“`temperature` e `top_p` non possono essere specificati entrambi per questo modello” — inviane uno solo e, sui modelli Claude più recenti, nessuno dei due

Quali modelli Claude applicano la regola (a settembre 2026)

La guida alla migrazione di Anthropic per Haiku 4.5: usa solo temperature oppure top_p, non entrambi; impostarli entrambi restituisce un 400 su Claude Haiku 4.5, una modifica incompatibile per il codice proveniente da Claude 3.x (https://platform.claude.com/docs/en/models/haiku-4-5/migration-guide). Le note di rilascio dell'API Anthropic hanno segnalato la stessa regola al lancio di Claude Opus 4.1 il 5 agosto 2025, un modello ora ritirato (https://platform.claude.com/docs/en/release-notes/api). AWS la specifica per Claude Sonnet 4.5 e Claude Haiku 4.5 su Bedrock (https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-anthropic-claude-messages-request-response.html). Non abbiamo trovato una pagina Anthropic che dichiari la regola per i modelli 4.6, ma gli sviluppatori segnalano questo identico errore 400 con Claude Opus 4.6 (issue #12846 di OpenHands) e Claude Sonnet 4.6 (issue #566 di opencommit). Claude Opus 4.7 e versioni successive sono trattati di seguito: lì, anche uno solo è già di troppo.

Inviane uno solo ed elimina l'altra chiave

Mantieni temperature, a meno che tu non abbia un motivo per non farlo: il riferimento dell'API Anthropic descrive top_p come consigliato solo per casi d'uso avanzati (https://platform.claude.com/docs/en/api/messages). Rimuovi la seconda chiave invece di impostarla su un valore che ritieni neutro: uno sviluppatore ha riferito che top_p pari a 1.0 insieme a temperature pari a 0.3 continuava a fallire su Claude Sonnet 4.5 (issue #18304 di n8n).

from openai import OpenAI

client = OpenAI(base_url="https://api.kunavo.com/v1", api_key="sk-kn-...")

def one_sampling_knob(params: dict) -> dict:
    """Where the rule applies, send temperature or top_p, not both. Keep temperature."""
    if params.get("temperature") is not None:
        params.pop("top_p", None)
    return params

sampling = one_sampling_knob({"temperature": 0.3, "top_p": 0.9})  # {"temperature": 0.3}

resp = client.chat.completions.create(
    model="claude-haiku-4-5",
    max_tokens=512,
    messages=[{"role": "user", "content": "Classify this support ticket: ..."}],
    **sampling,
)
print(resp.choices[0].message.content)

Correggi il problema nel client che aggiunge il secondo parametro

LangChain JS: ChatAnthropic 0.3.x inviava una temperature predefinita insieme al top_p impostato dall'utente (issue #9258, corretto nella linea 0.3 dalla PR #9362 nel novembre 2025); la PR #10420, rilasciata in @langchain/anthropic 1.3.24 il 17 marzo 2026, impedisce di aggiungere qualsiasi chiave di sampling lasciata non impostata (https://github.com/langchain-ai/langchainjs/pull/10420). n8n: il nodo Anthropic Chat Model passava i valori predefiniti di LangChain (topP -1, temperature 0.7); corretto in n8n 1.114.1, rilasciato il 2 ottobre 2025 (https://github.com/n8n-io/n8n/pull/20286). LiteLLM: indica il parametro da rimuovere con additional_drop_params, per chiamata o per modello (https://docs.litellm.ai/docs/completion/drop_params), tranne nel suo percorso di pass-through Anthropic, dove il report è stato chiuso perché le richieste pass-through non vengono modificate (https://github.com/BerriAI/litellm/issues/15097). Amazon Bedrock: imposta temperature o topP in Converse inferenceConfig, oppure temperature o top_p nel body di InvokeModel, mai entrambi (https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InferenceConfiguration.html).

model_list:
  - model_name: claude-haiku-4-5
    litellm_params:
      model: openai/claude-haiku-4-5        # Kunavo speaks the OpenAI chat shape
      api_base: https://api.kunavo.com/v1
      api_key: sk-kn-...
      additional_drop_params: ["top_p"]     # keep temperature, never send top_p

Su Claude Opus 4.7 e versioni successive, non inviare nessuno dei due

I modelli più recenti vanno oltre. Impostare temperature, top_p o top_k su un valore non predefinito nei modelli Claude Opus 4.7 e successivi restituisce un 400 (https://platform.claude.com/docs/en/models/opus-5-5/migration-guide); lo stesso vale per Claude Sonnet 5 (https://platform.claude.com/docs/en/models/sonnet-5/migration-guide) e si estende a Claude Fable 5 (https://platform.claude.com/docs/en/models/fable-5/migration-guide) e Fable 5.1 (https://platform.claude.com/docs/en/models/fable-5-1/migration-guide). Il messaggio cambia: gli sviluppatori vedono “`temperature` è deprecato per questo modello.”; il riferimento dell'API Anthropic ora contrassegna tutti e tre i parametri come deprecati: sui modelli rilasciati dopo Claude Opus 4.6 accetta, per compatibilità retroattiva, solo temperature pari a 1.0 o top_p pari almeno a 0.99 e rifiuta top_k a qualsiasi valore (https://platform.claude.com/docs/en/api/messages). L'SDK Python Anthropic li ha rimossi dai metodi Messages nella v1.0, rilasciata il 20 agosto 2026 (https://platform.claude.com/docs/en/release-notes/api).

Devo usare temperature o top_p con Claude?

Temperature, salvo un motivo specifico. Il riferimento dell'API Anthropic consiglia top_p solo per casi d'uso avanzati e, su Claude Opus 4.7 e versioni successive, nessuno dei due può essere impostato su un valore non predefinito.

top_p = 1 conta come se non lo avessi impostato?

Non farci affidamento. Uno sviluppatore ha segnalato lo stesso errore 400 con top_p a 1.0 insieme a temperature su Claude Sonnet 4.5 (issue #18304 di n8n). Elimina la chiave invece di impostarla su un valore apparentemente neutro.

Perché n8n o LangChain inviano top_p se non l'ho mai impostato?

Entrambi passavano i valori predefiniti. Il nodo Anthropic Chat Model di n8n inviava i valori predefiniti di LangChain (topP -1, temperature 0.7) fino alla versione 1.114.1, mentre ChatAnthropic in LangChain JS 0.3.x inviava una temperature predefinita insieme al top_p impostato dall'utente. Esegui l'aggiornamento: n8n 1.114.1 o successivo, @langchain/anthropic 1.3.24 o successivo.

Cosa significa “`temperature` è deprecato per questo modello”?

È la regola più severa per Claude Opus 4.7 e versioni successive, Sonnet 5 e Fable 5 e 5.1: questi modelli rifiutano direttamente i valori di sampling non predefiniti. Rimuovi i parametri. Tramite Kunavo, quelli che offriamo li eliminano, quindi la chiamata va a buon fine.

Una richiesta rifiutata costa qualcosa su Kunavo?

No. Una richiesta rifiutata dal provider viene registrata con costo zero.