Anthropic: Claude Sonnet 4.5

Claude Sonnet 4.5 to model tekstowy od Anthropic, udostępniony przez dostawcę 29 września 2025. Należy do linii Sonnet firmy Anthropic, którą dostawca opisuje jako swój najbardziej zaawansowany model Sonnet do tej pory, zoptymalizowany pod kątem rzeczywistych agentów i przepływów pracy związanych z kodowaniem. W api14 jest wymieniony pod identyfikatorem modelu anthropic/claude-sonnet-4.5 i należy do kategorii tekstowej.

Model przyjmuje jako dane wejściowe tekst, obrazy i pliki, a zwraca wyłącznie tekst. Jego okno kontekstowe wynosi 1 000 000 tokenów, a maksymalna długość odpowiedzi to 64 000 tokenów. Data odcięcia wiedzy to 31 stycznia 2025, więc wszystko po tej dacie wykracza poza to, na czym model był trenowany. Ponieważ obrazy i pliki są akceptowane razem z tekstem, możesz wysyłać mieszane polecenia łączące pisemne instrukcje z treścią wizualną lub dokumentową, planując jednocześnie tekst jako jedyny format odpowiedzi.

Te możliwości wskazują na kilka praktycznych zastosowań. Wspomaganie kodowania i przepływy pracy w stylu agentowym to obszary, które Anthropic wyróżnia, a duże okno kontekstowe pasuje do zadań, w których trzeba jednocześnie mieć wgląd w długą bazę kodu, obszerny dokument lub długą rozmowę. Wejście obrazowe i plikowe sprawia, że model rozsądnie nadaje się do analizy dokumentów, wyodrębniania lub podsumowywania informacji z przesłanego materiału oraz odpowiadania na pytania dotyczące mieszanej treści. Wywoływanie narzędzi i ustrukturyzowane wyniki czynią go również użytecznym jako krok rozumowania wewnątrz większego potoku, w którym model decyduje, które narzędzia wywołać, i zwraca dane w formie, którą Twój kod może przetworzyć.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu anthropic/claude-sonnet-4.5, więc istniejący kod OpenAI SDK działa po zmianie bazowego adresu URL i nazwy modelu. Obsługiwane parametry żądania to include_reasoning, max_completion_tokens, max_tokens, reasoning, response_format, stop, structured_outputs, temperature, tool_choice, tools, top_k i top_p. W praktyce oznacza to, że możesz kontrolować próbkowanie za pomocą temperature, top_p i top_k, ograniczać długość odpowiedzi za pomocą max_tokens lub max_completion_tokens, definiować funkcje, które model ma wywoływać, za pomocą tools i tool_choice, oraz żądać ustrukturyzowanych lub sformatowanych odpowiedzi za pomocą response_format i structured_outputs. Rozumowanie można zamówić, a jego wynik dołączyć za pomocą parametrów reasoning i include_reasoning.

Jednym ograniczeniem wartym odnotowania jest to, że odpowiedź jest wyłącznie tekstowa, więc jeśli potrzebujesz generowanych obrazów lub dźwięku, ten model nie jest właściwym wyborem. Data odcięcia wiedzy 31 stycznia 2025 oznacza również, że ostatnie wydarzenia nie są objęte, chyba że dostarczysz je w poleceniu lub przez narzędzia. Jeśli Twoje obciążenie jest małe i proste, lżejszy model może wystarczyć, ale w przypadku długokontekstowego kodowania, dokumentów i zadań agentowych połączenie okna kontekstowego o rozmiarze 1 000 000 tokenów, limitu odpowiedzi 64 000 tokenów i obsługi narzędzi jest powodem, by wybrać właśnie ten model.