Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Dieser Leitfaden behandelt die Migration von Messages API-Code. Wenn du Claude Managed Agents verwendest, sind außer der Aktualisierung des Modellnamens keine Änderungen erforderlich.
Automatisiere deine Migration mit dem Claude API Skill. Führe in Claude Code /claude-api migrate aus, um den mitgelieferten Claude API Skill aufzurufen. Er funktioniert für jedes Zielmodell auf dieser Seite:
/claude-api migrate this project to claude-opus-4-8Der Skill wendet den Austausch der Modell-ID und bei Bedarf Breaking-Parameter-Änderungen, Prefill-Ersatz und Effort-Kalibrierung für dein Zielmodell in deiner gesamten Codebasis an und erstellt anschließend eine Checkliste mit Punkten, die manuell überprüft werden müssen. Er fordert dich auf, den Migrationsumfang zu bestätigen (gesamtes Arbeitsverzeichnis, ein Unterverzeichnis oder eine bestimmte Dateiliste), bevor Dateien bearbeitet werden. Der Skill erkennt außerdem Amazon Bedrock-, Google Cloud-, Claude Platform on AWS- und Microsoft Foundry-Clients und passt Modell-ID-Formate und Feature-Änderungen für jede Plattform an.
Claude Mythos 5 ist der zugangsbeschränkte Nachfolger von Claude Mythos Preview, der nur auf Einladung verfügbaren Forschungsvorschau. Für ein allgemein verfügbares Modell mit denselben Fähigkeiten siehe Claude Fable 5.
Die Migration ist größtenteils ein Drop-in-Ersatz. Claude Mythos 5 verwendet dieselbe Messages API und dieselben Tool-Nutzungs-Muster wie Claude Mythos Preview, und die Token-Anzahl bleibt in etwa unverändert, da beide Modelle denselben Tokenizer verwenden. Die wichtigsten zu prüfenden Änderungen sind die nicht mehr verfügbaren Features (im nächsten Abschnitt aufgeführt) und die Thinking-Ausgabe.
Den Zeitplan für die Einstellung von Claude Mythos Preview findest du unter Modell-Deprecations.
model = "claude-mythos-preview" # Before
model = "claude-mythos-5" # AfterErweitertes Denken und Thinking-Token-Budgets: Manuelles erweitertes Denken (thinking: {type: "enabled", budget_tokens: N}) wird auf claude-mythos-5 nicht unterstützt und gibt einen 400-Fehler zurück. Adaptives Denken ist immer aktiviert: Das Modell bestimmt bei jeder Anfrage selbst, wann und wie viel es nachdenkt, und es ist keine thinking-Konfiguration erforderlich. thinking: {type: "disabled"} gibt einen Fehler zurück. budget_tokens hat keinen direkten Ersatz: Das Denken ist adaptiv, und der Effort-Parameter ist eine separate Steuerung auf Ausgabeebene, kein Thinking-Budget.
Vorher (Claude Mythos Preview):
client.messages.create(
model="claude-mythos-preview",
max_tokens=16000,
thinking={"type": "enabled", "budget_tokens": 10000},
messages=[{"role": "user", "content": "..."}],
)Nachher (Claude Mythos 5):
client.messages.create(
model="claude-mythos-5",
max_tokens=16000,
messages=[{"role": "user", "content": "..."}],
)Assistant-Prefill: Das Vorausfüllen der Assistant-Nachricht wird auf claude-mythos-5 nicht unterstützt und gibt einen 400-Fehler zurück, genau wie bei Claude Mythos Preview. Verwende stattdessen System-Prompt-Anweisungen.
Thinking-Ausgabe: Auf claude-mythos-5 wird die rohe Gedankenkette nie zurückgegeben, aber Thinking-Blöcke enthalten weiterhin lesbaren zusammengefassten Text, wenn thinking.display auf summarized gesetzt ist. Gib Thinking-Blöcke unverändert zurück, wenn du eine Konversation auf demselben Modell fortsetzt. Siehe Thinking-Ausgabe bei Claude Fable 5 und Claude Mythos 5.
claude-mythos-5 verwendet denselben Tokenizer wie claude-mythos-preview (den mit Claude Opus 4.7 eingeführten Tokenizer). Die Token-Anzahl bleibt bei der Migration von claude-mythos-preview in etwa unverändert. Im Vergleich zu Modellen vor Claude Opus 4.7 kann derselbe Inhalt zu etwa 30 % mehr Token tokenisiert werden, abhängig von Inhalt und Workload-Struktur.
/v1/messages/count_tokens gibt für claude-mythos-5 in etwa unveränderte Werte im Vergleich zu claude-mythos-preview zurück. Ermittle Kosten und Latenz für deine eigenen Workloads neu.
claude-mythos-preview auf claude-mythos-5.thinking: {type: "enabled", budget_tokens: N}). Adaptives Denken ist immer aktiviert, und es ist kein thinking-Feld erforderlich.thinking: {type: "disabled"}-Konfiguration. Das Deaktivieren des Denkens gibt auf claude-mythos-5 einen Fehler zurück.budget_tokens. Es hat keinen direkten Ersatz: Das Denken ist adaptiv, und der effort-Parameter ist eine separate Steuerung auf Ausgabeebene, kein Thinking-Budget.thinking-Feld parst, es nur als Anzeigetext behandelt und Thinking-Blöcke unverändert zurückgibt, wenn auf demselben Modell fortgesetzt wird. thinking.display ist auf claude-mythos-5 standardmäßig "omitted", genau wie bei Claude Mythos Preview; setze display: "summarized", um lesbare Zusammenfassungen zu erhalten. Siehe Thinking-Ausgabe bei Claude Fable 5 und Claude Mythos 5.thinking- und redacted_thinking-Blöcke aus früheren Assistant-Turns. Thinking-Blöcke von claude-mythos-5 sind an das Modell gebunden, das sie erzeugt hat, und andere Modelle als Claude Fable 5 und Claude Mythos 5 ignorieren sie stillschweigend. Das Entfernen hält modellübergreifende Anfragen minimal und einheitlich.claude-mythos-preview in etwa unverändert.Claude Fable 5 ist Anthropics leistungsfähigstes allgemein veröffentlichtes Modell, allgemein verfügbar über die Claude API, Claude Platform on AWS, Amazon Bedrock, Google Cloud und Microsoft Foundry.
Die Migration ist größtenteils ein Drop-in-Ersatz. Claude Fable 5 verwendet dieselbe Messages API und dieselben Tool-Nutzungs-Muster wie Claude Opus 4.8. Es unterstützt standardmäßig dasselbe 1M-Token-Kontextfenster und dieselben 128k maximalen Output-Token. Die Token-Anzahl bleibt in etwa unverändert, da beide Modelle denselben Tokenizer verwenden.
Die wichtigsten zu prüfenden Änderungen sind das immer aktive adaptive Denken, die Thinking-Ausgabe, Safety-Classifier-Ablehnungen und die Preisgestaltung. Vor der Migration behandelt Preisgestaltung und Datenaufbewahrung; Was sich geändert hat behandelt den Rest.
Claude Fable 5 kostet 10 $ pro Million Input-Token und 50 $ pro Million Output-Token, verglichen mit 5 $ und 25 $ für Claude Opus 4.8. Details findest du unter Claude-Preise.
Claude Fable 5 erfordert eine 30-tägige Datenaufbewahrung und ist nicht unter „zero data retention" (Null-Datenaufbewahrung), oder ZDR-Vereinbarungen verfügbar; es ist als Covered Model eingestuft. Auf der Claude API gibt eine Anfrage von einer Organisation, deren Datenaufbewahrungskonfiguration diese Anforderung nicht erfüllt, einen 400 invalid_request_error zurück. Organisationen mit einer ZDR-Vereinbarung sollten ihr Anthropic-Account-Team kontaktieren, um die Datenaufbewahrungskonfiguration zu besprechen; Claude Opus 4.8 bleibt unter ZDR verfügbar. Alternativ kannst du die Datenaufbewahrung pro Workspace konfigurieren. Die 30-tägige Datenaufbewahrungsanforderung gilt auf jeder Plattform, auf der Claude Fable 5 angeboten wird; siehe Modellspezifische Datenaufbewahrungsanforderungen für plattformspezifische Details.
