> ## 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
Crea un messaggio utilizzando il formato dell'API Anthropic Messages. Supporta testo, immagini, PDF, strumenti e pensiero esteso.
## Autenticazione
Token Bearer. Utilizza la tua chiave API come token Bearer nell'header Authorization.
Format: `Bearer `
## Richiesta
Questo endpoint si aspetta un oggetto JSON.
Il modello da utilizzare per il messaggio. Sfoglia i modelli disponibili su [sunra.ai/models](https://sunra.ai/models).
Lista dei messaggi di input per la conversazione.
Il ruolo dell'autore del messaggio. Valori supportati: `user`, `assistant`.
Il contenuto del messaggio. Può essere una stringa o un array di blocchi di contenuto per input multimodale.
Il numero massimo di token da generare prima dell'arresto.
Prompt di sistema. Fornisce istruzioni che il modello dovrebbe seguire.
Se trasmettere la risposta in streaming utilizzando Server-Sent Events (SSE).
Quantità di casualità iniettata nella risposta. Varia da 0.0 a 1.0.
Parametro di campionamento nucleus. Utilizza un valore tra 0 e 1.
Campiona solo dalle prime K opzioni per ogni token successivo. Utilizzato per rimuovere le risposte a bassa probabilità dalla "coda lunga".
Sequenze di testo personalizzate che faranno smettere il modello di generare.
Un oggetto che descrive i metadati sulla richiesta.
Un identificatore esterno per l'utente associato alla richiesta.
## Risposta
Risposta messaggio riuscita.
Identificatore univoco del messaggio.
Tipo di oggetto. Sempre `message`.
Il ruolo del messaggio generato. Sempre `assistant`.
Lista dei blocchi di contenuto nella risposta.
Il tipo di blocco di contenuto. es. `text`.
Il contenuto testuale generato.
Il modello che ha gestito la richiesta.
Il motivo per cui il modello ha smesso di generare. Può essere `end_turn`, `max_tokens`, `stop_sequence` o `tool_use`.
La sequenza di arresto che ha causato l'interruzione del modello, se applicabile.
Statistiche di utilizzo dei token. I tre bucket di input sono mutuamente esclusivi — vedi [Utilizzo dei token](/it/llm/token-usage).
Numero di token di input nuovi elaborati. Esclude entrambi i bucket di cache.
Numero di token di output generati.
Tutti i bucket di input più `output_tokens`. Omesso nelle risposte in streaming.
Presente come `anthropic.exclusive.v1` quando Sunra ha normalizzato questa risposta. Verifica questo valore invece di dedurre la convenzione dai numeri. Vedi [Utilizzo dei token](/it/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_abc123",
"type": "message",
"role": "assistant",
"content": [
{
"type": "text",
"text": "Hello! I'm doing well, thank you for asking."
}
],
"model": "anthropic/claude-sonnet-4-20250514",
"stop_reason": "end_turn",
"stop_sequence": null,
"usage": {
"input_tokens": 12,
"output_tokens": 15,
"total_tokens": 27,
"sunra_usage_semantics": "anthropic.exclusive.v1"
}
}
```