Claude Opus 5 API

Anthropic が提供する Claude Opus 5 LLM モデルの完全な API リファレンスです。

モデルバリアント {#}

この API は、Claude Opus 5 の 2 つのモデルバリアントをサポートしています。

クイック比較

Claude Opus 5 テキストからテキスト

エンドポイント

httpコピー
POST /api/v1/chat/completions

リクエストパラメータ

必須

メッセージサポート

任意

リクエスト例

javascriptコピー
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-opus-5-text-to-text',
    messages: [
      {
        role: 'user',
        content: 'このアーキテクチャの選択について、技術的な意思決定メモを作成してください。'
      }
    ],
    stream: true,
    max_tokens: 2048
  })
});

Claude Opus 5 ファイル分析

エンドポイント

httpコピー
POST /api/v1/chat/completions

リクエストパラメータ

必須

メッセージサポート

任意

リクエスト例

javascriptコピー
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-opus-5-file-analysis',
    messages: [
      {
        role: 'user',
        content: [
          { type: 'text', text: 'このファイルを要約し、主なリスクを抽出してください。' },
          {
            type: 'file',
            file: {
              filename: 'demo.pdf',
              file_data: 'https://example.com/demo.pdf'
            }
          }
        ]
      }
    ],
    stream: true,
    max_tokens: 4096
  })
});

レスポンス形式

Claude Opus 5 LLM モデルは、OpenAI 互換の補完レスポンスを返します。stream: true の場合、レスポンスは Server-Sent Events となり、stream: false の場合、レスポンスは単一の JSON オブジェクトとなります。

成功レスポンス

textコピー
data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-opus-5-file-analysis","choices":[{"index":0,"delta":{"role":"assistant"},"finish_reason":null}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-opus-5-file-analysis","choices":[{"index":0,"delta":{"content":"簡潔な要約はこちらです"},"finish_reason":null}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-opus-5-file-analysis","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-opus-5-file-analysis","choices":[],"usage":{"prompt_tokens":12,"completion_tokens":8,"total_tokens":20}}

data: [DONE]

エラーレスポンス

textコピー
event: error
data: {"error":{"message":"API リクエストが頻繁すぎるため、レート制限を超えました","type":"rate_limit_error","code":"1302","param":null}}

ベストプラクティス

1. 構造化メッセージを使用する： コンテキストを 1 つのプロンプトにまとめるのではなく、messages[] を通じて会話履歴を送信します。
2. 適切なモデルバリアントを選択する： テキストのみの推論と文章作成にはテキストからテキストを、ファイルや画像が必要な場合はファイル分析を使用します。
3. SSE イベントを処理する： ストリーミング表示では choices[0].delta.content を追加し、data: [DONE] を正常完了として扱います。
4. サポートされている入力のみを送信する： 現在のクライアントでは、テキストモデルはサポートされていないファイルと画像のパートを無視します。