Anthropic: Claude Sonnet 4.6

Claude Sonnet 4.6 adalah model teks dari Anthropic, terdaftar di api14 sebagai anthropic/claude-sonnet-4.6. Anthropic mendeskripsikannya sebagai model kelas Sonnet paling capable sejauh ini, dengan performa frontier di coding, agen, dan pekerjaan profesional. Model ini berada di kategori teks dan ditujukan untuk developer yang membangun aplikasi yang membutuhkan penalaran kuat dan kualitas generasi, bukan model ringan dengan latensi rendah.

Model ini menerima teks, gambar, dan file sebagai input, dan menghasilkan teks sebagai output. Context window-nya 1.000.000 token, cukup besar untuk menampung seluruh codebase, kumpulan dokumen panjang, atau riwayat percakapan yang diperpanjang dalam satu request. Output maksimumnya 128.000 token, sehingga respons bisa berbentuk panjang ketika tugas memerlukannya, seperti penulisan ulang file secara penuh atau laporan terperinci. Karena gambar dan file diterima bersama teks, Anda dapat mencampur prompt dengan screenshot, diagram, PDF, atau file sumber tanpa langkah preprocessing terpisah.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Pengembangan iteratif dan navigasi codebase yang kompleks cocok secara alami: Anda dapat memasukkan repositori atau sebagian besar isinya dan meminta perubahan, review, atau penjelasan di banyak file. Alur kerja bergaya agen mendapat manfaat dari dukungan tool calling dan konteks panjang, karena agen dapat membawa state dan hasil antara tanpa pemotongan terus menerus. Pekerjaan profesional seperti analisis dokumen, peringkasan, dan ekstraksi terstruktur dari input campuran teks dan gambar juga mengikuti dari modalitas input dan opsi output terstruktur. Kontrol penalaran memungkinkan Anda menukar kedalaman dengan kecepatan tergantung tugas.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "anthropic/claude-sonnet-4.6". Parameter request yang didukung adalah include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_p, dan verbosity. Dalam praktiknya ini berarti Anda dapat mengatur perilaku sampling dengan temperature, top_p, dan top_k, membatasi panjang output dengan max_tokens atau max_completion_tokens, mengontrol kedalaman penalaran dengan reasoning, reasoning_effort, dan include_reasoning, serta membatasi bentuk respons dengan response_format dan structured_outputs. Penggunaan tool dikonfigurasi melalui tools dan tool_choice, dan verbosity menyesuaikan seberapa banyak model berbicara.

Batasan utama yang perlu diingat adalah output hanya berupa teks, sehingga tugas yang membutuhkan gambar atau audio yang dihasilkan berada di luar model ini. Batas output 128.000 token juga berarti respons tunggal yang sangat besar harus dipecah atau di-streaming secara bertahap. Jika beban kerja Anda adalah klasifikasi sederhana atau balasan singkat di mana latensi dan throughput lebih penting daripada kedalaman penalaran, model yang lebih kecil mungkin lebih cocok. Untuk coding dengan konteks panjang, loop agen, dan analisis campuran teks, gambar, serta file, Claude Sonnet 4.6 adalah pilihan yang lebih kuat.