Anthropic: Claude Sonnet 4.6

Claude Sonnet 4.6 è un modello testuale di Anthropic, elencato su api14 come anthropic/claude-sonnet-4.6. Anthropic lo descrive come il suo modello di classe Sonnet più capace fino ad oggi, con prestazioni di frontiera in ambito coding, agenti e lavoro professionale. Si colloca nella categoria text ed è pensato per sviluppatori che costruiscono applicazioni che richiedono una forte capacità di ragionamento e qualità di generazione, piuttosto che un modello leggero e a bassa latenza.

Il modello accetta testo, immagini e file come input, e produce testo come output. La sua finestra di contesto è di 1.000.000 di token, abbastanza ampia da contenere interi codebase, lunghi insiemi di documenti o cronologie di conversazione estese in un'unica richiesta. L'output massimo è di 128.000 token, quindi le risposte possono essere di formato lungo quando il compito lo richiede, come riscritture complete di file o report dettagliati. Poiché immagini e file sono accettati insieme al testo, puoi combinare prompt con screenshot, diagrammi, PDF o file sorgente senza una fase di preelaborazione separata.

Queste capacità indicano alcuni usi pratici. Lo sviluppo iterativo e la navigazione di codebase complessi sono applicazioni naturali: puoi fornire un repository o una sua ampia porzione e chiedere modifiche, revisioni o spiegazioni su molti file. I flussi di lavoro in stile agente traggono vantaggio dal supporto al tool calling e dal contesto lungo, poiché un agente può mantenere stato e risultati intermedi senza continue troncature. Anche il lavoro professionale come l'analisi di documenti, la summarizzazione e l'estrazione strutturata da input misti di testo e immagini deriva dalle modalità di input e dalle opzioni di output strutturato. I controlli di ragionamento ti permettono di scambiare profondità con velocità a seconda del compito.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando il model id "anthropic/claude-sonnet-4.6". I parametri di richiesta supportati sono include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_p e verbosity. In pratica questo significa che puoi impostare il comportamento di campionamento con temperature, top_p e top_k, limitare la lunghezza dell'output con max_tokens o max_completion_tokens, controllare la profondità del ragionamento con reasoning, reasoning_effort e include_reasoning, e vincolare la forma della risposta con response_format e structured_outputs. L'uso degli strumenti è configurato tramite tools e tool_choice, e verbosity regola quanto il modello dice.

Il vincolo principale da tenere a mente è che l'output è solo testo, quindi i compiti che richiedono immagini o audio generati restano fuori da questo modello. Il limite di output di 128.000 token significa anche che risposte singole molto grandi devono essere suddivise o trasmesse in streaming a fasi. Se il tuo carico di lavoro è una classificazione semplice o risposte brevi in cui latenza e throughput contano più della profondità di ragionamento, un modello più piccolo potrebbe essere più adatto. Per coding a contesto lungo, cicli di agenti e analisi mista di testo, immagini e file, Claude Sonnet 4.6 è la scelta più forte.