Обновление интерфейса, совместимого с OpenAI: глубокая поддержка Claude

Мы обновили интерфейс, совместимый с OpenAI, с более глубокими оптимизациями специально для моделей серии Claude. Теперь вы можете более точно и удобно управлять мышлением и кэшированием. Чередующееся мышление (interleaved thinking) в многоходовых диалогах стало удобнее: интеграция происходит без дополнительных параметров. Также поддерживается включение бета-функций, предлагаемых Anthropic.

1. Расширенное мышление модели (Extended Thinking)

1.1 Преимущества чередующегося мышления

Если чередующееся мышление не включено, модель выполняет размышление только один раз в начале хода ассистента; последующие ответы генерируются сразу после получения результатов инструментов, без создания новых блоков мышления:

User → [Thinking] → Tool Call → Tool Result → Response

Если чередующееся мышление включено, модель вставляет новый блок мышления каждый раз, когда получает результат инструмента, формируя цепочку рассуждений:

User → [Thinking] → Tool Call → Tool Result → [Thinking] → Response
                                                ↑ Interleaved Thinking

Это позволяет модели:

• выполнять вторичные рассуждения на основе результатов инструментов, а не просто объединять выводы.
• связывать рассуждения между несколькими вызовами инструментов, где каждое решение основано на анализе предыдущего шага.

Справка: Anthropic Interleaved Thinking

1.2 Включение мышления

Мышление можно включить четырьмя способами, выбрав любой из них:

Приоритет (при использовании нескольких способов): reasoning_effort > reasoning.max_tokens > reasoning.effort > суффикс -think

Возможные значения effort: minimal / low / medium / high / xhigh

1.3 Возврат мышления

Сообщение ответа будет включать два новых поля:

• reasoning_content: содержимое мышления (строка), для удобного отображения.
• reasoning_details: полная структурированная информация о мышлении, которую необходимо возвращать без изменений в многоходовых диалогах; внутренняя структура может отличаться у разных провайдеров.

Пример без потоковой передачи (несущественные поля опущены):

{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": "Hello! How can I help you today?",
      "reasoning_content": "The user is just saying hello...",
      "reasoning_details": {
        "type": "thinking",
        "thinking": "The user is just saying hello...",
        "signature": "Er8CCkYI..."
      }
    }
  }]
}

В потоковых ответах содержимое мышления будет передаваться частями через delta.reasoning_content и delta.reasoning_details. Полную логику склейки потока см. в полном примере ниже.

1.4 Сохранение мышления в многоходовых диалогах (чередующееся мышление встроено, дополнительные параметры не нужны)

Чтобы модель продолжала использовать способности к рассуждению в многоходовых диалогах, просто поместите ранее возвращённые reasoning_details без изменений в сообщение ассистента следующего раунда:

messages = [
    {"role": "user", "content": "What's the weather like in Boston?"},
    {
        "role": "assistant",
        "content": response.choices[0].message.content,
        "tool_calls": response.choices[0].message.tool_calls,
        "reasoning_details": response.choices[0].message.reasoning_details,
    },
    {
        "role": "tool",
        "tool_call_id": "toolu_xxx",
        "content": '{"temperature": 45, "condition": "rainy"}',
    }
]

AIHubMix автоматически включит чередующееся мышление, когда обнаружит в запросе информацию о предыдущем мышлении, что позволит модели продолжать глубокие рассуждения после получения результатов вызова инструментов без дополнительных параметров.

1.5 Полный пример

Два приведённых ниже примера демонстрируют полный многоходовой процесс Tool Call + чередующееся мышление: запрос пользователя → модель думает и вызывает инструмент → передача результатов инструмента (с сохранением reasoning_details) → чередующееся мышление модели и финальный ответ.

