Подання заявки та використання Claude Chat Completion API

Anthropic Claude — це надзвичайно потужна система AI-діалогів: достатньо ввести підказку, і вона за лічені секунди згенерує плавну та природну відповідь. Claude вирізняється в індустрії своїми чудовими можливостями розуміння та генерації мови. Сьогодні Claude вже широко застосовується в різних галузях і сферах, а його вплив стає дедалі помітнішим. Чи то повсякденні діалоги, креативне письмо, професійні консультації або програмування коду — Claude може надати вражаючу інтелектуальну допомогу, значно підвищуючи ефективність роботи та творчі здібності людей. Цей документ переважно описує процес використання операцій Claude Chat Completion API, за допомогою якого ми можемо легко користуватися функцією діалогів офіційного Claude.

Процес подання заявки

Щоб використовувати Claude Chat Completion API, спочатку перейдіть до консолі Ace Data Cloud, щоб отримати свій API Token, і збережіть його для подальшого використання.

Якщо ви ще не увійшли в систему або не зареєструвалися, вас автоматично буде перенаправлено на сторінку входу із запрошенням зареєструватися та увійти в систему; після завершення ви автоматично повернетеся на поточну сторінку. Один API Token дозволяє викликати всі сервіси платформи, не потрібно подавати окрему заявку для кожного сервісу. Під час першого подання заявки надається безкоштовний ліміт для безкоштовного ознайомлення; якщо ліміту недостатньо, ви можете поповнити загальний баланс у консолі.

📘 Повна документація: Claude Chat Completion API →

Базове використання

Далі можна заповнити відповідний вміст в інтерфейсі, як показано на зображенні:

Під час першого використання цього інтерфейсу нам потрібно заповнити щонайменше три поля: одне з них — authorization, його можна безпосередньо вибрати зі спадного списку. Інший параметр — model, рекомендується використовувати найновішу флагманську модель claude-fable-5-1; попередню claude-fable-5 все ще можна продовжувати викликати. Останній параметр — messages, це масив текстів запитань, кожен елемент містить role і content; role підтримує user, assistant, system, а content — це конкретний вміст. Claude Fable 5.1 підтримує контекст у 1 мільйон Token і максимальний вивід у 128K Token. Водночас ви можете звернути увагу, що праворуч генерується відповідний код виклику: ви можете скопіювати код і запустити його безпосередньо або натиснути кнопку «Try» для тестування. Поширені необов’язкові параметри:

max_tokens：обмежує максимальну кількість token в одній відповіді.
temperature：випадковість генерації, від 0 до 2; що більше значення, то більш розсіяний результат.
n：скільки кандидатів відповідей генерувати за один раз.
response_format：налаштування формату повернення.

Після виклику ми бачимо, що результат повертається таким:

{
  "id": "msg_bdrk_01Q6WN27v95ypCa1kbanAQ6K",
  "model": "claude-opus-4-8",
  "object": "chat.completion",
  "created": 1768619365,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! How can I help you today?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 8,
    "completion_tokens": 12,
    "total_tokens": 20,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "cache_write_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0
    }
  }
}

Результат, що повертається, містить кілька полів, описаних нижче:

id，ID створеного завдання цього діалогу, що використовується для унікальної ідентифікації цього завдання діалогу.
model ，вибрана модель Claude з офіційного сайту.
choices，інформація про відповідь Claude на текст запитання.
usage ：статистична інформація щодо token для цієї пари запитання-відповідь.

У форматі Chat Completions usage.prompt_tokens — це загальний обсяг введення; prompt_tokens_details.cached_tokens і prompt_tokens_details.cache_write_tokens відповідно записують деталі читання та запису кешу. completion_tokens_details.reasoning_tokens є підмножиною completion_tokens, тому під час обчислення загального обсягу або вартості не додавайте їх повторно. Непотокова відповідь також може повертати об’єкт usage.cost, де amount — це фактичне споживання ліміту, currency — одиниця вимірювання, а list_amount — сума до знижки (за наявності). Назва поля для Chat-compatible — reasoning_tokens; нативний Messages API використовує output_tokens_details.thinking_tokens. Wire schema двох протоколів відрізняється, тому клієнт не повинен змішувати назви полів. Серед них choices містить інформацію про відповідь Claude, а choices всередині нього — це конкретна інформація про відповідь Claude, як можна побачити на зображенні.

Можна побачити, що поле content у choices містить конкретний вміст відповіді Claude.

Потокова відповідь

Цей інтерфейс також підтримує потокові відповіді, що дуже корисно для інтеграції з вебсторінками та дозволяє реалізувати ефект посимвольного відображення на вебсторінці. Якщо ви хочете повертати відповідь потоково, можна змінити параметр stream у заголовку запиту на true. Зміни показано на зображенні, однак код виклику потребує відповідних змін для підтримки потокової відповіді.

