Extrayez ces enregistrements synthétiques en JSON avec id, owner, deadline et evidence : [R1] Ticket 41 : Ana gère la correction d’export ; aucune échéance convenue. [R2] Ticket 42 : revue pour le 15 octobre ; responsable non désigné ; année absente. Utilisez null pour les valeurs manquantes, gardez les dates partielles et citez la source dans evidence. N’inventez ni année ni responsable. Vérifiez chaque champ avec son enregistrement ; c’est du formatage de texte, pas une opération de base de données.
API Claude Sonnet 5 : tarifs, espace de test et exemples
Consultez les tarifs des tokens API, conseils de raisonnement et exemples d’intégration de Claude Sonnet 5 pour le code et les flux professionnels, avec vérifications d’accès.
Tarifs et facturation de l’API Claude Sonnet 5
Prix officiel
- Entrée
- $2.0000 /M
- Sortie
- $10.0000 /M
- Entrée en cache
- $0.2000 /M
- Écriture en cache (5 min)
- $2.5000 /M
- Écriture en cache (1 h)
- $4.0000 /M
Tarif API Hop Économie 45%
- Entrée
- $1.1000 /M
- Sortie
- $5.5000 /M
- Entrée en cache
- $0.1100 /M
- Écriture en cache (5 min)
- $1.3750 /M
- Écriture en cache (1 h)
- $2.2000 /M
Prix de référence non vérifié indépendamment. Consultez les tarifs actuels, unités de facturation et conditions applicables de l’éditeur avant de comparer les coûts.
Outil de chat en ligne Claude Sonnet 5
Paramètres du modèle
À quoi sert la mémoire ?
Elle inclut les échanges terminés et réutilisables de cette conversation dans la prochaine requête, pour poser des questions de suivi sans répéter le contexte.
Que se passe-t-il si elle est désactivée ?Seuls votre nouveau message et une éventuelle instruction système sont envoyés. Les anciens messages restent visibles ; réactiver la mémoire réintègre les échanges précédents admissibles.
Est-ce une mémoire à long terme ?Non. Il s’agit du contexte de cette conversation, pas d’une mémoire entre conversations distinctes. Les réponses échouées, arrêtées, tronquées ou non réutilisables sont exclues. Un historique plus long peut consommer davantage de tokens d’entrée et augmenter le coût.
Paramètres avancés
0 caractère ou plus(0/Pas de limite fixe)
Pas de limite fixe de caractères ; la requête complète reste soumise aux limites de taille et de contexte du modèle. Ce n’est pas un nombre de tokens. Conversation
Comment puis-je vous aider aujourd’hui ?
Aucune donnée de réponse pour le moment Prêt
Exemples de prompts pour Claude Sonnet 5
Ce sont des prompts d’évaluation pour Claude Sonnet 5, pas des sorties enregistrées. Ils analysent uniquement le texte fourni ; ils n’exécutent pas de code, n’inspectent pas les systèmes de production et ne prouvent pas les performances en contexte long. Vérifiez les preuves citées et les critères d’acceptation, puis les métadonnées et l’utilisation avant la mise en production.
Utilisez uniquement cet extrait : [P1] La correction d’export a passé les vérifications de préproduction. [P2] Une publication vendredi a été proposée, pas approuvée. [P3] Mei examinera les erreurs mardi. [P4] Aucun responsable pour la documentation. Renvoyez un tableau : affirmation, citation exacte, ID de paragraphe, incertitude. La mise en production est-elle approuvée ? Qui gère la documentation ? Notez les faits manquants comme inconnus. Toute citation doit correspondre à l’extrait ; ne déduisez pas un succès en production de la préproduction. Ce petit exemple ne teste pas la longueur maximale du contexte.
Examinez cette politique fictive de webhook de paiement : chaque POST échoué est relancé trois fois, aucune clé d’idempotence n’est stockée et le solde est débité avant l’envoi de la réponse. Identifiez les risques de double débit, proposez des changements minimaux et trois tests d’acceptation. Utilisez uniquement ces faits ; ne supposez aucun accès au code, aux outils ou à la production.