Без потоковой передачи · Чередующееся мышление

import os
import json
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ.get("AIHUBMIX_API_KEY", "sk-***"),
)

# ── Tool definition ───────────────────────────────────────────
tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Get current weather for a location",
        "parameters": {
            "type": "object",
            "properties": {"location": {"type": "string", "description": "City name"}},
            "required": ["location"]
        }
    }
}]

# ── Mock tool execution ───────────────────────────────────────
WEATHER_DB = {
    "boston": {"temperature": "45°F (7°C)", "condition": "rainy", "humidity": "85%", "wind": "15 mph NE"},
    "tokyo":  {"temperature": "72°F (22°C)", "condition": "sunny", "humidity": "45%", "wind": "5 mph S"},
}

def execute_tool(name: str, args: dict) -> str:
    if name == "get_weather":
        key = next((k for k in WEATHER_DB if k in args.get("location", "").lower()), None)
        return json.dumps(WEATHER_DB.get(key, {"temperature": "65°F", "condition": "clear"}))
    return "{}"

# ── Multi-turn conversation loop ─────────────────────────────
messages = [
    {"role": "user", "content": "What's the weather like in Boston? Then recommend what to wear."}
]

turn = 0
while True:
    turn += 1
    print(f"\n── Turn {turn} ──")

    response = client.chat.completions.create(
        model="claude-sonnet-4-5",
        messages=messages,
        tools=tools,
        extra_body={"reasoning": {"max_tokens": 2000}},
    )
    msg = response.choices[0].message

    # Print thinking process
    if msg.reasoning_content:
        label = "Interleaved Thinking" if turn > 1 else "Thinking"
        print(f"[{label}] {msg.reasoning_content}")

    # Print response content
    if msg.content:
        print(f"[Response] {msg.content}")

    # Print tool calls
    if msg.tool_calls:
        for tc in msg.tool_calls:
            print(f"[Tool Call: {tc.function.name}] {tc.function.arguments}")

    # Build assistant message, preserve reasoning_details (critical!)
    assistant_msg = {"role": "assistant", "content": msg.content}
    if msg.tool_calls:
        assistant_msg["tool_calls"] = msg.tool_calls
    if msg.reasoning_details:
        assistant_msg["reasoning_details"] = msg.reasoning_details  # pass back unmodified
    messages.append(assistant_msg)

    # No tool_calls means conversation is done
    if not msg.tool_calls:
        break

    # Execute tools and append results to messages
    for tc in msg.tool_calls:
        args = json.loads(tc.function.arguments)
        result = execute_tool(tc.function.name, args)
        print(f"[Tool Result: {tc.function.name}] {result}")
        messages.append({"role": "tool", "tool_call_id": tc.id, "content": result})

Потоковая передача · Чередующееся мышление

import os
import sys
import json
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ.get("AIHUBMIX_API_KEY", "sk-***"),
)

# ── Tool definition & mock execution ─────────────────────────
tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Get current weather for a location",
        "parameters": {
            "type": "object",
            "properties": {"location": {"type": "string", "description": "City name"}},
            "required": ["location"]
        }
    }
}]

WEATHER_DB = {
    "boston": {"temperature": "45°F (7°C)", "condition": "rainy", "humidity": "85%", "wind": "15 mph NE"},
    "tokyo":  {"temperature": "72°F (22°C)", "condition": "sunny", "humidity": "45%", "wind": "5 mph S"},
}

def execute_tool(name: str, args: dict) -> str:
    if name == "get_weather":
        key = next((k for k in WEATHER_DB if k in args.get("location", "").lower()), None)
        return json.dumps(WEATHER_DB.get(key, {"temperature": "65°F", "condition": "clear"}))
    return "{}"

# ── Stream response collector ────────────────────────────────
def stream_and_collect(turn: int, **kwargs):
    """Stream response, print thinking/content in real-time, accumulate reasoning_details/tool_calls."""
    rd = {}            # accumulated reasoning_details
    content = ""       # accumulated response text
    tc_map = {}        # accumulated tool_calls (by index)
    cur = "none"       # current output section: none / thinking / content

    stream = client.chat.completions.create(stream=True, **kwargs)
    for chunk in stream:
        if not chunk.choices:
            continue
        delta = chunk.choices[0].delta

        # ── Handle thinking ──
        rd_delta = getattr(delta, "reasoning_details", None)
        if rd_delta and isinstance(rd_delta, dict):
            for k, v in rd_delta.items():
                if k == "type":
                    rd[k] = v
                elif isinstance(v, str):
                    rd[k] = rd.get(k, "") + v
                elif v is not None:
                    rd[k] = v
            # Print thinking chunks in real-time
            thinking_chunk = rd_delta.get("thinking", "")
            if thinking_chunk:
                if cur != "thinking":
                    cur = "thinking"
                    label = "Interleaved Thinking" if turn > 1 else "Thinking"
                    sys.stdout.write(f"\n[{label}] ")
                sys.stdout.write(thinking_chunk)
                sys.stdout.flush()