Після зміни stream на true API повертатиме відповідні JSON-дані рядок за рядком, і на рівні коду нам потрібно внести відповідні зміни, щоб отримувати результати рядок за рядком. Приклад коду виклику Python:

import requests

url = "https://api.acedata.cloud/v1/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "claude-opus-4-20250514",
    "messages": [{"role":"user","content":"Hello"}],
    "stream": True
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Ефект виводу такий:

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": "", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": ""}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": "Hello!"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": " How can I help you"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": " today?"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {}, "logprobs": null, "finish_reason": "stop", "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [], "usage": {"prompt_tokens": 8, "completion_tokens": 12, "total_tokens": 20, "prompt_tokens_details": {"cached_tokens": 0, "cache_write_tokens": 0}, "completion_tokens_details": {"reasoning_tokens": 0}}}

data: [DONE]

Можна побачити, що у відповіді є багато data, а choices у data є найновішим вмістом відповіді, що узгоджується з описаним вище. choices — це доданий вміст відповіді, який ви можете інтегрувати у свою систему на основі результату. Водночас завершення потокової відповіді визначається за вмістом data: якщо вмістом є [DONE], це означає, що відповідь потокової відповіді повністю завершено. Повернутий результат data має кілька полів, які описано нижче:

id — ID завдання генерації цього діалогу, що використовується для унікальної ідентифікації цього завдання діалогу.
model — вибрана модель з офіційного сайту Claude.
choices — інформація відповіді, надана Claude на запит.

JavaScript також підтримується, наприклад, код потокового виклику для Node.js наведено нижче:

const options = {
  method: "post",
  headers: {
    accept: "application/json",
    authorization: "Bearer {token}",
    "content-type": "application/json",
  },
  body: JSON.stringify({
    model: "claude-opus-4-20250514",
    messages: [{ role: "user", content: "Hello" }],
    stream: true,
  }),
};

fetch("https://api.acedata.cloud/v1/chat/completions", options)
  .then((response) => response.json())
  .then((response) => console.log(response))
  .catch((err) => console.error(err));

Приклад коду Java:

JSONObject jsonObject = new JSONObject();
jsonObject.put("model", "claude-opus-4-20250514");
jsonObject.put("messages", [{"role":"user","content":"Hello"}]);
jsonObject.put("stream", true);
MediaType mediaType = "application/json; charset=utf-8".toMediaType();
RequestBody body = jsonObject.toString().toRequestBody(mediaType);
Request request = new Request.Builder()
  .url("https://api.acedata.cloud/v1/chat/completions")
  .post(body)
  .addHeader("accept", "application/json")
  .addHeader("authorization", "Bearer {token}")
  .addHeader("content-type", "application/json")
  .build();

OkHttpClient client = new OkHttpClient();
Response response = client.newCall(request).execute();
System.out.print(response.body!!.string())

Інші мови можна додатково самостійно адаптувати, принципи всюди однакові.

Багатораундовий діалог

Якщо ви хочете інтегрувати функцію багатораундового діалогу, потрібно передати кілька запитів у полі messages, конкретний приклад кількох запитів показано на зображенні нижче:

Приклад коду виклику Python:

import requests

url = "https://api.acedata.cloud/v1/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "claude-opus-4-20250514",
    "messages": [{"role":"user","content":"Hello"},{"role":"assistant","content":"Hello! How can I help you today?"},{"role":"user","content":"What I say just now?"}]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Передаючи кілька запитів, можна легко реалізувати багатораундовий діалог і отримати таку відповідь:

{
  "id": "msg_bdrk_01Y1wfQmd89g968TVbFu57Yc",
  "model": "claude-opus-4-20250514",
  "object": "chat.completion",
  "created": 1768619674,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "You said \"Hello\" - that was your first message to me in our conversation."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 29,
    "completion_tokens": 20,
    "total_tokens": 49,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "cache_write_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0
    }
  }
}

Можна побачити, що інформація, яку містить choices, узгоджується з вмістом базового використання; вона містить конкретний вміст відповіді Claude на кілька діалогів, тож можна відповідати на відповідні запитання на основі вмісту кількох діалогів.

Глибоке міркування

Нове покоління моделей Claude може виконувати міркування відповідно до стратегії моделі за замовчуванням, без необхідності активації через суфікс моделі -thinking. Chat-compatible відповіді використовують сумісне з OpenAI поле usage completion_tokens_details.reasoning_tokens. reasoning_tokens уже включено до completion_tokens, будь ласка, не додавайте їх повторно. Міркування та видимий основний текст спільно використовують обмеження вихідних token, тому за малого значення max_tokens основний текст може бути порожнім або обрізаним; у такому разі збільште вихідний бюджет або, якщо використовувана модель це підтримує, виберіть нижчий рівень міркувань. Якщо потрібні нативні thinking, output_config.effort, блоки вмісту thinking та повернення підпису, використовуйте /v1/messages. Відповідне поле usage для Messages — output_tokens_details.thinking_tokens, не змішуйте його з completion_tokens_details.reasoning_tokens для Chat-compatible.

