پرسش از هوش مصنوعی

پرسش از AvalAI پرسش از Claude پرسش از ChatGPT

پرسش از هوش مصنوعی

پرسش از AvalAI پرسش از Claude پرسش از ChatGPT

مدل‌های Anthropic

AvalAI دسترسی بی‌وقفه به مدل‌های Claude Anthropic را از طریق چندین رویکرد فراهم می‌کند. شما می‌توانید بین SDK های سازگار با OpenAI (رویکرد یکپارچه) یا SDK های رسمی Anthropic (رویکرد بومی) انتخاب کنید. این صفحه جزئیات مدل‌های Anthropic موجود، قابلیت‌ها و موارد استفاده بهینه آن‌ها را شرح می‌دهد. از ژوئن ۲۰۲۵، SDK های رسمی Anthropic همچنین می‌توانند برای دسترسی به مدل‌هایی از سایر ارائه‌دهندگان مانند OpenAI، AWS Bedrock، Vertex AI و Gemini استفاده شوند.

گزینه‌های SDK

SDK های سازگار با OpenAI (رویکرد یکپارچه)

از کتابخانه‌های کلاینت آشنای OpenAI برای دسترسی به مدل‌های Claude در کنار سایر ارائه‌دهندگان از طریق API یکپارچه AvalAI استفاده کنید.

SDK های رسمی Anthropic (رویکرد بومی)

از SDK های رسمی Anthropic برای تجربه بومی با دسترسی کامل به ویژگی‌های خاص Anthropic و جدیدترین قابلیت‌ها استفاده کنید. از ژوئن ۲۰۲۵، SDK های Anthropic می‌توانند برای دسترسی به مدل‌ها از چندین ارائه دهنده، نه فقط مدل‌های Claude، استفاده شوند.

نکته

AvalAI اکنون از هر دو رویکرد پشتیبانی می‌کند و انعطاف انتخاب روش ادغام که بهترین مطابقت با نیازهای شما دارد را به شما می‌دهد.

پشتیبانی از پنجره زمینه گسترده

پنجره زمینه ۱ میلیون توکنی

برخی مدل‌های Anthropic Claude از پنجره ورودی تا ۱ میلیون توکن پشتیبانی می‌کنند. مدل‌های جدیدتر مانند Claude Opus 5 این ظرفیت را به‌صورت بومی ارائه می‌دهند؛ بعضی routeهای قدیمی‌تر ممکن است همچنان به هدر بتای زیر نیاز داشته باشند.

مدل‌های پشتیبانی‌کننده از ۱ میلیون توکن

Claude Opus 5، Claude Opus 4.8، Claude Opus 4.7، Claude Opus 4.6، Claude Sonnet 4.6 و Claude Sonnet 4.5 از زمینه تا ۱ میلیون توکن پشتیبانی می‌کنند. Claude Opus 5، Claude Opus 4.8، Claude Opus 4.7، Claude Opus 4.6 و Claude Sonnet 4.6 در routeهای فعلی خود پشتیبانی بومی ۱M دارند. برای routeهایی که هنوز زمینه گسترده را به‌صورت بتا ارائه می‌دهند، از context-1m-2025-08-07 استفاده کنید.

فعال‌سازی زمینه گسترده

برای فراخوانی‌های مستقیم API:

به سادگی هدر را به درخواست HTTP خود اضافه کنید:

bash

curl https://api.avalai.ir/v1/messages \
  -H "Content-Type: application/json" \
  -H "x-api-key: your-avalai-api-key" \
  -H "anthropic-beta: context-1m-2025-08-07" \
  -d '{
    "model": "claude-sonnet-4-6",
    "max_tokens": 1024,
    "messages": [{"role": "user", "content": "پرامپت شما اینجا"}]
  }'

برای OpenAI SDK:

از پارامتر extra_headers هنگام ایجاد تکمیل چت استفاده کنید:

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "شما یک مهندس نرم‌افزار متخصص در بازنویسی کد هستید.",
        },
        {
            "role": "user",
            "content": "این پروژه پایتون چندفایله را برای بهبود قابلیت نگهداری و اضافه کردن مدیریت خطای مناسب بازنویسی کنید.",
        },
    ],
    extra_headers={"anthropic-beta": "context-1m-2025-08-07"},
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-sonnet-4-6` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="این پروژه پایتون چندفایله را برای بهبود قابلیت نگهداری و اضافه کردن مدیریت خطای مناسب بازنویسی کنید.",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

ویژگی‌های بتا Anthropic

Anthropic چندین ویژگی بتا ارائه می‌دهد که می‌توان از طریق هدرهای سفارشی به آن‌ها دسترسی پیدا کرد. در زیر جدولی از ویژگی‌های بتا پشتیبانی‌شده در حال حاضر و هدرهای مربوطه آورده شده است:

ویژگی بتا	هدر بتا	یادداشت‌ها
استفاده از کامپیوتر	`computer-use-2025-01-24`	سازگار با جدیدترین مدل‌های Claude 4.5 و بالاتر.
استفاده از ابزار	`token-efficient-tools-2025-02-19`	سازگار با جدیدترین مدل‌های Claude 4.5 و بالاتر.
تفکر درهم‌تنیده	`Interleaved-thinking-2025-05-14`	سازگار با جدیدترین مدل‌های Claude 4.5 و بالاتر.
فعال‌سازی توکن‌های خروجی تا ۱۲۸K	`output-128k-2025-02-19`	سازگار با Claude Opus 5، Claude Opus 4.8، Claude Opus 4.7، Claude Opus 4.6 و Claude Sonnet 4.6. Claude Opus 5 ظرفیت خروجی ۱۲۸K را در route فعلی خود به‌صورت بومی ارائه می‌دهد.
۱ میلیون توکن	`context-1m-2025-08-07`	سازگار با Claude Opus 4.8، Claude Opus 4.7، Claude Opus 4.6، Claude Sonnet 4.6 و Claude Sonnet 4.5.
مدیریت زمینه	`context-management-2025-06-27`	سازگار با Claude Sonnet 4.5 و Claude Haiku 4.5.

برای استفاده از هر یک از این ویژگی‌های بتا، هدر مناسب را در درخواست‌های API خود با استفاده از همان روش‌های نشان داده شده در بخش پنجره زمینه گسترده در بالا قرار دهید.

مدل‌های Claude موجود

فضای نام مدل‌های پایه با مسیریابی هوشمند

AvalAI اکنون از فضاهای نام ساده‌شده مدل‌های پایه پشتیبانی می‌کند که مسیریابی هوشمند را در تمام ارائه‌دهندگان رسمی ابری Anthropic (Anthropic Claude.ai، AWS Bedrock، Google Cloud Platform و Microsoft Azure) فعال می‌کند. این توزیع هوشمند بار، محدودیت‌های نرخ بسیار بالاتری نسبت به دسترسی تک‌ارائه‌دهنده ارائه می‌دهد.