Wenn dein Code auf Claude Opus 4.7 oder früher läuft, wende zuerst Migration von Claude Opus 4.7 zu Claude Opus 4.8 und, für Modelle vor Claude Opus 4.7, die Claude Opus 4.7-Migrationsschritte an. Diese Abschnitte behandeln Breaking Changes (Sampling-Parameter abgelehnt, manuelles erweitertes Denken abgelehnt, Prefill entfernt, neuer Tokenizer), die dieser Abschnitt nicht wiederholt.
model = "claude-opus-4-8" # Before
model = "claude-fable-5" # AfterDie Punkte in diesem Abschnitt beschreiben die API- und Verhaltensunterschiede, die nach dem Austausch der Modell-ID überprüft werden sollten.
Adaptives Denken ist immer aktiviert: Adaptives Denken ist der einzige Thinking-Modus auf claude-fable-5. Das Modell bestimmt bei jeder Anfrage selbst, wann und wie viel es nachdenkt, und es ist keine thinking-Konfiguration erforderlich. thinking: {type: "disabled"} gibt einen Fehler zurück. Verwende den Effort-Parameter, um die Denktiefe zu steuern.
Die zu prüfende Verhaltensänderung: Auf Claude Opus 4.8 laufen Anfragen ohne thinking-Feld ohne Denken; auf claude-fable-5 laufen dieselben Anfragen mit adaptivem Denken. max_tokens bleibt ein hartes Limit für die Gesamtausgabe, Denken plus Antworttext, also überprüfe es für Workloads, die auf Claude Opus 4.8 ohne Denken liefen. Siehe Kostenkontrolle.
Vorher (Claude Opus 4.8):
client.messages.create(
model="claude-opus-4-8",
max_tokens=16000,
thinking={"type": "adaptive"},
output_config={"effort": "high"},
messages=[{"role": "user", "content": "..."}],
)Nachher (Claude Fable 5):
client.messages.create(
model="claude-fable-5",
max_tokens=16000,
output_config={"effort": "high"},
messages=[{"role": "user", "content": "..."}],
)Erweitertes Denken und Thinking-Budgets (unverändert): Manuelles erweitertes Denken (thinking: {type: "enabled", budget_tokens: N}) wird auf claude-fable-5 nicht unterstützt und gibt einen 400-Fehler zurück, genau wie bei Claude Opus 4.8. budget_tokens hat keinen direkten Ersatz: Das Denken ist adaptiv, und der Effort-Parameter ist eine separate Steuerung auf Ausgabeebene, kein Thinking-Budget.
Assistant-Prefill (unverändert): Das Vorausfüllen der Assistant-Nachricht wird auf claude-fable-5 nicht unterstützt und gibt einen 400-Fehler zurück, genau wie bei Claude Opus 4.8. Verwende stattdessen System-Prompt-Anweisungen.
Thinking-Ausgabe: Auf claude-fable-5 wird die rohe Gedankenkette nie zurückgegeben, aber Thinking-Blöcke enthalten weiterhin lesbaren zusammengefassten Text, wenn thinking.display auf summarized gesetzt ist. Gib Thinking-Blöcke unverändert zurück, wenn du eine Konversation auf demselben Modell fortsetzt. Siehe Thinking-Ausgabe bei Claude Fable 5 und Claude Mythos 5.
Safety-Classifier und der refusal-Stop-Reason: claude-fable-5 führt Safety-Classifier bei Anfragen und während der Antwortgenerierung aus. Wenn ein Classifier eine Anfrage ablehnt, gibt die Messages API stop_reason: "refusal" als erfolgreiche HTTP-200-Antwort zurück, nicht als Fehler. Das Feld stop_details.category gibt an, welcher Classifier ausgelöst wurde, mit Kategorien wie "cyber", "bio" und "reasoning_extraction", oder null, wenn die Ablehnung keiner benannten Kategorie zugeordnet ist. Siehe die Refusal-Kategorie-Tabelle für die vollständige Liste.
Dir werden keine Input-Token für eine Anfrage berechnet, die abgelehnt wird, bevor eine Ausgabe generiert wurde. Wenn ein Classifier mitten im Stream auslöst, werden die Input- und bereits gestreamten Output-Token berechnet; verwirf die Teilausgabe.
Um abgelehnte Anfragen automatisch auf einem anderen Modell erneut auszuführen, übergib den Opt-in-Parameter fallbacks, der sich auf der Claude API und Claude Platform on AWS in der Beta befindet. Der Parameter ist nicht auf der Message Batches API oder auf Amazon Bedrock, Google Cloud und Microsoft Foundry verfügbar; führe auf diesen drei Plattformen den Retry clientseitig aus oder verwende die SDK-Refusal-Fallback-Middleware. Siehe Umgang mit Stop-Reasons.
Starte mit high-Effort: Der Standardwert des Effort-Parameters bleibt high. Bei Claude Opus 4.8 lautet die Empfehlung für Coding und hochautonome Arbeit, xhigh explizit zu setzen. Bei claude-fable-5 verwende high als Standard für die meisten Aufgaben und reserviere xhigh für die leistungssensitivsten Workloads. Niedrigere Effort-Einstellungen auf claude-fable-5 liefern weiterhin gute Ergebnisse und übertreffen oft die xhigh-Leistung früherer Modelle. Reduziere den Effort, wenn eine Aufgabe abgeschlossen wird, aber länger als nötig dauert. Siehe Prompting für Claude Fable 5.
Niedrigeres Prompt-Caching-Minimum: Die minimale cachebare Prompt-Länge auf claude-fable-5 beträgt 512 Token, niedriger als die 1.024 Token bei Claude Opus 4.8. Prompts, die bei Claude Opus 4.8 zu kurz zum Cachen waren, können jetzt Cache-Einträge erstellen, ohne dass Code-Änderungen erforderlich sind. Auf Amazon Bedrock beträgt das Minimum für claude-fable-5 1.024 Token. Siehe Prompt-Caching für modellspezifische Mindestwerte.
claude-fable-5 erfordert eine 30-tägige Datenaufbewahrung und gibt auf der Claude API andernfalls einen 400 invalid_request_error zurück. Siehe Modellspezifische Datenaufbewahrungsanforderungen.claude-opus-4-8 auf claude-fable-5.thinking: {type: "disabled"}-Konfiguration. Das Deaktivieren des Denkens gibt auf claude-fable-5 einen Fehler zurück, und Anfragen ohne thinking-Feld laufen mit adaptivem Denken.claude-fable-5 nicht unterstützt.thinking-Feld parst, es nur als Anzeigetext behandelt und Thinking-Blöcke unverändert zurückgibt, wenn auf demselben Modell fortgesetzt wird. thinking.display ist auf claude-fable-5 standardmäßig "omitted", genau wie bei Claude Opus 4.8; setze display: "summarized", um lesbare Zusammenfassungen zu erhalten. Siehe Thinking-Ausgabe bei Claude Fable 5 und Claude Mythos 5.thinking- und redacted_thinking-Blöcke aus früheren Assistant-Turns. Thinking-Blöcke von claude-fable-5 sind an das Modell gebunden, das sie erzeugt hat, und andere Modelle als Claude Fable 5 und Claude Mythos 5 ignorieren sie stillschweigend. Das Entfernen hält modellübergreifende Anfragen minimal und einheitlich. Die Ausnahme ist das Einlösen eines Fallback-Credits, das den Request-Body erfordert, der gemäß den genauen Regeln dieses Features zurückgespiegelt wird.stop_reason: "refusal" und lies das Feld stop_details.category. Um abgelehnte Anfragen automatisch auf einem anderen Modell erneut auszuführen, ziehe den Opt-in-Parameter fallbacks (Beta) in Betracht. Siehe Umgang mit Stop-Reasons.effort-Einstellung neu. Starte mit high für die meisten Aufgaben, einschließlich Workloads, die auf Claude Opus 4.8 mit xhigh liefen.claude-opus-4-8 in etwa unverändert; die Preise pro Token unterscheiden sich.Claude Opus 4.8 ist für komplexes agentisches Coding und Enterprise-Arbeit konzipiert. Es baut auf Claude Opus 4.7 auf.