Візуальні моделі

claude-sonnet-4-20250514 — це мультимодальна велика мовна модель, розроблена Claude, яка на основі claude-4 отримала можливість візуального розуміння. Ця модель може одночасно обробляти текстові та графічні входи, реалізуючи міжмодальне розуміння та генерацію. Обробка тексту з використанням моделі claude-sonnet-4-20250514 узгоджується з основним вмістом використання вище, нижче буде коротко представлено, як використовувати можливості моделі з обробки зображень. Можливість обробки зображень моделі claude-sonnet-4-20250514 головним чином використовується шляхом додавання поля type на основі початкового вмісту content; через це поле можна визначити, чи завантажено текст або зображення, і таким чином використовувати можливості обробки зображень моделі claude-sonnet-4-20250514. Нижче головним чином описано виклик цієї функції двома способами: за допомогою Curl і Python.

Спосіб зі скриптом Curl

curl -X POST 'https://api.acedata.cloud/v1/chat/completions' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
    "model": "claude-sonnet-4-20250514",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "text",
            "text": "What'\''s in this image?"
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "https://cdn.acedata.cloud/ueugot.png"
            }
          }
        ]
      }
    ]
  }'

Спосіб зі скриптом Python

import requests

url = "https://api.acedata.cloud/v1/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "claude-sonnet-4-20250514",
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text", "text": "What's in this image?"
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://cdn.acedata.cloud/ueugot.png"
                    }
                },
            ],
        }
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Потім можна отримати наведений нижче результат, інформація про поля в результаті узгоджується з наведеною вище, конкретно:

{
  "id": "msg_bdrk_01NCrxpZmV17bhQJJRQEFEb9",
  "model": "claude-sonnet-4-20250514",
  "object": "chat.completion",
  "created": 1768628904,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "This image shows an API request configuration interface for what appears to be an AI chat completion service. Here are the key elements:\n\n**Request Body Parameters:**\n\n1. **model** (required string) - Set to \"claude-opus-4-202505...\" - specifies which AI model to use\n\n2. **messages** (required array) - Contains the conversation history with:\n   - **role** (required string) - Set to \"user\" \n   - **content** (required string) - Contains \"Hello\" as the message content\n\n3. **stream** (boolean) - Set to \"true\" - enables partial message deltas like in ChatGPT\n\n4. **max_tokens** (number) - Field for setting maximum tokens that can be generated in the response\n\n5. **n** (number) - Specifies how many chat completion choices to generate for each input\n\nThe interface has a dark theme with white text on black/dark gray backgrounds. There's a \"Fill Example\" button at the bottom right and various dropdown menus and input fields for configuring the API request parameters. A red trash/delete icon is visible, likely for removing message entries."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 1570,
    "completion_tokens": 252,
    "total_tokens": 1822,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "cache_write_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0
    }
  }
}

Можна побачити, що вміст відповіді ґрунтується на зображенні, тому за допомогою наведених вище двох способів можна легко використовувати можливості моделі claude-3-7-sonnet-20250219 з обробки тексту та зображень.

Обробка помилок

Під час виклику API, якщо виникає помилка, API повертає відповідний код помилки та інформацію. Наприклад:

400 token_mismatched：Неправильний запит, можливо, через відсутні або недійсні параметри.
400 api_not_implemented：Неправильний запит, можливо, через відсутні або недійсні параметри.
401 invalid_token：Неавторизовано, недійсний або відсутній токен авторизації.
429 too_many_requests：Занадто багато запитів, ви перевищили обмеження швидкості.
500 api_error：Внутрішня помилка сервера, щось пішло не так на сервері.

Приклад відповіді з помилкою

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

Висновок

Завдяки цьому документу ви вже дізналися, як за допомогою Claude Chat Completion API легко реалізувати функцію діалогу офіційного Claude. Сподіваємося, цей документ допоможе вам краще інтегрувати та використовувати цей API. Якщо у вас виникнуть будь-які запитання, будь ласка, будь-коли звертайтеся до нашої команди технічної підтримки.

Getting Started

AI Чат

AI Зображення

AI Відео

AI Аудіо

Веб і дані

CAPTCHA

Ідентичність

Coding

Інші посібники

Подання заявки та використання Claude Chat Completion API

Процес подання заявки

Базове використання

Потокова відповідь

Багатораундовий діалог

Глибоке міркування

Візуальні моделі

Обробка помилок

Приклад відповіді з помилкою

Висновок

​Процес подання заявки

​Базове використання

​Потокова відповідь

​Багатораундовий діалог

​Глибоке міркування

​Візуальні моделі

​Обробка помилок

​Приклад відповіді з помилкою

​Висновок

Процес подання заявки

Базове використання

Потокова відповідь

Багатораундовий діалог

Глибоке міркування

Візуальні моделі

Обробка помилок

Приклад відповіді з помилкою

Висновок