نام‌های مدل پایه موجود:

مدل پایه	معادل AWS Bedrock	پنجره زمینه
`claude-opus-4-8`	`global.anthropic.claude-opus-4-8`	۱M توکن
`claude-opus-4-7`	`global.anthropic.claude-opus-4-7`	۱M توکن
`claude-opus-4-6`	`anthropic.claude-opus-4-6-v1`	۱M توکن (بتا)
`claude-sonnet-4-6`	`anthropic.claude-sonnet-4-6-v1`	۱M توکن (بتا)
`claude-sonnet-4-5`	`anthropic.claude-sonnet-4-5-20250929-v1:0`	۲۰۰K توکن
`claude-haiku-4-5`	`anthropic.claude-haiku-4-5-20251001-v1:0`	۲۰۰K توکن

مزایای فضاهای نام مدل پایه:

محدودیت‌های نرخ بالاتر: تا ۱۰ برابر درخواست بیشتر در دقیقه از طریق توزیع چند ابری
دسترسی‌پذیری بهبود یافته: failover خودکار در بین ارائه‌دهندگان
قیمت‌گذاری یکسان: قیمت‌گذاری همانند دسترسی مستقیم AWS Bedrock
مهاجرت ساده: فقط نام مدل را تغییر دهید - هیچ تغییر کد دیگری لازم نیست

نمونه استفاده:

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

# استفاده از فضای نام مدل پایه برای مسیریابی هوشمند
response = client.chat.completions.create(
    model="claude-opus-4-8",  # مسیریابی هوشمند در تمام ارائه‌دهندگان
    messages=[{"role": "user", "content": "سلام!"}],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-opus-4-8` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="سلام!",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

نکته

هم فضاهای نام مدل پایه و هم شناسه‌های کامل مدل AWS Bedrock پشتیبانی می‌شوند. توصیه می‌کنیم به فضاهای نام مدل پایه مهاجرت کنید تا از محدودیت‌های نرخ و دسترسی‌پذیری بهبود یافته بهره‌مند شوید.

Claude Opus 5

claude-opus-5 پرچم‌دار جدید Opus شرکت Anthropic برای مهندسی نرم‌افزار دشوار، کار دانشی، استفاده از کامپیوتر، تحلیل علمی و گردش‌کارهای عاملی طولانی‌مدت است. این مدل کار خود را دقیق‌تر بررسی می‌کند و تا موفقیت وظیفه با دقت بیشتری تکرار می‌کند؛ در عین حال نرخ ۵ دلار ورودی و ۲۵ دلار خروجی Opus 4.8 را حفظ کرده و قیمت ورودی کش‌شده را به ۰.۵۰ دلار به ازای ۱ میلیون توکن کاهش می‌دهد.

ویژگی	جزئیات
پنجره زمینه ورودی	۱٬۰۰۰٬۰۰۰ توکن
حداکثر خروجی	۱۲۸٬۰۰۰ توکن
قیمت ورودی	۵.۰۰ دلار / ۱ میلیون توکن
قیمت ورودی کش‌شده	۰.۵۰ دلار / ۱ میلیون توکن
قیمت ایجاد کش	۶.۲۵ دلار / ۱ میلیون توکن
قیمت خروجی	۲۵.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	کدنویسی عاملی، تحلیل علت ریشه‌ای، کار دانشی، استفاده از کامپیوتر، تحلیل علمی، بینایی، بررسی دقیق، تفکر تطبیقی
بهترین برای	کدبیس‌های بزرگ، اشکال‌زدایی دشوار، عامل‌های چندمرحله‌ای، پژوهش، due diligence، تحلیل پیچیده سند و داده، artifactهای بصری

قابلیت‌های کلیدی:

کدنویسی و کار عاملی: عملکرد قوی در مهندسی نرم‌افزار طولانی‌مدت، اشکال‌زدایی، بازبینی کد، استفاده از ابزار و اجرای سرتاسری
کار دانشی و علمی: تحلیل بهتر در گردش‌کارهای تجاری، استدلال عددی، علوم زیستی، شیمی و بیوانفورماتیک
استفاده از کامپیوتر و بینایی: پشتیبانی از اسکرین‌شات، تصویر، PDF، گردش‌کارهای مرورگر و دسکتاپ و خروجی‌های بصری
تفکر تطبیقی: تلاش استدلالی قابل تنظیم برای تعادل میان موفقیت وظیفه، تأخیر و مصرف توکن
کنترل‌های توسعه‌دهنده: فراخوانی تابع، انتخاب ابزار، خروجی ساختاریافته بومی، response schema، کش پرامپت و پیکربندی خروجی
پشتیبانی نقاط پایانی: پشتیبانی کامل در v1/chat/completions و v1/messages و پشتیبانی جزئی در v1/responses

SDK سازگار با OpenAI:

python

from openai import OpenAI

client = OpenAI(
    api_key="your-avalai-api-key",
    base_url="https://api.avalai.ir/v1",
)

response = client.chat.completions.create(
    model="claude-opus-5",
    messages=[
        {
            "role": "user",
            "content": "علت ریشه‌ای این خطای هم‌زمانی متناوب را پیدا کن و یک تست رگرسیون قابل اتکا طراحی کن.",
        }
    ],
    extra_body={
        "thinking": {"type": "adaptive"},
        "output_config": {"effort": "high"},
    },
)

print(response.choices[0].message.content)

SDK رسمی Anthropic:

python

import anthropic

client = anthropic.Anthropic(
    api_key="your-avalai-api-key",
    base_url="https://api.avalai.ir",
)

message = client.messages.create(
    model="claude-opus-5",
    max_tokens=4096,
    messages=[
        {
            "role": "user",
            "content": "این معماری را بررسی کن و یک برنامه نوسازی مرحله‌ای با معیارهای صریح rollback پیشنهاد بده.",
        }
    ],
)

print(message.content[0].text)

برای نمونه‌های درخواست و پاسخ، جزئیات endpoint، قیمت‌گذاری و راهنمای بار کاری، اطلاعیه Claude Opus 5 را ببینید.

Claude Opus 4.8

Claude Opus 4.8 پرچم‌دار قبلی Opus است. این مدل بر پایه Opus 4.7 ساخته شده و بهبودهایی در کدنویسی عاملی افق بلند، کالیبراسیون تلاش استدلالی، فراخوانی ابزار و صداقت ارائه می‌دهد. Opus 4.8 با زمینه بومی ۱ میلیون توکنی به‌صورت پیش‌فرض، حداکثر ۱۲۸K توکن خروجی، تفکر تطبیقی، پیام‌های سیستمی میان مکالمه، جزئیات توقف امتناع و حداقل کش پرامپت ۱٬۰۲۴ توکنی ارائه می‌شود. قیمت‌گذاری استفاده عادی نسبت به Opus 4.7 تغییری نکرده است.

