Claude Sonnet 4.5 เป็นโมเดล Sonnet ที่ทันสมัยที่สุดของ Anthropic จนถึงปัจจุบัน ซึ่งถูกปรับให้เหมาะสมสำหรับเอเจนต์ในโลกจริงและขั้นตอนการทำงานด้านการเขียนโค้ด มันมอบประสิทธิภาพระดับแนวหน้าในเกณฑ์มาตรฐานการเขียนโค้ด เช่น SWE-bench Verified โดยมี...
Claude Sonnet 4.5 เป็นโมเดลภาษาขนาดใหญ่จาก Anthropic ที่ใช้งานผ่าน API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter โดยอยู่ในระดับระหว่างโมเดล Haiku และ Opus ของ Anthropic…
Claude Sonnet 4.5 มีประสิทธิภาพที่ดีในงานที่ต้องใช้การคิดเชิงลึกกับข้อความยาวๆ เช่น การวิเคราะห์เอกสาร การสรุปความ และการสกัดข้อมูล คะแนน MMLU-Pro ที่ 86.0 บ่งชี้ถึงความรู้เชิงข้อเท็จจริงที่แข็งแกร่งและความสามารถในการให้เหตุผลในหัวข้อที่หลากหลาย โมเดลนี้ยังมีประสิทธิภาพในการสร้างโค้ด การดีบัก และการปรับโครงสร้างโค้ด โดยเฉพาะอย่างยิ่งสำหรับโปรเจกต์ขนาดใหญ่ที่อยู่ภายในหน้าต่างบริบทของมัน สำหรับงานแบบหลายรูปแบบ มันสามารถตีความรูปภาพ ให้คำบรรยาย ตอบคำถามเกี่ยวกับเนื้อหาภาพ หรือสกัดข้อมูลจากแผนภาพ ความสามารถในการสร้างเอาต์พุต 64,000 โทเค็นช่วยให้มันสร้างคำตอบที่ครอบคลุม ทำให้มีประโยชน์สำหรับการเขียนเนื้อหายาวๆ หรือการสร้างข้อมูลที่มีโครงสร้าง
Claude Sonnet 4.5 รองรับการรับภาพและไฟล์เป็นส่วนหนึ่งของอินพุตควบคู่ไปกับข้อความ เมื่อมีการให้ภาพ โมเดลจะตีความเนื้อหาที่มองเห็นได้ เช่น วัตถุ ข้อความภายในภาพ หรือความสัมพันธ์เชิงพื้นที่ และสามารถตอบคำถามหรือทำตามคำแนะนำตามการตีความนั้นได้ ไฟล์สามารถอัปโหลดได้ในรูปแบบต่างๆ โมเดลจะดึงเนื้อหาที่เป็นข้อความและประมวลผลภายในบริบทเดียวกัน สิ่งนี้ช่วยให้สามารถทำงานต่างๆ เช่น การวิเคราะห์ใบแจ้งหนี้ที่สแกน (ภาพ) และสเปรดชีตที่เกี่ยวข้อง (ไฟล์) พร้อมกัน โมเดลไม่สร้างภาพ ผลลัพธ์จะเป็นข้อความเสมอ การประมวลผลแบบ multimodal ใช้โทเคน: ภาพใช้โทเคนตามสัดส่วนของความละเอียด และเนื้อหาของไฟล์จะถูกแปลงเป็นโทเคนในรูปแบบข้อความ
หากงานของคุณเป็นแบบง่าย บริบทสั้น หรือเป็นรูปแบบเดียว (ข้อความเท่านั้น) โมเดลราคาถูกกว่าเช่น Claude Haiku ของ Anthropic อาจเหมาะสมกว่า ตัวอย่างเช่น การจำแนกประเภทอย่างง่าย คำถาม-คำตอบสั้นๆ หรือการสร้างข้อความขนาดเล็ก มักสามารถจัดการได้ด้วยโมเดลขนาดเล็กในราคาเพียงเศษเสี้ยว ในทำนองเดียวกัน หากคุณไม่จำเป็นต้องใช้ความสามารถบริบทขยายหรือหลายรูปแบบ การจ่ายเงินสำหรับ Claude Sonnet 4.5 อาจไม่คุ้มค่า ประเมินความซับซ้อนและความยาวของคำค้นหาทั่วไปของคุณ สำหรับการประมวลผลแบบแบตช์ของคำขอสั้นๆ หลายพันรายการ โมเดลที่ถูกกว่าจะช่วยลดค่าใช้จ่ายโดยรวม OrcaRouter มีระดับโมเดลหลายระดับเพื่อให้คุณสามารถจับคู่โมเดลกับความต้องการที่แท้จริงของคุณ