        # ── Handle content ──
        if delta.content:
            if cur != "content":
                if cur == "thinking":
                    sys.stdout.write("\n")
                cur = "content"
                sys.stdout.write("\n[Response] ")
            sys.stdout.write(delta.content)
            sys.stdout.flush()
            content += delta.content

        # ── Handle tool_calls ──
        for tc in delta.tool_calls or []:
            i = tc.index
            if i not in tc_map:
                tc_map[i] = {"id": "", "type": "function",
                             "function": {"name": "", "arguments": ""}}
            if tc.id:
                tc_map[i]["id"] = tc.id
            if tc.function:
                tc_map[i]["function"]["name"] += tc.function.name or ""
                tc_map[i]["function"]["arguments"] += tc.function.arguments or ""

    # End current output section
    if cur in ("thinking", "content"):
        sys.stdout.write("\n")

    tool_calls = [tc_map[i] for i in sorted(tc_map)] if tc_map else None
    return {
        "content": content or None,
        "reasoning_details": rd or None,
        "tool_calls": tool_calls,
    }

# ── Multi-turn conversation loop ─────────────────────────────
messages = [
    {"role": "user", "content": "What's the weather like in Boston? Then recommend what to wear."}
]

turn = 0
while True:
    turn += 1
    print(f"\n── Turn {turn} ──")

    result = stream_and_collect(
        turn,
        model="claude-sonnet-4-5",
        messages=messages,
        tools=tools,
        extra_body={"reasoning": {"max_tokens": 2000}},
    )

    # Print tool calls
    if result["tool_calls"]:
        for tc in result["tool_calls"]:
            print(f"[Tool Call: {tc['function']['name']}] {tc['function']['arguments']}")

    # Build assistant message, preserve reasoning_details (critical!)
    assistant_msg = {"role": "assistant", "content": result["content"]}
    if result["tool_calls"]:
        assistant_msg["tool_calls"] = result["tool_calls"]
    if result["reasoning_details"]:
        assistant_msg["reasoning_details"] = result["reasoning_details"]  # pass back unmodified
    messages.append(assistant_msg)

    # No tool_calls means conversation is done
    if not result["tool_calls"]:
        break

    # Execute tools and append results to messages
    for tc in result["tool_calls"]:
        args = json.loads(tc["function"]["arguments"])
        tool_result = execute_tool(tc["function"]["name"], args)
        print(f"[Tool Result: {tc['function']['name']}] {tool_result}")
        messages.append({"role": "tool", "tool_call_id": tc["id"], "content": tool_result})

1.6 Правила соотнесения интенсивности мышления

Режим effort:

• Opus 4.6 / Sonnet 4.6 и новее: соответствует нативному уровню effort Adaptive Thinking от Anthropic.
• Другие модели: вычисляется по формуле для budget_tokens:

budget_tokens = max(min(max_tokens × effort_ratio, 128000), 1024)

Соответствие effort для Adaptive Thinking:

Режим max_tokens: напрямую передаётся как budget_tokens Anthropic.

-think суффикс: Opus/Sonnet 4.6+ использует adaptive thinking (effort=medium); для других моделей задаётся budget_tokens = min(10240, max_tokens - 1), при этом значение max_tokens по умолчанию равно 4096.

2. Кэширование промптов

Кэширование промптов (Prompt Caching) можно использовать при отправке запросов к модели Claude через интерфейс Chat. Установив точки останова cache_control в сообщениях, большие блоки текста (например, карточки ролей, данные RAG, главы книг и т. п.) можно кэшировать для повторного использования, что позволяет последующим запросам напрямую попадать в кэш и значительно снижать затраты.

Официальная документация Claude: Prompt Caching

2.1 Стоимость кэширования

2.2 Поддерживаемые модели и минимальная длина кэша

Ограничение на количество точек останова: не более 4 точек cache_control на запрос.