ویژگی	جزئیات
پنجره زمینه	۱٬۰۰۰٬۰۰۰ توکن (بومی)
داده‌های آموزشی	تا مه ۲۰۲۶
قیمت‌گذاری ورودی	۵.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۱.۵۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ایجاد کش	۶.۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۲۵.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	کدنویسی عاملی افق بلند، کالیبراسیون تلاش استدلالی، فراخوانی بهتر ابزار، افزایش صداقت، پیام‌های سیستمی میان مکالمه، تفکر تطبیقی، ۵ سطح تلاش (پایین/متوسط/بالا/فوق‌بالا/حداکثر)، ۱۲۸K توکن خروجی، جزئیات توقف امتناع
بهترین برای	مهاجرت‌های پایگاه‌کد، بازنویسی چندسرویسی، حلقه‌های عاملی طولانی‌مدت، تحقیقات عمیق، کار دانشی، تحلیل‌هایی که قابلیت اطمینان و صداقت اهمیت دارند

بهبودهای کلیدی نسبت به Opus 4.7:

کدنویسی عاملی افق بلند: مدیریت بهتر زمینه طولانی، فشرده‌سازی‌های کمتر و بازیابی بهتر پس از فشرده‌سازی برای وظایف در مقیاس بسیار بزرگ
کالیبراسیون تلاش استدلالی: رفتار قابل اعتمادتر در هر سطح تلاش در طیف وسیعی از حوزه‌ها
فراخوانی بهتر ابزار: کاهش موارد رد کردن فراخوانی ابزار مورد نیاز وظیفه و رفع مشکلات verbosity در کامنت‌ها و فراخوانی ابزار که در Opus 4.7 دیده می‌شد
افزایش صداقت: تقریبا ۴ برابر کمتر از Opus 4.7 احتمال دارد که نقص‌های کد نوشته‌شده توسط خود را بدون اشاره عبور دهد، با گزارش قابل اعتمادتر عدم قطعیت
پیام‌های سیستمی میان مکالمه: افزودن پیام‌های role: "system" در میانه مکالمه با حفظ hit کش پرامپت و کاهش هزینه ورودی در حلقه‌های عاملی
جزئیات توقف امتناع: شی stop_details در پاسخ‌های امتناع به‌طور عمومی مستند شده برای مسیریابی کلاس‌های مختلف درخواست‌های رد شده
حداقل کش پرامپت پایین‌تر: حداقل طول قابل کش‌گذاری پرامپت ۱٬۰۲۴ توکن (کاهش از Opus 4.7) که امکان ایجاد ورودی‌های کش برای پرامپت‌های کوتاه‌تر را فراهم می‌کند
مقادیر پیش‌فرض تلاش: تلاش پیش‌فرض اکنون در همه سطوح (Claude API و Claude Code) برابر high است
عامل‌های قوی استفاده از کامپیوتر و مرورگر: ۸۴٪ در Online-Mind2Web، جهش قابل توجهی نسبت به Opus 4.7
هم‌راستایی بهبود یافته: نرخ‌های قابل توجه پایین‌تر رفتارهای ناهم‌راستا نسبت به Opus 4.7 و ویژگی‌های اجتماعی قوی‌تر

پشتیبانی نقاط پایانی: در دسترس در v1/chat/completions (پشتیبانی کامل)، v1/messages (پشتیبانی کامل) و v1/responses (پشتیبانی جزئی).

محدودیت‌های API به ارث رسیده از Opus 4.7 (بدون تغییر): پارامترهای نمونه‌برداری (temperature، top_p، top_k) در Messages API پشتیبانی نمی‌شوند؛ تنظیم مقادیر غیرپیش‌فرض خطای ۴۰۰ بازمی‌گرداند. بودجه‌های تفکر گسترده پشتیبانی نمی‌شوند — از thinking: {"type": "adaptive"} به همراه پارامتر effort برای کنترل عمق تفکر استفاده کنید.

SDK سازگار با OpenAI:

python

response = client.chat.completions.create(
    model="claude-opus-4-8",  # دسترسی در سطح کاربری ۱ و بالاتر
    messages=[
        {
            "role": "system",
            "content": "شما یک ایجنت کدنویسی خودگردان متخصص در مهاجرت‌های طولانی‌مدت در مقیاس پایگاه‌کد هستید.",
        },
        {
            "role": "user",
            "content": "مهاجرت این monorepo به یک میان‌افزار مدیریت خطای مشترک در همه سرویس‌ها را برنامه‌ریزی و اجرا کن.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-opus-4-8` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="مهاجرت این monorepo به یک میان‌افزار مدیریت خطای مشترک در همه سرویس‌ها را برنامه‌ریزی و اجرا کن.",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

SDK رسمی Anthropic:

python

import anthropic

client = anthropic.Anthropic(
    api_key="your-avalai-api-key", base_url="https://api.avalai.ir"
)

message = client.messages.create(
    model="claude-opus-4-8",  # دسترسی در سطح کاربری ۱ و بالاتر
    max_tokens=4096,
    system="شما یک ایجنت کدنویسی خودگردان متخصص در مهاجرت‌های طولانی‌مدت در مقیاس پایگاه‌کد هستید.",
    messages=[
        {
            "role": "user",
            "content": "مهاجرت این monorepo به یک میان‌افزار مدیریت خطای مشترک در همه سرویس‌ها را برنامه‌ریزی و اجرا کن.",
        }
    ],
)

Claude Opus 4.7

Claude Opus 4.7 توانمندترین مدل عمومی Anthropic است که بسیار مستقل بوده و در کار عاملی افق بلند، کار دانشی، وظایف بینایی و وظایف حافظه عملکرد استثنایی دارد. این مدل بهبود قابل توجهی نسبت به Opus 4.6 در مهندسی نرم‌افزار پیشرفته دارد، با پیشرفت‌های ویژه در سخت‌ترین وظایف. مدل دارای پشتیبانی بینایی با وضوح بالا (تا ۲,۵۷۶ پیکسل / ۳.۷۵ مگاپیکسل)، سطح تلاش جدید xhigh و بودجه وظایف در نسخه بتا است.

