NexAIX-官方博客
先给结论：切到 Opus 5 只需要动这 5 处
Claude Opus 5 API 单次输出最大 128000 tokens，超出一律返回 invalid_request_error。切换接入时，你原有的 Messages 或 OpenAI 兼容调用链路不用推倒重来，只需照下面这张表逐项核对请求字段：
| 改动点 | 旧写法（常见默认） | 新写法（Opus 5） | 不改的症状 |
|---|---|---|---|
| 模型标识 | claude-3-5-sonnet | claude-opus-5（或官方文档当前标识） | 请求 404 或命中旧模型 |
| 输出档位 | max_tokens: 8192 | max_tokens: 128000（上限） | 超过 128K 报 400，长文被截断 |
| 上下文预算 | 未显式分配 | 输入 + 输出 ≤ 1,000,000 tokens | 请求超限，输出被挤掉 |
| 思考传参 | budget_tokens: 4096 | effort: medium（low/high/max） | 400 错误，旧参数已禁用 |
| 工具变更 | 顶层 tools 数组整体替换 | 系统消息内 tool_addition / tool_removal 块 | Prompt Cache 前缀失效，历史不一致 |
其中模型标识、128K 上限、思考参数属于硬性规范，不改直接报错；上下文预算与工具增删属于工程优化，但会影响长任务稳定性。上述规格以 Anthropic 官方文档与平台模型页当前标注为准。若切换后遇到 400 参数校验报错，可对照 Claude API 400排查 逐项排查。
改动一：模型标识与 128K 输出档位怎么声明，超限返回什么
在 Claude Opus 5 API 的请求体里，model 字段直接写官方标识，max_tokens 最大声明为 128000。若你手滑填了 128001 或更大，API 会返回 invalid_request_error 参数校验错误，而不是自动截断。建议在客户端做一次前置校验，把 400 错误拦在发出请求之前。
一个可复制的最小请求片段（已省略认证字段）：
{
"model": "claude-opus-5",
"max_tokens": 128000,
"messages": [{"role": "user", "content": "写一篇长报告"}]
}“claude opus 5 最大输出 128k 怎么设置”的关键就是 max_tokens 显式声明到 128000，别再用旧模型常见的 4K/8K 默认值。
改动二：1M 上下文的预算分配，输入塞多少才不会挤掉输出
Opus 5 的上下文窗口上限是 1,000,000 tokens，但这个窗口是输入加输出的总账，不是输入随便塞满 1M 还能保证 128K 输出。长文任务建议按最坏情况预留输出预算：
可用输入窗口 = 1,000,000 - max_tokens（计划输出上限）截断优先级可参考：系统提示 > 工具定义 > 近期对话轮次 > 历史摘要。把这条公式写进你的上下文管理模块，比事后撞 400 强得多。具体计费与窗口细分，可参考 长上下文API选型 并留意官方定价页标注。
改动三：自适应思考默认开启后，多轮历史与 thinking 块怎么传
Opus 5 默认启用自适应思考，通过 effort 参数（low / medium / high / max）调节思考强度。旧版固定 budget_tokens 传参已被禁，传了就返回 400。
在多轮对话和工具调用链条里，你必须完整保留并回传历史 turns 中的 thinking blocks，否则会破坏思考连续性甚至直接报错。常见的坏写法有三种：
- 客户端只保留 text 块，把 thinking 块丢了；
- 做历史压缩时顺手删掉 thinking；
- 跨网关转换格式时丢了 thinking 字段。
如果你用 OpenAI SDK 兼容多轮对话，传思考历史的方式可以参考 OpenAI SDK兼容多轮对话传思考历史 中的做法，原理相通。
改动四：Fast Mode 档位怎么开，哪些链路值得用
开启 Fast Mode 只需在请求里加 speed: "fast" 参数并带上对应 fast-mode beta 标头。输出生成速度约提升 2.5 倍，模型权重与推理质量完全一致，不是蒸馏或静默降级。具体机制可参考 Claude Platform Docs 的 Fast mode 文档。
