Anthropic

Claude Sonnet 4 ( Thinking )

anthropic/claude-sonnet-4:thinking
/v1/chat/completions/v1/messages/v1/responses/v1beta/models/*/v1/models/*

Claude Sonnet 4 ( Thinking ),在编程与推理任务中展现出更高的精度与可控性。该模型兼顾能力与计算效率,适用于从日常编码到复杂软件开发等多种场景。

输入 / 输出模态
文本 · 图像 至 文本
参考输入 / 输出价格
输入¥21输出¥105每百万 Token
上下文长度
200K
收录时间
2025年6月19日

供应通道与价格

供应通道输入 /M输出 /M缓存读取 /M上下文最大输出详情
OpenRouter¥21¥105¥2.1200K64K
Google Vertex¥21¥105¥2.1200K64K
Amazon Bedrock¥21¥105¥2.1200K64K

OpenRouter

延迟
4.67s
吞吐量
62 tokens/s
上下文
200K

价格

输入
¥21/M tokens
输出
¥105/M tokens
缓存
¥2.1/M tokens
缓存写入(1 小时)
¥42/M tokens
缓存写入(5 分钟)
¥26.25/M tokens

其他价格

cache write
¥26.25
cache read
¥2.1
cache write price 5m
¥26.25
cache write price 1h
¥42

规格

上下文
200K
最大输出
64K
支持的 API
/v1/chat/completions/v1/messages/v1/responses/v1beta/models/*/v1/models/*

Google Vertex

延迟
3.54s
吞吐量
64 tokens/s
上下文
200K

价格

输入
¥21/M tokens
输出
¥105/M tokens
缓存
¥2.1/M tokens
缓存写入(1 小时)
¥42/M tokens
缓存写入(5 分钟)
¥26.25/M tokens

其他价格

cache write
¥26.25
cache read
¥2.1
cache write price 5m
¥26.25
cache write price 1h
¥42

规格

上下文
200K
最大输出
64K
支持的 API
/v1/chat/completions/v1/messages/v1/responses/v1beta/models/*/v1/models/*

Amazon Bedrock

延迟
0.93s
吞吐量
57 tokens/s
上下文
200K

价格

输入
¥21/M tokens
输出
¥105/M tokens
缓存
¥2.1/M tokens
缓存写入(1 小时)
¥42/M tokens
缓存写入(5 分钟)
¥26.25/M tokens

其他价格

cache write
¥26.25
cache read
¥2.1
cache write price 5m
¥26.25
cache write price 1h
¥42

规格

上下文
200K
最大输出
64K
支持的 API
/v1/chat/completions/v1/messages/v1/responses/v1beta/models/*/v1/models/*

Claude Sonnet 4 ( Thinking ) 的示例代码与 API 说明

Modelmesh 会帮你在不同服务提供商之间规范化处理请求和响应,为你统一接口。

Modelmesh 提供了兼容 OpenAI 的 Completion API,可连接 300 多款模型与服务提供商,既可直接调用,也可通过 OpenAI SDK 调用。此外,还提供了一些第三方 SDK。

在以下示例中,Modelmesh 专用的请求头属于可选项。若你配置了这些请求头,你的应用就能出现在 Modelmesh 的排行榜上。

支持的接口点击接口可切换下方示例
/v1/chat/completions
from openai import OpenAI API_KEY = "$SSY_API_KEY" client = OpenAI( base_url="https://router.shengsuanyun.com/api/v1", api_key=API_KEY, ) try: completion = client.chat.completions.create( model="anthropic/claude-sonnet-4:thinking", messages=[{"role": "user", "content": "9.11 和 9.8 哪个数更大?"}], temperature=0.6, top_p=0.7, stream=True, ) response_text = "" for chunk in completion: if chunk.choices and chunk.choices[0].delta.content is not None: content = chunk.choices[0].delta.content print(content, end="", flush=True) response_text += content except Exception as error: print(f"Request failed: {error}")
                
              

应用排行
  1. cline-chinese公开模型应用
  2. Kilo Code Chinese公开模型应用
  3. ClineShengsuan公开模型应用
  4. cline目标地址未通过链接安全策略
  5. ClaudeCodeProxy公开模型应用
  6. SSY Chatroom公开模型应用
  7. Kilo Code公开模型应用
  8. Cherry Studio公开模型应用
  9. ClineShengsuan目标地址未通过链接安全策略
  10. cline-chinese公开模型应用
  11. Roo Code Chinese公开模型应用
  12. ClineShengsuan公开模型应用
  13. cline目标地址未通过链接安全策略
  14. ClineShengsuan目标地址未通过链接安全策略
  15. cline-chinese目标地址未通过链接安全策略
  16. ClineShengsuan公开模型应用
  17. FlowDown公开模型应用
  18. ClineShengsuan目标地址未通过链接安全策略
  19. Postman公开模型应用
  20. RikkaHub公开模型应用

相关模型