Create a message

curl -X POST https://api-llm.sunra.ai/v1/messages \
  -H "Authorization: Bearer <SUNRA_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "anthropic/claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "Hello, how are you?"
      }
    ]
  }'

import requests

response = requests.post(
    "https://api-llm.sunra.ai/v1/messages",
    headers={
        "Authorization": "Bearer <SUNRA_KEY>",
        "Content-Type": "application/json"
    },
    json={
        "model": "anthropic/claude-sonnet-4-20250514",
        "max_tokens": 1024,
        "messages": [
            {"role": "user", "content": "Hello, how are you?"}
        ]
    }
)
print(response.json())

const response = await fetch("https://api-llm.sunra.ai/v1/messages", {
  method: "POST",
  headers: {
    "Authorization": "Bearer <SUNRA_KEY>",
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "anthropic/claude-sonnet-4-20250514",
    max_tokens: 1024,
    messages: [
      { role: "user", content: "Hello, how are you?" }
    ]
  })
});
const data = await response.json();
console.log(data);

{
  "id": "msg_01XFDUDYJgAACzvnptvVoYEL",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "Hello! I'm doing well, thank you for asking. How can I help you today?"
    }
  ],
  "model": "anthropic/claude-sonnet-4-20250514",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 12,
    "output_tokens": 19,
    "total_tokens": 31,
    "sunra_usage_semantics": "anthropic.exclusive.v1"
  }
}

POST

messages

curl -X POST https://api-llm.sunra.ai/v1/messages \
  -H "Authorization: Bearer <SUNRA_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "anthropic/claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "Hello, how are you?"
      }
    ]
  }'

import requests

response = requests.post(
    "https://api-llm.sunra.ai/v1/messages",
    headers={
        "Authorization": "Bearer <SUNRA_KEY>",
        "Content-Type": "application/json"
    },
    json={
        "model": "anthropic/claude-sonnet-4-20250514",
        "max_tokens": 1024,
        "messages": [
            {"role": "user", "content": "Hello, how are you?"}
        ]
    }
)
print(response.json())

const response = await fetch("https://api-llm.sunra.ai/v1/messages", {
  method: "POST",
  headers: {
    "Authorization": "Bearer <SUNRA_KEY>",
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "anthropic/claude-sonnet-4-20250514",
    max_tokens: 1024,
    messages: [
      { role: "user", content: "Hello, how are you?" }
    ]
  })
});
const data = await response.json();
console.log(data);

{
  "id": "msg_01XFDUDYJgAACzvnptvVoYEL",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "Hello! I'm doing well, thank you for asking. How can I help you today?"
    }
  ],
  "model": "anthropic/claude-sonnet-4-20250514",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 12,
    "output_tokens": 19,
    "total_tokens": 31,
    "sunra_usage_semantics": "anthropic.exclusive.v1"
  }
}

Crée un message en utilisant le format de l’API Anthropic Messages. Prend en charge le texte, les images, les PDF, les outils et la réflexion étendue.

Authentification

string

requis

Jeton Bearer. Utilisez votre clé API comme jeton Bearer dans l’en-tête Authorization.Format : Bearer <SUNRA_KEY>

Requête

Cet endpoint attend un objet.

string

requis

Le modèle qui complétera votre prompt. Parcourez les modèles disponibles sur sunra.ai/models.

object[]

requis

Messages d’entrée. Chaque message d’entrée a un role et un content.

Afficher propriétés

string

requis

Le rôle de l’auteur du message. Valeurs prises en charge : user, assistant.

string | object[]

requis

Le contenu du message. Peut être une simple chaîne de caractères ou un tableau de blocs de contenu.

Afficher types de blocs de contenu

string

requis

Le type de bloc de contenu. Valeurs prises en charge : text, image, tool_use, tool_result.

string

Contenu textuel. Utilisé lorsque le type est text.

object

Source de l’image. Utilisé lorsque le type est image.

Afficher propriétés

string

requis

Le type de source. Valeurs prises en charge : base64, url.

string

requis

Le type de média de l’image. Par exemple, image/jpeg, image/png, image/gif, image/webp.

string

Données d’image encodées en base64. Requis lorsque le type de source est base64.

string

URL de l’image. Requis lorsque le type de source est url.

integer

requis

Le nombre maximum de tokens à générer avant l’arrêt. Notez que le modèle peut s’arrêter avant d’atteindre ce maximum.

string | object[]

Prompt système. Un prompt système est un moyen de fournir du contexte et des instructions au modèle. Peut être une chaîne de caractères ou un tableau de blocs de contenu.

boolean

défaut:false

Indique si la réponse doit être diffusée de manière incrémentale en utilisant des événements server-sent (SSE).

number

défaut:1

Quantité de hasard injectée dans la réponse. Varie de 0.0 à 1.0. Utilisez une temperature plus proche de 0.0 pour les tâches analytiques/à choix multiples, et plus proche de 1.0 pour les tâches créatives et génératives.

number

Utilise l’échantillonnage par noyau. Dans l’échantillonnage par noyau, nous calculons la distribution cumulative sur toutes les options pour chaque token suivant par ordre décroissant de probabilité et la coupons une fois qu’elle atteint une probabilité particulière spécifiée par top_p.

integer

Échantillonne uniquement parmi les K meilleures options pour chaque token suivant. Utilisé pour supprimer les réponses à faible probabilité de la « longue traîne ». Recommandé pour les cas d’utilisation avancés uniquement.

string[]

Séquences de texte personnalisées qui provoqueront l’arrêt de la génération par le modèle. Le texte retourné ne contiendra pas la séquence d’arrêt.

object[]

Définitions des outils que le modèle peut utiliser.