2.3 TTL кэша

Стоимость записи для TTL 1 час выше, но за счёт сокращения повторных записей в длительных сессиях она может снизить общие расходы. Все модели Claude 4.5 и новее от всех провайдеров (включая Anthropic, Amazon Bedrock, Google Vertex AI) поддерживают TTL 1 час.

2.4 Использование

Точки останова кэша можно задавать с помощью поля cache_control в system, user (включая изображения) и tools. В приведённых ниже примерах показана только ключевая структура, большие блоки текста опущены.

Кэширование системного сообщения (TTL 5 минут по умолчанию):

{
  "model": "claude-opus-4-5",
  "messages": [
    {
      "role": "system",
      "content": [
        {"type": "text", "text": "You are an AI assistant"},
        {
          "type": "text",
          "text": "(long context)",
          "cache_control": {"type": "ephemeral"}
        }
      ]
    },
    {
      "role": "user",
      "content": [{"type": "text", "text": "Hello"}]
    }
  ]
}

Кэширование пользовательского сообщения (TTL 1 час):

{
  "model": "claude-opus-4-5",
  "messages": [
    {
      "role": "system",
      "content": [{"type": "text", "text": "You are an AI assistant"}]
    },
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "(long context)",
          "cache_control": {"type": "ephemeral", "ttl": "1h"}
        },
        {"type": "text", "text": "Hello"}
      ]
    }
  ]
}

Кэширование сообщения с изображением:

{
  "role": "user",
  "content": [
    {
      "type": "image_url",
      "image_url": {"detail": "auto", "url": "data:image/jpeg;base64,/9j/4AAQ..."},
      "cache_control": {"type": "ephemeral"}
    },
    {"type": "text", "text": "What's this?"}
  ]
}

Кэширование определений инструментов:

cache_control размещается на верхнем уровне объекта tool (рядом с type и function):

{
  "tools": [{
    "type": "function",
    "function": {
      "name": "get_weather",
      "description": "Get current weather for a location",
      "parameters": {
        "type": "object",
        "properties": {"city": {"type": "string"}},
        "required": ["city"]
      }
    },
    "cache_control": {"type": "ephemeral", "ttl": "1h"}
  }]
}

2.5 Просмотр статуса кэша

В поле usage ответа будет возвращён claude_cache_tokens_details с подробной информацией о кэше:

Первый запрос (создание кэша):

{
  "usage": {
    "prompt_tokens": 22,
    "completion_tokens": 890,
    "total_tokens": 912,
    "claude_cache_tokens_details": {
      "cache_creation_input_tokens": 6266,
      "cache_read_input_tokens": 0,
      "cache_write_5_minutes_input_tokens": 6266,
      "cache_write_1_hour_input_tokens": 0
    }
  }
}

Последующие запросы (попадание в кэш):

{
  "usage": {
    "prompt_tokens": 22,
    "completion_tokens": 810,
    "total_tokens": 832,
    "prompt_tokens_details": {
      "cached_tokens": 6266
    },
    "claude_cache_tokens_details": {
      "cache_creation_input_tokens": 0,
      "cache_read_input_tokens": 6266,
      "cache_write_5_minutes_input_tokens": 0,
      "cache_write_1_hour_input_tokens": 0
    }
  }
}

3. Заголовок запроса anthropic-beta

Бета-функции модели Claude можно включить через HTTP-заголовок anthropic-beta, который AIHubMix передаёт в API Anthropic без изменений.

Использование

Добавьте anthropic-beta в заголовок запроса, указав в значении соответствующий идентификатор бета-функции:

curl "https://aihubmix.com/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "anthropic-beta: context-1m-2025-08-07" \
  -d '{
  "model": "claude-opus-4-5",
  "messages": [
    {
      "role": "system",
      "content": [
        {"type": "text", "text": "You are an AI assistant"},
        {
          "type": "text",
          "text": "(long context)",
          "cache_control": {"type": "ephemeral"}
        }
      ]
    },
    {"role": "user", "content": [{"type": "text", "text": "hello"}]}
  ]
}'

Актуальные идентификаторы бета-функций см. в документации Anthropic API.

Последнее обновление: 2026-06-01