Referência da APIPOST /v1/messages

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_BASE é https://api.abliteratedllm.dev/v1, $API_ORIGIN é https://api.abliteratedllm.dev e $YOUR_KEY é sua chave de API.

Requisição

bash
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:

json
{
  "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.

CampoObservações
modelObrigatório. 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_tokensObrigatório, 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, systemTexto em todos os modelos, mais blocos image em messages nos modelos que aceitam imagens (veja Imagens abaixo).
thinkingRepassado. Veja abaixo.
streamtrue 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_choiceFerramentas do cliente com um input_schema, como na API da Anthropic.
output_formatSaída 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_behaviorOpcional: "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_sequencesRepassados 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:

json
{ "thinking": { "type": "enabled", "budget_tokens": 4096 }, "max_tokens": 8192 }
  • budget_tokens precisa ser de pelo menos 1024 e menor que max_tokens. Quando max_tokens é reduzido (à saída máxima do modelo, a 4096 em contas de teste ou ao que seu saldo cobre), um budget_tokens que não cabe mais é reduzido a max_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.

json
{
  "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"}), blocos document e áudio falham com 400 unsupported_content em 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.

text
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):

text
cost = input_tokens × input price
     + cache_read_input_tokens × cached-input price
     + output_tokens × output price

Os 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/messages é 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).