Claude Opus 4.6 a étendu la lignée Opus au travail en contexte long : par rapport à Opus 4.5, il fait passer la fenêtre de contexte de 200K à 1M de tokens, double la sortie maximale à 128K tokens, et introduit la réflexion adaptative aux côtés de la réflexion étendue, le tout à une tarification inchangée de 5 $/25 $ par million de tokens.
- Entrée
- texte image $5/M
- Sortie
- texte $25/M
- Lecture de cache
- $0.5/M
- Contexte
- 1M
- Coupure des connaissances
- 2025-05
Benchmarks
Chiffres publiés par les fournisseurs : Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Le prix en contexte
Position du prix parmi 60 modèles comparables
La barre montre où se situe le prix de ce modèle parmi tous les modèles du même type sur Synthorai. Le moins cher et le plus cher sont nommés à chaque extrémité. Ce sont des tarifs de base ; les remises lot, région et écriture en cache figurent sur la page des tarifs.
Spécifications et limites
Tokens
| Fenêtre de contexte (spécification du fournisseur) | 1 000 000 |
|---|---|
| Sortie max (spéc. fournisseur) | 128 000 |
| Coupure des connaissances | 2025-05 |
| Données d'entraînement jusqu'à | 2025-08 connaissances jusqu'à 2025-05 |
Mise en cache
| Mode | explicite (sur activation) |
|---|---|
| Préfixe min. | 4 096 défaut du fournisseur : 1 024 |
| Durée de vie | 5 min par défaut, 1 heure en option |
| Coût d'écriture | 1.25x (5m) / 2x (1h) |
Raisonnement
| Paramètre du fournisseur | thinking.type + output_config.effort (budget_tokens still accepted, deprecated) |
|---|---|
| Valeurs acceptées | thinking.type adaptive · enabled (deprecated) · disabled; effort low · medium · high · max (no xhigh) |
| Valeur par défaut | réflexion désactivée ; effort high appliquée si la requête ne précise rien |
| Désactivable | Oui |
| Comportement du raisonnement | La réflexion adaptative s'entrelace automatiquement entre les appels d'outils sans en-tête bêta, tandis que le mode manuel « enabled » n'offre aucune réflexion entrelacée sur ce modèle ; les blocs de réflexion des tours précédents sont conservés dans le contexte et facturés en entrée. |
| Paramètre | reasoning_effort |
| Valeurs | minimal · low · medium · high la surface de paramètres de la passerelle - le mappage fournisseur ci-dessus s'applique |
Modèle
| Modalités | texte + image → texte |
|---|
- Premier Opus pour lequel la réflexion adaptative est recommandée
- le préremplissage de l'assistant n'est pas pris en charge
- contexte de 1M en GA depuis le 2026-03-13
- mode rapide retiré le 2026-06-29
Un prompt, mesuré via la passerelle
Claude Opus 4.6 réussi · 3 sentences
When reasoning is enabled, the model generates extensive internal chain-of-thought tokens that are produced—and billed—before the user-visible answer even begins, often multiplying total token consumption by 5–10× per request. Because our pricing is strictly per-token for both input and output, those hidden "thinking" tokens hit the invoice just as hard as the final response, even though end users never see them. To bring costs back in line, we can tune the reasoning effort parameter, cache common prompts, and route only genuinely complex queries to the reasoning model while handling routine tasks with a lighter, cheaper one.
sortie 132 tok latence 6.3 s
Suivi de l'instruction (exactement trois phrases - comptables), adaptation à l'audience (registre CFO), et l'écart de facturation lié à la réflexion cachée que les compteurs de tokens ci-dessous révèlent.
Claude Opus 4.6 réussi · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The original code had two related bugs stemming from the fact that it counted additional consecutive elements (starting from 0) rather than the total length of a run (starting from 1): first, `best` and `cur` were initialized to 0 instead of 1, which meant a single-element list (where the loop never executes) returned 0 instead of the correct answer 1; second, when a mismatch was found, `cur` was reset to 0 instead of 1 (failing to count the current element as the start of a new run), which meant that if the longest run occurred at the very end of the list, the comparison `best = max(best, cur)` on the next matching step would be w […]
sortie 277 tok latence 7.0 s
Si le correctif est réellement juste (exécutable), la densité de l'explication, et l'efficacité en tokens sur une tâche bornée.
Claude Opus 4.6 réussi · 5/5 fields, guidance "withheld pending the Q4 close"
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "withheld pending the Q4 close" } ```
sortie 73 tok latence 2.6 s
Respect du schéma (aucun champ inventé), pression d'hallucination (guidance est explicitement retenue), et différences de chemin pour la sortie structurée.