ویژگی	جزئیات
پنجره زمینه	۱٬۰۰۰٬۰۰۰ توکن
داده‌های آموزشی	تا آوریل ۲۰۲۶
قیمت‌گذاری ورودی	۵.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۱.۵۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ایجاد کش	۶.۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۲۵.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	مهندسی نرم‌افزار پیشرفته، بینایی با وضوح بالا، پیروی از دستورالعمل‌ها، حافظه سیستم فایلی، تفکر تطبیقی، ۵ سطح تلاش (پایین/متوسط/بالا/فوق‌بالا/حداکثر)، بودجه وظایف، ۱۲۸K توکن خروجی
بهترین برای	پروژه‌های کدنویسی پیچیده، جریان‌های کاری عاملی، وظایف افق بلند، کار دانشی، وظایف بینایی با وضوح بالا، بازنویسی چندفایله، کاربردهای تحقیقاتی

بهبودهای کلیدی نسبت به Opus 4.6:

مهندسی نرم‌افزار پیشرفته: بهبود قابل توجه در سخت‌ترین وظایف کدنویسی، با مدیریت دقیق و ثابت وظایف پیچیده و طولانی‌مدت
بینایی با وضوح بالا: پذیرش تصاویر تا ۲,۵۷۶ پیکسل در لبه بلند (~۳.۷۵ مگاپیکسل)، بیش از سه برابر مدل‌های قبلی
سطح تلاش جدید xhigh: کنترل دقیق‌تر بین استدلال و تاخیر، بین high و max
بودجه وظایف (بتا): بودجه‌های مشاوره‌ای توکن در حلقه‌های عاملی کامل
بهبود پیروی از دستورالعمل‌ها: اجرای بسیار بهتر دستورالعمل‌ها به صورت تحت‌اللفظی
حافظه سیستم فایلی: بهتر در نوشتن و استفاده از حافظه مبتنی بر سیستم فایل
مسیریابی هوشمند: توزیع در بین Anthropic API، AWS Bedrock، Azure AI و Vertex AI

SDK سازگار با OpenAI:

python

response = client.chat.completions.create(
    model="claude-opus-4-7",  # دسترسی در سطح کاربری ۱ و بالاتر
    messages=[
        {
            "role": "system",
            "content": "شما یک مهندس نرم‌افزار متخصص در تحلیل پایگاه‌های کد پیچیده هستید.",
        },
        {
            "role": "user",
            "content": "این برنامه چندفایله را تحلیل کن و بهبودهای معماری برای نگهداری بهتر پیشنهاد بده.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-opus-4-7` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="این برنامه چندفایله را تحلیل کن و بهبودهای معماری برای نگهداری بهتر پیشنهاد بده.",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

SDK رسمی Anthropic:

python

import anthropic

client = anthropic.Anthropic(
    api_key="your-avalai-api-key", base_url="https://api.avalai.ir"
)

message = client.messages.create(
    model="claude-opus-4-7",  # دسترسی در سطح کاربری ۱ و بالاتر
    max_tokens=4096,
    system="شما یک مهندس نرم‌افزار متخصص در تحلیل پایگاه‌های کد پیچیده هستید.",
    messages=[
        {
            "role": "user",
            "content": "این برنامه چندفایله را تحلیل کن و بهبودهای معماری برای نگهداری بهتر پیشنهاد بده.",
        }
    ],
)

Claude Opus 4.6

Claude Opus 4.6 قدرتمندترین ارتقای مدل Anthropic است که با بهبود مهارت‌های کدنویسی نسبت به نسل قبل، برنامه‌ریزی بهتر، وظایف عاملی پایدار، عملکرد قابل اعتماد در پایگاه‌های کد بزرگتر و قابلیت‌های اشکال‌زدایی بهبود یافته ارائه می‌شود. این مدل دارای پنجره زمینه ۱ میلیون توکنی در نسخه بتا و عملکرد پیشرفته در معیارهای Terminal-Bench 2.0، Humanity's Last Exam و GDPval-AA است.

ویژگی	جزئیات
پنجره زمینه	۱٬۰۰۰٬۰۰۰ توکن (بتا)
داده‌های آموزشی	تا ۶ فوریه ۲۰۲۶
قیمت‌گذاری ورودی	۵.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۱.۵۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ایجاد کش	۶.۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۲۵.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری پریمیوم (بالای 200K)	۱۰.۰۰ دلار / ۳۷.۵۰ دلار / ۱ میلیون توکن (ورودی/خروجی)
نقاط قوت	کدنویسی عاملی بهبود یافته، پنجره زمینه ۱ میلیون توکنی، تیم‌های عامل، تفکر تطبیقی، فشرده‌سازی زمینه، ۱۲۸K توکن خروجی
بهترین برای	پروژه‌های کدنویسی پیچیده، جریان‌های کاری عاملی، وظایف زمینه طولانی، بازنویسی چندفایله، اشکال‌زدایی پایگاه‌های کد بزرگ، کاربردهای تحقیقاتی

بهبودهای کلیدی نسبت به نسل قبلی Opus:

کدنویسی بهبود یافته: برنامه‌ریزی بهتر، وظایف عاملی پایدار برای مدت طولانی‌تر، عملکرد قابل اعتماد در پایگاه‌های کد بزرگتر، بازبینی کد و اشکال‌زدایی بهبود یافته
پنجره زمینه ۱ میلیون توکنی (بتا): مدل کلاس Opus با پنجره زمینه ۱ میلیون توکنی و کاهش قابل توجه افت زمینه
تیم‌های عامل: راه‌اندازی چندین عامل به صورت موازی و هماهنگی خودکار (Claude Code)
تفکر تطبیقی: مدل می‌تواند تشخیص دهد چه زمانی استدلال عمیق‌تر مفید است
کنترل تلاش: چهار سطح تلاش (پایین، متوسط، بالا، حداکثر) برای توسعه‌دهندگان
فشرده‌سازی زمینه: خلاصه‌سازی خودکار برای انجام وظایف طولانی‌تر بدون رسیدن به محدودیت‌ها
۱۲۸K توکن خروجی: پشتیبانی از تولید خروجی بزرگتر

SDK سازگار با OpenAI:

python

response = client.chat.completions.create(
    model="claude-opus-4-6",  # دسترسی در سطح کاربری ۱ و بالاتر
    messages=[
        {
            "role": "system",
            "content": "شما یک مهندس نرم‌افزار متخصص در تحلیل پایگاه‌های کد پیچیده هستید.",
        },
        {
            "role": "user",
            "content": "این برنامه چندفایله را تحلیل کن و بهبودهای معماری برای نگهداری بهتر پیشنهاد بده.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-opus-4-6` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="این برنامه چندفایله را تحلیل کن و بهبودهای معماری برای نگهداری بهتر پیشنهاد بده.",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

SDK رسمی Anthropic:

python

import anthropic

client = anthropic.Anthropic(
    api_key="your-avalai-api-key", base_url="https://api.avalai.ir"
)

message = client.messages.create(
    model="claude-opus-4-6",  # دسترسی در سطح کاربری ۱ و بالاتر
    max_tokens=4096,
    system="شما یک مهندس نرم‌افزار متخصص در تحلیل پایگاه‌های کد پیچیده هستید.",
    messages=[
        {
            "role": "user",
            "content": "این برنامه چندفایله را تحلیل کن و بهبودهای معماری برای نگهداری بهتر پیشنهاد بده.",
        }
    ],
)

Claude Sonnet 4.6

Claude Sonnet 4.6 قوی‌ترین مدل Sonnet شرکت Anthropic است که ارتقای کامل مهارت‌ها در کدنویسی، استفاده از کامپیوتر، استدلال زمینه طولانی، برنامه‌ریزی عامل، کار دانشی و طراحی را ارائه می‌دهد. این مدل دارای پنجره زمینه ۱ میلیون توکنی در نسخه بتا است و در وظایف ارزشمند اقتصادی دنیای واقعی به هوش سطح Opus نزدیک می‌شود در حالی که قیمت‌گذاری Sonnet را حفظ می‌کند.

