Claude Opus 5.5 API

由 Anthropic 提供支持的 Claude Opus 5.5 LLM 模型完整 API 参考文档。

模型变体

此 API 支持两种 Claude Opus 5.5 模型变体：

快速对比

Claude Opus 5.5 Text to Text

端点

http复制
POST /api/v1/chat/completions

请求参数

必填

消息支持情况

可选

请求示例

javascript复制
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-5.5-text-to-text',
    messages: [
      {
        role: 'user',
        content: 'Draft a technical decision memo for this architecture choice.'
      }
    ],
    stream: true,
    max_tokens: 2048
  })
});

Claude Opus 5.5 File Analysis

端点

http复制
POST /api/v1/chat/completions

请求参数

必填

消息支持情况

可选

请求示例

javascript复制
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-5.5-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
  })
});

响应格式

Claude Opus 5.5 LLM 模型返回与 OpenAI 兼容的补全响应。设置 stream: true 时，响应为服务器发送事件（SSE）；设置 stream: false 时，响应为单个 JSON 对象。

成功响应

text复制
data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-opus-5.5-file-analysis","choices":[{"index":0,"delta":{"role":"assistant"},"finish_reason":null}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-opus-5.5-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-opus-5.5-file-analysis","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"claude-opus-5.5-file-analysis","choices":[],"usage":{"prompt_tokens":12,"completion_tokens":8,"total_tokens":20}}

data: [DONE]

错误响应

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

最佳实践

1. 使用结构化消息： 通过 messages[] 发送对话历史，而不是将上下文合并为一个提示词。
2. 选择合适的模型变体： 纯文本推理与写作使用 Text to Text，需要文件或图像时使用 File Analysis。
3. 处理 SSE 事件： 追加 choices[0].delta.content 以流式显示内容，并将 data: [DONE] 视为成功完成。
4. 仅发送支持的输入： 在当前客户端中，文本模型会忽略不支持的文件和图像内容部分。