Claude Sonnet 4.5 เหมาะอย่างยิ่งสำหรับงานที่ใช้ประโยชน์จากบริบทขนาดใหญ่และการรับข้อมูลแบบหลายรูปแบบ (multimodal inputs) ตัวอย่างการใช้งานที่ดีที่สุด ได้แก่ การสรุปสัญญาทางกฎหมายหรือเอกสารวิจัยทั้งฉบับ การตรวจสอบโค้ดในฐานโค้ดทั้งหมด การสร้างเอกสารประกอบจากโค้ด การดึงข้อมูลที่มีโครงสร้างจากเอกสารที่สแกน (รูปภาพ) และการสร้างแชทบอทที่ต้องจดจำประวัติการสนทนาที่ยาวนาน นอกจากนี้ยังเหมาะอย่างยิ่งสำหรับการประยุกต์ใช้ด้านการศึกษา ซึ่งโมเดลต้องอ่านและใช้เหตุผลเกี่ยวกับบทเรียนในหนังสือเรียนหรือสไลด์บรรยาย สำหรับการเขียนเชิงสร้างสรรค์ ขีดจำกัดของจำนวนโทเค็นเอาต์พุตที่สูงทำให้สามารถสร้างเนื้อหาแบบยาว เช่น เรื่องราวหรือรายงานในครั้งเดียว ในแต่ละกรณี คะแนน MMLU-Pro ที่ 86.0 ของโมเดลบ่งชี้ถึงการใช้เหตุผลที่เชื่อถือได้
MMLU-Pro เป็นเกณฑ์วัดที่ใช้ประเมินความเข้าใจภาษาแบบหลายภารกิจของโมเดลในหลากหลายสาขาวิชา รวมถึง STEM มนุษยศาสตร์ และสังคมศาสตร์ ประกอบด้วยคำถามแบบเลือกตอบที่ออกแบบมาเพื่อทดสอบทั้งความรู้และการใช้เหตุผล Claude Sonnet 4.5 ทำคะแนนได้ 86.0 ในเกณฑ์วัดนี้ คะแนนดังกล่าวบ่งชี้ว่าโมเดลตอบคำถามถูกต้อง 86.0% จัดให้อยู่ในกลุ่มผู้ทำผลงานดีเด่นด้านความรู้ทั่วไปและการใช้เหตุผล ในบริบทนี้ MMLU-Pro เป็นเวอร์ชันขยายของ MMLU ดั้งเดิมที่มีคำถามที่ท้าทายมากขึ้น คะแนนที่สูงกว่า 80 ถือว่ามีการแข่งขันสูง แม้ว่าประสิทธิภาพในงานเฉพาะอาจแตกต่างกันไป
จุดแข็งของ Claude Sonnet 4.5 ได้แก่ หน้าต่างบริบทที่ใหญ่เป็นพิเศษ (1M tokens), ขีดจำกัดเอาต์พุตสูง (64k tokens), รองรับอินพุตแบบหลายรูปแบบ (multimodal) และคะแนน MMLU-Pro ที่แข็งแกร่งที่ 86.0 คุณสมบัติเหล่านี้ทำให้มันมีประสิทธิภาพสำหรับงานที่ต้องการบริบทยาวและงานแบบหลายรูปแบบ ข้อจำกัดไม่ได้ระบุในข้อมูลที่ให้มา แต่เช่นเดียวกับ LLM ทุกตัว มันอาจสร้างข้อมูลที่ไม่ถูกต้องหรือหลอน (hallucinate) ได้ในบางครั้ง มันไม่มีความรู้แบบเรียลไทม์เกินกว่าจุดตัดการฝึกฝน นอกจากนี้ยังไม่สามารถสร้างภาพหรือดำเนินการนอกเหนือจากการแสดงผลข้อความ ต้นทุนต่อโทเคนสูงกว่าโมเดลขนาดเล็ก ดังนั้นอาจไม่คุ้มค่าสำหรับงานสั้นๆ ง่ายๆ OrcaRouter ไม่ได้อ้างข้อมูลเวลาแฝงเฉพาะ ดังนั้นความเร็วขึ้นอยู่กับโครงสร้างพื้นฐานของผู้ให้บริการ
