Anthropic: Claude Sonnet 5.5 (batch)

Anthropic: Claude Sonnet 5.5 (batch) é um modelo de texto da Anthropic, servido através de api14 sob o id de modelo anthropic/claude-sonnet-5.5:batch. Pertence à classe Sonnet da Anthropic, o nível que o fornecedor descreve como destinado a trabalho quotidiano bem delimitado, e sucede ao Claude Sonnet 5 como uma atualização direta. O rótulo batch indica que esta é a variante batch do modelo e não a interativa.

O modelo aceita texto, imagens e ficheiros como entrada e devolve texto. A sua janela de contexto é de 1.000.000 de tokens, e a saída máxima é de 128.000 tokens. A Anthropic posiciona o Sonnet 5.5 como especialmente forte a construir funcionalidades, corrigir bugs e produzir trabalho relacionado, o que o torna uma predefinição razoável para tarefas de programação e de assistente geral, em vez de um modelo estreitamente especializado.

Essas capacidades apontam para um conjunto bastante amplo de utilizações práticas. O contexto longo mais a entrada de ficheiros e imagens adequa-se a trabalho de código à escala de um repositório, como implementar uma funcionalidade em vários ficheiros, rastrear e corrigir um bug, ou rever um diff grande juntamente com capturas de ecrã e registos. A mesma combinação funciona para tarefas com muitos documentos, em que um programador precisa de raciocinar sobre especificações, contratos ou relatórios longos em conjunto com imagens de apoio. Como o modelo suporta chamadas de ferramentas e saídas estruturadas, também se adequa a fluxos de trabalho do tipo agente que precisam de chamar funções e devolver resultados legíveis por máquina em vez de texto livre.

Chama-o através da API compatível com OpenAI do api14 usando o id de modelo anthropic/claude-sonnet-5.5:batch, pelo que código existente do SDK da OpenAI funciona com uma alteração do base URL e do nome do modelo. Os parâmetros de pedido suportados são include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools e verbosity. Na prática, isso significa que pode limitar a saída com max_tokens, controlar quanto raciocínio interno o modelo faz através de reasoning e reasoning_effort, pedir saída em formato JSON via response_format ou structured_outputs, definir funções chamáveis com tools e tool_choice, definir sequências de paragem, e ajustar o comprimento ou o detalhe da resposta com verbosity. Se quiser que o traço de raciocínio seja apresentado na resposta, ative include_reasoning.

Há alguns pontos a ponderar antes de avançar. A saída é apenas texto, por isso, se precisar de imagens ou áudio gerados, este modelo não é o indicado. A variante batch destina-se a cargas de trabalho que toleram processamento em lote em vez de ciclos interativos exigentes, pelo que chat sensível à latência ou agentes em tempo real podem ser melhor servidos pela versão não batch do mesmo modelo. Para tarefas muito pequenas ou simples, um modelo mais leve pode ser suficiente.