Claude Opus 4.8 sollte eine starke Out-of-the-box-Leistung bei bestehenden Claude Opus 4.7-Prompts und -Evals haben. Es gibt keine Breaking API-Änderungen für Code, der bereits auf Claude Opus 4.7 läuft. Es unterstützt denselben Feature-Satz wie Claude Opus 4.7, einschließlich des 1M-Token-Kontextfensters, 128k maximaler Output-Token, adaptivem Denken, Prompt-Caching, Batch-Verarbeitung, der Files API, PDF-Unterstützung, Vision und dem vollständigen Satz serverseitiger und clientseitiger Tools. Es fügt außerdem System-Nachrichten mitten in der Konversation hinzu und dokumentiert Refusal-Stop-Details öffentlich.
Wenn dein Code auf Claude Opus 4.6 oder früher läuft, wende auch die Claude Opus 4.7-Migrationsschritte unten an, bevor du auf Claude Opus 4.8 upgradest. Diese Schritte enthalten Breaking Changes (Sampling-Parameter abgelehnt, manuelles erweitertes Denken abgelehnt, neuer Tokenizer), die das 4.8-Upgrade allein nicht abdeckt.
# Opus-Migration
model = "claude-opus-4-7" # Before
model = "claude-opus-4-8" # AfterDies sind keine Breaking Changes. Code, der auf Claude Opus 4.7 läuft, funktioniert unverändert auf Claude Opus 4.8. Die folgenden Punkte beschreiben Verhaltensunterschiede, die nach dem Austausch der Modell-ID überprüft werden sollten.
Sampling-Parameter (unverändert): Das Setzen von temperature, top_p oder top_k auf einen Nicht-Standardwert gibt auf Claude Opus 4.8 einen 400-Fehler zurück, genau wie bei Claude Opus 4.7. Die SDK-Request-Typen definieren diese Felder weiterhin zur Kompatibilität mit früheren Modellen, sodass Code, der sie setzt, die Typprüfung besteht, aber die API lehnt die Anfrage serverseitig ab. Wenn du diese Parameter bei der Migration zu Opus 4.7 entfernt hast, sind keine weiteren Änderungen erforderlich.
Effort-Standard ist high: Der Standardwert des Effort-Parameters auf Claude Opus 4.8 ist high auf allen Oberflächen, einschließlich Claude Code und der Messages API. Wenn du Effort bereits explizit setzt, bleibt deine Einstellung unverändert. Für Coding und hochautonome Arbeit setze xhigh explizit. Überprüfe deine Effort-Einstellung gegen dein Latenz- und Kostenbudget neu.
1M-Kontextfenster ist der Standard: Claude Opus 4.8 stellt standardmäßig das vollständige 1M-Token-Kontextfenster bereit, ohne Beta-Header und ohne Long-Context-Aufpreis. Wenn dein Client einen Kontextfenster-Beta-Header zur Kompatibilität mit älteren Modellen übergibt, kannst du ihn bei Claude Opus 4.8 entfernen.
System-Nachrichten mitten in der Konversation: Claude Opus 4.8 akzeptiert role: "system"-Nachrichten direkt nach einem User-Turn im messages-Array (vorbehaltlich der Platzierungsregeln). Verwende das Top-Level-system-Feld für Anweisungen, die von Anfang an gelten. Frühere Modelle, einschließlich Claude Opus 4.7, lehnen role: "system" in messages mit einem 400-Fehler ab. Wenn du Code-Pfade pflegst, die den vollständigen Nachrichtenverlauf neu aufbauen, um Anweisungen zu aktualisieren, kannst du sie vereinfachen und Prompt-Cache-Treffer bei früheren Turns erhalten.
Refusal-Stop-Details: Das stop_details-Objekt bei Refusal-Antworten (verfügbar seit Claude Opus 4.7) ist jetzt öffentlich dokumentiert. Wenn das Modell eine Anfrage ablehnt, identifiziert es die Kategorie der Ablehnung, zusätzlich zum bestehenden refusal-Stop-Reason. Es ist kein Beta-Header erforderlich, und es gibt kein Opt-out. Siehe Umgang mit Stop-Reasons.
Niedrigeres Prompt-Caching-Minimum: Die minimale cachebare Prompt-Länge auf Claude Opus 4.8 beträgt 1.024 Token, niedriger als bei Claude Opus 4.7. Prompts, die bei Claude Opus 4.7 zu kurz zum Cachen waren, können jetzt Cache-Einträge erstellen, ohne dass Code-Änderungen erforderlich sind. Siehe Prompt-Caching für modellspezifische Mindestwerte.
Effort-Level neu kalibriert: Die Token-Zuteilung hinter jedem Effort-Level ändert sich bei Claude Opus 4.8 im Vergleich zu Claude Opus 4.7: medium erlaubt etwas mehr Denken, high etwas weniger und xhigh deutlich mehr. Wenn du ein Effort-Level gegen Claude Opus 4.7-Kosten oder -Latenz abgestimmt hast, ermittle die Baseline auf demselben Level neu, bevor du es anpasst. Siehe Effort.
claude-opus-4-7 auf claude-opus-4-8 (oder aktualisiere Aliase).effort-Einstellung neu. Der Standard ist high auf allen Oberflächen; für Coding und hochautonome Arbeit setze xhigh explizit.stop_details bei Refusals liest (verfügbar seit Claude Opus 4.7; jetzt öffentlich dokumentiert).Claude Opus 4.7 ist hochgradig autonom und erzielt außergewöhnlich gute Ergebnisse bei langfristiger agentischer Arbeit, Wissensarbeit, Vision-Aufgaben und Memory-Aufgaben.
Claude Opus 4.7 sollte eine starke Out-of-the-box-Leistung bei bestehenden Claude Opus 4.6-Prompts und -Evals zum gleichen Preis von $5 / $25 pro MTok haben, aber es gibt eine Handvoll Verhaltens- und API-Änderungen, die du bei der Migration kennen solltest. Es unterstützt denselben Feature-Satz wie Claude Opus 4.6, einschließlich:
# Opus-Migration
model = "claude-opus-4-6" # Before
model = "claude-opus-4-7" # AfterErweitertes Denken entfernt: thinking: {type: "enabled", budget_tokens: N} wird auf Claude Opus 4.7 oder späteren Modellen nicht mehr unterstützt und gibt einen 400-Fehler zurück. Wechsle zu adaptivem Denken (thinking: {type: "adaptive"}) und verwende den Effort-Parameter, um die Denktiefe zu steuern. Adaptives Denken ist auf Claude Opus 4.7 standardmäßig deaktiviert: Anfragen ohne thinking-Feld laufen ohne Denken, entsprechend dem Opus 4.6-Verhalten. Setze thinking: {type: "adaptive"} explizit, um es zu aktivieren.
Vorher (Claude Opus 4.6):
client.messages.create(
model="claude-opus-4-6",
max_tokens=16000,
thinking={"type": "enabled", "budget_tokens": 10000},
messages=[{"role": "user", "content": "..."}],
)Nachher (Claude Opus 4.7):
client.messages.create(
model="claude-opus-4-7",
max_tokens=16000,
thinking={"type": "adaptive"},
output_config={"effort": "high"}, # or "max", "xhigh", "medium", "low"
messages=[{"role": "user", "content": "..."}],
)Adaptives Denken ist durch Prompting steuerbar. Anleitungen zum Feintuning, wenn das Modell zu viel oder zu wenig nachdenkt, findest du unter Kalibrierung von Effort und Denktiefe.
Sampling-Parameter entfernt: Das Setzen von temperature, top_p oder top_k auf einen Nicht-Standardwert gibt auf Claude Opus 4.7 einen 400-Fehler zurück. Der sicherste Migrationspfad ist, diese Parameter vollständig aus den Request-Payloads wegzulassen. Prompting ist der empfohlene Weg, um das Modellverhalten auf Claude Opus 4.7 zu steuern. Wenn du temperature = 0 für Determinismus verwendet hast, beachte, dass dies bei früheren Modellen nie identische Ausgaben garantiert hat.
Thinking-Inhalt standardmäßig ausgelassen: Thinking-Blöcke erscheinen weiterhin im Response-Stream auf Claude Opus 4.7, aber ihr thinking-Feld ist leer, sofern du nicht explizit zustimmst. Dies ist eine stille Änderung gegenüber Claude Opus 4.6, wo der Standard war, zusammengefassten Thinking-Text zurückzugeben. Um zusammengefassten Thinking-Inhalt auf Claude Opus 4.7 wiederherzustellen, setze thinking.display auf "summarized":
thinking = {
"type": "adaptive",
"display": "summarized",
}Der Standard ist "omitted" auf Claude Opus 4.7. Wenn dein Produkt Reasoning an Benutzer streamt, erscheint der neue Standard als lange Pause, bevor die Ausgabe beginnt; setze display: "summarized", um sichtbaren Fortschritt während des Denkens wiederherzustellen. Siehe Erweitertes Denken für Details.
