रूप में सूचीबद्ध है। Anthropic इसे अब तक का अपना सबसे सक्षम Sonnet-श्रेणी का मॉडल बताता है, जो कोडिंग, एजेंट और पेशेवर कार्यों में अग्रणी प्रदर्शन देता है। यह टेक्स्ट श्रेणी में आता है और उन डेवलपर्स के लिए है जो ऐसे एप्लिकेशन बनाते हैं जिन्हें हल्के, कम विलंबता वाले मॉडल के बजाय मजबूत तर्क और जनरेशन गुणवत्ता की जरूरत होती है।

मॉडल इनपुट के रूप में टेक्स्ट, इमेज और फाइलें स्वीकार करता है, और आउटपुट के रूप में टेक्स्ट देता है। इसका कॉन्टेक्स्ट विंडो 1,000,000 टोकन है, जो इतना बड़ा है कि एक ही अनुरोध में पूरे कोडबेस, लंबे दस्तावेज़ सेट या विस्तारित बातचीत इतिहास को रख सकता है। अधिकतम आउटपुट 128,000 टोकन है, इसलिए जब कार्य की मांग हो तो प्रतिक्रियाएं लंबे रूप में हो सकती हैं, जैसे पूरी फाइल का पुनर्लेखन या विस्तृत रिपोर्ट। चूंकि टेक्स्ट के साथ इमेज और फाइलें भी स्वीकार की जाती हैं, आप बिना किसी अलग प्रीप्रोसेसिंग चरण के प्रॉम्प्ट के साथ स्क्रीनशॉट, डायग्राम, PDF या सोर्स फाइलें मिला सकते हैं।

ये क्षमताएं कुछ व्यावहारिक उपयोगों की ओर इशारा करती हैं। पुनरावृत्तीय विकास और जटिल कोडबेस नेविगेशन इसमें स्वाभाविक रूप से फिट बैठते हैं: आप एक रिपॉजिटरी या उसका बड़ा हिस्सा डालकर कई फाइलों में बदलाव, समीक्षा या स्पष्टीकरण मांग सकते हैं। एजेंट-शैली के वर्कफ़्लो को टूल कॉलिंग समर्थन और लंबे कॉन्टेक्स्ट से लाभ मिलता है, क्योंकि एक एजेंट बिना लगातार छंटाई के अपनी स्थिति और मध्यवर्ती परिणाम साथ रख सकता है। पेशेवर कार्य जैसे दस्तावेज़ विश्लेषण, सारांशीकरण और मिश्रित टेक्स्ट व इमेज इनपुट से संरचित निष्कर्षण भी इनपुट मोडैलिटी और संरचित आउटपुट विकल्पों से संभव होते हैं। तर्क नियंत्रण आपको कार्य के अनुसार गहराई और गति के बीच संतुलन चुनने देते हैं।

आप मॉडल को api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी "anthropic/claude-sonnet-4.6" का उपयोग करके कॉल करते हैं। समर्थित अनुरोध पैरामीटर हैं include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_p, और verbosity। व्यवहार में इसका मतलब है कि आप temperature, top_p और top_k से सैंपलिंग व्यवहार सेट कर सकते हैं, max_tokens या max_completion_tokens से आउटपुट लंबाई सीमित कर सकते हैं, reasoning, reasoning_effort और include_reasoning से तर्क गहराई नियंत्रित कर सकते हैं, और response_format तथा structured_outputs से प्रतिक्रिया का स्वरूप सीमित कर सकते हैं। टूल उपयोग tools और tool_choice के माध्यम से कॉन्फ़िगर किया जाता है, और verbosity यह समायोजित करता है कि मॉडल कितना कहता है।

ध्यान में रखने योग्य मुख्य बाधा यह है कि आउटपुट केवल टेक्स्ट है, इसलिए जिन कार्यों में जनरेट की गई इमेज या ऑडियो चाहिए वे इस मॉडल के दायरे से बाहर हैं। 128,000 टोकन की आउटपुट सीमा का यह भी मतलब है कि बहुत बड़ी एकल प्रतिक्रियाओं को चरणों में विभाजित या स्ट्रीम किया जाना चाहिए। यदि आपका वर्कलोड सरल वर्गीकरण या छोटे उत्तरों का है जहां विलंबता और थ्रूपुट तर्क की गहराई से अधिक मायने रखते हैं, तो छोटा मॉडल बेहतर फिट हो सकता है। लंबे कॉन्टेक्स्ट कोडिंग, एजेंट लूप और मिश्रित टेक्स्ट, इमेज व फाइल विश्लेषण के लिए, Claude Sonnet 4.6 अधिक मजबूत विकल्प है।