Anthropic: Claude Sonnet 4.5

Claude Sonnet 4.5 è un modello testuale di Anthropic, rilasciato dal provider il 29 settembre 2025. Appartiene alla linea Sonnet di Anthropic, che il provider descrive come il suo modello Sonnet più avanzato fino ad oggi, ottimizzato per agenti reali e flussi di lavoro di programmazione. Su api14 è elencato con l'id modello anthropic/claude-sonnet-4.5 e rientra nella categoria testo.

Il modello accetta testo, immagini e file come input e restituisce solo testo. La sua finestra di contesto è di 1.000.000 di token, e l'output massimo è di 64.000 token. Il knowledge cutoff è il 31 gennaio 2025, quindi qualsiasi cosa successiva a quella data è al di fuori di ciò su cui il modello è stato addestrato. Poiché immagini e file sono accettati insieme al testo, puoi inviare prompt misti che combinano istruzioni scritte con contenuti visivi o documentali, pianificando al contempo il testo come unico formato di risposta.

Queste capacità indicano alcuni usi pratici. L'assistenza alla programmazione e i flussi di lavoro in stile agente sono le aree che Anthropic evidenzia, e l'ampia finestra di contesto si adatta a compiti in cui devi mantenere sotto controllo contemporaneamente una lunga base di codice, un documento esteso o una conversazione lunga. L'input di immagini e file lo rende adatto all'analisi di documenti, all'estrazione o riepilogo di informazioni da materiale caricato e alla risposta a domande su contenuti misti. La chiamata di strumenti e gli output strutturati lo rendono inoltre utilizzabile come fase di ragionamento all'interno di una pipeline più ampia, dove il modello decide quali strumenti invocare e restituisce dati in un formato che il tuo codice può analizzare.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id modello anthropic/claude-sonnet-4.5, quindi il codice esistente dell'SDK OpenAI funziona con un cambio di base URL e nome del modello. I parametri di richiesta supportati sono include_reasoning, max_completion_tokens, max_tokens, reasoning, response_format, stop, structured_outputs, temperature, tool_choice, tools, top_k e top_p. In pratica ciò significa che puoi controllare il campionamento con temperature, top_p e top_k, limitare la lunghezza dell'output con max_tokens o max_completion_tokens, definire funzioni che il modello può chiamare con tools e tool_choice, e richiedere risposte strutturate o formattate con response_format e structured_outputs. Il ragionamento può essere richiesto e il suo output incluso tramite i parametri reasoning e include_reasoning.

Un limite da notare è che l'output è solo testo, quindi se hai bisogno di immagini o audio generati, questo modello non è la scelta giusta. Il knowledge cutoff del 31 gennaio 2025 significa inoltre che gli eventi recenti non sono coperti a meno che tu non li fornisca nel prompt o tramite strumenti. Se il tuo carico di lavoro è piccolo e semplice, un modello più leggero può essere sufficiente, ma per attività di programmazione, documenti e agenti a contesto lungo, la combinazione di una finestra di contesto di 1.000.000 di token, un tetto di output di 64.000 token e il supporto agli strumenti è il motivo per scegliere questo.