Aktualisierte Token-Zählung: Claude Opus 4.7 verwendet einen neuen Tokenizer, der zu seiner verbesserten Leistung bei einer Vielzahl von Aufgaben beiträgt. Der neue Tokenizer kann beim Verarbeiten von Text etwa 1x bis 1,35x so viele Token verwenden wie frühere Modelle (bis zu ~35 % mehr, abhängig vom Inhalt).
/v1/messages/count_tokens gibt für Claude Opus 4.7 eine andere Anzahl von Token zurück als für Claude Opus 4.6. Die Token-Effizienz kann je nach Workload-Struktur variieren.
Prompting-Interventionen, task_budget und effort können helfen, Kosten zu kontrollieren und eine angemessene Token-Nutzung sicherzustellen. Diese Steuerungen können die Modellintelligenz beeinträchtigen. Aktualisiere deine max_tokens-Parameter, um zusätzlichen Spielraum zu schaffen, einschließlich Compaction-Trigger. Claude Opus 4.7 bietet ein 1M-Kontextfenster zum Standard-API-Preis ohne Long-Context-Aufpreis.
Prefill-Entfernung (übernommen von Opus 4.6): Das Vorausfüllen von Assistant-Nachrichten gibt auf Claude Opus 4.7 einen 400-Fehler zurück. Verwende stattdessen strukturierte Ausgaben, System-Prompt-Anweisungen oder output_config.format.
Der Effort-Parameter ermöglicht es dir, Claudes Intelligenz gegen Token-Verbrauch abzuwägen und Leistungsfähigkeit gegen höhere Geschwindigkeit und niedrigere Kosten einzutauschen. Starte mit dem neuen xhigh-Effort-Level für Coding- und agentische Anwendungsfälle und verwende mindestens high-Effort für die meisten intelligenzsensitiven Anwendungsfälle. Experimentiere mit anderen Effort-Leveln, um Token-Nutzung und Intelligenz weiter abzustimmen:
max: Max-Effort kann in einigen Anwendungsfällen Leistungssteigerungen liefern, kann aber abnehmende Erträge durch erhöhte Token-Nutzung zeigen. Diese Einstellung kann manchmal auch zu übermäßigem Nachdenken neigen. Teste Max-Effort für intelligenzanspruchsvolle Aufgaben.xhigh (neu): Extra-High-Effort ist die beste Einstellung für die meisten Coding- und agentischen Anwendungsfälle.high: Diese Einstellung balanciert Token-Nutzung und Intelligenz. Für die meisten intelligenzsensitiven Anwendungsfälle verwende mindestens high-Effort.medium: Gut für kostensensitive Anwendungsfälle, die die Token-Nutzung reduzieren müssen und dabei Intelligenz eintauschen.low: Reserviere dies für kurze, eingegrenzte Aufgaben und latenzsensitive Workloads, die nicht intelligenzsensitiv sind.Effort ist für dieses Modell wichtiger als für jedes frühere Opus. Experimentiere aktiv damit, wenn du upgradest.
Claude Opus 4.7 weist mehrere Verhaltensunterschiede zu Claude Opus 4.6 auf, die keine API-Breaking-Changes sind, aber möglicherweise Prompt-Anpassungen oder das Entfernen von Scaffolding erfordern.
Antwortlänge variiert je nach Anwendungsfall: Claude Opus 4.7 kalibriert die Antwortlänge danach, wie komplex es die Aufgabe einschätzt, anstatt standardmäßig eine feste Ausführlichkeit zu verwenden. Das bedeutet in der Regel kürzere Antworten bei einfachen Nachschlageanfragen und deutlich längere bei offenen Analysen.
Wenn dein Produkt von einem bestimmten Stil oder einer bestimmten Ausführlichkeit der Ausgabe abhängt, musst du möglicherweise deine Prompts anpassen. Um beispielsweise die Ausführlichkeit zu verringern, füge hinzu: „Liefere prägnante, fokussierte Antworten. Lass nicht-essenziellen Kontext weg und halte Beispiele minimal." Wenn du bestimmte Arten von übermäßigen Erklärungen beobachtest, füge gezielte Anweisungen in deinen Prompt ein, um sie zu verhindern.
Positive Beispiele, die zeigen, wie Claude mit dem angemessenen Maß an Prägnanz kommunizieren kann, sind tendenziell effektiver als negative Beispiele oder Anweisungen, die dem Modell sagen, was es nicht tun soll.
Wörtlichere Befolgung von Anweisungen: Claude Opus 4.7 interpretiert Prompts wörtlicher und expliziter als Claude Opus 4.6, insbesondere bei niedrigeren Effort-Stufen. Es wird eine Anweisung nicht stillschweigend von einem Element auf ein anderes verallgemeinern und keine Anfragen ableiten, die du nicht gestellt hast. Der Vorteil dieser Wörtlichkeit ist Präzision und weniger Hin und Her. Es schneidet im Allgemeinen besser ab bei API-Anwendungsfällen mit sorgfältig abgestimmten Prompts, strukturierter Extraktion und Pipelines, bei denen du vorhersehbares Verhalten möchtest. Eine Überprüfung von Prompts und Harness kann für die Migration zu Claude Opus 4.7 besonders hilfreich sein.
Direkterer Ton: Wie bei jedem neuen Modell kann sich der Prosastil bei längeren Texten verschieben. Claude Opus 4.7 ist direkter und meinungsstärker, mit weniger bestätigungsorientierten Formulierungen und weniger Emojis als der wärmere Stil von Claude Opus 4.6. Wenn dein Produkt auf eine bestimmte Stimme angewiesen ist, überprüfe deine Stil-Prompts anhand der neuen Baseline.
Integrierte Fortschritts-Updates in agentischen Traces: Claude Opus 4.7 liefert während langer agentischer Traces regelmäßigere, qualitativ hochwertigere Updates an den Nutzer. Wenn du Scaffolding hinzugefügt hast, um Zwischenstatusmeldungen zu erzwingen („Fasse nach jeweils 3 Tool-Aufrufen den Fortschritt zusammen"), versuche, es zu entfernen. Wenn du feststellst, dass die Länge oder der Inhalt der nutzerseitigen Updates von Claude Opus 4.7 nicht gut auf deinen Anwendungsfall abgestimmt sind, beschreibe explizit im Prompt, wie diese Updates aussehen sollen, und liefere Beispiele.
Standardmäßig weniger Subagenten erzeugt: Claude Opus 4.7 neigt dazu, standardmäßig weniger Subagenten zu erzeugen. Dieses Verhalten ist jedoch durch Prompting steuerbar; gib Claude Opus 4.7 explizite Anweisungen dazu, wann Subagenten wünschenswert sind.
Strengere Effort-Kalibrierung: Als bedeutende Änderung gegenüber Claude Opus 4.6 hält sich Claude Opus 4.7 strikt an Effort-Stufen, insbesondere am unteren Ende. Bei low und medium beschränkt das Modell seine Arbeit auf das, was gefragt wurde, anstatt darüber hinauszugehen.
Das ist gut für Latenz und Kosten, aber bei mäßig komplexen Aufgaben, die mit low Effort laufen, besteht ein gewisses Risiko von zu oberflächlichem Denken. Wenn du bei komplexen Problemen flaches Reasoning beobachtest, erhöhe den Effort auf high oder xhigh, anstatt das Problem durch Prompting zu umgehen.
Wenn du den Effort aus Latenzgründen bei low halten musst, füge gezielte Anweisungen hinzu: „Diese Aufgabe erfordert mehrstufiges Reasoning. Denke sorgfältig über das Problem nach, bevor du antwortest." Siehe Empfohlene Effort-Stufen für Claude Opus 4.7.
Standardmäßig weniger Tool-Aufrufe: Claude Opus 4.7 neigt dazu, Tools seltener zu verwenden als Claude Opus 4.6 und stattdessen mehr auf Reasoning zu setzen. Das führt in den meisten Fällen zu besseren Ergebnissen.
