Prise en charge PDF (Base64)
- Prise en charge des documents PDF de l'API Anthropic Messages (format Base64)
- Transmettre des PDF encodés en Base64 via des blocs de contenu
document - Prise en charge de
cache_control: ephemeralpour optimiser la consommation de tokens sur des documents répétés - Documentation officielle : PDF support
Authorizations
Request Body
ID du modèle à utiliser. Voir le tableau de compatibilité des modèles avec l'API Chat.
Liste des messages de la conversation jusqu'à présent. Voir les exemples Python.
Température d'échantillonnage entre 0 et 2. Des valeurs plus élevées (ex. 0,8) rendent la sortie plus aléatoire ; des valeurs plus basses (ex. 0,2) la rendent plus ciblée et déterministe. Nous recommandons généralement de modifier soit ceci, soit top_p, pas les deux.
Alternative à la température : échantillonnage nucleus, le modèle considère les jetons avec la masse de probabilité top_p. 0,1 signifie seulement les 10 % supérieurs de masse de probabilité. Nous recommandons généralement de modifier soit ceci, soit temperature, pas les deux.
Par défaut 1.
Nombre de choix de complétion de chat à générer pour chaque message d'entrée.
Par défaut false. Si activé, des deltas partiels sont envoyés comme dans ChatGPT, en server-sent events se terminant par data: [DONE]. Voir les exemples Python.
Par défaut null. Jusqu'à 4 séquences où l'API arrête de générer des jetons.
Par défaut inf.
Nombre maximum de jetons à générer dans la complétion de chat.
La somme des jetons d'entrée et générés est limitée par la longueur de contexte du modèle. Voir les exemples Python de comptage.
Nombre entre -2,0 et 2,0. Les valeurs positives pénalisent les nouveaux jetons selon leur apparition dans le texte, augmentant la probabilité de nouveaux sujets. En savoir plus sur les pénalités de fréquence et de présence.
Par défaut 0. Nombre entre -2,0 et 2,0. Les valeurs positives pénalisent les nouveaux jetons selon leur fréquence dans le texte, réduisant les répétitions. En savoir plus sur les pénalités de fréquence et de présence.
Modifie la probabilité d'apparition de jetons spécifiés dans la complétion.
Accepte un objet JSON mappant les ID de jetons (du tokenizer) à des valeurs de biais (-100 à 100). Les biais sont ajoutés aux logits avant l'échantillonnage. L'effet varie selon le modèle.
Identifiant unique de votre utilisateur final pour aider OpenAI à surveiller et détecter les abus. En savoir plus
Objet spécifiant le format de sortie du modèle. { "type": "json_object" } active le mode JSON. En mode JSON, indiquez aussi au modèle de produire du JSON via un message système ou utilisateur.
Fonction bêta. Si spécifié, le système tente un échantillonnage déterministe pour que des requêtes répétées avec la même graine renvoient le même résultat. Non garanti ; utilisez system_fingerprint dans la réponse.
Liste d'outils que le modèle peut appeler. Seules les fonctions sont prises en charge comme outils.
Contrôle quelle fonction le modèle appelle. none : aucun appel ; auto : choix ; {"type": "function", "function": {"name": "my_function"}} : force une fonction. Par défaut none sans fonctions, auto avec fonctions.