ไม่มีข้อมูล latency เฉพาะสำหรับ Claude Sonnet 4.5 โดยทั่วไปความเร็วขึ้นอยู่กับปัจจัยต่างๆ เช่น จำนวน token ขาเข้าและขาออก โหลด backend ของผู้ให้บริการ และสถาปัตยกรรมของโมเดล ในฐานะโมเดลระดับกลาง คาดว่าจะมี inference ที่ช้ากว่าโมเดลขนาดเล็ก (เช่น Claude Haiku) แต่เร็วกว่าโมเดลขนาดใหญ่ (เช่น Claude Opus) OrcaRouter จะทำการ route คำขอไปยัง API ของ Anthropic ดังนั้นเวลาในการตอบสนองจึงขึ้นอยู่กับโครงสร้างพื้นฐานของ Anthropic สำหรับแอปพลิเคชันที่ไวต่อ latency ควรทำการทดสอบกับ payload ทั่วไปของคุณ หน้าต่างบริบทขนาดใหญ่อาจเพิ่ม time-to-first-token หากประมวลผลข้อมูลขนาดใหญ่ เนื่องจากโมเดลต้องรับ token ทั้งหมดก่อนที่จะสร้างเอาต์พุต
แม้ว่า Claude Sonnet 4.5 จะทำงานได้ดีในการทดสอบ MMLU-Pro (86.0) และรองรับบริบทขนาดใหญ่ แต่ก็มีข้อจำกัดที่พบได้ทั่วไปใน LLMs มันสามารถสร้างข้อมูลที่ดูน่าเชื่อถือแต่ไม่ถูกต้อง (ภาพหลอน) ความรู้ของมันมีวันที่ตัดข้อมูลการฝึกซึ่งไม่ได้ระบุในข้อมูลที่ให้มา อาจไม่ทราบถึงเหตุการณ์ล่าสุด โมเดลไม่มีขีดความสามารถในการท่องเว็บหรือหน่วยความจำภายนอกนอกเหนือจากบริบทปัจจุบัน การประมวลผลมัลติโมดัลสำหรับภาพความละเอียดสูงสามารถใช้โทเคนจำนวนมาก ทำให้ความสามารถในการประมวลผลข้อความลดลง โมเดลการกำหนดราคาหมายความว่าผลลัพธ์ที่ยาวหรืออินพุตที่มีขนาดใหญ่กลายเป็นมีราคาแพง ไม่มีการรับประกันความสอดคล้องระหว่างคำสั่งที่เหมือนกัน อุณหภูมิและพารามิเตอร์อื่นๆ ส่งผลต่อผลลัพธ์ OrcaRouter API อาจมีข้อจำกัดเรื่องอัตราการเรียกใช้ที่ไม่ได้ระบุในที่นี้
OrcaRouter เรียกเก็บค่าใช้บริการ Claude Sonnet 4.5 ในอัตราของผู้ให้บริการ โดยไม่มีส่วนเพิ่ม ราคาอยู่ที่ $3.00 ต่อ 1 ล้านอินพุตโทเคน และ $15.00 ต่อ 1 ล้านเอาต์พุตโทเคน อินพุตโทเคนรวมถึงข้อความทั้งหมด ค่าเทียบเท่าโทเคนของรูปภาพ และโทเคนเนื้อหาไฟล์ที่ส่งในคำขอ เอาต์พุตโทเคนคือโทเคนของการตอบกลับที่สร้างขึ้น ไม่มีค่าใช้จ่ายเพิ่มเติมนอกเหนือจากการบริโภคโทเคน รูปแบบการจ่ายต่อโทเคนนี้หมายความว่าต้นทุนจะปรับตามการใช้งานเป็นเส้นตรง สำหรับคำขอที่มีอินพุตโทเคน 100,000 โทเคนและเอาต์พุตโทเคน 10,000 โทเคน ต้นทุนจะเป็น $0.30 สำหรับอินพุตและ $0.15 สำหรับเอาต์พุต รวมเป็น $0.45
ราคาต่อโทเค็นเอาต์พุต (15 ดอลลาร์ต่อ 1 ล้าน) สูงกว่าราคาโทเค็นอินพุต (3 ดอลลาร์ต่อ 1 ล้าน) ถึงห้าเท่า ความไม่สมมาตรนี้กระตุ้นให้ผู้ใช้ออกแบบพรอมต์ที่ลดความยาวของคำตอบที่สร้างขึ้น ตัวอย่างเช่น การขอคำตอบที่สั้นหรือเอาต์พุตที่มีโครงสร้าง (JSON) สามารถลดจำนวนโทเค็นเอาต์พุต ในทางกลับกัน ค่าอินพุตอาจเพิ่มขึ้นหากรวมเอกสารขนาดใหญ่ หน้าต่างบริบท 1 ล้านช่วยให้ป้อนข้อมูลขนาดใหญ่ได้ แต่โทเค็นอินพุตแต่ละตัวมีค่าใช้จ่าย ผู้ใช้ควรประเมินว่าบริบททั้งหมดจำเป็นหรือไม่ หากคุณกำลังสร้างเอาต์พุตที่ยาว ค่าใช้จ่ายเอาต์พุตจะครอบงำ การใช้ขีดจำกัดโทเค็นเอาต์พุตที่ต่ำลง (ผ่านพารามิเตอร์ max_tokens) ช่วยควบคุมการใช้จ่าย