Um die Tool-Nutzung zu erhöhen, erhöhe die Effort-Einstellung. Die Effort-Einstellungen high oder xhigh zeigen deutlich mehr Tool-Nutzung bei agentischer Suche und beim Coding. Du kannst auch deinen Prompt anpassen, um das Modell explizit anzuweisen, wann und wie es seine Tools richtig einsetzen soll.
Echtzeit-Cybersecurity-Schutzmaßnahmen: Neu in Claude Opus 4.7 hinzugefügt: Anfragen, die verbotene oder risikoreiche Themen betreffen, können zu Ablehnungen führen. Für legitime Sicherheitsarbeit wie Penetrationstests, Schwachstellenforschung oder Red-Teaming kannst du dich beim Cyber Verification Program bewerben, um reduzierte Einschränkungen zu beantragen. Siehe Safeguards, warnings, and appeals für Hintergrundinformationen.
Unterstützung für hochauflösende Bilder: Claude Opus 4.7 ist das erste Claude-Modell mit Unterstützung für hochauflösende Bilder. Die maximale Bildauflösung beträgt 2576 Pixel an der langen Kante, gegenüber 1568 Pixeln bei früheren Modellen. Das ermöglicht Verbesserungen bei bildlastigen Workloads und ist besonders wertvoll für Computer Use, Screenshot-Verständnis und Dokumentenanalyse.
Die Unterstützung für hohe Auflösung ist automatisch und erfordert keinen Beta-Header oder clientseitiges Opt-in. Zwei Dinge solltest du einplanen:
max_tokens und Kostenerwartungen für bildlastige Workloads neu, oder verkleinere Bilder vor dem Senden, wenn du die zusätzliche Detailtreue nicht benötigst.Siehe Unterstützung für hochauflösende Bilder bei Claude Opus 4.7 für Details.
Diese sind nicht erforderlich, verbessern aber deine Erfahrung:
max_tokens neu bewerten: Da derselbe Text bei Claude Opus 4.7 eine höhere Token-Anzahl erzeugt, aktualisiere deine max_tokens-Parameter, um zusätzlichen Spielraum zu schaffen, einschließlich Compaction-Triggern. Prompting-Eingriffe, task_budget und effort können helfen, Kosten zu kontrollieren und eine angemessene Token-Nutzung sicherzustellen.
Token-Anzahl-Erwartungen überprüfen: Jeder Code-Pfad, der Tokens clientseitig schätzt oder ein festes Token-zu-Zeichen-Verhältnis annimmt, sollte gegen Claude Opus 4.7 erneut getestet werden. Verwende den Token-Counting-Endpunkt zur Überprüfung.
Task-Budgets (Beta) einführen: Claude Opus 4.7 führt Task-Budgets ein. Diese Budgets ermöglichen es dir, Claude mitzuteilen, wie viele Tokens es für eine vollständige agentische Schleife zur Verfügung hat, einschließlich Denken, Tool-Aufrufen, Tool-Ergebnissen und finaler Ausgabe. Das Modell sieht einen laufenden Countdown und nutzt ihn, um Arbeit zu priorisieren und die Aufgabe elegant abzuschließen, während das Budget verbraucht wird. Setze zur Verwendung den Beta-Header task-budgets-2026-03-13 und füge Folgendes zu deiner Output-Konfiguration hinzu:
output_config = {
"effort": "high",
"task_budget": {"type": "tokens", "total": 128000},
}Möglicherweise musst du mit verschiedenen Task-Budgets für deinen Anwendungsfall experimentieren. Wenn dem Modell ein zu restriktives Task-Budget gegeben wird, kann es die Aufgabe weniger gründlich erledigen und dabei auf sein Budget als Einschränkung verweisen.
Für offene agentische Aufgaben, bei denen Qualität wichtiger ist als Geschwindigkeit, setze kein Task-Budget. Reserviere Task-Budgets für Workloads, bei denen das Modell seine Arbeit auf ein Token-Kontingent beschränken soll. Der Mindestwert für ein Task-Budget beträgt 20k Tokens.
Ein Task-Budget ist keine harte Obergrenze; es ist ein Vorschlag, dessen sich das Modell bewusst ist. Es unterscheidet sich von max_tokens:
task_budget: eine beratende Obergrenze über die gesamte agentische Schleife. Das Modell sieht sie und nutzt sie, um sein Tempo zu steuern.max_tokens: eine harte Obergrenze pro Anfrage für generierte Tokens. Sie wird nicht an das Modell übergeben, sodass das Modell sich ihrer nicht bewusst ist.Verwende task_budget, wenn das Modell sich selbst regulieren soll, und max_tokens als harte Obergrenze, um die Nutzung zu begrenzen.
Großes max_tokens bei max oder xhigh Effort setzen: Wenn du Claude Opus 4.7 mit max oder xhigh Effort ausführst, setze ein großes Max-Output-Token-Budget, damit das Modell Raum zum Denken und Handeln über seine Subagenten und Tool-Aufrufe hinweg hat. Beginne bei 64k Tokens und passe von dort aus an.
Bilder verkleinern, wenn hohe Auflösung unnötig ist: Claude Opus 4.7 unterstützt Bilder bis zu 2576px / 3,75MP. Hochauflösende Bilder verbrauchen mehr Tokens. Wenn die zusätzliche Bilddetailtreue unnötig ist, verkleinere Bilder vor dem Senden an Claude, um Erhöhungen der Token-Nutzung zu vermeiden. Siehe Bilder und Vision.
claude-opus-4-6 auf claude-opus-4-7 (oder aktualisiere Aliase).temperature, top_p und top_k aus Request-Payloads.thinking: {type: "enabled", budget_tokens: N} durch thinking: {type: "adaptive"} plus den Effort-Parameter.max_tokens neu an, um die aktualisierte Tokenisierung zu berücksichtigen.xhigh oder max Effort verwendest, erhöhe max_tokens als Ausgangspunkt auf mindestens 64k.Wenn du von Claude Opus 4.5, Opus 4.1 (veraltet) oder einem früheren Modell direkt zu Claude Opus 4.7 migrierst, wende alle Opus 4.7-Änderungen plus die kumulativen Änderungen in diesem Abschnitt an, die zwischen Opus 4.5 und Opus 4.7 in Kraft getreten sind. Wenn du von Opus 4.6 migrierst, benötigst du nur den Opus 4.7-Abschnitt.
# Opus-Migration
model = "claude-opus-4-5" # Before
model = "claude-opus-4-7" # AfterEntfernung von Prefill wird in den Opus 4.7 Breaking Changes oben behandelt.
Quoting von Tool-Parametern: Claude Opus 4.6 und spätere Modelle können leicht unterschiedliches JSON-String-Escaping in Tool-Aufruf-Argumenten erzeugen (zum Beispiel unterschiedliche Behandlung von Unicode-Escapes oder Forward-Slash-Escaping). Wenn du Tool-Aufruf-input als rohen String parst, anstatt einen JSON-Parser zu verwenden, überprüfe deine Parsing-Logik. Standard-JSON-Parser (wie json.loads() oder JSON.parse()) behandeln diese Unterschiede automatisch.
Diese Änderungen verbessern deine Erfahrung mit Opus 4.7. Mit (erforderlich bei Opus 4.7) markierte Punkte waren optionale Empfehlungen, als Opus 4.6 veröffentlicht wurde, sind aber jetzt verpflichtend; der Rest bleibt empfohlen.
Zu Adaptive Thinking migrieren (erforderlich bei Opus 4.7): thinking: {type: "enabled", budget_tokens: N} gibt bei Claude Opus 4.7 einen 400-Fehler zurück. Wechsle zu thinking: {type: "adaptive"} und verwende den Effort-Parameter, um die Denktiefe zu steuern. Siehe Adaptive Thinking.
response = client.beta.messages.create(
model="claude-opus-4-5",
max_tokens=16000,
thinking={"type": "enabled", "budget_tokens": 32000},
betas=["interleaved-thinking-2025-05-14"],
messages=[{"role": "user", "content": "Your prompt here"}],
)Beachte, dass die Migration auch von client.beta.messages.create zu client.messages.create wechselt. Adaptive Thinking und Effort sind GA-Features und erfordern weder den Beta-SDK-Namespace noch Beta-Header.
Effort-Beta-Header entfernen: Der Effort-Parameter ist jetzt GA. Entferne betas=["effort-2025-11-24"] aus deinen Anfragen.