Qu’est-ce que Claude Sonnet 5
Un modèle Claude pour le développement continu et le travail intellectuel quotidien
Nous positionnons Claude Sonnet 5 comme un modèle généraliste pour le développement quotidien et le travail intellectuel : écrire du code, organiser des informations et effectuer plusieurs appels d’outils. Anthropic a publié cette version le 30 juin 2026, soulignant les progrès en planification, développement continu, utilisation d’outils et suivi des étapes suivantes. Annonce officielle d’Anthropic
Un modèle multimodal avec un contexte d'un million de tokens et des images en entrée
L’API officielle Claude Sonnet 5 offre un contexte de 1M tokens et une sortie maximale standard de 128K tokens. Elle accepte textes et images et produit du texte. Spécifications officielles
Sa nature multimodale élargit nettement ses applications par rapport à un modèle non multimodal : OCR, tests frontend, VQA et analyse de documents multimodaux.
Réflexion adaptative activée par défaut, avec cinq niveaux d’effort
Claude Sonnet 5 active la réflexion adaptative par défaut. effort propose cinq niveaux : low, medium, high, xhigh et max, avec high par défaut dans l’API officielle. Ce paramètre règle l’effort de raisonnement, donc la qualité, la consommation de tokens et l’attente. Documentation officielle Effort · Réglages de réflexion Sonnet 5
Comparez d’abord medium et high sur des tâches métier réelles. Pour formater ou extraire un texte court, essayez aussi les niveaux inférieurs ; pour du code à plusieurs modules et contraintes, commencez par high. Avant de généraliser xhigh et max, vérifiez qu’ils réduisent les reprises ou résolvent des problèmes jusque-là hors de portée.
Outils en ligne et API Claude Sonnet 5 sur API Hop
Essayez d’abord Claude Sonnet 5 sur API Hop pour voir s’il convient à votre tâche. Connectez-vous, créez une clé API et ajoutez un peu de crédit pour utiliser l’outil en ligne sans écrire d’intégration préalable. Une courte évaluation ne nécessite pas d’abonnement fixe et évite de gérer plusieurs comptes sur différentes plateformes.
Capacités principales et points forts de Claude Sonnet 5
Développement de projet : fonctionnalités et modifications ciblées selon un plan clair
Avec un plan clair, nous pensons que Claude Sonnet 5 peut implémenter des fonctionnalités, effectuer des refactorisations ciblées ou corriger des problèmes. Un client utilisait généralement Sonnet pour la coordination et l’implémentation, et Opus pour l’architecture et les difficultés. Il a terminé le projet, mais a dû passer deux fois à Opus pour avancer.
Cette répartition mérite réflexion : précisez interfaces, périmètre d’impact et critères d’acceptation avant de lancer Sonnet 5. Si l’architecture doit changer ou si les tests échouent après plusieurs révisions, revoyez le plan et envisagez un autre modèle. Un prix unitaire inférieur ne garantit pas un coût inférieur après des tentatives répétées. Il s’agit toutefois du projet d’un seul client ; testez vos situations réelles avant de migrer vers Sonnet 5.
Collaboration avec les outils : se rétablir après une erreur et poursuivre
Un client a partagé son expérience d’intégration d’un agent : Sonnet 5 gérait des modifications complexes en une passe. Face à une erreur obscure, il rappelait des outils pour examiner la structure des données, chercher les problèmes d’entrée et tenter de reprendre. Il lui est toutefois arrivé d’ignorer une autre entrée impossible à traiter sans prévenir l’utilisateur.
Avec Sonnet 5, vérifiez la réponse et l’exactitude des données finalement écrites. La rapidité ne garantit pas le respect de vos exigences.
Analyse de longs documents : spécifications, code et documents métier
Nous utilisons le long contexte de Sonnet 5 pour croiser les sources : comparer des exigences, vérifier les contrats d’interface du code ou retrouver des conditions métier dispersées. Dans AA-LCR v1.1 d’Artificial Analysis, Sonnet 5 Max obtient environ 82%. L’évaluation utilise des documents d’environ 10,000 à 100,000 tokens pour mesurer extraction entre passages, raisonnement et synthèse. Résultats sur les longs documents · Méthodologie AA-LCR
Définissez d’abord la question, puis organisez les documents. Conservez noms de fichiers, sections et citations clés dans la réponse pour la vérifier. Près d’un million de tokens, contrôlez séparément les omissions. Le score de 82% concerne la plage documentaire citée. En situation métier réelle, nous déconseillons les entrées proches d’un million de tokens : notre expérience montre un effet net sur la qualité.
