Sonnet 4.6 est le modèle le plus performant de la classe Sonnet d'Anthropic à ce jour, offrant des performances de pointe dans le codage, les agents et le travail professionnel. Il excelle dans le développement itératif, la navigation dans des bases de code complexes, la gestion de projet de bout en bout avec...
Claude Sonnet 4.6 est un modèle d'IA d'Anthropic qui traite du texte, des images et des fichiers. Il dispose d'une fenêtre de contexte de 1 000 000 de tokens et d'une sortie maximale de 64 000…
Le modèle accepte trois modalités d'entrée : texte, image et fichier. Les entrées textuelles peuvent être des requêtes en langage naturel ou des données structurées. Les images sont traitées telles quelles, permettant au modèle d'effectuer des tâches telles que la réponse à des questions visuelles, l'interprétation de diagrammes et l'OCR. Les entrées de fichiers peuvent inclure des documents dans des formats courants tels que des PDF, des fichiers Word ou des fichiers de code. L'API d'OrcaRouter accepte ces entrées via des paramètres standard compatibles avec OpenAI, ce qui simplifie l'intégration.
Avec une fenêtre de contexte d'un million de jetons, Claude Sonnet 4.6 peut traiter de très grands documents en une seule requête. Cela est utile pour des tâches telles que la synthèse de textes de la longueur d'un livre, la réalisation de revues de code sur de grands dépôts, ou l'analyse de contrats juridiques volumineux. Le modèle peut maintenir la cohérence sur toute la fenêtre, ce qui réduit le besoin de découpage et de réassemblage. OrcaRouter gère le routage sans surcharge technique supplémentaire.
Claude Sonnet 4.6 démontre de solides performances sur les tâches de raisonnement, comme l'indique un score de 79.9 sur GPQA Diamond, un benchmark scientifique de niveau supérieur. Il peut écrire, déboguer et refactoriser du code dans plusieurs langages de programmation. La sortie maximale de 64K du modèle lui permet de générer de longs blocs de code ou des explications détaillées. Pour des tâches plus simples, un modèle plus petit pourrait être plus rentable ; OrcaRouter propose une gamme d'options.
Si votre tâche ne nécessite pas d'entrée multimodale ou un contexte très long, un modèle plus petit ou moins coûteux peut être plus économique. Par exemple, la classification de texte simple, les réponses à des questions courtes, ou les discussions de base peuvent être gérées par des modèles avec des coûts de tokens plus faibles. Claude Sonnet 4.6 est facturé à 3 $ / 15 $ pour 1M tokens, ce qui est plus élevé que certaines alternatives légères. Évaluez vos longueurs et complexités typiques d'entrée/sortie avant de vous engager.
GPQA Diamond est un benchmark composé de questions à choix multiples de niveau supérieur en physique, chimie et biologie. Un score de 79,9 signifie que le modèle a répondu correctement à près de 80 % de ces questions difficiles. Cela suggère une forte capacité de raisonnement dans les domaines scientifiques. Cependant, les scores de benchmark ne garantissent pas la performance sur toutes les tâches réelles. La figure est fournie comme point de référence ; les utilisateurs d'OrcaRouter peuvent tester le modèle sur leurs propres données.
La latence dépend de la longueur de l'entrée, de la longueur de la sortie et de la charge des requêtes. Bien qu'aucun chiffre de vitesse spécifique ne soit disponible pour ce modèle, la série Claude Sonnet d'Anthropic offre généralement des temps de réponse plus rapides que les modèles plus grands. Les utilisateurs peuvent s'attendre à un débit raisonnable pour la plupart des cas d'utilisation. L'API d'OrcaRouter prend en charge les réponses en streaming pour réduire la latence perçue. Pour les applications à fort volume, envisagez de tester le modèle dans vos propres conditions de charge.