Fine-grained Tool Streaming Beta-Header entfernen: Fine-grained Tool Streaming ist jetzt GA. Entferne betas=["fine-grained-tool-streaming-2025-05-14"] aus deinen Anfragen.
Interleaved Thinking Beta-Header entfernen: Adaptive Thinking aktiviert Interleaved Thinking automatisch bei Claude Opus 4.7, Opus 4.6 und Sonnet 4.6. Entferne betas=["interleaved-thinking-2025-05-14"] aus deinen Anfragen. Der Header ist bei Sonnet 4.6 mit manuellem erweitertem Denken weiterhin funktional, aber der manuelle Modus ist veraltet.
Zu output_config.format migrieren: Wenn du strukturierte Ausgaben verwendest, aktualisiere output_format={...} zu output_config={"format": {...}}. Der alte Parameter bleibt funktional, ist aber veraltet und wird in einer zukünftigen Modellversion entfernt.
Wenn du von Opus 4.1 (veraltet) oder früheren Modellen direkt zu Claude Opus 4.7 migrierst, wende die Claude Opus 4.7-Änderungen am Anfang dieses Leitfadens und die kumulativen Änderungen oben plus die zusätzlichen Änderungen in diesem Abschnitt an.
# Von Opus 4.1
model = "claude-opus-4-1-20250805" # Before
model = "claude-opus-4-7" # After
# Von Sonnet 3.7
model = "claude-3-7-sonnet-20250219" # Before
model = "claude-opus-4-7" # AfterSampling-Parameter entfernen
Dies ist ein Breaking Change bei der Migration von Claude 3.x-Modellen.
Ab Claude Opus 4.7 gibt das Setzen von temperature, top_p oder top_k auf einen nicht-standardmäßigen Wert einen 400-Fehler zurück. Der sicherste Migrationspfad ist, diese Parameter vollständig aus Anfragen wegzulassen und Prompting zu verwenden, um das Verhalten des Modells zu steuern. Wenn du temperature = 0 für Determinismus verwendet hast, beachte, dass dies nie identische Ausgaben garantiert hat.
# Vorher – Dies führt in Claude 4+ Modellen zu einem Fehler
response = client.messages.create(
model="claude-3-7-sonnet-20250219",
temperature=0.7,
top_p=0.9, # Non-default sampling params return 400 on Opus 4.7
# ...
)
# Nachher
response = client.messages.create(
model="claude-opus-4-7",
# ...
)Tool-Versionen aktualisieren
Dies ist ein Breaking Change bei der Migration von Claude 3.x-Modellen.
Aktualisiere auf die neuesten Tool-Versionen. Entferne jeglichen Code, der den undo_edit-Befehl verwendet.
# Vorher
tools = [{"type": "text_editor_20250124", "name": "str_replace_editor"}]
# Nachher
tools = [{"type": "text_editor_20250728", "name": "str_replace_based_edit_tool"}]text_editor_20250728 und str_replace_based_edit_tool. Siehe Text-Editor-Tool-Dokumentation für Details.code_execution_20250825. Siehe Code-Execution-Tool-Dokumentation für Migrationsanweisungen.Den refusal-Stop-Reason behandeln
Aktualisiere deine Anwendung, um refusal-Stop-Reasons zu behandeln:
response = client.messages.create(...)
if response.stop_reason == "refusal":
# Behandle die Ablehnung angemessen
passDen model_context_window_exceeded-Stop-Reason behandeln
Claude 4.5+-Modelle geben einen model_context_window_exceeded-Stop-Reason zurück, wenn die Generierung aufgrund des Erreichens des Kontextfenster-Limits stoppt, anstatt des angeforderten max_tokens-Limits. Aktualisiere deine Anwendung, um diesen neuen Stop-Reason zu behandeln:
response = client.messages.create(...)
if response.stop_reason == "model_context_window_exceeded":
# Behandle das Kontextfenster-Limit angemessen
passTool-Parameter-Behandlung überprüfen (nachgestellte Zeilenumbrüche)
Claude 4.5+-Modelle behalten nachgestellte Zeilenumbrüche in String-Parametern von Tool-Aufrufen bei, die zuvor entfernt wurden. Wenn deine Tools auf exaktes String-Matching gegen Tool-Aufruf-Parameter angewiesen sind, überprüfe, ob deine Logik nachgestellte Zeilenumbrüche korrekt behandelt.
Deine Prompts für Verhaltensänderungen aktualisieren
Claude 4+-Modelle haben einen prägnanteren, direkteren Kommunikationsstil und erfordern explizite Anweisungen. Sieh dir die Best Practices für Prompting für Optimierungshinweise an.
token-efficient-tools-2025-02-19 und output-128k-2025-02-19. Alle Claude 4+-Modelle haben integrierte token-effiziente Tool-Nutzung, und diese Header haben keine Wirkung.claude-opus-4-7output_config.formatthinking: {type: "enabled", budget_tokens: N} durch thinking: {type: "adaptive"} plus den Effort-Parameter (gibt 400 bei Opus 4.7 zurück)effort-2025-11-24-Beta-Header (Effort ist jetzt GA)fine-grained-tool-streaming-2025-05-14-Beta-Headerinterleaved-thinking-2025-05-14-Beta-Header (Adaptive Thinking aktiviert Interleaved Thinking automatisch)output_format zu output_config.format (falls zutreffend)temperature, top_p und top_k (nicht-standardmäßige Werte geben 400 bei Opus 4.7 zurück)text_editor_20250728, code_execution_20250825)refusal-Stop-Reasonmodel_context_window_exceeded-Stop-Reasontoken-efficient-tools-2025-02-19, output-128k-2025-02-19)Claude Sonnet 5 bietet die beste Kombination aus Geschwindigkeit und Intelligenz in der Claude-Modellfamilie. Es baut auf Claude Sonnet 4.6 auf.
Claude Sonnet 5 ist ein Drop-in-Upgrade für Claude Sonnet 4.6 zum gleichen Preis von $3 / $15 pro MTok (Einführungspreis $2 / $10 pro MTok bis 31. August 2026; siehe Preise). Es gibt zwei Breaking-API-Changes für Code, der bereits auf Claude Sonnet 4.6 läuft: manuelles erweitertes Denken (thinking: {type: "enabled", budget_tokens: N}) und Sampling-Parameter (temperature, top_p, top_k), die auf nicht-standardmäßige Werte gesetzt sind, werden nicht mehr akzeptiert und geben einen 400-Fehler zurück. Verwende stattdessen Adaptive Thinking mit dem Effort-Parameter. Claude Sonnet 5 unterstützt denselben Funktionsumfang wie Claude Sonnet 4.6, einschließlich des 1M-Token-Kontextfensters, Adaptive Thinking, Prompt-Caching, Batch-Verarbeitung, der Files API, PDF-Unterstützung, Vision und des vollständigen Satzes serverseitiger und clientseitiger Tools. Priority Tier ist bei Claude Sonnet 5 nicht verfügbar. Claude Sonnet 5 verwendet außerdem einen neuen Tokenizer.
Wenn dein Code auf Claude Sonnet 4.5 oder früher läuft, wende auch die Claude Sonnet 4.6-Migrationsschritte an, bevor du auf Claude Sonnet 5 aktualisierst. Diese Schritte enthalten Breaking Changes (Assistant-Message-Prefilling abgelehnt, Unterschiede beim JSON-Escaping von Tool-Parametern), die das Sonnet 5-Upgrade allein nicht abdeckt.
# Sonnet-Migration
model = "claude-sonnet-4-6" # Before
model = "claude-sonnet-5" # AfterDie Punkte 4 und 5 in der folgenden Liste sind Breaking Changes. max_tokens bleibt eine harte Grenze für die Gesamtausgabe (Denken plus Antworttext), überprüfe es also für Workloads, die bei Claude Sonnet 4.6 ohne Denken liefen.
Neuer Tokenizer: Claude Sonnet 5 verwendet einen neuen Tokenizer. Derselbe Eingabetext erzeugt etwa 30 % mehr Tokens als bei Claude Sonnet 4.6. Anfragen, Antworten und Streaming-Events behalten dieselbe Form, und es sind keine Code-Änderungen erforderlich, aber alles, was du in Tokens misst oder budgetierst, verschiebt sich: usage-Felder und Token-Counting-Ergebnisse für denselben Text sind höher, das 1M-Token-Kontextfenster fasst weniger Text, und ein für Claude Sonnet 4.6 abgestimmtes max_tokens-Limit kann äquivalente Ausgaben abschneiden. Die Preise pro Token sind unverändert, sodass die Kosten einer äquivalenten Anfrage abweichen können. Führe das Token-Counting gegen Claude Sonnet 5 erneut aus, anstatt Zählungen wiederzuverwenden, die gegen frühere Modelle gemessen wurden.
