OpenAI-compatible chat completions backed by Anthropic Claude Opus 5 — adaptive thinking by default, with image input, tool use, prompt caching and streaming. Set model to claude-opus-5. Note: this model deprecates temperature / top_p / top_k upstream; the gateway silently drops them (no error) and sampling runs at the model default. Use reasoning_effort (low / medium / high / xhigh / max) to control thinking depth instead.
📥 Ventana de contexto (entrada máxima)：~200K tokens.
Probar en el Playground →Autenticación
Authorization: Bearer YOUR_API_KEY Content-Type: application/json
Crea una clave API en la consola para empezar.
Cuerpo de la petición
| Parámetro | Tipo | Obligatorio | Descripción |
|---|---|---|---|
| model | string | Sí | ID del modelo; aquí claude-opus-5. |
| messages | array | Sí | Array de mensajes; cada uno tiene role (system/user/assistant) y content. content puede ser una cadena o un array de partes {type:text} y {type:image_url} para comprensión de imágenes (multimodal/visión). |
| stream | boolean | No | Devuelve la respuesta en streaming como SSE. Por defecto false. |
| temperature | number | No | No soportado. Este modelo ha retirado los parámetros de muestreo; la pasarela descarta temperature / top_p / top_k en silencio (sin error) y el muestreo usa el valor por defecto del modelo. Usa reasoning_effort para cambiar profundidad de razonamiento por velocidad. |
| max_tokens | integer | No | Número máximo de tokens a generar. |
| web_search | boolean | No | Ponlo en true para activar la búsqueda web: la pasarela amplía el prompt con resultados en tiempo real (citando las fuentes) antes de que el modelo responda. También se puede activar con una entrada {"type":"web_search"} en tools. |
| reasoning_effort | string | No | Esfuerzo de razonamiento: low / medium / high / xhigh / max. Cuanto más alto, más profundo, lento y caro: los tokens de razonamiento se facturan a la tarifa de salida dentro de usage.completion_tokens. Si lo omites, el modelo decide de forma adaptativa. La pasarela lo traduce al output_config.effort nativo del modelo; en el endpoint nativo de Anthropic puedes enviar output_config tú mismo. La forma con sufijo también funciona (p. ej. claude-opus-5-high) y se factura exactamente igual que el modelo base. |
Ejemplo de petición
curl https://nezhagate.com/v1/chat/completions -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"model": "claude-opus-5", "messages": [{"role": "user", "content": "Hello"}], "stream": false}'Respuesta
{
"id": "chatcmpl_xxx",
"object": "chat.completion",
"model": "claude-opus-5",
"choices": [
{"index": 0, "message": {"role": "assistant", "content": "Hello!"}, "finish_reason": "stop"}
],
"usage": {"prompt_tokens": 11, "completion_tokens": 7, "total_tokens": 18}
}Entrada de imagen (visión)
Pon una imagen en el array content del mensaje y el modelo la analizará (preguntas sobre la imagen, lectura de texto / OCR, etc.). image_url acepta un enlace público a la imagen o un data URL en base64 (data:image/png;base64,...). Disponible en los modelos multimodales (gpt-5.5, la serie gemini, etc.).
curl https://nezhagate.com/v1/chat/completions -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"model": "claude-opus-5", "messages": [{"role": "user", "content": [{"type": "text", "text": "¿Qué hay en esta imagen?"}, {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}]}]}'Códigos de error
| Code | Descripción |
|---|---|
| 401 | Falta la clave API o no es válida |
| 402 | Saldo insuficiente o clave por encima de su cuota |
| 400 | Modelo o parámetro no soportado |
| 429 | Límite de tasa del proveedor |
| 502 | Fallaron todas las rutas de proveedor |