OrcaRouter ไม่ได้ให้ข้อมูลเฉพาะเกี่ยวกับการลดราคาจากการแคชหรือขีดจำกัดอัตราการใช้งานสำหรับ Claude Sonnet 4.5 ในข้อมูลที่ให้มา โดยทั่วไป ผู้ให้บริการ API บางรายเสนอการแคชพร้อมต์ (เช่น การไม่ประมวลผลคำนำหน้าที่เหมือนกันซ้ำ) เพื่อลดต้นทุนและความหน่วง ขอแนะนำให้ตรวจสอบเอกสารของ OrcaRouter สำหรับคุณสมบัติดังกล่าว ขีดจำกัดอัตราการใช้งาน (เช่น คำขอต่อนาทีหรือโทเค็นต่อนาที) อาจมีผลบังคับใช้และแตกต่างกันไปตามระดับบัญชี ผู้ใช้ที่มีความต้องการปริมาณงานสูงควรติดต่อ OrcaRouter เพื่อขอรายละเอียด แนวปฏิบัติที่ดีที่สุดคือการนำตรรกะการลองใหม่แบบถอยหลังเอ็กซ์โพเนนเชียลมาใช้ในแอปพลิเคชันของคุณเพื่อจัดการกับการตอบสนองที่อาจเกิดจากขีดจำกัดอัตราการใช้งาน
ราคาของ Claude Sonnet 4.5 ($3/$15 ต่อ 1M โทเคน) อยู่ระหว่างโมเดลขนาดเล็กที่ถูกกว่า (เช่น Claude Haiku) และโมเดลเรือธงที่แพงกว่า (เช่น Claude Opus) ราคาที่แน่นอนของโมเดลอื่น ๆ ไม่ได้ระบุไว้ แต่โดยทั่วไปแล้ว โมเดลที่มีบริบท 1M และคะแนน MMLU-Pro 86.0 จะให้คุณค่าที่เฉพาะเจาะจง สำหรับงานที่ไม่ต้องการบริบทขนาดใหญ่หรืออินพุตแบบหลายรูปแบบ โมเดลที่ราคาถูกกว่าอาจคุ้มค่ากว่า ในทางกลับกัน Opus (หากมีให้ใช้) มักมีต้นทุนต่อโทเคนที่สูงกว่าและอาจมีคะแนนมาตรฐานที่สูงกว่าเช่นกัน นโยบายไม่คิดค่ามาร์กอัปของ OrcaRouter หมายความว่าคุณจ่ายในอัตราของผู้ให้บริการเท่านั้น ทำให้การเปรียบเทียบราคาระหว่างโมเดลโปร่งใส
OrcaRouter มี API endpoint ที่เข้ากันได้กับ OpenAI ในการใช้ Claude Sonnet 4.5 ให้ตั้งค่า base URL เป็น https://api.orcarouter.ai/v1 และระบุ model ID เป็น "anthropic/claude-sonnet-4.5" คุณจะต้องมี API key จาก OrcaRouter รูปแบบคำขอเป็นไปตามโครงสร้าง chat completions ของ OpenAI: ส่ง array ของ messages ที่มี roles เช่น 'system', 'user', 'assistant' สำหรับ input ที่เป็นรูปภาพ ให้รวม message ที่มี content ซึ่งมีทั้งส่วน text และ image_url สำหรับ input ที่เป็นไฟล์ คุณอาจต้องอัปโหลดหรือเข้ารหัสไฟล์เป็นข้อความก่อน การตอบกลับจะมีข้อความที่สร้างโดยโมเดลในรูปแบบมาตรฐานของ OpenAI ตัวอย่าง: curl https://api.orcarouter.ai/v1/chat/completions -H "Authorization: Bearer $ORCA_API_KEY" -d '{"model":"anthropic/claude-sonnet-4.5","messages":[{"role":"user","content":"Hello"}]}'
