模型api接口规范-j9九游会登录
本章节介绍标准openai协议和ai引擎标准协议的接口规范。接入自定义模型服务前,请确保模型api符合对应的接口协议规范。
当前模型网关支持接入以下四种类型的模型api:
- 文本对话(chat)
- 文本向量化(embeddings)
- 文本排序(rerank)
- 图像理解
各模型类型支持的接口协议如下表所示。
| 模型类型 | 支持的接口协议 |
|---|---|
| 文本对话 | 标准openai协议、阿里千问接口协议、maas标准api v1、maas标准api v2 |
| 文本向量化 | 标准openai协议、阿里千问接口协议、maas标准api v1、maas标准api v2 |
| 图像理解 | 标准openai协议、阿里千问接口协议、maas标准api v1、maas标准api v2 |
| 文本排序 | ai引擎标准协议 |
适用场景
本章节适用于以下场景:
- 需要将第三方模型服务(如deepseek、moonshot等)接入agentarts,用于确认模型api是否满足平台接口协议规范。
- 自行部署了模型推理服务,需要按平台支持的协议实现/适配api接口后再接入agentarts。
- 模型接入或调用过程中出现异常(例如请求失败、响应字段缺失、格式不兼容等),需要对照接口规范排查请求与响应格式问题。
费用说明
调用模型api会产生相应费用,计费维度为token数量(包括输入token和输出token)。具体计费规则请参考接入的模型的供应商j9九游会登录官网。
建议在测试阶段设置合理的max_tokens参数以控制成本。
文本对话(chat)api规范
接口格式
类型:post
协议:http/https
请求体参数
| 参数 | 是否必选 | 参数类型 | 描述 |
|---|---|---|---|
| messages | 是 | array of 表3 objects | 文本对话消息体。 |
| model | 是 | string | 文本对话使用的模型名称。 |
| frequency_penalty | 否 | number | 频率惩罚,会根据文本中新token的出现频率对其进行惩罚,从而降低模型重复相同内容的可能性。使其生成的文本更加自然和符合预期。取值范围为-2.0~2.0。
例如: 提示词为(prompt): “写一首关于猫的诗。”
|
| logit_bias | 否 | map | 该参数接受一个json对象,将标记映射到从-100(禁止生成)到100(强制选择该标记)的关联偏差值。 像-1和1这样的适度值将以较小的程度改变选择标记的概率。 使用logit_bias参数时,偏差被添加到模型生成的logits之前进行抽样。 |
| max_tokens | 否 | integer | 返回体允许的最大token数。 |
| n | 否 | integer | 返回体中包含的choices数量,建议默认设置为1,最大限度地降低成本。
|
| presence_penalty | 否 | number | 存在惩罚,会根据文本中新token是否出现对其进行惩罚,核心作用是降低模型再次讨论已经出现过的“话题”的可能性,从而增加模型谈论新主题的可能性。使其生成的文本更加自然和符合预期。取值范围为-2.0~2.0。
|
| stream | 否 | boolean | 布尔类型。
默认值:false |
| temperature | 否 | number | 较高的数值会使输出更加随机,而较低的数值会使其更加集中和确定。
|
| top_p | 否 | number | 影响输出文本的多样性,取值越大,生成文本的多样性越强。
|
| tools | 否 | array of 表4 objects | 可供模型调用的工具。 |
| tool_choice | 否 | string | 用于控制模型是如何选择要调用的函数,仅当工具类型为function时补充。 默认为auto,且当前仅支持auto。 |
| 参数 | 是否必选 | 参数类型 | 描述 |
|---|---|---|---|
| role | 是 | string | 消息体对应的角色。
|
| content | 是 | string | 消息具体内容。 |
| name | 否 | string | 对话参与者的可选名称,提供给模型信息以区分相同角色的不同对话参与者。 |
| 参数 | 是否必选 | 参数类型 | 描述 |
|---|---|---|---|
| type | 否 | string | 调用工具类型,目前仅支持function。 |
| function | 否 | 表5 object | 仅当工具类型为function时补充。 |
| 参数 | 是否必选 | 参数类型 | 描述 |
|---|---|---|---|
| name | 否 | string | 函数名称,只能包含a-z、a-z、0-9、下划线和中横线。最大长度为64个字符。 |
| description | 否 | string | 用于描述函数功能。 模型会根据这段描述决定函数调用方式。 |
| parameters | 否 | object | json schema对象,用于定义函数所接受的参数。 |
- 工具调用请求示例
- 流式请求示例
{ "model": "my-chat-model", "messages": [ { "role": "user", "content": "请帮我查询南京的天气" } ], "tools": [ { "type": "function", "function": { "name": "get_weather", "description": "获取给定地点的天气", "parameters": { "type": "object", "properties": { "location": { "type": "string", "description": "地点,例如南京。" } }, "required": ["location"] } } } ], "max_tokens": 200, "presence_penalty": 1.2, "frequency_penalty": 1.0, "temperature": 0.5, "top_p": 0.95, "stream": true } - 非流式请求示例