Rédaction professionnelle : expliquer clairement des faits établis
Un client utilise Sonnet 5 dans une automatisation API pour rédiger e-mails et SMS clients et transformer les différences Git en résumés accessibles aux non-techniciens. Il apprécie ces usages, notamment la lisibilité, le ton humain et le respect du prompt système.
Les exigences de lisibilité varient selon le contexte. Actualités produit, réponses au support et aide sont généralement moins exigeantes. Articles généraux ou réflexions personnelles peuvent demander que l’essentiel de la révision reste humain.
Développement d’interfaces : frontends modifiables à partir de captures et de spécifications
Nous privilégierions Sonnet 5 pour modifier des interfaces existantes ou créer des pages au design bien défini. Selon le guide Anthropic, des demandes trop ouvertes peuvent répéter des styles visuels par défaut similaires. Pour varier le résultat, fournissez des contraintes précises limitant l’improvisation. Guide officiel des prompts frontend
Les avis clients sont partagés : certains, en recréant avec Sonnet 5 des interfaces faites avec Sonnet 4.6, n’ont pas obtenu le rendu espéré. D’autres ont trouvé Sonnet 5 très satisfaisant.
Fournissez ensemble captures, spécifications des composants, polices et mise en page. Vérifiez ensuite séparément fonctionnalités, fidélité au design et affichage sur différents écrans. Si le projet possède un design system mature, réutilisez ses composants et précisez les changements plutôt que de laisser le modèle improviser depuis zéro.
Évaluations et performances de Claude Sonnet 5
Les données Artificial Analysis suivent le cadre actuel v4.3.2 ; les pourcentages entiers reprennent l’affichage des comparaisons. Les coûts par tâche suivent la méthode de l’évaluateur et ne sont pas les frais réels API Hop, qui dépendent du service choisi et de l’usage de la requête.
Tâches terminal : environ 14% dans l’évaluation indépendante Terminal-Bench 4.0
- Sonnet 5 Max~14%
- Sonnet 4.6 Max~3%
Dans la comparaison équivalente d’Artificial Analysis, Sonnet 5 Max obtient environ 14% sur Terminal-Bench 4.0, contre 3% pour Sonnet 4.6 Max. Les 66 tâches terminal utilisent mini-swe-agent, avec trois répétitions et une moyenne du taux de réussite par tentative. Tous les tests doivent passer pour valider une tâche. Comparaison des scores · Méthodologie Terminal-Bench 4.0
Sonnet 5 progresse ici par rapport à la génération précédente, mais échoue encore sur de nombreuses tâches terminal difficiles. Nous le déconseillons pour les tâches particulièrement complexes. Il peut convenir aux tâches claires divisées en petites unités.
Développement : CursorBench 4.0 gagne 3.3 points de pourcentage de High à Max
- Sonnet 5 Medium28.0%
- Sonnet 5 High30.8%
- Sonnet 5 Max34.1%
- Sonnet 5 Medium$2.31
- Sonnet 5 High$3.48
- Sonnet 5 Max$7.17
CursorBench 4.0 utilise des tâches issues de véritables projets de développement. Voici certains résultats Sonnet 5 publiés par l’organisateur, avec des coûts calculés selon les tokens consommés et les tarifs publics. Classement original CursorBench 4.0
| Niveau de réflexion | Score | Coût moyen par tâche |
|---|---|---|
| Moyen | 28.0% | US$2.31 |
| Élevé | 30.8% | US$3.48 |
| Maximal | 34.1% | US$7.17 |
Nous regardons surtout les coûts de high à max : gain de 3.3 points, mais coût moyen plus que doublé. Pour le développement quotidien, comparez d’abord medium et high. Si un problème bloque régulièrement, préférez Opus 5.5 ou Opus 5 à une hausse supplémentaire de la réflexion.
Travail intellectuel : 1465 Elo sur GDPval-AA v2.1
- Sonnet 5 Max1465
- Sonnet 4.6 Max1234
Dans GDPval-AA v2.1 d’Artificial Analysis, Sonnet 5 Max obtient 1465 Elo contre 1234 Elo pour Sonnet 4.6 Max. Les 220 tâches couvrent 44 professions et 9 secteurs. Les modèles produisent documents, tableurs et présentations dans un environnement outillé, puis sont évalués par comparaisons anonymes par paires. Sonnet 5 et génération précédente · Méthodologie GDPval-AA v2.1
Ce résultat aide à juger si le modèle produit des documents, tableurs et fichiers utilisables par autrui. Pour les rapports, analyses ou assistants de bureau, donnez une tâche complète : sources nécessaires utilisées, chiffres corrects, fichiers ouvrables et utiles aux destinataires ?