Claude Opus 4.6 réussi · 118 words, 0 banned, 1 question
**Introducing Cross-Provider Prompt Caching** Why pay for the same computation twice? Our new API gateway feature intelligently caches prompt responses across multiple LLM providers, reducing latency by up to 60% and cutting costs significantly for repeated or similar queries. When your application sends a prompt that matches a cached response—regardless of whether it originally came from OpenAI, Anthropic, or Cohere—the gateway serves the stored result instantly. You maintain full control over cache duration, invalidation rules, and provider-specific overrides through a simple configuration dashboard. The feature supports both exact and semantic matching, letting teams optimize for speed or flexibility based on their use case. Available today on all Pro and Enterprise plans with no additional setup required.
sortie 163 tok latence 6.1 s
Respect des contraintes (budget de mots, liste de mots interdits, l'unique question), empreinte stylistique, et contrôle de la longueur.
Utilisez Claude Opus 4.6 en 30 secondes
Compatible OpenAI : changez la base_url, gardez votre SDK. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="claude-opus-4-6",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "claude-opus-4-6",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "claude-opus-4-6",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "claude-opus-4-6",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("claude-opus-4-6")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));À propos de Claude Opus 4.6
- Anthropic l'a lancé comme son modèle le plus intelligent pour les tâches agentiques complexes et le travail à long horizon, et la fenêtre de 1M est passée de la bêta à la disponibilité générale au tarif standard un mois plus tard.
- L'entrée visuelle, l'utilisation d'outils et la mise en cache des prompts sont prises en charge, et la Batch API propose une bêta de sortie étendue à 300K pour ce modèle.
- C'est aussi la version où la compaction a été livrée pour la première fois en bêta, donnant aux longues sessions d'agent un moyen de continuer à travailler au-delà de la fenêtre.
- Les deux modes de réflexion sont acceptés, la réflexion étendue étant désormais dépréciée mais toujours fonctionnelle, et aucun des deux types n'est rejeté ; l'effort couvre low jusqu'à max sans xhigh et vaut high par défaut.
- Deux comportements piègent les migrations : le préremplissage du message assistant n'est pas pris en charge à partir de cette génération, et la préversion de recherche du mode rapide a été retirée en juin 2026, après quoi les requêtes s'exécutent simplement à vitesse et tarif standard au lieu de renvoyer une erreur.
- La mise en cache des prompts exige un préfixe minimum de 4 096 tokens.
- Il est désormais classé comme modèle hérité (legacy) derrière Opus 4.7 et 4.8.
- Synthorai rend Claude Opus 4.6 appelable depuis n'importe quel client compatible OpenAI.
FAQ
Peut-on essayer l'API Claude Opus 4.6 gratuitement ?
Oui : les nouveaux comptes reçoivent 10 appels d'essai et jusqu'à $1 de crédit gratuit, sans carte bancaire. À $5/M de tokens en entrée, ce crédit couvre à lui seul environ 24 requêtes de ~8K tokens sur Claude Opus 4.6.
Quels sont les points forts de Claude Opus 4.6 ?
Fenêtre de contexte passée de 200K à 1M ; sortie maximale doublée à 128K tokens ; bêta batch à sortie étendue de 300K. Voir la section À propos pour le tableau complet, tiré des notes de version officielles du fournisseur.
Combien coûte Claude Opus 4.6 ?
Sur Synthorai, Claude Opus 4.6 coûte $5 par million de tokens en entrée et $25 par million de tokens en sortie, soit le prix catalogue du fournisseur, sans majoration de plateforme. Les tokens d'entrée en cache sont facturés $0.5/M.
Claude Opus 4.6 prend-il en charge la mise en cache des prompts ?
Oui, sur activation : marquez les préfixes stables avec des points d'arrêt cache_control. Les tokens d'entrée en cache sont facturés $0.5/M contre $5/M hors cache ; les prompts doivent avoir un préfixe stable de 4,096 tokens pour être mis en cache (TTL 5 min par défaut, 1 heure en option). Guide de mise en cache des prompts →
Comment obtenir l'accès à Claude Opus 4.6 ?
Pointez votre SDK OpenAI existant vers base_url="https://synthorai.io/v1", définissez model="claude-opus-4-6", et c'est tout. Une seule clé API couvre tous les modèles de la passerelle.
Quelle est la date de coupure des connaissances de Claude Opus 4.6 ?
La date de coupure des connaissances de Claude Opus 4.6 est 2025-05, selon la documentation officielle du fournisseur (au 2026-07-09).
Modèles associés
Comparer
Chaque valeur de cette page est transcrite de la documentation du fournisseur, liée ci-dessus, et porte la date de sa vérification. Les prix sont comparés à l'échelle du catalogue ; les valeurs de spécification que les fournisseurs définissent différemment sont présentées avec la différence indiquée plutôt que mises en graphique. Rien ici n'est mesuré par nous, et rien n'est noté.