{ "model": "my-chat-model", "messages": [ { "role": "user", "content": "请帮我查询南京的天气" } ], "tools": [ { "type": "function", "function": { "name": "get_weather", "description": "获取给定地点的天气", "parameters": { "type": "object", "properties": { "location": { "type": "string", "description": "地点,例如南京。" } }, "required": ["location"] } } } ], "max_tokens": 200, "presence_penalty": 1.2, "frequency_penalty": 1.0, "temperature": 0.5, "top_p": 0.95, "stream": false }
- 流式请求示例
- 非工具调用请求示例
- 流式请求示例
{ "model": "my-chat-model", "messages": [ { "role": "system", "content": " you are a helpful assistant. " }, { "role": "user", "content": "你好!" } ], "max_tokens": 20, "presence_penalty": 1.2, "frequency_penalty": 1.0, "temperature": 0.5, "top_p": 0.95, "stream": true } - 非流式请求示例
{ "model": "my-chat-model", "messages": [ { "role": "system", "content": " you are a helpful assistant. " }, { "role": "user", "content": "你好!" } ], "max_tokens": 20, "presence_penalty": 1.2, "frequency_penalty": 1.0, "temperature": 0.5, "top_p": 0.95, "stream": false }
- 流式请求示例
响应体参数
| 参数 | 参数类型 | 描述 |
|---|---|---|
| id | string | 文本对话唯一标识符。 |
| choices | array of 表7 objects | 返回体列表。 如果“n”大于1,则结果为多个。 |
| created | integer | 问答发生的时间。格式为时间戳。 |
| model | string | 文本对话使用的模型名称。 |
| object | string | 固定值“chat.completion”。 |
| usage | 表11 object | 文本对话用量统计。 |
| 参数 | 参数类型 | 描述 |
|---|---|---|
| index | integer | 返回多个choices时,每个choice对应的顺序。 |
| message | 表8 object | 模型服务返回的具体消息体内容。 |
| finish_reason | string | 返回结束的原因。
|
| 参数 | 参数类型 | 描述 |
|---|---|---|
| content | string | 返回消息体的内容,与tool_calls二选一。 |
| role | string | 返回消息体的角色。 枚举值:
|
| tool_calls | array of 表9 objects | 工具调用消息,与content二选一。 |
| 参数 | 参数类型 | 描述 |
|---|---|---|
| id | string | 工具调用唯一标识符。 |
| type | string | 工具类型,当前仅支持function。 |
| function | 表10 object | 调用函数的详细信息。 |
| 参数 | 参数类型 | 描述 |
|---|---|---|
| name | string | 函数名。 |
| arguments | string | 调用函数的参数,json格式。 |
| 参数 | 参数类型 | 描述 |
|---|---|---|
| completion_tokens | integer | 回答包含的token数。 |
| prompt_tokens | integer | 提问包含的token数。 |
| total_tokens | integer | 提问 回答token总数。 |
- 工具调用响应示例
- 流式响应示例 流式返回的工具调用信息必须在一条消息内,不能分开返回。
{"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{"role":"assistant","content":null,"tool_calls":[{"id":"call_123","type":"function","function":{"name":"get_weather","arguments":"{\"location\":\"南京\"}"}}]}"logprobs":null,"finish_reason":null}]} {"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{},"logprobs":null,"finish_reason":"tool_calls"}]} - 非流式响应示例
{ "id": "chatcmpl-xxx", "object": "chat.completion", "created": 1718772336, "model": "my-chat-model", "choices": [ { "index": 0, "message": { "role": "assistant", "content": null, "tool_calls": [ { "id": "call_123", "type": "function", "function": { "name": "get_weather", "arguments": "{\"location\": \"南京\"}" } } ] }, "finish_reason": "tool_calls", "logprobs": null } ], "usage": { "prompt_tokens": 5, "completion_tokens": 10, "total_tokens": 15 } }