เมื่อเรียกใช้ Claude Sonnet 4.5 ผ่าน API ของ OrcaRouter คุณสามารถใช้พารามิเตอร์มาตรฐานของ OpenAI-chat เช่น 'model', 'messages', 'max_tokens', 'temperature', 'top_p', 'frequency_penalty', 'presence_penalty', 'stop', และ 'stream' พารามิเตอร์ 'max_tokens' ควบคุมขีดจำกัดของ token เอาต์พุต สูงสุดถึง 64,000 token ตามความจุสูงสุดของโมเดล สำหรับคำขอแบบ multimodal ให้รวม 'image_url' ไว้ในอาร์เรย์เนื้อหาของข้อความ พารามิเตอร์ 'stream' รองรับ server-sent events สำหรับการสร้าง token แบบเรียลไทม์ พารามิเตอร์เพิ่มเติม เช่น 'seed' สำหรับเอาต์พุตที่กำหนดค่าได้ อาจมีให้ใช้ด้วย อ้างอิงเอกสารของ OrcaRouter สำหรับรายการทั้งหมด โปรดทราบว่าพารามิเตอร์ OpenAI บางตัวอาจไม่ได้รับการสนับสนุน แนะนำให้ทดสอบ API จะตอบกลับด้วยวัตถุ JSON ที่มี 'choices' ซึ่งแต่ละตัวมีวัตถุ 'message'
หากคุณกำลังเปลี่ยนจาก API ของ OpenAI มาเป็น OrcaRouter สำหรับ Claude Sonnet 4.5 กระบวนการนั้นตรงไปตรงมาเนื่องจากความเข้ากันได้ของ API เปลี่ยน base URL จาก https://api.openai.com/v1 เป็น https://api.orcarouter.ai/v1 แทนที่ API key ของคุณด้วย API key ของ OrcaRouter อัปเดตชื่อโมเดลเป็น "anthropic/claude-sonnet-4.5" โค้ดที่มีอยู่ส่วนใหญ่ที่ใช้ไคลเอนต์ Python ของ OpenAI, ไคลเอนต์ JavaScript หรือคำขอ HTTP โดยตรงควรทำงานได้โดยมีการปรับเปลี่ยนเพียงเล็กน้อย สำหรับฟีเจอร์มัลติโมดัล (รูปภาพ, ไฟล์) ตรวจสอบให้แน่ใจว่าโครงสร้างข้อความของคุณตรงกับรูปแบบของ OpenAI โดยมีส่วนประกอบเนื้อหา (content parts) หากคุณเคยใช้ API ดั้งเดิมของ Anthropic คุณอาจต้องจัดโครงสร้างข้อความใหม่เป็นรูปแบบ chat completions (บทบาท user/assistant) เอกสารของ OrcaRouter น่าจะมีคำแนะนำในการย้ายระบบ
Claude Opus เป็นโมเดลที่มีความสามารถสูงที่สุดและมีราคาแพงที่สุดของ Anthropic ในขณะที่ Sonnet 4.5 เป็นตัวเลือกระดับกลาง โดยทั่วไปแล้ว Opus จะทำคะแนนมาตรฐาน (benchmark) ได้สูงกว่า (ไม่มีตัวเลขที่แน่นอน) แต่ก็มีต้นทุนต่อโทเค็นที่สูงกว่า Sonnet 4.5 มีหน้าต่างบริบท (context window) ขนาด 1M ซึ่งโดยทั่วไปเท่ากับ Opus และมีขีดจำกัดเอาต์พุต 64k ข้อแลกเปลี่ยนคือระหว่างการให้เหตุผลระดับสูงสุด (Opus) กับความสมดุลที่คุ้มค่ากว่า (Sonnet) สำหรับงานที่คะแนน MMLU-Pro 86.0 ของ Sonnet เพียงพอแล้ว อาจเป็นทางเลือกที่คุ้มค่ากว่า หากแอปพลิเคชันของคุณต้องการความแม่นยำสูงสุดในงานที่ท้าทาย ให้พิจารณาใช้ Opus OrcaRouter น่าจะมีทั้งสองแบบ ทำให้สามารถสลับใช้งานได้ง่ายโดยเปลี่ยนรหัสโมเดล (model ID)