Automatisation métier : environ 37% d’objectifs réalisés sur AutomationBench-AA
- Sonnet 5 Max~37%
- Sonnet 4.6 Max~20%
Chez Artificial Analysis, Sonnet 5 Max obtient environ 37% sur AutomationBench-AA contre 20% pour Sonnet 4.6 Max. L’évaluation couvre 657 tâches dans des applications métier simulées : e-mail, tableurs et CRM. Comparaison des scores
Le score mesure d’abord la part d’objectifs atteints par tâche, puis en fait la moyenne ; violer une contrainte vaut zéro. 37% ne signifie donc pas que « 37% des processus métier ont réussi de bout en bout ». Le taux de tâches entièrement réalisées du classement Zapier est aussi différent : ne mélangez pas ces mesures. Notation AutomationBench-AA
Nous recommandons Sonnet 5 pour des étapes d’automatisation simples, bien délimitées et rapides. Pour les problèmes complexes, notamment les décisions, nous conseillons plutôt Opus 5.5 ou Opus 5.
Indice global et vitesse : 38 points et environ 80.5 tokens par seconde
- Sonnet 5 Max38
- Sonnet 5 Max~80.5
- Sonnet 5 Max$5.09
La page actuelle Artificial Analysis attribue à Sonnet 5 Max 38 sur Intelligence Index v4.3.2 et mesure environ 80.5 tokens par seconde via l’API Anthropic. Le coût moyen pondéré par tâche du même indice est US$5.09. Évaluation Artificial Analysis
Pour les fonctions interactives fréquentes, essayez une réflexion moindre et comparez attente et qualité. Si medium/high convient à votre activité, je recommande Sonnet 5.
Claude Sonnet 5 comparé à Sonnet 4.6, GPT-6 Astra et DeepSeek V4 Pro
Face à Claude Sonnet 4.6 : plus performant, mais tâches plus coûteuses à Max
- Sonnet 5 Max38
- Sonnet 4.6 Max30
- Sonnet 5 Max$5.09
- Sonnet 4.6 Max$2.49
Dans la comparaison Max d’Artificial Analysis, Sonnet 5 et Sonnet 4.6 obtiennent 38 et 30 à l’indice global, pour des coûts moyens pondérés de US$5.09 et US$2.49 par tâche. Leurs tarifs publics entrée/sortie par million de tokens sont respectivement US$2/US$10 et US$3/US$15. Sonnet 5 coûte moins par token, mais plus par tâche dans cette évaluation. Sonnet 5 face à Sonnet 4.6
Les équipes sous Sonnet 4.6 devraient vérifier les gains sur les outils et l’exécution du projet, tout en réajustant réflexion et budget de sortie. Si Sonnet 5 réussit de façon fiable à medium ou high, garder le niveau maximal ne semble pas nécessaire.
Face à GPT-6 Astra : réévaluer l’ingénierie complexe selon la consommation réelle
- Sonnet 5 Max38
- GPT-6 Astra Max53
- Sonnet 5 Max~14%
- GPT-6 Astra Max~59%
- Sonnet 5 Max$5.09
- GPT-6 Astra Max$3.26
Dans la comparaison Max d’Artificial Analysis, GPT-6 Astra et Sonnet 5 obtiennent 53 et 38 à l’indice global, et 59% et 14% arrondis sur Terminal-Bench 4.0. Malgré ses tarifs par token supérieurs, Astra coûte en moyenne pondérée US$3.26 par tâche, contre US$5.09 pour Sonnet 5 ; sa sortie moyenne par tâche est aussi moindre. GPT-6 Astra face à Sonnet 5
Pour du code complexe, des opérations terminal ou une ingénierie nécessitant des vérifications répétées, comparez soigneusement GPT-6 Astra. Notre expérience actuelle le préfère à Sonnet 5 pour l’ingénierie complexe.