- 流式响应示例
- 非工具调用响应示例
- 流式响应示例
{"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{"role":"assistant","content":""},"logprobs":null,"finish_reason":null}]} {"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{"content":"你好"},"logprobs":null,"finish_reason":null}]} {"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{"content":","},"logprobs":null,"finish_reason":null}]} {"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{"content":"有"},"logprobs":null,"finish_reason":null}]} {"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{"content":"什么"},"logprobs":null,"finish_reason":null}]} {"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{"content":"我"},"logprobs":null,"finish_reason":null}]} {"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{"content":"可以"},"logprobs":null,"finish_reason":null}]} {"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{"content":"帮助"},"logprobs":null,"finish_reason":null}]} {"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{"content":"你"},"logprobs":null,"finish_reason":null}]} {"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{"content":"的"},"logprobs":null,"finish_reason":null}]} {"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{"content":"吗"},"logprobs":null,"finish_reason":null}]} {"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{"content":"?"},"logprobs":null,"finish_reason":null}]} {"id":"chatcmpl-xxx","object":"chat.completion.chunk","created":1718772336,"model":"my-chat-model","choices":[{"index":0,"delta":{},"logprobs":null,"finish_reason":"stop"}]} - 非流式响应示例
{ "id": "chatcmpl-xxx", "object": "chat.completion", "created": 1718772336, "model": "my-chat-model", "choices": [ { "index": 0, "message": { "role": "assistant", "content": "你好,有什么我可以帮助你的吗?" }, "finish_reason": "stop", "logprobs": null } ], "usage": { "prompt_tokens": 5, "completion_tokens": 10, "total_tokens": 15 } }
- 流式响应示例
文本向量化(embeddings)api规范
接口格式
类型:post
协议:http/https
请求体参数
| 参数 | 是否必选 | 参数类型 | 描述 |
|---|---|---|---|
| input | 是 | array of strings |
数组长度:1-2048。 |
| model | 是 | string | 向量化模型名称。 |
请求示例:
{
"model": "my-embedding-model",
"input": "你好"
} 响应体参数
| 参数 | 参数类型 | 描述 |
|---|---|---|
| data | array of 表14 objects | 向量化结果。 |
| model | string | 向量化模型名称。 |
| object | string | 固定值“list”。 |
| usage | 表15 object | 每次请求的用量统计。 |
| 参数 | 参数类型 | 描述 |
|---|---|---|
| index | integer | 向量在向量列表中的排序。 |
| embedding | array of numbers | 向量数组。float类型。 |
| object | string | 固定值“embedding”。 |
| 参数 | 参数类型 | 描述 |
|---|---|---|
| prompt_tokens | integer | 提问包含的token数。 |
| total_tokens | integer | 提问 回答token总数。 |
响应示例:
{
"data": [
{
"index": 0,
"embedding": [
0.02513289265334606,
-0.017512470483779907,
-0.029955564066767693,
...