Claude Sonnet 4.5 (MMLU-Pro 86.0) แข่งขันกับโมเดลระดับกลางถึงสูงอื่นๆ เช่น GPT-4o GPT-4o รองรับอินพุตแบบมัลติโมดัลและมีหน้าต่างบริบทขนาดใหญ่ (แม้ขนาดที่แน่นอนอาจแตกต่างกัน) ไม่ได้ระบุราคาและคะแนนมาตรฐานของ GPT-4o ที่นี่ ดังนั้นจึงไม่สามารถเปรียบเทียบเชิงตัวเลขโดยตรงได้ ความแตกต่างทั่วไปรวมถึงทางเลือกทางสถาปัตยกรรมและวิธีการฝึกอบรม ผู้ใช้บางคนชอบ Claude ในเรื่องความปลอดภัยและการจัดการบริบทระยะยาว ในขณะที่บางคนชอบ GPT-4o ในเรื่องระบบนิเวศที่กว้างกว่า ผ่าน OrcaRouter คุณสามารถทดสอบทั้งสองโมเดลด้วยรูปแบบ API เดียวกันและเปรียบเทียบผลลัพธ์กับข้อมูลเฉพาะของคุณ ทางเลือกขึ้นอยู่กับประสิทธิภาพเชิงประจักษ์ในกรณีการใช้งานของคุณและต้นทุนที่ยอมรับได้
เลือก Claude Sonnet 4.5 เมื่อคุณต้องการความสมดุลของความสามารถ ความยาวบริบท และต้นทุน หากงานของคุณสั้นและเรียบง่าย (เช่น การจำแนกแบบเทิร์นเดียว) Haiku จะถูกกว่าและเร็วกว่า หากคุณต้องการความสามารถในการให้เหตุผลที่ดีที่สุดและยินดีจ่ายมากขึ้น Opus คือตัวเลือกที่ดีกว่า Sonnet เหมาะสำหรับจุดกึ่งกลาง: มีหน้าต่างบริบทขนาดใหญ่ (1M) และคะแนน MMLU-Pro ที่แข็งแกร่ง (86.0) ในราคาปานกลาง สำหรับแอปพลิเคชันที่ประมวลผลเอกสารยาวที่มีความซับซ้อนปานกลาง Sonnet มักจะให้คุณภาพที่เพียงพอโดยไม่ต้องใช้จ่ายเกินตัว หากคุณไม่แน่ใจ API ของ OrcaRouter อนุญาตให้คุณทดสอบ A/B โมเดลต่างๆ ได้โดยเพียงแค่เปลี่ยนรหัสโมเดล
เข้ากันได้กับ OpenAI — ใช้ SDK เดิมของคุณได้เลย
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-4.5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningresponse_formatstopstreamstructured_outputstemperaturethinkingtool_choicetoolstop_ktop_p| อินพุต / 1M โทเค็น | $3.00 |
| เอาต์พุต / 1M โทเค็น | $15.00 |
| อ่านแคช / 1M | $0.300 |
| เขียนแคช / 1M | $3.75 |
| สกุลเงิน | USD |
ประมาณการจากราคาตั้ง
เป็นเพียงการประเมิน — จำนวน token จริงขึ้นอยู่กับ tokenizer ของผู้ให้บริการ
GET /api/public/models/anthropic/claude-sonnet-4.5เปิด @misc{orcarouter_claude_sonnet_4_5,
title = {Claude Sonnet 4.5 API},
author = {Anthropic},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/anthropic/claude-sonnet-4.5}
}Anthropic. (2025). Claude Sonnet 4.5 API. OrcaRouter. https://www.orcarouter.ai/models/anthropic/claude-sonnet-4.5