Claude Sonnet 5.5 API
Vollständige API-Referenz für die Claude Sonnet 5.5 LLM-Modelle von Anthropic.
Modellvarianten
Diese API unterstützt zwei Varianten von Claude Sonnet 5.5:
Kurzvergleich
Claude Sonnet 5.5 Text to Text
Endpunkt
POST /api/v1/chat/completions
Anfrageparameter
Erforderlich
Unterstützte Nachrichteninhalte
Optional
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-5.5-text-to-text',
messages: [
{
role: 'user',
content: 'Write a four-line modern poem about a programmer drinking coffee.'
}
],
stream: true,
max_tokens: 500,
})
});
Claude Sonnet 5.5 File Analysis
Endpunkt
POST /api/v1/chat/completions
Anfrageparameter
Erforderlich
Unterstützte Nachrichteninhalte
Optional
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-5.5-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,
})
});
Claude Sonnet 5.5 LLM-Modelle geben OpenAI-kompatible Vervollständigungsantworten zurück. Bei stream: true erfolgt die Antwort über Server-Sent Events; bei stream: false besteht sie aus einem einzelnen JSON-Objekt.
Erfolgreiche Antwort
data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-sonnet-5.5-file-analysis","choices":[{"index":0,"delta":{"role":"assistant"},"finish_reason":null}]}
data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-sonnet-5.5-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-5.5-file-analysis","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}
data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-sonnet-5.5-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[], anstatt den Kontext in einem einzigen Prompt zusammenzufassen.
- Die richtige Modellvariante wählen: Verwenden Sie Text to Text für rein textbasiertes Schlussfolgern und Schreiben und File Analysis, wenn Dateien oder Bilder benötigt werden.
max_tokens nach Bedarf festlegen: Mit diesem Parameter steuern Sie die maximale Ausgabelänge.
- SSE-Ereignisse verarbeiten: Hängen Sie
choices[0].delta.content für die Streaming-Anzeige an und werten Sie data: [DONE] als erfolgreichen Abschluss.
- Nur unterstützte Eingaben senden: Im aktuellen Client ignorieren Textmodelle nicht unterstützte Datei- und Bildteile.