],
"object": "embedding"
}
],
"usage": {
"prompt_tokens": 5,
"total_tokens": 5
},
"model": "my-embedding-model",
"object": "list"
} 文本排序(rerank)api规范
接口格式
类型:post
协议:http/https
请求体参数
| 参数 | 是否必选 | 参数类型 | 描述 |
|---|---|---|---|
| query | 是 | string | 原始请求问题,基于该问题对候选文本进行排序。 |
| top_n | 是 | integer | 返回排序靠前的n个结果。 |
| docs | 是 | array of strings | 候选文本,文件大小限制为512mb以内。 |
| model | 是 | string | 排序模型名称。 |
请求示例:
{
"model": "my-rerank-model",
"query": "请问ai原生应用引擎提供了什么能力?",
"docs": ["ai原生应用引擎提供了应用开发、模型网关等能力。", "ai原生应用引擎正在逐步完善、提高竞争力。"],
"top_n": 3
} 响应体参数
| 参数 | 参数类型 | 描述 |
|---|---|---|
| model | string | 排序模型名称。 |
| usage | 表18 object | 每次请求的用量统计。 |
| results | array of 表19 objects | 排序结果。 |
| 参数 | 参数类型 | 描述 |
|---|---|---|
| prompt_tokens | integer | 提问包含的token数。 |
| total_tokens | integer | 提问 回答token总数。 |
| 参数 | 参数类型 | 描述 |
|---|---|---|
| index | integer | 文本排序后对应的序号。 |
| document | 表20 object | 文本。 |
| relevance_score | number | 文本的排序分数。 |
| 参数 | 参数类型 | 描述 |
|---|---|---|
| text | string | 文本内容。 |
响应示例:
{
"model": "my-rerank-model",
"usage": {
"prompt_tokens": 5,
"total_tokens": 5
},
"results": [
{
"index": 0,
"document": {"text": "ai原生应用引擎提供了应用开发、模型网关等能力。"},
"relevance_score": 0.9
},
{
"index": 1,
"document": {"text": "ai原生应用引擎正在逐步完善、提高竞争力。"},
"relevance_score": 0.5
}
]
} 图像理解api规范
接口格式
类型:post
协议:http/https
请求体参数
| 参数 | 是否必选 | 参数类型 | 描述 |
|---|---|---|---|
| messages | 是 | array of 表22 objects | 图像理解对话消息体。 |
| model | 是 | string | 图像理解对话使用的模型名称。 |
| frequency_penalty | 否 | number | 频率惩罚,会根据文本中新token的出现频率对其进行惩罚,从而降低模型重复相同内容的可能性。使其生成的文本更加自然和符合预期。取值范围为-2.0~2.0。
例如: 提示词为(prompt): “写一首关于猫的诗。”
|
| logprobs | 否 | boolean | 是否返回输出token的对数概率。 |
| top_logprobs | 否 | integer | 指定在每一步生成时,返回模型最大概率的候选token个数。 取值范围:[0,5] 仅当logprobs为true时生效。 |
| max_tokens | 否 | integer | 返回体允许的最大token数。 |
| presence_penalty | 否 | number | 存在惩罚,会根据文本中新token是否出现对其进行惩罚,核心作用是降低模型再次讨论已经出现过的“话题”的可能性,从而增加模型谈论新主题的可能性。使其生成的文本更加自然和符合预期。取值范围为-2.0~2.0。
|
| n | 否 | integer | 生成响应的个数。取值范围是1-4。 对于需要生成多个响应的场景(如创意写作、广告文案等),可以设置较大的n值。 默认值为1。 |
| stream | 否 | boolean | 布尔类型。
默认值:false |
| seed | 否 | integer | 设置seed参数会使文本生成过程更具有确定性,通常用于使模型每次运行的结果一致。 在每次模型调用时传入相同的seed值(由您指定),并保持其他参数不变,模型将尽可能返回相同的结果。 取值范围:0到231-1。 |
| temperature | 否 | number | 较高的数值会使输出更加随机,而较低的数值会使其更加集中和确定。
|
| top_p | 否 | number | 影响输出文本的多样性,取值越大,生成文本的多样性越强。
|
| 参数 | 是否必选 | 参数类型 | 描述 |
|---|---|---|---|
| role | 是 | string | 消息体对应的角色。
|
| content | 是 | string | 消息具体内容。 [
{
"type": "image_url",
"image_url": {
"url": "data:image/png;base64"
}
},
{
"type": "text",
"text": "图里有什么"
}
] |
| name | 否 | string | 对话参与者的可选名称,提供给模型信息以区分相同角色的不同对话参与者。 |
- 工具调用请求示例
- 流式请求示例
{ "model": "model-img2text", "messages": [ { "role": "system", "content": " you are a helpful assistant. " }, { "role": "user", "content": [ { "type": "text", "text": "图里面有什么" }, { "type": "image_url", "image_url": { "url": "一个图片链接" } } ], } ], "tools": [ { "type": "function", "function": { "name": "get_weather", "description": "获取给定地点的天气", "parameters": { "type": "object", "properties": { "location": { "type": "string", "description": "地点,例如南京。" } }, "required": [ "location" ] } } } ], "max_tokens": 20, "presence_penalty": 1.2, "frequency_penalty": 1.0, "temperature": 0.5, "top_p": 0.95, "stream": true }