ویژگی	جزئیات
پنجره زمینه	۱٬۰۰۰٬۰۰۰ توکن (بتا)
داده‌های آموزشی	تا ۱۹ فوریه ۲۰۲۶
قیمت‌گذاری ورودی	۳.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۱.۵۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ایجاد کش	۳.۷۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۵.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	ارتقای کامل مدل، پنجره زمینه ۱ میلیون توکنی، برتری در استفاده از کامپیوتر، عملکرد کلاس Opus با قیمت Sonnet، بهبودهای کدنویسی، تفکر تطبیقی
بهترین برای	کدنویسی پیچیده، اتوماسیون استفاده از کامپیوتر، وظایف زمینه طولانی، توسعه عامل، کار دانشی، وظایف طراحی

بهبودهای کلیدی نسبت به Sonnet 4.5:

ارتقای کامل مدل: بهبود در کدنویسی، استفاده از کامپیوتر، استدلال زمینه طولانی، برنامه‌ریزی عامل، کار دانشی و طراحی
پنجره زمینه ۱ میلیون توکنی (بتا): زمینه گسترده برای کل پایگاه‌های کد، قراردادهای طولانی، یا ده‌ها مقاله تحقیقاتی
برتری در استفاده از کامپیوتر: بهبود چشمگیر نسبت به مدل‌های Sonnet قبلی با مقاومت بهبود یافته در برابر تزریق پرامپت
عملکرد کلاس Opus: نزدیک به هوش سطح Opus با قیمت‌گذاری Sonnet در وظایف اداری ارزشمند اقتصادی
برتری کدنویسی: ۷۰٪ ترجیح نسبت به Sonnet 4.5 در Claude Code، خواندن بهتر زمینه، تجمیع منطق مشترک
عملکرد کارآمد در سطح Opus: هوش نزدیک به Opus را با قیمت Sonnet، مهندسی بیش‌ازحد کمتر و تاخیر پایین‌تر ارائه می‌دهد
تفکر تطبیقی: پشتیبانی از هر دو تفکر تطبیقی و تفکر گسترده
فشرده‌سازی زمینه: پشتیبانی بتا از خلاصه‌سازی خودکار هنگام نزدیک شدن مکالمات به محدودیت‌ها
پشتیبانی نقاط پایانی: در دسترس در v1/chat/completions (پشتیبانی کامل)، v1/messages (پشتیبانی کامل) و v1/responses (پشتیبانی جزئی)

SDK سازگار با OpenAI:

python

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "شما یک مهندس نرم‌افزار متخصص در بازبینی و بازنویسی کد هستید.",
        },
        {
            "role": "user",
            "content": "این پایگاه کد را بررسی کن و بهبودهایی برای نگهداری بهتر پیشنهاد بده.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-sonnet-4-6` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="این پایگاه کد را بررسی کن و بهبودهایی برای نگهداری بهتر پیشنهاد بده.",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

SDK رسمی Anthropic:

python

import anthropic

client = anthropic.Anthropic(
    api_key="your-avalai-api-key", base_url="https://api.avalai.ir"
)

message = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=4096,
    system="شما یک مهندس نرم‌افزار متخصص در بازبینی و بازنویسی کد هستید.",
    messages=[
        {
            "role": "user",
            "content": "این پایگاه کد را بررسی کن و بهبودهایی برای نگهداری بهتر پیشنهاد بده.",
        }
    ],
)

Claude Sonnet 4.5

Claude Sonnet 4.5 مدل پیشرفته Anthropic برای ساخت عامل‌های پیچیده است که قادر به کار مستقل برای مدت‌های طولانی هستند. این مدل مرزهای قابلیت‌های کدنویسی را پیش می‌برد، عملکرد پیشرفته‌ای در استفاده از رایانه دارد و در تقویت عامل‌ها برای تحلیل مالی، امنیت سایبری و کاربردهای تحقیقاتی برتری دارد.

ویژگی	جزئیات
پنجره زمینه	۲۰۰٬۰۰۰ توکن
داده‌های آموزشی	تا ۲۹ سپتامبر ۲۰۲۵
قیمت‌گذاری ورودی	۳.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۳۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۵.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	بهترین مدل کدنویسی تاکنون، عملکرد مستقل گسترده، استفاده بهبود یافته از ابزارها، مدیریت متن پیشرفته، تولید محتوای خلاقانه
بهترین برای	توسعه عامل‌های پیچیده، وظایف مستقل گسترده، پروژه‌های کدنویسی پیشرفته، تحلیل مالی، کاربردهای امنیت سایبری، تحقیق

بهبودهای کلیدی نسبت به مدل‌های قبلی Sonnet:

برتری در کدنویسی: پیشرفته‌ترین عملکرد در SWE-bench Verified، برنامه‌ریزی و طراحی سیستم بهبود یافته، مهندسی امنیت بهبود یافته
قابلیت‌های عاملی: عملکرد مستقل گسترده برای ساعت‌ها، آگاهی متنی با ردیابی استفاده از توکن، استفاده بهبود یافته از ابزارها با فراخوانی‌های موازی
سبک ارتباط: ارتباط بهینه‌شده، مختصر و مستقیم با به‌روزرسانی‌های پیشرفت مبتنی بر واقعیت
محتوای خلاقانه: کیفیت بسیار بالا برای ارائه‌ها و انیمیشن‌ها با خروجی مطلوب در تلاش اول

SDK سازگار با OpenAI:

python

response = client.chat.completions.create(
    model="claude-sonnet-4-5",
    messages=[
        {
            "role": "system",
            "content": "شما یک مهندس نرم‌افزار متخصص در بازنویسی کد هستید.",
        },
        {
            "role": "user",
            "content": "این پروژه پایتون چندفایله را برای بهبود قابلیت نگهداری و اضافه کردن مدیریت خطای مناسب بازنویسی کنید.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-sonnet-4-5` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="این پروژه پایتون چندفایله را برای بهبود قابلیت نگهداری و اضافه کردن مدیریت خطای مناسب بازنویسی کنید.",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

SDK رسمی Anthropic:

python

import anthropic

client = anthropic.Anthropic(
    api_key="your-avalai-api-key", base_url="https://api.avalai.ir"
)

message = client.messages.create(
    model="claude-sonnet-4-5",
    max_tokens=1000,
    system="شما یک مهندس نرم‌افزار متخصص در بازنویسی کد هستید.",
    messages=[
        {
            "role": "user",
            "content": "این پروژه پایتون چندفایله را برای بهبود قابلیت نگهداری و اضافه کردن مدیریت خطای مناسب بازنویسی کنید.",
        }
    ],
)

Claude Haiku 4.5

Claude Haiku 4.5 آخرین مدل کوچک، سریع و مقرون‌به‌صرفه Anthropic است که عملکرد کدنویسی نزدیک به مرزهای دانش را با سرعت استثنایی و بهینه‌سازی هزینه ارائه می‌دهد. این مدل کیفیت کدنویسی قوی را با قیمت پایین‌تر فراهم می‌کند و برای برنامه‌های بلادرنگ و بارهای کاری با توان عملیاتی بالا ایده‌آل است.

