> ## 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

Membuat pesan menggunakan format Anthropic Messages API. Mendukung teks, gambar, PDF, alat, dan pemikiran diperluas.

## Autentikasi

<ParamField header="Authorization" type="string" required>
  Bearer token. Gunakan kunci API Anda sebagai bearer token di header Authorization.

  Format: `Bearer <SUNRA_KEY>`
</ParamField>

## Permintaan

Endpoint ini menerima sebuah objek.

<ParamField body="model" type="string" required>
  Model yang akan menyelesaikan prompt Anda. Jelajahi model yang tersedia di [sunra.ai/models](https://sunra.ai/models).
</ParamField>

<ParamField body="messages" type="object[]" required>
  Pesan input. Setiap pesan input memiliki `role` dan `content`.

  <Expandable title="properties">
    <ParamField body="role" type="string" required>
      Peran penulis pesan. Nilai yang didukung: `user`, `assistant`.
    </ParamField>

    <ParamField body="content" type="string | object[]" required>
      Konten pesan. Dapat berupa string tunggal atau array blok konten.

      <Expandable title="content block types">
        <ParamField body="type" type="string" required>
          Tipe blok konten. Nilai yang didukung: `text`, `image`, `tool_use`, `tool_result`.
        </ParamField>

        <ParamField body="text" type="string">
          Konten teks. Digunakan ketika type adalah `text`.
        </ParamField>

        <ParamField body="source" type="object">
          Sumber gambar. Digunakan ketika type adalah `image`.

          <Expandable title="properties">
            <ParamField body="type" type="string" required>
              Tipe sumber. Nilai yang didukung: `base64`, `url`.
            </ParamField>

            <ParamField body="media_type" type="string" required>
              Tipe media gambar. Misalnya, `image/jpeg`, `image/png`, `image/gif`, `image/webp`.
            </ParamField>

            <ParamField body="data" type="string">
              Data gambar yang di-encode base64. Diperlukan ketika tipe sumber adalah `base64`.
            </ParamField>

            <ParamField body="url" type="string">
              URL gambar. Diperlukan ketika tipe sumber adalah `url`.
            </ParamField>
          </Expandable>
        </ParamField>
      </Expandable>
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="max_tokens" type="integer" required>
  Jumlah maksimum token yang akan dihasilkan sebelum berhenti. Perhatikan bahwa model mungkin berhenti sebelum mencapai maksimum ini.
</ParamField>

<ParamField body="system" type="string | object[]">
  Prompt sistem. Cara untuk memberikan konteks dan instruksi kepada model. Dapat berupa string atau array blok konten.
</ParamField>

<ParamField body="stream" type="boolean" default={false}>
  Apakah akan melakukan streaming respons secara bertahap menggunakan server-sent events (SSE).
</ParamField>

<ParamField body="temperature" type="number" default={1}>
  Jumlah keacakan yang disuntikkan ke dalam respons. Berkisar dari 0.0 hingga 1.0. Gunakan `temperature` mendekati 0.0 untuk tugas analitis/pilihan ganda, dan mendekati 1.0 untuk tugas kreatif dan generatif.
</ParamField>

<ParamField body="top_p" type="number">
  Gunakan nucleus sampling. Dalam nucleus sampling, kami menghitung distribusi kumulatif atas semua opsi untuk setiap token berikutnya dalam urutan probabilitas menurun dan memotongnya ketika mencapai probabilitas tertentu yang ditentukan oleh `top_p`.
</ParamField>

<ParamField body="top_k" type="integer">
  Hanya ambil sampel dari K opsi teratas untuk setiap token berikutnya. Digunakan untuk menghapus respons probabilitas rendah "ekor panjang". Disarankan hanya untuk kasus penggunaan lanjutan.
</ParamField>

<ParamField body="stop_sequences" type="string[]">
  Urutan teks kustom yang akan menyebabkan model berhenti menghasilkan. Teks yang dikembalikan tidak akan berisi urutan berhenti.
</ParamField>

<ParamField body="tools" type="object[]">
  Definisi alat yang dapat digunakan oleh model.

  <Expandable title="properties">
    <ParamField body="name" type="string" required>
      Nama alat.
    </ParamField>

    <ParamField body="description" type="string">
      Deskripsi tentang apa yang dilakukan alat ini.
    </ParamField>

    <ParamField body="input_schema" type="object" required>
      JSON schema untuk input alat ini. Ini mendefinisikan bentuk `input` yang diterima oleh alat Anda.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="tool_choice" type="object">
  Bagaimana model harus menggunakan alat yang disediakan.