128k Max-Output-Tokens (unverändert): Claude Sonnet 5 unterstützt bis zu 128k Output-Tokens, genauso wie Claude Sonnet 4.6. Bestehende max_tokens-Werte bleiben gültig. Berücksichtige den neuen Tokenizer bei ihrer Dimensionierung.
Assistant-Message-Prefilling (unverändert): Das Prefilling der Assistant-Message gibt bei Claude Sonnet 5 einen 400-Fehler zurück, genauso wie bei Claude Sonnet 4.6. Wenn du Prefill bei der Migration zu Claude Sonnet 4.6 entfernt hast, sind keine weiteren Änderungen erforderlich. Verwende stattdessen strukturierte Ausgaben, System-Prompt-Anweisungen oder output_config.format.
Adaptive Thinking standardmäßig aktiviert: Bei Claude Sonnet 4.6 laufen Anfragen ohne thinking-Feld ohne Denken; bei Claude Sonnet 5 laufen dieselben Anfragen mit Adaptive Thinking. Um das Denken auszuschalten, übergib thinking: {type: "disabled"}. Manuelles erweitertes Denken (thinking: {type: "enabled", budget_tokens: N}) wird nicht unterstützt und gibt einen 400-Fehler zurück. Verwende den Effort-Parameter (Standard high), um die Denktiefe zu steuern.
Sampling-Parameter entfernt: Sampling-Parameter (temperature, top_p, top_k), die auf einen nicht-standardmäßigen Wert gesetzt sind, werden nicht akzeptiert und geben einen 400-Fehler zurück.
Cybersecurity-Schutzmaßnahmen: Claude Sonnet 5 ist das erste Modell der Sonnet-Stufe mit Echtzeit-Cybersecurity-Schutzmaßnahmen. Anfragen, die verbotene oder risikoreiche Cybersecurity-Themen betreffen, können abgelehnt werden. Ablehnungen werden als erfolgreiche HTTP-200-Antwort mit stop_reason: "refusal" zurückgegeben, nicht als Fehler. Siehe Safeguards, warnings, and appeals für Hintergrundinformationen.
claude-sonnet-4-6 auf claude-sonnet-5.max_tokens-Limits, die nahe an deiner erwarteten Ausgabelänge dimensioniert sind, und erhöhe sie bei Bedarf bis zum 128k-Maximum (unverändert gegenüber Claude Sonnet 4.6).thinking: {type: "enabled", budget_tokens: N}-Konfiguration (gibt einen 400-Fehler zurück). Adaptive Thinking ist standardmäßig aktiviert; übergib {type: "disabled"}, um es auszuschalten, oder verwende den Effort-Parameter, um die Tiefe zu steuern.temperature-, top_p- und top_k-Parameter, die auf nicht-standardmäßige Werte gesetzt sind (sie geben bei Claude Sonnet 5 einen 400-Fehler zurück).stop_reason: "refusal" hinzu, wenn dein Workload Cybersecurity-Themen berühren könnte.max_tokens für Workloads, die zuvor ohne Denken liefen.Claude Sonnet 4.6 kombiniert starke Intelligenz mit schneller Performance und bietet verbesserte agentische Suchfähigkeiten sowie kostenlose Code-Ausführung bei Verwendung mit Web-Suche oder Web-Fetch. Es ist ideal für alltägliche Coding-, Analyse- und Content-Aufgaben.
Für einen vollständigen Überblick über die Fähigkeiten siehe die Modellübersicht.
Die Preise für Sonnet 4.6 betragen $3 pro Million Input-Tokens, $15 pro Million Output-Tokens. Siehe Claude-Preise für Details.
Aktualisiere deinen Modellnamen:
# Von Sonnet 4.5
model = "claude-sonnet-4-5" # Before
model = "claude-sonnet-4-6" # AfterPrefilling von Assistant-Messages wird nicht mehr unterstützt
Dies ist ein Breaking Change bei der Migration von Sonnet 4.5 oder früher.
Das Prefilling von Assistant-Messages gibt bei Sonnet 4.6 einen 400-Fehler zurück. Verwende stattdessen strukturierte Ausgaben, System-Prompt-Anweisungen oder output_config.format.
Häufige Prefill-Anwendungsfälle und Migrationen:
Steuerung der Ausgabeformatierung (Erzwingen von JSON/YAML-Ausgabe): Verwende strukturierte Ausgaben oder Tools mit Enum-Feldern für Klassifizierungsaufgaben.
Eliminierung von Präambeln (Entfernen von „Hier ist..."-Phrasen): Füge direkte Anweisungen im System-Prompt hinzu: „Antworte direkt ohne Präambel. Beginne nicht mit Phrasen wie ‚Hier ist...', ‚Basierend auf...' usw."
Vermeidung unangemessener Ablehnungen: Claude ist jetzt viel besser bei angemessenen Ablehnungen. Klares Prompting in der User-Message ohne Prefill sollte ausreichen.
Fortsetzungen (Wiederaufnahme unterbrochener Antworten): Verschiebe die Fortsetzung in die User-Message: „Deine vorherige Antwort wurde unterbrochen und endete mit [previous_response]. Fahre dort fort, wo du aufgehört hast."
Kontext-Hydration / Rollenkonsistenz (Auffrischen des Kontexts in langen Gesprächen): Füge das, was zuvor als Prefill-Assistant-Erinnerungen diente, stattdessen in den User-Turn ein.
JSON-Escaping von Tool-Parametern kann abweichen
Dies ist ein Breaking Change bei der Migration von Sonnet 4.5 oder früher.
Das JSON-String-Escaping in Tool-Parametern kann von früheren Modellen abweichen. Standard-JSON-Parser behandeln dies automatisch, aber benutzerdefiniertes String-basiertes Parsing muss möglicherweise aktualisiert werden.
Sampling-Parameter aktualisieren
Dies ist ein Breaking Change bei der Migration von Claude 3.x-Modellen.
Verwende nur temperature ODER top_p, nicht beide.
Tool-Versionen aktualisieren
Dies ist ein Breaking Change bei der Migration von Claude 3.x-Modellen.
Aktualisiere auf die neuesten Tool-Versionen (text_editor_20250728, code_execution_20250825). Entferne jeglichen Code, der den undo_edit-Befehl verwendet.
Den refusal-Stop-Reason behandeln
Aktualisiere deine Anwendung, um refusal-Stop-Reasons zu behandeln.
Deine Prompts für Verhaltensänderungen aktualisieren
Claude 4-Modelle haben einen prägnanteren, direkteren Kommunikationsstil. Sieh dir die Best Practices für Prompting für Optimierungshinweise an.
fine-grained-tool-streaming-2025-05-14-Beta-Header entfernen: Fine-grained Tool Streaming ist jetzt GA bei Sonnet 4.6 und erfordert keinen Beta-Header mehr.output_format zu output_config.format migrieren: Der output_format-Parameter ist veraltet. Verwende stattdessen output_config.format.Erwäge die Migration von Sonnet 4.5 zu Sonnet 4.6, das mehr Intelligenz zum gleichen Preis bietet.
Sonnet 4.6 verwendet standardmäßig ein Effort-Level von high, im Gegensatz zu Sonnet 4.5, das keinen Effort-Parameter hatte. Erwäge, den Effort-Parameter anzupassen, wenn du von Sonnet 4.5 zu Sonnet 4.6 migrierst. Wenn er nicht explizit gesetzt wird, kann es mit dem Standard-Effort-Level zu höherer Latenz kommen.
Wenn du kein erweitertes Denken mit Sonnet 4.5 verwendest, kannst du auch bei Sonnet 4.6 darauf verzichten. Du solltest Effort explizit auf das für deinen Anwendungsfall passende Level setzen. Bei low Effort mit deaktiviertem Denken kannst du eine ähnliche oder bessere Leistung im Vergleich zu Sonnet 4.5 ohne erweitertes Denken erwarten.
response = client.messages.create(
model="claude-sonnet-4-6",
max_tokens=8192,
output_config={"effort": "low"},
messages=[{"role": "user", "content": "Your prompt here"}],
)Wenn du erweitertes Denken mit budget_tokens bei Sonnet 4.5 verwendest, funktioniert dies bei Sonnet 4.6 weiterhin, ist aber veraltet. Migriere zu adaptivem Denken mit dem Effort-Parameter.