Afficher propriétés

string

requis

Nom de l’outil.

string

Description de ce que fait cet outil.

object

requis

Schéma JSON pour l’entrée de cet outil. Ceci définit la forme de l’input que votre outil accepte.

object

Comment le modèle doit utiliser les outils fournis.

Afficher propriétés

string

requis

Valeurs prises en charge : auto (par défaut, le modèle décide), any (le modèle doit utiliser un outil), tool (le modèle doit utiliser un outil spécifique).

string

Le nom de l’outil à utiliser. Requis lorsque le type est tool.

object

Un objet décrivant les métadonnées de la requête.

Afficher propriétés

string

Un identifiant externe pour l’utilisateur associé à la requête.

object

Configuration pour la réflexion étendue. Lorsqu’elle est activée, le modèle réfléchira avant de répondre.

Afficher propriétés

string

requis

Doit être enabled.

integer

requis

Le nombre maximum de tokens à utiliser pour la réflexion. Doit être supérieur ou égal à 1024.

Réponse

Réponse de message réussie.

string

Identifiant unique du message, par exemple msg_01XFDUDYJgAACzvnptvVoYEL.

string

Type d’objet. Toujours message.

string

Rôle conversationnel du message généré. Toujours assistant.

object[]

Contenu généré par le modèle. Il s’agit d’un tableau de blocs de contenu.

Afficher propriétés

string

Le type de bloc de contenu. Peut être text, tool_use ou thinking.

string

Le texte généré. Présent lorsque le type est text.

string

L’ID du bloc d’utilisation d’outil. Présent lorsque le type est tool_use.

string

Le nom de l’outil. Présent lorsque le type est tool_use.

object

L’entrée de l’outil. Présent lorsque le type est tool_use.

string

Le contenu de la réflexion. Présent lorsque le type est thinking.

string

Le modèle qui a traité la requête.

string | null

La raison pour laquelle le modèle a cessé de générer. Peut être end_turn (le modèle a atteint un point d’arrêt naturel), max_tokens (a dépassé max_tokens ou le maximum du modèle), stop_sequence (une de vos séquences d’arrêt personnalisées a été générée) ou tool_use (le modèle a invoqué un ou plusieurs outils).

string | null

La séquence d’arrêt personnalisée qui a été générée, le cas échéant.

object

Utilisation pour la facturation et les limites de débit. Les trois buckets d’entrée sont mutuellement exclusifs — voir Utilisation des tokens.

Afficher propriétés

integer

Le nombre de tokens d’entrée frais utilisés. Exclut les deux buckets de cache.

integer

Le nombre de tokens de sortie utilisés.

integer

Tous les buckets d’entrée plus output_tokens. Omis sur les réponses en streaming.

integer

Le nombre de tokens d’entrée utilisés pour créer l’entrée de cache.

integer

Le nombre de tokens d’entrée lus depuis le cache.

string | null

Présent avec la valeur anthropic.exclusive.v1 lorsque Sunra a normalisé cette réponse. Appuyez-vous sur cette valeur plutôt que de déduire la convention à partir des nombres. Voir Utilisation des tokens.

curl -X POST https://api-llm.sunra.ai/v1/messages \
  -H "Authorization: Bearer <SUNRA_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "anthropic/claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "Hello, how are you?"
      }
    ]
  }'

import requests

response = requests.post(
    "https://api-llm.sunra.ai/v1/messages",
    headers={
        "Authorization": "Bearer <SUNRA_KEY>",
        "Content-Type": "application/json"
    },
    json={
        "model": "anthropic/claude-sonnet-4-20250514",
        "max_tokens": 1024,
        "messages": [
            {"role": "user", "content": "Hello, how are you?"}
        ]
    }
)
print(response.json())

const response = await fetch("https://api-llm.sunra.ai/v1/messages", {
  method: "POST",
  headers: {
    "Authorization": "Bearer <SUNRA_KEY>",
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "anthropic/claude-sonnet-4-20250514",
    max_tokens: 1024,
    messages: [
      { role: "user", content: "Hello, how are you?" }
    ]
  })
});
const data = await response.json();
console.log(data);

{
  "id": "msg_01XFDUDYJgAACzvnptvVoYEL",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "Hello! I'm doing well, thank you for asking. How can I help you today?"
    }
  ],
  "model": "anthropic/claude-sonnet-4-20250514",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 12,
    "output_tokens": 19,
    "total_tokens": 31,
    "sunra_usage_semantics": "anthropic.exclusive.v1"
  }
}

Aperçu

Multimodal

LLM

Bibliothèques clientes

Authentification

Requête

Réponse

​Authentification

​Requête

​Réponse

Authentification

Requête

Réponse