Face à DeepSeek V4 Pro : comparer les coûts des traitements de texte par lots
- Sonnet 5 Max38
- DeepSeek V4 Pro 0813 Max36
- Sonnet 5 Max~82%
- DeepSeek V4 Pro 0813 Max~80%
- Sonnet 5 Max$5.09
- DeepSeek V4 Pro 0813 Max$0.67
Dans la comparaison Max d’Artificial Analysis, DeepSeek V4 Pro 0813 et Sonnet 5 obtiennent 36 et 38 à l’indice global, environ 80% et 82% sur AA-LCR v1.1 ; leurs coûts moyens pondérés sont US$0.67 et US$5.09 par tâche. Les entrées diffèrent : DeepSeek V4 Pro évalué accepte du texte, Sonnet 5 du texte et des images. DeepSeek V4 Pro face à Sonnet 5
Pour organiser l’information, extraire du texte et rédiger par lots, incluez DeepSeek V4 Pro dans vos tests de coût. Pour tester la multimodalité de DeepSeek V4 PRO et Sonnet 5, utilisez impérativement des scénarios métier réels. Certains clients trouvaient Sonnet 5 insuffisant pour leurs besoins multimodaux, d’autres jugeaient DeepSeek V4 PRO trop limité pour leur travail.
Pourquoi utiliser Claude Sonnet 5 via API Hop ?
Facturation à l’usage et optimisation des coûts du modèle
Les frais suivent les tarifs actuels de API Hop et l’utilisation réelle. Rechargez selon vos besoins.
Modèles IA et API de données unifiés, avec accès à plusieurs modèles au même endroit
Une clé API relie plusieurs modèles IA et services de données, réduit les coûts d’intégration et permet de changer en un clic. Les applications métier ont besoin à la fois d’IA et de données.
Journaux d’appels et contrôles d’accès applicatifs, pour chaque appel en toute transparence
Chaque appel API est consigné dans votre tableau de bord. Créez des clés API distinctes pour différentes applications.
Évaluez les sorties selon votre tâche
Utilisez l’ID documenté du modèle et les paramètres pris en charge via API Hop. Évaluez les sorties selon vos critères d’acceptation, puis vérifiez les relevés d’utilisation et les métadonnées avant la production. Un nom de modèle ou un exemple ne garantit pas chaque résultat.
Comment utiliser Claude Sonnet 5 sur API Hop
Après avoir créé une clé API dans la console, suivez la documentation pour démarrer avec Claude Sonnet 5.
Préparez votre compte et testez en ligne
Connectez-vous, vérifiez votre solde et créez une clé API.
Essayez dans l’espace de test
Explorez les capacités du modèle dans l’espace de test pour trouver la meilleure façon de l’utiliser.
Intégrez Claude Sonnet 5 à votre activité
Suivez notre documentation développeur pour intégrer Claude Sonnet 5 à votre activité.
Futures mises à niveau du modèle
Pour passer à un modèle plus récent, vérifiez d’abord que son ID exact est renvoyé par le catalogue de votre clé API. S’il prend en charge le même endpoint et les mêmes champs, modifiez l’ID puis testez formats de réponse, streaming, limites de sortie et facturation avant la production. Pour les tâches asynchrones d’image ou de vidéo, vérifiez aussi l’envoi, le suivi du statut et la récupération des résultats.
Questions fréquentes sur l’API Claude Sonnet 5
Comment appeler l’API Claude Sonnet 5 via API Hop ?
We recommend first signing in to API Hop and creating an API Key, then reading our documentation or asking AI to help you configure the connection.
Effectuez d’abord un test minimal dans l’outil en ligne, puis intégrez selon la documentation actuelle API Hop de l’API Claude Sonnet 5. Vous vérifierez ainsi l’adéquation avant intégration et éviterez de reprendre par erreur des chemins ou paramètres d’autres fournisseurs.
Non. Le nom API de Claude Sonnet 5 est claude-sonnet-5 ; celui de Claude Sonnet 4.6 est claude-sonnet-4-6. Ce sont des modèles distincts : ne confondez pas leurs paramètres model.
OpenAI Responses n’est pas pris en charge. Claude possède son propre format Claude Messages ; consultez la documentation.
Pourquoi les anciens paramètres de réflexion ou d’échantillonnage renvoient-ils 400 après Sonnet 4.6 ?