适合开 Fast Mode 的场景：延迟敏感的交互式 Agent 循环、短工具调用轮次。不适合：批处理与超长离线生成对首 token 延迟不敏感，加速带来的体感收益有限；Fast Mode 是否影响计费以官方定价页与服务商模型页标注为准。
改动五：会话中途增删 tools，状态机要怎么改
会话中途改工具本身不会报错，但直接替换顶层 tools 数组会让前序 Prompt Cache 全部失效，历史上下文也容易错乱。正确做法是使用 Mid-conversation tool changes 能力：依赖 mid-conversation-tool-changes-2026-07-01 标头，在 messages 数组中插入一条 role: 'system' 消息，内容块为 tool_addition 或 tool_removal，而不是重写全局 tools 数组。这样既能增删工具，又能保持前序缓存命中。
注意：该能力在 Messages API 中属于 beta 功能，协议细节可参考 Mid-conversation system messages 文档，部分第三方网关可能尚未适配，接入前请查阅服务商文档确认协议映射。工具调用 API 的整体设计可参考 工具调用API。
长程 Agent 的最小骨架：工具集分阶段收敛怎么写
把上面五处改动串起来，一个长程 Agent 可以这样组织：初始阶段只声明规划类工具，进入执行阶段后用 tool_addition 注入领域工具，阶段结束用 tool_removal 收掉，同时保留 thinking blocks 和缓存前缀。
按阶段切换 effort 与 Fast Mode，能兼顾质量与延迟。状态机里要额外记录“当前生效工具集”，以便断线重放时恢复现场。
官方已确认 vs 必须自测：长上下文并发下的首 token 只能自己压
1M 上下文、128K 输出、effort 参数、Fast Mode 加速倍数、工具增删语法，这些是官方或权威平台已确认的规格。但“1M 上下文高并发下的 TTFT 零延迟衰减”这类说法属于网络传闻，官方没有公开统一 SLA。
自测方法：固定输入长度分档（如 100K、500K、1M），固定并发梯度（如 1、5、10），分别记录 TTFT 与整段完成时间，重复多轮取 P50/P95 分位数。
改完必测：接入后的回归清单
下面这份清单覆盖 Claude Opus 5 API 接入后最容易出问题的六个点。
- [ ] 流式输出与 thinking 块顺序是否正常
- [ ] 工具调用多轮回传是否完整
- [ ] 超长输出接近 128K 时的截断与 stop_reason
- [ ] 上下文接近 1M 上限时的行为
- [ ] 超时与 429 退避策略
- [ ] 错误码归因（400/404/429）
这份清单要在新旧模型上各跑一遍才有意义。做对照回归时，同一套 OpenAI 兼容代码只换 model 字段，就能在 NexAIX 上跑对比测试，base_url 为 https://api.nexaix.net/v1，支持流式输出与函数/工具调用。NexAIX 在模型满载时返回标准 429 与重试建议，不会静默切换到更便宜模型，返回体的 model 字段就是实际执行模型，方便你把失败归因到参数、网关还是容量。具体规格与价格以 NexAIX 模型页和更新日志为准。
常见问题
adaptive thinking 能不能关掉？
不能完全关掉。只能通过 effort 参数调节强度（low/medium/high/max），旧版 budget_tokens 传参已失效并返回 400。这一限制同样适用于 Claude Opus 5 API 接入后的思考参数配置。
opus 5 上下文窗口最大多少？
原生支持 1,000,000 tokens。注意这是输入与输出的总和，规划请求时需预留输出预算。
claude opus 5 最大输出 128k 怎么设置？
请求体里把 max_tokens 设为 128000，超过会触发 invalid_request_error。
Fast Mode 是否降质？
不降质。Fast Mode 使用完全相同的 Opus 权重，只是推理基础设施加速，输出 token 生成速度约提升 2.5 倍。
会话中途修改 tools 列表会报错吗？
不会直接报错，但直接改全局 tools 数组会让 Prompt Cache 失效。应用 tool_addition / tool_removal 系统消息来变更，才能保持历史与缓存一致。
Claude Opus 5 和 Sonnet 5 怎么选？
按任务推理强度、延迟和成本判断：复杂规划、长文推理选 Opus 5；高频、低延迟、成本敏感场景选 Sonnet 5。具体数值以官方文档为准。
评论(0)