- 非流式请求示例
{ "model": "model-img2text", "messages": [ { "role": "system", "content": " you are a helpful assistant. " }, { "role": "user", "content": [ { "type": "text", "text": "图里面有什么" }, { "type": "image_url", "image_url": { "url": "一个图片链接" } } ], } ], "tools": [ { "type": "function", "function": { "name": "get_weather", "description": "获取给定地点的天气", "parameters": { "type": "object", "properties": { "location": { "type": "string", "description": "地点,例如南京。" } }, "required": [ "location" ] } } } ], "max_tokens": 20, "presence_penalty": 1.2, "frequency_penalty": 1.0, "temperature": 0.5, "top_p": 0.95, "stream": false }
- 流式请求示例
- 非工具调用请求示例
- 流式请求示例
{ "model": "model-img2text", "messages": [ { "role": "system", "content": " you are a helpful assistant. " }, { "role": "user", "content": [ { "type": "text", "text": "图里面有什么" }, { "type": "image_url", "image_url": { "url": "一个图片链接" } } ], } ], "max_tokens": 20, "presence_penalty": 1.2, "frequency_penalty": 1.0, "temperature": 0.5, "top_p": 0.95, "stream": true } - 非流式请求示例
{ "model": "model-img2text", "messages": [ { "role": "system", "content": " you are a helpful assistant. " }, { "role": "user", "content": [ { "type": "text", "text": "图里面有什么" }, { "type": "image_url", "image_url": { "url": "一个图片链接" } } ], } ], "max_tokens": 20, "presence_penalty": 1.2, "frequency_penalty": 1.0, "temperature": 0.5, "top_p": 0.95, "stream": false }
- 流式请求示例
响应体参数
| 参数 | 参数类型 | 描述 |
|---|---|---|
| id | string | 图像理解文本对话唯一标识符。 |
| choices | array of 表24 objects | 返回体列表。 如果“n”大于1,则结果为多个。 |
| created | long | 问答发生的时间。格式为时间戳。 |
| model | string | 图像理解文本对话使用的模型名称。 |
| object | string | 固定值“chat.completion”。 |
| usage | 表28 object | 图像理解文本对话用量统计。 |
| 参数 | 参数类型 | 描述 |
|---|---|---|
| index | integer | 返回多个choices时,每个choice对应的顺序。 |
| message | 表25 object | 模型服务返回的具体消息体内容。 |
| finish_reason | string | 返回结束的原因。
|
| 参数 | 参数类型 | 描述 |
|---|---|---|
| content | string | 返回消息体的内容,与tool_calls二选一。 |
| role | string | 返回消息体的角色。
|
| tool_calls | array of 表26 objects | 工具调用消息,与content二选一。 |
| audio | chatmessageaudio | 聊天信息中的音频部分。 |
| reasoningcontent | string | 用于展示模型的推理过程,帮助用户理解模型的决策依据。 |
| 参数 | 参数类型 | 描述 |
|---|---|---|
| id | string | 工具调用唯一标识符。 |
| type | string | 工具类型,当前仅支持function。 |
| function | 表27 object | 调用函数的详细信息。 |
| 参数 | 参数类型 | 描述 |
|---|---|---|
| name | string | 函数名。 |
| arguments | string | 调用函数的参数,json格式。 |
| 参数 | 参数类型 | 描述 |
|---|---|---|
| completion_tokens | integer | 回答包含的token数。 |
| prompt_tokens | integer | 提问包含的token数。 |
| total_tokens | integer | 提问 回答token总数。 |
- 工具调用响应示例
- 流式响应示例