Vérifiez d’abord thinking, budget_tokens, temperature, top_p et top_k. Sonnet 5 ne prend plus en charge thinking: {"type":"enabled","budget_tokens":N} ; l’échantillonnage non standard renvoie aussi 400. Supprimez ces réglages à la migration et utilisez output_config.effort pour le raisonnement. Migration et paramètres Sonnet 5
Sans thinking, Sonnet 5 active la réflexion adaptative. Pour la désactiver, définissez thinking: {"type":"disabled"}. Réglez explicitement effort selon vos besoins et contrôlez ton, format et périmètre avec des prompts et exemples. Configuration officielle de réflexion
Pourquoi une requête réussie n’a-t-elle pas de réponse textuelle mais consomme-t-elle des tokens de sortie ?
Vérifiez stop_reason et les blocs retournés. Sonnet 5 masque la réflexion par défaut : thinking peut être vide alors que les tokens de réflexion comptent en sortie. Extrayez text selon le type de chaque bloc plutôt que toujours content[0].text. Affichage et facturation de la réflexion
Vérifiez aussi le budget : max_tokens limite réflexion et réponse ensemble. Avec effort élevé et un petit budget, la limite peut arriver avant la fin. Avec stop_reason: "max_tokens", augmentez le budget ou baissez la réflexion, puis vérifiez que la réponse est complète. Budget de sortie Sonnet 5
Pourquoi la tâche ne continue-t-elle pas après un appel d’outil ?
Avec des outils côté client, stop_reason: "tool_use" attend leur exécution et résultat par l’application. Ajoutez d’abord le contenu original de l’assistant à l’historique, puis le résultat via tool_result. tool_use_id doit correspondre à l’appel précédent avant de rappeler le modèle. Workflow officiel des outils
Conservez tous les blocs, notamment blocs et signatures utiles avec réflexion active, pas seulement le texte visible. Testez d’abord le cycle « demander l’outil, exécuter, retourner le résultat, générer la réponse », puis étendez à plusieurs outils. Retournez aussi les erreurs pour que le modèle adapte l’étape suivante. Conservation des blocs de réflexion
Sonnet 5 natif supporte les types forcés tool_choice any ou tool avec pensée adaptative ; suivez la documentation de l’interface choisie. Soyez prudent en rejouant la pensée conservée après modification des messages précédents.
Comment diagnostiquer les erreurs d’authentification, de solde ou d’accès ?
Suivez la documentation des erreurs API pour diagnostiquer le problème.
La mémoire de conversation est-elle permanente ?
Non. L’API ne conserve pas automatiquement le contexte pour les requêtes suivantes. Gérez vous-même l’historique et joignez le contexte nécessaire à chaque requête. La mémoire à long terme doit être implémentée par votre application.
API de texte associées
Exemples API et paramètres pris en charge de Claude Sonnet 5
Démarrage rapide de l’API Claude Sonnet 5
claude-sonnet-5model est obligatoire ; ces exemples utilisent l’ID du modèle de cette page. Vérifiez l’accès de votre clé API avec GET /v1/models.
Chat CompletionsPOST /v1/chat-completions
curl -X POST "https://api.apihop.ai/v1/chat-completions" \
-H "Authorization: Bearer <API_KEY>" \
-H "Content-Type: application/json" \
-d '{"model":"claude-sonnet-5","messages":[{"role":"user","content":"Hello, introduce yourself in one sentence."}],"stream":false}'MessagesPOST /anthropic/v1/messages
Messages exige max_tokens. Le budget de cet exemple est modifiable ; ce n’est ni une valeur par défaut du fournisseur ni une limite du modèle. La réflexion peut l’épuiser avant toute réponse ; adaptez-le à votre tâche et vérifiez les coûts de sortie.
curl -X POST "https://api.apihop.ai/anthropic/v1/messages" \
-H "Authorization: Bearer <API_KEY>" \
-H "Content-Type: application/json" \
-H 'anthropic-version: 2023-06-01' \
-d '{"model":"claude-sonnet-5","max_tokens":4096,"messages":[{"role":"user","content":"Hello, introduce yourself in one sentence."}],"stream":false}'Référence de la famille et du protocole
Claude Messages
Documentation API complèteAPI native compatible Claude Messages. Cet endpoint utilise les formats de requête et de réponse Anthropic Messages, y compris les appels d’outils et les événements SSE Anthropic.
POST
https://api.apihop.ai/anthropic/v1/messages