> ## Documentation Index
> Fetch the complete documentation index at: https://docs.sunra.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# Create a message
Anthropic Messages API प्रारूप का उपयोग करके एक संदेश बनाता है। टेक्स्ट, छवियों, PDF, टूल्स और विस्तारित सोच का समर्थन करता है।
## प्रमाणीकरण
Bearer टोकन। Authorization हेडर में अपनी API कुंजी को bearer टोकन के रूप में उपयोग करें।
प्रारूप: `Bearer `
## अनुरोध
यह एंडपॉइंट एक ऑब्जेक्ट स्वीकार करता है।
वह मॉडल जो आपके प्रॉम्प्ट को पूरा करेगा। उपलब्ध मॉडल [sunra.ai/models](https://sunra.ai/models) पर देखें।
इनपुट संदेश। प्रत्येक इनपुट संदेश में एक `role` और `content` होता है।
संदेश लेखक की भूमिका। समर्थित मान: `user`, `assistant`।
संदेश की सामग्री। एक स्ट्रिंग या सामग्री ब्लॉक की एक सरणी हो सकती है।
सामग्री ब्लॉक का प्रकार। समर्थित मान: `text`, `image`, `tool_use`, `tool_result`।
टेक्स्ट सामग्री। type `text` होने पर उपयोग किया जाता है।
छवि स्रोत। type `image` होने पर उपयोग किया जाता है।
स्रोत प्रकार। समर्थित मान: `base64`, `url`।
छवि का मीडिया प्रकार। जैसे, `image/jpeg`, `image/png`, `image/gif`, `image/webp`।
Base64-एन्कोडेड छवि डेटा। स्रोत प्रकार `base64` होने पर आवश्यक।
छवि URL। स्रोत प्रकार `url` होने पर आवश्यक।
रुकने से पहले उत्पन्न करने के लिए टोकन की अधिकतम संख्या। ध्यान दें कि मॉडल इस अधिकतम तक पहुंचने से पहले रुक सकता है।
सिस्टम प्रॉम्प्ट। मॉडल को संदर्भ और निर्देश प्रदान करने का एक तरीका। एक स्ट्रिंग या सामग्री ब्लॉक की एक सरणी हो सकती है।
server-sent events (SSE) का उपयोग करके प्रतिक्रिया को क्रमिक रूप से स्ट्रीम करना है या नहीं।
प्रतिक्रिया में इंजेक्ट की गई यादृच्छिकता की मात्रा। 0.0 से 1.0 तक की सीमा। विश्लेषणात्मक/बहुविकल्पीय कार्यों के लिए 0.0 के करीब `temperature` का उपयोग करें, और रचनात्मक एवं उत्पादक कार्यों के लिए 1.0 के करीब।
न्यूक्लियस सैंपलिंग का उपयोग करें। न्यूक्लियस सैंपलिंग में, हम घटती प्रायिकता क्रम में प्रत्येक बाद के टोकन के लिए सभी विकल्पों पर संचयी वितरण की गणना करते हैं और `top_p` द्वारा निर्दिष्ट विशेष प्रायिकता तक पहुंचने पर इसे काट देते हैं।
प्रत्येक बाद के टोकन के लिए केवल शीर्ष K विकल्पों से सैंपल करें। "लंबी पूंछ" कम प्रायिकता प्रतिक्रियाओं को हटाने के लिए उपयोग किया जाता है। केवल उन्नत उपयोग के मामलों के लिए अनुशंसित।
कस्टम टेक्स्ट अनुक्रम जो मॉडल को उत्पन्न करना बंद करा देंगे। लौटाए गए टेक्स्ट में स्टॉप अनुक्रम शामिल नहीं होगा।
उन टूल की परिभाषाएं जिनका मॉडल उपयोग कर सकता है।
टूल का नाम।
यह टूल क्या करता है इसका विवरण।
इस टूल के इनपुट के लिए JSON स्कीमा। यह उस `input` के आकार को परिभाषित करता है जिसे आपका टूल स्वीकार करता है।
मॉडल को प्रदान किए गए टूल का उपयोग कैसे करना चाहिए।
समर्थित मान: `auto` (डिफ़ॉल्ट, मॉडल निर्णय लेता है), `any` (मॉडल को किसी टूल का उपयोग करना होगा), `tool` (मॉडल को एक विशिष्ट टूल का उपयोग करना होगा)।