Basé sur le score GPQA Diamond de 79,9, le modèle montre une forte performance sur les tâches de raisonnement complexes. Sa fenêtre de contexte de 1 million de tokens permet une analyse approfondie de longs documents. L'entrée multimodale lui permet de traiter des images et des fichiers en complément du texte. La sortie maximale de 64K est utile pour générer des réponses complètes. Ces atouts le rendent adapté aux flux de travail axés sur la recherche, le codage et les documents.
Comme tous les modèles de langage, Claude Sonnet 4.6 peut produire des informations incorrectes ou hallucinées, en particulier sur des sujets de niche en dehors de ses données d'entraînement. Son prix est plus élevé que celui des modèles plus petits, il n'est donc pas optimal pour des tâches triviales. Bien qu'il traite les images, il peut ne pas être aussi précis sur des tâches visuelles détaillées que des modèles de vision spécialisés. Les utilisateurs doivent valider les résultats critiques, en particulier dans les domaines réglementés. OrcaRouter donne accès mais ne modifie pas le comportement du modèle.
Le prix est de $3.00 par 1 million de jetons d'entrée et $15.00 par 1 million de jetons de sortie. Il s'agit du tarif du fournisseur sans aucune majoration. OrcaRouter n'ajoute aucun frais supplémentaire. Les jetons d'entrée incluent le prompt et tout fichier ou image joint. Les jetons de sortie incluent la réponse générée. La facturation est transparente et les utilisateurs peuvent estimer les coûts en fonction de l'utilisation des jetons. Il n'y a pas de frais cachés.
Étant donné que les tokens de sortie sont cinq fois plus chers que les tokens d'entrée (15 $ contre 3 $ par million), réduire la longueur de la sortie peut réduire les coûts. Pour les tâches qui nécessitent de longues sorties, le prix peut s'accumuler. Comparez avec des modèles plus petits qui coûtent moins cher par token. Pour une utilisation à volume élevé, évaluez si les performances du modèle justifient la dépense. OrcaRouter propose également d'autres modèles à différents prix pour divers besoins.
La tarification d'OrcaRouter est simple, sans majoration. Bien que le fournisseur puisse mettre en œuvre une mise en cache de son côté, OrcaRouter n'annonce pas de remises spécifiques pour la mise en cache pour ce modèle. Les utilisateurs doivent se référer à la documentation d'Anthropic pour tout détail de tarification lié au cache. La structure sans majoration signifie que vous payez exactement le tarif du fournisseur. Pour contrôler les coûts, envisagez d'ajuster max_tokens et temperature pour réduire la taille de la sortie.
Utilisez l'URL de base https://api.orcarouter.ai/v1 et l'ID de modèle "anthropic/claude-sonnet-4.6". L'API est compatible avec OpenAI, vous pouvez donc utiliser n'importe quel SDK OpenAI ou des requêtes HTTP directes. Par exemple, définissez le paramètre de modèle sur "anthropic/claude-sonnet-4.6" dans votre appel de complétion de chat. L'authentification nécessite une clé API d'OrcaRouter. Le point de terminaison prend en charge les entrées de texte, d'image et de fichier via le format de message standard.
Les paramètres standard d'OpenAI tels que messages, model, max_tokens, temperature, top_p, frequency_penalty, presence_penalty et stream sont pris en charge. max_tokens doit être défini jusqu'à 64000 pour correspondre à la limite du modèle. Pour les entrées multimodales, incluez image_url avec base64 ou URL dans le tableau content. Les téléchargements de fichiers peuvent être transmis en tant qu'entrées de fichier. OrcaRouter mappe automatiquement ces derniers au format du fournisseur sous-jacent.
Si vous utilisez actuellement l'API directe d'Anthropic, vous pouvez passer à OrcaRouter en modifiant l'URL de base et l'ID du modèle. Vous n'avez pas besoin de modifier de manière significative votre formatage de message ou votre logique d'authentification. Le point d'accès d'OrcaRouter est compatible avec OpenAI, vous pouvez donc réutiliser le code existant écrit pour l'API d'OpenAI. Mettez à jour votre configuration pour pointer vers https://api.orcarouter.ai/v1 et définissez le modèle sur "anthropic/claude-sonnet-4.6". Testez d'abord avec une petite requête.
