POST /v1/messages
A Messages API da Anthropic. Os SDKs da Anthropic e ferramentas como o Claude Code funcionam quando você define a URL base deles como https://api.abliteratedllm.dev. Eles mesmos adicionam /v1/messages; então não inclua /v1 na URL base.
Marcadores:
$API_BASEéhttps://api.abliteratedllm.dev/v1,$API_ORIGINéhttps://api.abliteratedllm.deve$YOUR_KEYé sua chave de API.
Requisição
curl $API_ORIGIN/v1/messages \
-H "x-api-key: $YOUR_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d '{
"model": "glm-5.3-flash-abliterated",
"max_tokens": 1024,
"system": "You are a gothic horror narrator.",
"messages": [{"role": "user", "content": "Describe the abandoned manor in one paragraph."}]
}'Authorization: Bearer $YOUR_KEY funciona no lugar de x-api-key. O cabeçalho anthropic-version é aceito, mas não é obrigatório.
Resposta resumida:
{
"id": "…",
"type": "message",
"role": "assistant",
"content": [{ "type": "text", "text": "The manor leaned against the storm…" }],
"stop_reason": "end_turn",
"usage": {
"input_tokens": 29,
"cache_read_input_tokens": 0,
"cache_creation_input_tokens": 0,
"output_tokens": 187
}
}Parâmetros
Os campos não listados aqui são repassados ao modelo sem alterações.
| Campo | Observações |
|---|---|
model | Obrigatório. Qualquer ID de GET /v1/models, atualmente abliterated: glm-5.3-flash-abliterated ou glm-5.3-cyber-abliterated; originais: deepseek-v4.1-flash-1017, deepseek-v4.1-flash-1017-ultrafast, deepseek-v4.1-flash-original, glm-5.3-flash, glm-5.3, glm-5.3-fast, kimi-k3, kimi-k3.1-pro, kimi-k3-fast, ember-1, muse-spark-open, qwen3.8-max, qwen3.8-2.4t-a95b ou minimax-m3. |
max_tokens | Obrigatório, como na API da Anthropic. Uma requisição sem ele falha com 400 invalid_request. Valores acima da saída máxima do modelo (max_output_tokens em GET /v1/models), ou acima de 4096 em contas de teste, são reduzidos, não rejeitados. |
messages, system | Texto em todos os modelos, mais blocos image em messages nos modelos que aceitam imagens (veja Imagens abaixo). |
thinking | Repassado. Veja abaixo. |
stream | true para server-sent events. Sem ele, a resposta é gerada como stream do nosso lado e devolvida como uma única mensagem quando termina; assim, uma requisição cortada pelo limite de tempo ou por uma desconexão é cobrada pela saída gerada até o momento. Uma resposta ainda em andamento após 90 segundos começa com quebras de linha e pode trazer um erro no corpo do 200; veja Requisições longas. |
tools, tool_choice | Ferramentas do cliente com um input_schema, como na API da Anthropic. |
output_format | Saída estruturada: {"type": "json_schema", "schema": {...}} faz a resposta ser um JSON que segue o schema. |
service_tier | "priority" executa a requisição no nível prioritário de um modelo que tenha um, aos preços prioritários do modelo (pricing.priority em GET /v1/models). Em um modelo sem nível prioritário, falha com 400 invalid_request. Qualquer outro valor é ignorado. O nível é descrito em POST /v1/chat/completions. |
context_length_exceeded_behavior | Opcional: "truncate" reduz um orçamento de saída que não cabe na janela de contexto depois do prompt, e "error" faz essa requisição falhar com 400 invalid_request. Sem ele, o orçamento é reduzido para caber. |
temperature, top_p, top_k, stop_sequences | Repassados após uma verificação de intervalo: temperature de 0 a 2, top_p de 0 a 1, top_k de 0 a 100, e stop_sequences um array de strings (sem limite de quantidade). Um valor fora do intervalo falha com 400 invalid_request antes de qualquer cobrança. |
Raciocínio (thinking)
thinking é repassado; então as formas habituais da Anthropic funcionam:
{ "thinking": { "type": "enabled", "budget_tokens": 4096 }, "max_tokens": 8192 }budget_tokensprecisa ser de pelo menos 1024 e menor quemax_tokens. Quandomax_tokensé reduzido (à saída máxima do modelo, a 4096 em contas de teste ou ao que seu saldo cobre), umbudget_tokensque não cabe mais é reduzido amax_tokens- 1, ou o thinking é desativado se isso ficar abaixo de 1024.- Os modelos raciocinam por nível de esforço, não até um orçamento exato de tokens. Um orçamento de 1024 a 4999 roda com esforço baixo, de 5000 a 9999 com esforço médio, e de 10000 ou mais com esforço alto.