उपयोग किए जाने वाले टूल का नाम। type `tool` होने पर आवश्यक।
अनुरोध के बारे में मेटाडेटा का वर्णन करने वाला एक ऑब्जेक्ट।
अनुरोध से संबंधित उपयोगकर्ता के लिए एक बाहरी पहचानकर्ता।
विस्तारित सोच के लिए कॉन्फ़िगरेशन। सक्षम होने पर, मॉडल प्रतिक्रिया देने से पहले सोचेगा।
`enabled` होना चाहिए।
सोचने के लिए उपयोग करने वाले टोकन की अधिकतम संख्या। 1024 से अधिक या बराबर होनी चाहिए।
## प्रतिक्रिया
सफल संदेश प्रतिक्रिया।
अद्वितीय संदेश पहचानकर्ता, जैसे `msg_01XFDUDYJgAACzvnptvVoYEL`।
ऑब्जेक्ट प्रकार। हमेशा `message`।
उत्पन्न संदेश की वार्तालाप भूमिका। हमेशा `assistant`।
मॉडल द्वारा उत्पन्न सामग्री। यह सामग्री ब्लॉक की एक सरणी है।
सामग्री ब्लॉक का प्रकार। `text`, `tool_use`, या `thinking` हो सकता है।
उत्पन्न टेक्स्ट। type `text` होने पर मौजूद।
टूल उपयोग ब्लॉक का ID। type `tool_use` होने पर मौजूद।
टूल का नाम। type `tool_use` होने पर मौजूद।
टूल का इनपुट। type `tool_use` होने पर मौजूद।
सोच की सामग्री। type `thinking` होने पर मौजूद।
अनुरोध को संभालने वाला मॉडल।
मॉडल के रुकने का कारण। यह `end_turn` (मॉडल एक स्वाभाविक रुकने के बिंदु पर पहुंचा), `max_tokens` (`max_tokens` या मॉडल की अधिकतम सीमा पार हुई), `stop_sequence` (आपके कस्टम स्टॉप अनुक्रमों में से एक उत्पन्न हुआ), या `tool_use` (मॉडल ने एक या अधिक टूल का आह्वान किया) हो सकता है।
कौन सा कस्टम स्टॉप अनुक्रम उत्पन्न हुआ, यदि कोई हो।
बिलिंग और दर-सीमा उपयोग। तीनों इनपुट बकेट परस्पर अनन्य हैं — देखें [टोकन उपयोग](/hi/llm/token-usage)।
उपयोग किए गए ताज़ा इनपुट टोकन की संख्या। दोनों कैश बकेट को शामिल नहीं करता।
उपयोग किए गए आउटपुट टोकन की संख्या।
सभी इनपुट बकेट और `output_tokens` का जोड़। streaming प्रतिक्रियाओं पर छोड़ दिया जाता है।
कैश प्रविष्टि बनाने के लिए उपयोग किए गए इनपुट टोकन की संख्या।
कैश से पढ़े गए इनपुट टोकन की संख्या।
जब Sunra ने इस प्रतिक्रिया को सामान्यीकृत किया हो तो `anthropic.exclusive.v1` के रूप में मौजूद। संख्याओं से परिपाटी का अनुमान लगाने के बजाय इस मान पर assert करें। देखें [टोकन उपयोग](/hi/llm/token-usage)।
```bash cURL theme={null}
curl -X POST https://api-llm.sunra.ai/v1/messages \
-H "Authorization: Bearer " \
-H "Content-Type: application/json" \
-d '{
"model": "anthropic/claude-sonnet-4-20250514",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello, how are you?"
}
]
}'
```
```python Python theme={null}
import requests
response = requests.post(
"https://api-llm.sunra.ai/v1/messages",
headers={
"Authorization": "Bearer ",
"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())
```
```javascript JavaScript theme={null}
const response = await fetch("https://api-llm.sunra.ai/v1/messages", {
method: "POST",
headers: {
"Authorization": "Bearer ",
"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);
```
```json 200 theme={null}
{
"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"
}
}
```