Claude Opus 4.6 ha esteso la linea Opus al lavoro a contesto lungo: rispetto a Opus 4.5 amplia la finestra di contesto da 200K a 1M di token, raddoppia l'output massimo a 128K token e introduce il thinking adattivo accanto all'extended thinking, tutto a un prezzo invariato di $5/$25 per milione di token.
- Input
- testo immagine $5/M
- Output
- testo $25/M
- Lettura cache
- $0.5/M
- Contesto
- 1M
- Knowledge cutoff
- 2025-05
Benchmark
Dati pubblicati dai provider: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Il prezzo a confronto
Dove si colloca il prezzo tra 68 modelli confrontabili
La barra mostra dove si colloca il prezzo di questo modello tra tutti i modelli dello stesso tipo su Synthorai. Alle due estremità sono indicati il più economico e il più caro. Sono tariffe base; gli sconti per batch, regione e scrittura in cache sono nella pagina dei prezzi.
Specifiche e limiti
Token
| Finestra di contesto (specifica del provider) | 1.000.000 |
|---|---|
| Output massimo (specifica del provider) | 128.000 |
| Knowledge cutoff | 2025-05 |
| Dati di addestramento fino a | 2025-08 conoscenza fino a 2025-05 |
Prompt caching
| Modalità | esplicito (opt-in) |
|---|---|
| Prefisso min. | 4.096 default del provider: 1.024 |
| Durata | 5 min predefinito, 1 ora opzionale |
| Costo di scrittura | 1.25x (5m) / 2x (1h) |
Ragionamento
| Parametro del provider | thinking.type + output_config.effort (budget_tokens still accepted, deprecated) |
|---|---|
| Valori accettati | thinking.type adaptive · enabled (deprecated) · disabled; effort low · medium · high · max (no xhigh) |
| Valore di default | thinking disattivato; effort high applicato se la richiesta non specifica nulla |
| Disattivabile | Sì |
| Comportamento del ragionamento | Il thinking adattivo si intercala automaticamente tra le chiamate a strumenti senza header beta, mentre su questo modello la modalità manuale "enabled" non ha alcun interleaved thinking; i blocchi di thinking dei turni precedenti restano nel contesto e vengono fatturati come input. |
| Parametro | reasoning_effort |
| Valori | minimal · low · medium · high parametri esposti dal gateway: vale la mappatura del provider indicata sopra |
Modello
| Modalità | testo + immagine → testo |
|---|
- Primo Opus con thinking adattivo raccomandato
- prefill dell'assistente non supportato
- contesto da 1M in GA dal 2026-03-13
- fast mode rimossa il 2026-06-29
Un solo prompt, misurato attraverso il gateway
Claude Opus 4.6 superato · 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.
out 132 tok latenza 6.3 s
Rispetto delle istruzioni (esattamente tre frasi: si contano), adattamento al destinatario (registro da CFO) e lo scarto di fatturazione dovuto al ragionamento nascosto, che i contatori di token qui sotto mettono in luce.
Claude Opus 4.6 superato · 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 […]
out 277 tok latenza 7.0 s
Se la correzione è davvero giusta (si può eseguire), quanto è densa la spiegazione e quanti token servono per un compito circoscritto.
Claude Opus 4.6 superato · 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" } ```
out 73 tok latenza 2.6 s
Aderenza allo schema (nessun campo inventato), tentazione di allucinare (il testo dice espressamente che la guidance non viene comunicata) e differenze tra i percorsi di output strutturato.
Claude Opus 4.6 superato · 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.
out 163 tok latenza 6.1 s
Rispetto dei vincoli (budget di parole, elenco di parole vietate, l'unica domanda), impronta stilistica e controllo della lunghezza.
Usa Claude Opus 4.6 in 30 secondi
Compatibile con OpenAI: cambi base_url e tieni il tuo 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(""));Informazioni su Claude Opus 4.6
- Anthropic lo ha lanciato come il suo modello più intelligente per compiti agentici complessi e lavoro a lungo orizzonte, e la finestra da 1M è passata dalla beta alla disponibilità generale a prezzo standard un mese dopo.
- Sono supportati input visivo, uso di strumenti e caching dei prompt, e la Batch API offre per questo modello una beta con output esteso a 300K.
- È anche il rilascio in cui la compaction è arrivata per la prima volta in beta, dando alle sessioni agentiche lunghe un modo per continuare a lavorare oltre la finestra.
- Entrambe le modalità di thinking sono accettate, con l'extended thinking ora deprecato ma ancora funzionante e nessuno dei due tipi rifiutato; l'effort copre da low fino a max senza xhigh e ha high come predefinito.
- Due comportamenti colgono impreparate le migrazioni: il prefill del messaggio dell'assistente non è supportato da questa generazione in avanti, e la research preview della fast mode è stata rimossa a giugno 2026, dopodiché le richieste semplicemente vengono eseguite a velocità e tariffe standard anziché restituire un errore.
- Il caching dei prompt richiede un prefisso minimo di 4.096 token.
- Ora è elencato come modello legacy dietro Opus 4.7 e 4.8.
- Synthorai rende Claude Opus 4.6 richiamabile da qualsiasi client compatibile OpenAI.
FAQ
L'API di Claude Opus 4.6 si può provare gratis?
Sì: i nuovi account ricevono 10 chiamate di prova e fino a $1 di credito gratuito, senza bisogno di carta. A $5/M per i token di input, quel credito basta da solo per circa 24 richieste da ~8K token a Claude Opus 4.6.
In cosa eccelle Claude Opus 4.6?
Finestra di contesto cresciuta da 200K a 1M; output massimo raddoppiato a 128K token; beta batch con output esteso a 300K. Il quadro completo è nella sezione «Informazioni», ripreso dalle note di rilascio ufficiali del provider.
Quanto costa Claude Opus 4.6?
Su Synthorai Claude Opus 4.6 costa $5 per milione di token di input e $25 per milione di token di output: è il prezzo di listino del provider, senza sovrapprezzo di piattaforma. I token di input letti dalla cache costano $0.5/M.
Qual è la finestra di contesto di Claude Opus 4.6?
Claude Opus 4.6 ha una finestra di contesto di 1M token su Synthorai. Una singola risposta può arrivare a 128,000 token.
Claude Opus 4.6 supporta il prompt caching?
Sì, con opt-in: contrassegna i prefissi stabili con i breakpoint cache_control. I token di input letti dalla cache costano $0.5/M, contro $5/M senza cache; per andare in cache un prompt deve avere un prefisso stabile di 4,096 token (TTL 5 min predefinito, 1 ora opzionale). Guida al prompt caching →
Come ottengo l'accesso a Claude Opus 4.6?
Fai puntare l'SDK OpenAI che usi già a base_url="https://synthorai.io/v1", imposta model="claude-opus-4-6" e hai finito: una sola chiave API vale per tutti i modelli del gateway.
Qual è il knowledge cutoff di Claude Opus 4.6?
Il knowledge cutoff di Claude Opus 4.6 è 2025-05, secondo la documentazione ufficiale del provider (dato aggiornato al 2026-07-09).
Modelli correlati
Confronta
Ogni valore di questa pagina è ripreso dalla documentazione del provider (il link è qui sopra) e riporta la data dell'ultima verifica. I prezzi sono confrontati sull'intero catalogo; per le specifiche che ogni provider definisce a modo suo indichiamo la differenza invece di metterle in un grafico. Qui non c'è nulla di misurato da noi e non assegniamo punteggi.