{"type": "disabled"}desativa o raciocínio.- No
glm-5.3-cyber-abliterated, o raciocínio não pode ser desativado e o template de chat só respeita os esforços baixo e alto: um orçamento de esforço médio roda com o esforço máximo. output_config.effort("low","medium"ou"high") também é aceito e prevalece quando os dois são definidos.
O raciocínio chega como blocos de conteúdo thinking. Tokens de thinking são tokens de saída: contam para max_tokens e são cobrados ao preço de saída.
Imagens
Nos modelos cujo input_modalities em GET /v1/models inclui "image", as mensagens do usuário podem levar blocos image da Anthropic com uma origem base64 ou uma origem URL. Isso inclui glm-5.3-flash-abliterated, que aceita imagens nativamente com qualquer uma das duas origens. O suporte a imagens é definido por modelo, não pela variante do modelo: glm-5.3-cyber-abliterated, também abliterated, aceita só texto. Em um modelo sem "image" em input_modalities, um bloco image falha com 400 unsupported_content antes de qualquer cobrança.
{
"role": "user",
"content": [
{ "type": "image", "source": { "type": "base64", "media_type": "image/jpeg", "data": "/9j/4AAQSkZJRg…" } },
{ "type": "text", "text": "What is in this picture?" }
]
}Uma origem URL é {"type": "url", "url": "https://example.com/photo.jpg"}, com uma URL https:// (ou http://) que o modelo baixa; qualquer outro tipo de URL falha com 400 unsupported_content. Imagens JPEG, PNG, GIF e WebP funcionam.
Imagens não passam pela triagem. Nossa verificação de segurança automatizada lê apenas o texto de uma requisição; então as imagens chegam ao modelo sem verificação. A política de uso aceitável cobre tudo o que você envia, inclusive imagens. Como o resto da requisição, elas nunca são armazenadas.
- Os limites de tamanho são os mesmos de POST /v1/chat/completions: imagens base64 abaixo de 10 MB no total, URLs de imagem abaixo de 5 MB que baixem em cerca de 1,5 segundo, até 120 imagens por requisição e um corpo de requisição abaixo de 16 MiB.
- Origens de arquivo (
"source": {"type": "file"}), blocosdocumente áudio falham com 400unsupported_contentem todos os modelos. - Este endpoint não tem blocos de vídeo. A entrada de vídeo está em POST /v1/chat/completions.
- Imagens são cobradas como tokens de entrada, incluídas em
input_tokens. A reserva conta cada imagem por uma estimativa baseada no tamanho em pixels ou por um valor fixo, como descrito em Limites de requisições e teste grátis.
Streaming
Com "stream": true, você recebe a sequência padrão de eventos: message_start, depois content_block_start, content_block_delta e content_block_stop para cada bloco, e então message_delta e message_stop. Até o primeiro evento chegar, o stream traz uma linha de comentário SSE, : ping, a cada 15 segundos, que os clientes SSE ignoram.
O uso de tokens chega apenas no evento message_delta final. O usage em message_start é sempre zero; então não o leia.
event: message_delta
data: {"type":"message_delta","delta":{"stop_reason":"end_turn"},"usage":{"input_tokens":29,"cache_read_input_tokens":0,"output_tokens":187}}Preço de leitura do cache
O cache de prompts é automático. Você não precisa de marcadores cache_control. Os tokens lidos do cache são informados em usage.cache_read_input_tokens e cobrados ao preço de entrada em cache. input_tokens já os exclui, e não há cobrança pela gravação no cache (cache_creation_input_tokens é sempre 0):
cost = input_tokens × input price
+ cache_read_input_tokens × cached-input price
+ output_tokens × output priceOs preços são por 1 milhão de tokens, e o custo final combinado de uso por requisição é arredondado para cima uma única vez, com precisão de $0.000001. Com "service_tier": "priority", os preços prioritários do modelo substituem os padrão. Veja os preços atuais em GET /v1/models.
Não disponível
- Apenas
POST /v1/messagesé atendido. A contagem de tokens (/v1/messages/count_tokens) e os lotes de mensagens (message batches) não estão disponíveis. - Ferramentas do lado do servidor que a Anthropic executa para você, como pesquisa na web, busca de páginas da web (web fetch) e execução de código, não estão disponíveis. Defina-as como ferramentas do cliente e execute-as você mesmo.
Erros
Os erros deste endpoint usam o formato da Anthropic, {"type": "error", "error": {"type", "message"}}; assim, os SDKs da Anthropic lançam as classes de exceção habituais. Esse formato não tem o campo code: você recebe o status HTTP, error.type e uma mensagem. A página Erros lista o status que cada condição retorna. Uma requisição sem streaming ainda em andamento após 90 segundos já tem status 200; por isso, um erro a partir desse ponto chega no corpo do 200. Verifique se há um membro error no nível superior (veja Requisições longas).