ویژگی	جزئیات
پنجره زمینه	۲۰۰٬۰۰۰ توکن
داده‌های آموزشی	تا اکتبر ۲۰۲۵
قیمت‌گذاری ورودی	۱.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۵.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	کیفیت کدنویسی نزدیک به مرز، سرعت فوق‌العاده، بهینه‌سازی هزینه، تسلط بر استفاده از کامپیوتر
بهترین برای	دستیارهای چت بلادرنگ، خدمات مشتری، برنامه‌نویسی جفتی، گردش‌کارهای ایجنتی، استقرارهای تولید حساس به هزینه

قابلیت‌های کلیدی:

عملکرد کدنویسی: کیفیت کدنویسی نزدیک به مرزهای دانش، مناسب برای برنامه‌نویسی جفتی و تکرار سریع
سرعت: پاسخ‌های سریع برای تجربه کاربری واکنش‌گرا و هماهنگی چندعاملی
استفاده از کامپیوتر: مهارت‌های قوی استفاده از کامپیوتر برای جریان‌های کاری عاملی
بهینه‌سازی هزینه: اقتصادی‌ترین گزینه Claude در میان مدل‌های جدید پشتیبانی‌شده
پشتیبانی نقاط پایانی: در دسترس در v1/chat/completions و v1/messages

SDK سازگار با OpenAI:

python

response = client.chat.completions.create(
    model="claude-haiku-4-5",
    messages=[
        {"role": "system", "content": "شما یک دستیار کدنویسی مفید هستید."},
        {
            "role": "user",
            "content": "یک تابع پایتون برای اعتبارسنجی آدرس‌های ایمیل با استفاده از regex بنویس.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-haiku-4-5` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="یک تابع پایتون برای اعتبارسنجی آدرس‌های ایمیل با استفاده از regex بنویس.",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

SDK رسمی Anthropic:

python

import anthropic

client = anthropic.Anthropic(
    api_key="your-avalai-api-key", base_url="https://api.avalai.ir"
)

message = client.messages.create(
    model="claude-haiku-4-5",
    max_tokens=1000,
    system="شما یک دستیار کدنویسی مفید هستید.",
    messages=[
        {
            "role": "user",
            "content": "یک تابع پایتون برای اعتبارسنجی آدرس‌های ایمیل با استفاده از regex بنویس.",
        }
    ],
)

قابلیت‌های کلیدی

بینایی (Vision)

جدیدترین مدل‌های Claude Opus، Sonnet و Haiku از ورودی‌های تصویری پشتیبانی می‌کنند و به آن‌ها امکان تحلیل و پاسخ به محتوای بصری را می‌دهند:

python

response = client.chat.completions.create(
    model="claude-sonnet-4-6",  # یا claude-opus-4-7، claude-haiku-4-5
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "در این تصویر چه چیزی وجود دارد؟"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://dashscope.oss-cn-beijing.aliyuncs.com/images/256_1.png"
                    },
                },
            ],
        }
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-sonnet-4-6` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    input=[
        {
            "role": "user",
            "content": [
                {"type": "input_text", "text": "Describe this image."},
                {"type": "input_image", "image_url": "https://example.com/image.png"},
            ],
        }
    ],
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

استفاده از ابزار (Tool Use)

مدل‌های Claude از استفاده از ابزار (فراخوانی تابع) با دقت بهبود یافته پشتیبانی می‌کنند:

python

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "شما به ابزارهای زیر دسترسی دارید:\n<tool_description>\n<tool_name>get_weather</tool_name>\n<description>دریافت وضعیت آب و هوای فعلی برای یک مکان</description>\n<parameters>\n<parameter>\n<name>location</name>\n<type>string</type>\n<description>شهر و ایالت، به عنوان مثال سانفرانسیسکو، کالیفرنیا</description>\n<required>true</required>\n</parameter>\n<parameter>\n<name>unit</name>\n<type>string</type>\n<enum>celsius,fahrenheit</enum>\n<description>واحد دما</description>\n<required>false</required>\n</parameter>\n</parameters>\n</tool_description>",
        },
        {"role": "user", "content": "هوای بوستون چطور است؟"},
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-sonnet-4-6` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="هوای بوستون چطور است؟",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

خروجی ساختاریافته

مدل‌های Claude می‌توانند خروجی‌های ساختاریافته مانند JSON تولید کنند:

python

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "شما یک دستیار مفید هستید که خروجی JSON تولید می‌کند.",
        },
        {
            "role": "user",
            "content": "۳ زبان برنامه‌نویسی برتر را با ویژگی‌های کلیدی آن‌ها لیست کنید.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-sonnet-4-6` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="۳ زبان برنامه‌نویسی برتر را با ویژگی‌های کلیدی آن‌ها لیست کنید.",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

راهنمای انتخاب مدل

انتخاب مدل Claude مناسب

هنگام انتخاب مدل Claude از طریق AvalAI، موارد زیر را در نظر بگیرید:

پیچیدگی وظیفه: دشوارترین وظایف از Claude Opus 5 بهره می‌برند؛ گردش‌کارهای پیچیده تثبیت‌شده می‌توانند از Claude Opus 4.8 یا Claude Opus 4.7 استفاده کنند و وظایف ساده‌تر می‌توانند از Claude Haiku 4.5 بهره ببرند
کیفیت پاسخ در مقابل هزینه: نیاز به پاسخ‌های با کیفیت بالا را با ملاحظات بودجه متعادل کنید
الزامات سرعت: برای برنامه‌های بلادرنگ، Claude Haiku 4.5 سریع‌ترین پاسخ‌ها را ارائه می‌دهد
طول زمینه: جدیدترین مدل‌های Claude بسته به مدل، پنجره زمینه‌ای از ۲۰۰٬۰۰۰ تا ۱٬۰۰۰٬۰۰۰ توکن پشتیبانی می‌کنند

مقایسه عملکرد

وظیفه	مدل Claude توصیه شده	مدل‌های جایگزین
استدلال پیچیده	Claude Opus 4.8 / Claude Opus 4.7	GPT-5.5، o3، Gemini 3.5 Flash
کدنویسی عاملی افق بلند	Claude Opus 4.8 / Claude Opus 4.7	GPT-5.5، GPT-5.3 Codex، Gemini 3.1 Pro
بارهای کاری سازمانی / کدنویسی	Claude Opus 4.8 / Claude Sonnet 4.6	Claude Opus 4.7، Gemini 2.5 Pro
چت عمومی / تولید محتوا	Claude Sonnet 4.6 / Claude Sonnet 4.5	Gemini 2.5 Pro، o3-mini
برنامه‌نویسی جفتی / کدنویسی سریع	Claude Haiku 4.5	Claude Sonnet 4.5، o3-mini
خلاصه‌سازی / وظایف ساده	Claude Haiku 4.5	GPT-5 mini، o3-mini
وظایف بینایی	Claude Opus 4.8 / Claude Opus 4.7	GPT-5.5، Gemini 2.5 Pro
بلادرنگ / توان عملیاتی بالا	Claude Haiku 4.5	GPT-5 mini، o3-mini