Adaptives Denken ist der empfohlene Ersatz für budget_tokens bei Sonnet 4.6. Es eignet sich besonders gut für die folgenden Workload-Muster:
high Effort. Wenn Latenz oder Token-Verbrauch ein Problem darstellen, reduziere auf medium.Wenn du adaptives Denken verwendest, evaluiere medium und high Effort für deine Aufgaben. Das richtige Level hängt vom Kompromiss deines Workloads zwischen Qualität, Latenz und Token-Verbrauch ab.
response = client.messages.create(
model="claude-sonnet-4-6",
max_tokens=64000,
thinking={"type": "adaptive"},
output_config={"effort": "medium"},
messages=[{"role": "user", "content": "Your prompt here"}],
)Wenn du inkonsistentes Verhalten oder Qualitätsverschlechterungen mit adaptivem Denken feststellst, versuche zunächst, die Effort-Einstellung zu senken oder max_tokens als hartes Limit zu verwenden. Erweitertes Denken mit budget_tokens funktioniert bei Sonnet 4.6 weiterhin, ist aber veraltet und wird nicht mehr empfohlen.
Wenn du budget_tokens während der Migration vorübergehend beibehalten musst, bietet ein Budget von etwa 16k Token Spielraum für schwierigere Probleme ohne das Risiko eines unkontrollierten Token-Verbrauchs. Diese Konfiguration ist veraltet und wird in einer zukünftigen Modellversion entfernt.
Für agentisches Coding, Frontend-Design, Tool-intensive Workflows und komplexe Enterprise-Workflows beginne mit medium Effort. Wenn du feststellst, dass die Latenz zu hoch ist, erwäge, Effort auf low zu reduzieren. Wenn du höhere Intelligenz benötigst, erwäge, Effort auf high zu erhöhen oder zu Opus 4.7 zu migrieren.
response = client.beta.messages.create(
model="claude-sonnet-4-6",
max_tokens=16384,
thinking={"type": "enabled", "budget_tokens": 16384},
output_config={"effort": "medium"},
betas=["interleaved-thinking-2025-05-14"],
messages=[{"role": "user", "content": "Your prompt here"}],
)Für Chat, Content-Generierung, Suche, Klassifizierung und andere Nicht-Coding-Aufgaben beginne mit low Effort mit erweitertem Denken. Wenn du mehr Tiefe benötigst, erhöhe Effort auf medium.
response = client.beta.messages.create(
model="claude-sonnet-4-6",
max_tokens=8192,
thinking={"type": "enabled", "budget_tokens": 16384},
output_config={"effort": "low"},
betas=["interleaved-thinking-2025-05-14"],
messages=[{"role": "user", "content": "Your prompt here"}],
)claude-sonnet-4-6 aktualisierenoutput_config.format verwendentext_editor_20250728, code_execution_20250825); Legacy-Versionen werden nicht unterstützt (bei Migration von 3.x)undo_edit-Befehl verwendet (falls zutreffend)temperature ODER top_p verwendet wird, nicht beide (bei Migration von 3.x)refusal stop_reason in deiner Anwendung behandelnfine-grained-tool-streaming-2025-05-14 Beta-Header entfernen (jetzt allgemein verfügbar)output_format zu output_config.format migrierenthinking: {type: "enabled", budget_tokens: N} zu thinking: {type: "adaptive"} mit dem Effort-Parameter migrieren (budget_tokens ist veraltet und wird in einer zukünftigen Version entfernt)Claude Sonnet 4.5 kombiniert starke Intelligenz mit schneller Performance und ist damit ideal für alltägliche Coding-, Analyse- und Content-Aufgaben.
Eine vollständige Übersicht der Fähigkeiten findest du in der Modellübersicht.
Die Preise für Sonnet 4.5 betragen 3 $ pro Million Input-Token und 15 $ pro Million Output-Token. Details findest du unter Claude-Preise.
Aktualisiere deinen Modellnamen:
# Von Sonnet 3.7
model = "claude-3-7-sonnet-20250219" # Before
model = "claude-sonnet-4-5-20250929" # AfterDiese Breaking Changes gelten bei der Migration von Claude 3.x Sonnet-Modellen.
Sampling-Parameter aktualisieren
Dies ist ein Breaking Change bei der Migration von Claude 3.x-Modellen.
Verwende nur temperature ODER top_p, nicht beide.
Tool-Versionen aktualisieren
Dies ist ein Breaking Change bei der Migration von Claude 3.x-Modellen.
Aktualisiere auf die neuesten Tool-Versionen (text_editor_20250728, code_execution_20250825). Entferne jeglichen Code, der den undo_edit-Befehl verwendet.
Den refusal stop_reason behandeln
Aktualisiere deine Anwendung, um refusal stop_reasons zu behandeln.
Deine Prompts für Verhaltensänderungen aktualisieren
Claude 4-Modelle haben einen prägnanteren, direkteren Kommunikationsstil. Sieh dir die Best Practices für Prompting für Optimierungshinweise an.
claude-sonnet-4-5-20250929 aktualisierentext_editor_20250728, code_execution_20250825); Legacy-Versionen werden nicht unterstützt (bei Migration von 3.x)undo_edit-Befehl verwendet (falls zutreffend)temperature ODER top_p verwendet wird, nicht beide (bei Migration von 3.x)refusal stop_reason in deiner Anwendung behandelnClaude Haiku 4.5 ist das schnellste und intelligenteste Haiku-Modell mit nahezu Frontier-Performance und liefert Premium-Modellqualität für interaktive Anwendungen und Verarbeitung mit hohem Volumen.
Eine vollständige Übersicht der Fähigkeiten findest du in der Modellübersicht.
Die Preise für Haiku 4.5 betragen 1 $ pro Million Input-Token und 5 $ pro Million Output-Token. Details findest du unter Claude-Preise.
Aktualisiere deinen Modellnamen:
# Von Haiku 3.5
model = "claude-3-5-haiku-20241022" # Before
model = "claude-haiku-4-5-20251001" # AfterÜberprüfe die neuen Ratenlimits: Haiku 4.5 hat separate Ratenlimits gegenüber Haiku 3.5. Details findest du in der Ratenlimit-Dokumentation.
Für erhebliche Leistungsverbesserungen bei Coding- und Reasoning-Aufgaben erwäge, erweitertes Denken mit thinking: {type: "enabled", budget_tokens: N} zu aktivieren.
Erweitertes Denken beeinflusst die Effizienz des Prompt-Caching.
Erweitertes Denken ist in Claude 4.6-Modellen veraltet und in Claude Opus 4.7 entfernt. Wenn du neuere Modelle verwendest, nutze stattdessen adaptives Denken.
Erkunde neue Fähigkeiten: Details zu Kontextbewusstsein, erhöhter Ausgabekapazität (64k Token), höherer Intelligenz und verbesserter Geschwindigkeit findest du in der Modellübersicht.
Diese Breaking Changes gelten bei der Migration von Claude 3.x Haiku-Modellen.
Sampling-Parameter aktualisieren
Dies ist ein Breaking Change bei der Migration von Claude 3.x-Modellen.
Verwende nur temperature ODER top_p, nicht beide.
Tool-Versionen aktualisieren
Dies ist ein Breaking Change bei der Migration von Claude 3.x-Modellen.
Aktualisiere auf die neuesten Tool-Versionen (text_editor_20250728, code_execution_20250825). Entferne jeglichen Code, der den undo_edit-Befehl verwendet.
Den refusal stop_reason behandeln
Aktualisiere deine Anwendung, um refusal stop_reasons zu behandeln.
Deine Prompts für Verhaltensänderungen aktualisieren
Claude 4-Modelle haben einen prägnanteren, direkteren Kommunikationsstil. Sieh dir die Best Practices für Prompting für Optimierungshinweise an.
claude-haiku-4-5-20251001 aktualisierentext_editor_20250728, code_execution_20250825); Legacy-Versionen werden nicht unterstütztundo_edit-Befehl verwendet (falls zutreffend)temperature ODER top_p verwendet wird, nicht beiderefusal stop_reason in deiner Anwendung behandelnWas this page helpful?