data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"delta":{"role":"assistant","content":""},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"delta":{"tool_calls":[{"id":"call_abc123","type":"function","function":{"name":"search_web","arguments":{}}}],"content":""},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"delta":{"tool_calls":[{"id":"call_abc123","type":"function","function":{"name":"search_web","arguments":{"query":"最新款iphone发布信息","limit":5}}}],"content":""},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"delta":{"tool_calls":[{"id":"call_abc123","type":"function","function":{"name":"search_web","arguments":{"query":"最新款iphone发布信息","limit":5}},"index":0}],"content":""},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"delta":{"tool_calls":[],"content":"正在为您搜索最新款iphone的发布信息……"},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"finish_reason":"tool_calls","delta":{"tool_calls":[],"content":""},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"usage":{"completion_tokens":67,"prompt_tokens":35,"total_tokens":102},"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:[done] - 非流式响应示例
{ "choices": [ { "message": { "role": "assistant", "tool_calls": [ { "id": "call_12345", "type": "function", "function": { "name": "image_analysis", "arguments": "{\"detail_level\": \"high\", \"output_format\": \"json\"}" } } ] }, "finish_reason": "tool_calls", "index": 0 } ], "created": 1753965925754, "id": "model-img2text", "object": "chat.completions", "usage": { "prompt_tokens": 142, "completion_tokens": 28, "total_tokens": 170 }, "request_id": "xxx" }
- 流式响应示例
- 非工具调用响应示例
- 流式响应示例
data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"delta":{"role":"assistant","content":""},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"delta":{"tool_calls":[],"content":"这是"},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"delta":{"tool_calls":[],"content":"google"},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"delta":{"tool_calls":[],"content":" chrome"},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"delta":{"tool_calls":[],"content":"浏览器"},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"delta":{"tool_calls":[],"content":"的"},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"delta":{"tool_calls":[],"content":"图标"},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"delta":{"tool_calls":[],"content":"。"},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[{"finish_reason":"stop","delta":{"tool_calls":[],"content":""},"index":0}],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:{"created":1767494144,"usage":{"completion_tokens":43,"prompt_tokens":35,"total_tokens":78},"model":"qwen2.5-vl-72b","id":"chatcmpl-417592f9469edb89448e18ce650333ae","choices":[],"request_id":"74fb6469180f3e516732b36e3506e5f7","object":"chat.completion.chunk"} data:[done] - 非流式响应示例
{ "choices": [ { "delta": { "role": "assistant", "content": "图像整体呈现出简洁、抽象的风格,主要内容是一个灰色的圆形头像轮廓。" }, "finish_reason": "stop", "index": 0 } ], "created": 1753965925754, "id": "model-img2text", "object": "chat.completions", "usage": { "prompt_tokens": 142, "completion_tokens": 118, "total_tokens": 260 }, "request_id": "xxx" }
- 流式响应示例
相关文档
意见反馈
文档内容是否对您有帮助?
如您有其它疑问,您也可以通过华为云社区问答频道来与我们联系探讨