بهترین شیوه‌ها برای مدل‌های Claude

پرامپت‌های سیستمی

مدل‌های Claude به پرامپت‌های سیستمی واضح که نقش و محدودیت‌های آن‌ها را تعریف می‌کنند، به خوبی پاسخ می‌دهند:

python

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "شما یک دستیار نوشتن حرفه‌ای هستید. پاسخ‌های شما باید مختصر، واضح و ساختاریافته باشند. بر ارائه مشاوره عملی برای بهبود نوشته کاربر تمرکز کنید.",
        },
        {
            "role": "user",
            "content": "می‌توانید به من کمک کنید این پاراگراف را بهبود ببخشم: 'شرکت در سال ۲۰۱۰ تاسیس شد و نرم‌افزار می‌سازد و در بسیاری از کشورها دفتر دارد و به سرعت در حال رشد است.'",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-sonnet-4-6` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="می‌توانید به من کمک کنید این پاراگراف را بهبود ببخشم:",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

تگ‌های XML برای ساختار

مدل‌های Claude با تگ‌های XML برای ساختاردهی خروجی به خوبی کار می‌کنند:

python

response = client.chat.completions.create(
    model="claude-opus-4-8",
    messages=[
        {
            "role": "system",
            "content": "هنگام تحلیل متن، پاسخ خود را با تگ‌های XML مانند <summary>, <strengths>, <weaknesses>, و <suggestions> ساختاردهی کنید.",
        },
        {
            "role": "user",
            "content": "این پاراگراف را تحلیل کنید: 'شرکت در سال ۲۰۱۰ تاسیس شد و نرم‌افزار می‌سازد و در بسیاری از کشورها دفتر دارد و به سرعت در حال رشد است.'",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-opus-4-8` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="این پاراگراف را تحلیل کنید:",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

مثال‌های کم‌شات (Few-Shot)

برای هدایت پاسخ‌های Claude، مثال‌هایی ارائه دهید:

python

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "شما یک دستیار مفید هستید که متن را بازنویسی می‌کند تا مختصرتر شود.",
        },
        {
            "role": "user",
            "content": "مثال ۱:\nاصلی: جلسه‌ای که دیروز داشتیم، که شامل همه رؤسای بخش‌ها و چندین رهبر تیم بود، بسیار طولانی و نسبتا خسته‌کننده بود، و بسیاری از نکات به طور غیرضروری تکرار می‌شد.\nبازنویسی: جلسه دیروز با رؤسای بخش‌ها و رهبران تیم طولانی و تکراری بود.\n\nمثال ۲:\nاصلی: برنامه نرم‌افزاری که شرکت ما در طول سال مالی گذشته توسعه داد، دارای ویژگی‌ها و قابلیت‌های مختلفی است که کاربران می‌توانند از آن‌ها برای انجام وظایف مختلف مربوط به تحلیل داده‌ها و گزارش‌دهی استفاده کنند.\nبازنویسی: نرم‌افزار جدید شرکت ما ویژگی‌های مختلف تحلیل داده و گزارش‌دهی را ارائه می‌دهد.\n\nحالا این را بازنویسی کنید تا مختصرتر شود: گزارش مالی فصلی که توسط بخش حسابداری تهیه شده است، حاوی اطلاعات دقیقی در مورد جریان‌های درآمد، دسته‌های هزینه، حاشیه سود و پیش‌بینی‌های آینده برای سه ماهه مالی بعدی است.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-sonnet-4-6` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="Write a one-sentence summary of AvalAI.",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

استفاده از مدل‌های Claude از طریق AvalAI

AvalAI اکنون از دو رویکرد برای دسترسی به مدل‌های Claude پشتیبانی می‌کند:

گزینه ۱: SDK های سازگار با OpenAI (رویکرد یکپارچه)

از کتابخانه‌های کلاینت آشنای OpenAI برای دسترسی به مدل‌های Claude از طریق API یکپارچه AvalAI استفاده کنید:

python

from openai import OpenAI

client = OpenAI(
    api_key="your-avalai-api-key",  # با کلید واقعی خود جایگزین کنید
    base_url="https://api.avalai.ir/v1",  # آدرس پایه API AvalAI
)

# از هر مدل Claude استفاده کنید
response = client.chat.completions.create(
    model="claude-opus-4-8",
    messages=[{"role": "user", "content": "سلام!"}],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `claude-opus-4-8` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.5",
    instructions="You are a helpful assistant.",
    input="سلام!",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

گزینه ۲: SDK های رسمی Anthropic (رویکرد بومی)

از SDK های رسمی Anthropic برای تجربه بومی با چندین ارائه دهنده مدل استفاده کنید:

Python:

python

import anthropic

client = anthropic.Anthropic(
    api_key="your-avalai-api-key",  # با کلید واقعی خود جایگزین کنید
    base_url="https://api.avalai.ir",  # توجه: بدون پسوند /v1 برای SDK های Anthropic
)

# استفاده از مدل Claude
message = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1000,
    messages=[{"role": "user", "content": "سلام!"}],
)

# استفاده از مدل OpenAI از طریق SDK Anthropic
openai_message = client.messages.create(
    model="gpt-5.4",
    max_tokens=1000,
    messages=[{"role": "user", "content": "سلام!"}],
)

# استفاده از Gemini 3.7 Flash از طریق نقطه پایانی Messages سازگار با Anthropic
gemini_message = client.messages.create(
    model="gemini-3.7-flash",
    max_tokens=1000,
    messages=[
        {
            "role": "user",
            "content": "این برنامه پیاده‌سازی را بررسی کن و پرریسک‌ترین فرض‌ها را مشخص کن.",
        }
    ],
)

TypeScript/JavaScript:

javascript

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic({
  apiKey: "your-avalai-api-key", // با کلید واقعی خود جایگزین کنید
  baseURL: "https://api.avalai.ir", // توجه: بدون پسوند /v1 برای SDK های Anthropic
});

// استفاده از مدل Claude
const message = await client.messages.create({
  model: "claude-opus-4-8",
  max_tokens: 1000,
  messages: [
    {
      role: "user",
      content: "سلام!",
    },
  ],
});

// استفاده از مدل OpenAI از طریق SDK Anthropic
const openaiMessage = await client.messages.create({
  model: "gpt-5.4",
  max_tokens: 1000,
  messages: [
    {
      role: "user",
      content: "سلام!",
    },
  ],
});

