Claude Opus 4.7 API

由 Anthropic 提供支援的 Claude Opus 4.7 大模型完整 API 參考。

模型版本

此 API 支援兩種 Claude Opus 4.7 模型版本：

快速比較

Claude Opus 4.7 Text to Text

端點

http複製
POST /api/v1/chat/completions

請求參數

必填參數

訊息支援

可選

請求範例

javascript複製
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-4.7-text-to-text',
    messages: [
      {
        role: 'user',
        content: 'Draft a technical decision memo for this architecture choice.'
      }
    ],
    stream: true,
    max_tokens: 2048,
    top_p: 0.5,
    top_k: 50
  })
});

Claude Opus 4.7 File Analysis

端點

http複製
POST /api/v1/chat/completions

請求參數

必填參數

訊息支援

可選

請求範例

javascript複製
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-4.7-file-analysis',
    messages: [
      {
        role: 'user',
        content: [
          { type: 'text', text: 'Summarize this file and extract the key risks.' },
          {
            type: 'file',
            file: {
              filename: 'demo.pdf',
              file_data: 'https://example.com/demo.pdf'
            }
          }
        ]
      }
    ],
    stream: true,
    max_tokens: 4096,
    top_p: 0.5,
    top_k: 50
  })
});

回應格式

Claude Opus 4.7 大模型會返回 OpenAI 相容的 completion 回應。stream: true 時回應為 Server-Sent Events；stream: false 時回應為單一 JSON 物件。

成功回應

text複製
data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-opus-4.7-file-analysis","choices":[{"index":0,"delta":{"role":"assistant"},"finish_reason":null}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-opus-4.7-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-opus-4.7-file-analysis","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-opus-4.7-file-analysis","choices":[],"usage":{"prompt_tokens":12,"completion_tokens":8,"total_tokens":20}}

data: [DONE]

錯誤回應

text複製
event: error
data: {"error":{"message":"API requests too frequent, exceeding rate limit","type":"rate_limit_error","code":"1302","param":null}}

最佳實務

1. 使用結構化訊息： 透過 messages[] 傳送對話歷史，而不是把上下文壓平成一個 prompt。
2. 選擇正確的模型版本： 僅文字推理與寫作使用 Text to Text，需要檔案或圖像時使用 File Analysis。
3. 謹慎調整 Claude 參數： 支援 top_p 和 top_k，它們會影響輸出多樣性。
4. 消費 SSE 事件： 追加 choices[0].delta.content 進行串流顯示，並使用 data: [DONE] 作為最終回應。
5. 僅傳送支援的輸入： 目前客戶端中的 Text 模型會忽略不支援的檔案和圖像部分。