Claude Sonnet 5 API
Vollständige API-Referenz für die von Anthropic bereitgestellten Claude Sonnet 5 LLM-Modelle.
Modellvarianten
Diese API unterstützt zwei Varianten des Claude Sonnet 5 Modells:
Schnellvergleich
Claude Sonnet 5 Text zu Text
Endpunkt
POST /api/v1/chat/completions
Anfrageparameter
Erforderlich
Nachrichtenunterstützung
Fakultativ
Beispielanfrage
const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
method: 'POST',
headers: {
'Authorization': 'Bearer YOUR_API_KEY',
'Accept': 'text/event-stream',
'Content-Type': 'application/json'
},
body: JSON.stringify({
model: 'claude-sonnet-5-text-to-text',
messages: [
{
role: 'user',
content: 'Write a four-line modern poem about a programmer drinking coffee.'
}
],
stream: true,
max_tokens: 500,
top_p: 0.5,
top_k: 50
})
});
Claude Sonnet 5 Dateianalyse
Endpunkt
POST /api/v1/chat/completions
Anfrageparameter
Erforderlich
Nachrichtenunterstützung
Fakultativ
Beispielanfrage
const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
method: 'POST',
headers: {
'Authorization': 'Bearer YOUR_API_KEY',
'Accept': 'text/event-stream',
'Content-Type': 'application/json'
},
body: JSON.stringify({
model: 'claude-sonnet-5-file-analysis',
messages: [
{
role: 'user',
content: [
{ type: 'text', text: 'Summarize the key points of this PDF.' },
{
type: 'file',
file: {
filename: 'gptproto.pdf',
file_data: 'https://tos.gptproto.com/resource/gptproto.pdf'
}
}
]
}
],
stream: true,
max_tokens: 1000,
top_p: 0.5,
top_k: 50
})
});
Claude Sonnet 5 LLM-Modelle geben OpenAI-kompatible Completion-Antworten zurück. Mit stream: true besteht die Antwort aus Server-Sent Events; mit stream: false aus einem einzelnen JSON-Objekt.
Erfolgreiche Antwort
data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-sonnet-5-file-analysis","choices":[{"index":0,"delta":{"role":"assistant"},"finish_reason":null}]}
data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-sonnet-5-file-analysis","choices":[{"index":0,"delta":{"content":"Here is a concise summary"},"finish_reason":null}]}
data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-sonnet-5-file-analysis","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}
data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-sonnet-5-file-analysis","choices":[],"usage":{"prompt_tokens":12,"completion_tokens":8,"total_tokens":20}}
data: [DONE]
Fehlerantwort
event: error
data: {"error":{"message":"Authorization is empty","type":"invalid_request_error","code":"1001","param":null}}
Bewährte Vorgehensweisen
- Strukturierte Nachrichten verwenden: Senden Sie den Gesprächsverlauf über
messages[], statt den Kontext in einem einzigen Prompt zusammenzufassen.
- Die richtige Modellvariante auswählen: Verwenden Sie Text to Text für rein textbasiertes Reasoning und Schreiben und File Analysis, wenn Dateien oder Bilder benötigt werden.
- Claude-Parameter sorgfältig abstimmen:
top_p und top_k werden unterstützt und können die Vielfalt der Ausgabe verändern.
- SSE-Ereignisse verarbeiten: Hängen Sie für die Streaming-Anzeige
choices[0].delta.content an und behandeln Sie data: [DONE] als erfolgreichen Abschluss.
- Nur unterstützte Eingaben senden: Textmodelle ignorieren im aktuellen Client nicht unterstützte Datei- und Bildteile.