// استفاده از Gemini 3.7 Flash از طریق نقطه پایانی Messages سازگار با Anthropic
const geminiMessage = await client.messages.create({
  model: "gemini-3.7-flash",
  max_tokens: 1000,
  messages: [
    {
      role: "user",
      content: "این برنامه پیاده‌سازی را بررسی کن و پرریسک‌ترین فرض‌ها را مشخص کن.",
    },
  ],
});

Go:

go

package main

import (
	"context"
	"fmt"
	"github.com/anthropics/anthropic-sdk-go"
	"github.com/anthropics/anthropic-sdk-go/option"
)

func main() {
	client := anthropic.NewClient(
		option.WithAPIKey("your-avalai-api-key"),    // با کلید واقعی خود جایگزین کنید
		option.WithBaseURL("https://api.avalai.ir"), // توجه: بدون پسوند /v1
	)

	message, err := client.Messages.New(context.TODO(), anthropic.MessageNewParams{
		Model:     anthropic.F("claude-opus-4-8"),
		MaxTokens: anthropic.F(int64(1000)),
		Messages: anthropic.F([]anthropic.MessageParam{
			anthropic.NewUserMessage(anthropic.NewTextBlock("سلام!")),
		}),
	})
}

Ruby:

ruby

require 'anthropic'

client = Anthropic::Client.new(
    api_key: 'your-avalai-api-key', # با کلید واقعی خود جایگزین کنید
    base_url: 'https://api.avalai.ir' # توجه: بدون پسوند /v1
)

message = client.messages(
    model: 'claude-opus-4-8',
    max_tokens: 1000,
    messages: [
        {
            role: 'user',
            content: 'سلام!'
        }
    ]
)

انتخاب رویکرد شما

SDK های سازگار با OpenAI: بهترین برای ادغام‌های موجود OpenAI، جریان‌های کاری یکپارچه چند ارائه دهنده و نحو آشنا
SDK های رسمی Anthropic: بهترین برای ویژگی‌های خاص Anthropic، پشتیبانی پارامتر بومی و دسترسی به قابلیت‌های بتا. از ژوئن ۲۰۲۵، SDK های Anthropic همچنین می‌توانند با مدل‌هایی از OpenAI، AWS Bedrock، Vertex AI و Gemini استفاده شوند.

تفاوت‌ها با مدل‌های OpenAI

در حالی که AvalAI یک API یکپارچه ارائه می‌دهد، تفاوت‌هایی وجود دارد که هنگام استفاده از مدل‌های Claude باید از آن‌ها آگاه باشید:

XML در مقابل JSON برای فراخوانی تابع: Claude از فرمت XML برای استفاده از ابزار استفاده می‌کند، در حالی که OpenAI از JSON استفاده می‌کند
قالب‌بندی پیام: Claude قراردادهای کمی متفاوت برای پرامپت‌های سیستمی دارد
پشتیبانی پارامتر: برخی پارامترها ممکن است بین مدل‌های Claude و OpenAI رفتار متفاوتی داشته باشند

AvalAI این تفاوت‌ها را در پشت صحنه مدیریت می‌کند و به شما امکان می‌دهد از یک رابط API سازگار استفاده کنید و در عین حال از قابلیت‌های منحصر به فرد هر مدل بهره ببرید.

نسخه‌بندی مدل

مدل‌های Anthropic برای اطمینان از پایداری، نسخه‌بندی می‌شوند. AvalAI دسترسی به هر دو نسخه آخر و اسنپ‌شات‌های خاص را فراهم می‌کند:

نام مستعار آخرین نسخه: claude-opus-5, claude-sonnet-5, claude-opus-4-8, claude-opus-4-7, claude-opus-4-6, claude-sonnet-4-6, claude-sonnet-4-5, claude-haiku-4-5

استفاده از یک اسنپ‌شات خاص، رفتار پایدار را حتی با به‌روزرسانی مدل‌ها تضمین می‌کند.

مدل‌های Anthropic ​

گزینه‌های SDK ​

SDK های سازگار با OpenAI (رویکرد یکپارچه) ​

SDK های رسمی Anthropic (رویکرد بومی) ​

پشتیبانی از پنجره زمینه گسترده ​

مدل‌های پشتیبانی‌کننده از ۱ میلیون توکن ​

فعال‌سازی زمینه گسترده ​

ویژگی‌های بتا Anthropic ​

مدل‌های Claude موجود ​

فضای نام مدل‌های پایه با مسیریابی هوشمند ​

Claude Opus 5 ​

Claude Opus 4.8 ​

Claude Opus 4.7 ​

Claude Opus 4.6 ​

Claude Sonnet 4.6 ​

Claude Sonnet 4.5 ​

Claude Haiku 4.5 ​

قابلیت‌های کلیدی ​

بینایی (Vision) ​

استفاده از ابزار (Tool Use) ​

خروجی ساختاریافته ​

راهنمای انتخاب مدل ​

انتخاب مدل Claude مناسب ​

مقایسه عملکرد ​

بهترین شیوه‌ها برای مدل‌های Claude ​

پرامپت‌های سیستمی ​

تگ‌های XML برای ساختار ​

مثال‌های کم‌شات (Few-Shot) ​

استفاده از مدل‌های Claude از طریق AvalAI ​

گزینه ۱: SDK های سازگار با OpenAI (رویکرد یکپارچه) ​

گزینه ۲: SDK های رسمی Anthropic (رویکرد بومی) ​

انتخاب رویکرد شما ​

تفاوت‌ها با مدل‌های OpenAI ​

نسخه‌بندی مدل ​

منابع مرتبط ​

مدل‌های Anthropic

گزینه‌های SDK

SDK های سازگار با OpenAI (رویکرد یکپارچه)

SDK های رسمی Anthropic (رویکرد بومی)

پشتیبانی از پنجره زمینه گسترده

مدل‌های پشتیبانی‌کننده از ۱ میلیون توکن

فعال‌سازی زمینه گسترده

ویژگی‌های بتا Anthropic

مدل‌های Claude موجود

فضای نام مدل‌های پایه با مسیریابی هوشمند

Claude Opus 5

Claude Opus 4.8

Claude Opus 4.7

Claude Opus 4.6

Claude Sonnet 4.6

Claude Sonnet 4.5

Claude Haiku 4.5

قابلیت‌های کلیدی

بینایی (Vision)

استفاده از ابزار (Tool Use)

خروجی ساختاریافته

راهنمای انتخاب مدل

انتخاب مدل Claude مناسب

مقایسه عملکرد

بهترین شیوه‌ها برای مدل‌های Claude

پرامپت‌های سیستمی

تگ‌های XML برای ساختار

مثال‌های کم‌شات (Few-Shot)

استفاده از مدل‌های Claude از طریق AvalAI

گزینه ۱: SDK های سازگار با OpenAI (رویکرد یکپارچه)

گزینه ۲: SDK های رسمی Anthropic (رویکرد بومی)

انتخاب رویکرد شما

تفاوت‌ها با مدل‌های OpenAI

نسخه‌بندی مدل

منابع مرتبط