  <Expandable title="properties">
    <ParamField body="type" type="string" required>
      Nilai yang didukung: `auto` (default, model yang memutuskan), `any` (model harus menggunakan alat), `tool` (model harus menggunakan alat tertentu).
    </ParamField>

    <ParamField body="name" type="string">
      Nama alat yang akan digunakan. Diperlukan ketika type adalah `tool`.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="metadata" type="object">
  Objek yang mendeskripsikan metadata tentang permintaan.

  <Expandable title="properties">
    <ParamField body="user_id" type="string">
      Pengenal eksternal untuk pengguna yang terkait dengan permintaan.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="thinking" type="object">
  Konfigurasi untuk pemikiran diperluas. Ketika diaktifkan, model akan berpikir sebelum merespons.

  <Expandable title="properties">
    <ParamField body="type" type="string" required>
      Harus `enabled`.
    </ParamField>

    <ParamField body="budget_tokens" type="integer" required>
      Jumlah maksimum token yang digunakan untuk berpikir. Harus lebih besar dari atau sama dengan 1024.
    </ParamField>
  </Expandable>
</ParamField>

## Respons

Respons pesan yang berhasil.

<ResponseField name="id" type="string">
  Pengenal pesan unik, misalnya `msg_01XFDUDYJgAACzvnptvVoYEL`.
</ResponseField>

<ResponseField name="type" type="string">
  Tipe objek. Selalu `message`.
</ResponseField>

<ResponseField name="role" type="string">
  Peran percakapan dari pesan yang dihasilkan. Selalu `assistant`.
</ResponseField>

<ResponseField name="content" type="object[]">
  Konten yang dihasilkan oleh model. Ini adalah array blok konten.

  <Expandable title="properties">
    <ResponseField name="type" type="string">
      Tipe blok konten. Dapat berupa `text`, `tool_use`, atau `thinking`.
    </ResponseField>

    <ResponseField name="text" type="string">
      Teks yang dihasilkan. Ada ketika type adalah `text`.
    </ResponseField>

    <ResponseField name="id" type="string">
      ID blok penggunaan alat. Ada ketika type adalah `tool_use`.
    </ResponseField>

    <ResponseField name="name" type="string">
      Nama alat. Ada ketika type adalah `tool_use`.
    </ResponseField>

    <ResponseField name="input" type="object">
      Input ke alat. Ada ketika type adalah `tool_use`.
    </ResponseField>

    <ResponseField name="thinking" type="string">
      Konten pemikiran. Ada ketika type adalah `thinking`.
    </ResponseField>
  </Expandable>
</ResponseField>

<ResponseField name="model" type="string">
  Model yang menangani permintaan.
</ResponseField>

<ResponseField name="stop_reason" type="string | null">
  Alasan model berhenti. Dapat berupa `end_turn` (model mencapai titik berhenti alami), `max_tokens` (melebihi `max_tokens` atau maksimum model), `stop_sequence` (salah satu urutan berhenti kustom Anda dihasilkan), atau `tool_use` (model memanggil satu atau lebih alat).
</ResponseField>

<ResponseField name="stop_sequence" type="string | null">
  Urutan berhenti kustom mana yang dihasilkan, jika ada.
</ResponseField>

<ResponseField name="usage" type="object">
  Penggunaan penagihan dan batas laju. Ketiga bucket input saling eksklusif — lihat [Penggunaan token](/id/llm/token-usage).

  <Expandable title="properties">
    <ResponseField name="input_tokens" type="integer">
      Jumlah token input baru yang digunakan. Tidak termasuk kedua bucket cache.
    </ResponseField>

    <ResponseField name="output_tokens" type="integer">
      Jumlah token output yang digunakan.
    </ResponseField>

    <ResponseField name="total_tokens" type="integer">
      Semua bucket input ditambah `output_tokens`. Dihilangkan pada respons yang di-stream.
    </ResponseField>

    <ResponseField name="cache_creation_input_tokens" type="integer">
      Jumlah token input yang digunakan untuk membuat entri cache.
    </ResponseField>

    <ResponseField name="cache_read_input_tokens" type="integer">
      Jumlah token input yang dibaca dari cache.
    </ResponseField>

    <ResponseField name="sunra_usage_semantics" type="string | null">
      Hadir sebagai `anthropic.exclusive.v1` ketika Sunra menormalisasi respons ini. Lakukan pemeriksaan terhadap nilai ini alih-alih menyimpulkan konvensinya dari angka-angka. Lihat [Penggunaan token](/id/llm/token-usage).
    </ResponseField>
  </Expandable>
</ResponseField>

<RequestExample>
  ```bash cURL theme={null}
  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?"
        }
      ]
    }'
  ```

  ```python Python theme={null}
  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())
  ```

  ```javascript JavaScript theme={null}
  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);
  ```
</RequestExample>

<ResponseExample>
  ```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"
    }
  }
  ```
</ResponseExample>