Oui, le streaming est pris en charge en définissant le paramètre stream sur true. La réponse sera un flux de chunks similaire au format d'OpenAI. Le Function calling (outils) est également pris en charge ; vous pouvez définir des outils dans la requête et le modèle peut produire des arguments d'appel d'outil. OrcaRouter transmet ceux-ci au fournisseur. Consultez la documentation du fournisseur pour toute limitation concernant l'utilisation des outils avec des entrées multimodales.
Claude Opus est généralement plus performant pour les tâches de raisonnement complexe et créatives, mais coûte plus cher par token. Claude Sonnet 4.6 offre un prix plus bas ($3/$15 contre des tarifs plus élevés pour Opus) tout en offrant de bonnes performances (79.9 sur GPQA Diamond). Pour les tâches qui ne nécessitent pas la plus haute précision possible, Sonnet 4.6 peut être une alternative rentable. Opus peut également avoir une limite de fenêtre de contexte différente ; vérifiez les versions spécifiques des modèles.
GPT-4o est le modèle multimodal d'OpenAI aux capacités similaires. Les deux prennent en charge le texte, les images et les fichiers. Les structures de prix diffèrent ; les tarifs de Claude Sonnet 4.6 sont de 3 $/15 $ pour 1 million de tokens, tandis que GPT-4o a ses propres tarifs. Les scores des benchmarks varient selon la tâche. Pour les travaux nécessitant un long contexte, la fenêtre de 1 million de tokens de Claude Sonnet 4.6 lui confère un avantage. Aucun modèle n'est universellement supérieur ; le meilleur choix dépend du cas d'utilisation spécifique et du budget.
Les modèles open source comme Llama 3 ou Mixtral peuvent avoir des coûts par token plus faibles s'ils sont auto-hébergés, mais ils ont souvent des fenêtres de contexte plus petites et des scores de benchmark inférieurs (par exemple, GPQA Diamond). Claude Sonnet 4.6 offre un contexte de 1 million de tokens et un raisonnement solide dès le départ. L'auto-hébergement nécessite une infrastructure, tandis qu'OrcaRouter offre un accès instantané. Pour de nombreuses équipes, la voie de l'API gérée fait gagner du temps et garantit la fiabilité.
Utilisez Claude Sonnet 4.6 lorsque vous avez besoin d’un modèle capable de traiter des entrées très longues (jusqu’à 1M tokens) et de produire jusqu’à 64K tokens, sans sacrifier la qualité du raisonnement. Il est particulièrement adapté à l’analyse de documents scientifiques, à la compréhension de codebases et aux tâches multimodales combinant texte et images. Si votre tâche est simple ou courte, envisagez un modèle moins coûteux. OrcaRouter donne accès aux deux options, vous pouvez donc expérimenter.
Compatible OpenAI — gardez votre SDK actuel
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="anthropic/claude-sonnet-4.6",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensoutput_configreasoningresponse_formatstopstreamstructured_outputstemperaturethinkingtool_choicetoolstop_p| Entrée / 1M tokens | $3.00 |
| Sortie / 1M tokens | $15.00 |
| Lecture cache / 1M | $0.300 |
| Écriture cache / 1M | $3.75 |
| Devise | USD |
Estimation basée sur le tarif public
Estimation seulement — le nombre réel de tokens dépend du tokeniseur du fournisseur.
GET /api/public/models/anthropic/claude-sonnet-4.6Ouvrir @misc{orcarouter_claude_sonnet_4_6,
title = {Claude Sonnet 4.6 API},
author = {Anthropic},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/anthropic/claude-sonnet-4.6}
}Anthropic. (2026). Claude Sonnet 4.6 API. OrcaRouter. https://www.orcarouter.ai/models/anthropic/claude-sonnet-4.6