Zum Hauptinhalt springen
Die Responses API ist OpenAIs neuere zustandsbehaftete Konversations-API. TokenLab unterstützt dieses Format als einen fortgeschrittenen optionalen Pfad für kompatible Modelle; verwenden Sie POST /v1/chat/completions als den standardmäßigen OpenAI-kompatiblen Pfad, sofern Sie nicht explizit Responses-spezifisches Verhalten benötigen.

​
Anfragekörper

​
model
string
erforderlich
ID des zu verwendenden Modells. Siehe Models für verfügbare Optionen.
​
input
array
erforderlich
Eine Liste von Input-Elementen, die die Konversation bilden.Jedes Element kann sein:
  • message: Eine Konversationsnachricht mit Rolle und Inhalt
  • function_call: Eine Anfrage zum Aufruf einer Funktion
  • function_call_output: Ausgabe eines Funktionsaufrufs
Für multimodalen Input kann message.content entweder eine einfache Zeichenkette oder ein Array von Inhaltsblöcken sein. Für bildfähige Modelle wie z. B. GPT-5.4-Varianten übergeben Sie Bilder als input_image-Blöcke anstatt URLs oder Base64-Strings direkt in Plaintext einzubetten.Beispielhafte Inhaltsblöcke:
  • { "type": "input_text", "text": "Describe this image" }
  • { "type": "input_image", "image_url": "https://example.com/image.jpg" }
  • { "type": "input_image", "image_url": "data:image/png;base64,..." }
​
instructions
string
Systemanweisungen für das Modell (entspricht einer Systemnachricht).
​
max_output_tokens
integer
Maximale Anzahl Tokens, die generiert werden sollen.
​
temperature
number
Standard:"1"
Sampling-Temperatur zwischen 0 und 2.
​
tools
array
Eine Liste von Tools, die das Modell aufrufen darf.Bei gehosteten image_generation-Tools, die das Standard-Bildtoolmodell verwenden oder explizit model: "gpt-image-2" setzen, entfernt TokenLab das nicht unterstützte input_fidelity, bevor die Anfrage weitergeleitet wird, weil GPT Image 2 Bildeingaben bereits mit hoher Fidelity behandelt. Senden Sie für dieses Tool nicht background: "transparent"; TokenLab entfernt es nicht stillschweigend, weil sich dadurch die Ausgabesemantik ändert.
​
stream
boolean
Standard:"false"
Wenn true, wird ein Stream von Events zurückgegeben.
​
previous_response_id
string
ID einer vorherigen Response, von der die Konversation fortgesetzt werden soll.
​
store
boolean
Standard:"true"
Ob die Antwort für spätere Abrufe gespeichert werden soll.
​
metadata
object
Metadaten, die zur Nachverfolgung an die Antwort angehängt werden.
​
text
object
Konfigurationsoptionen für die Textgenerierung. Das Verhalten von text.format hängt vom gewählten Modell und Pfad ab; es ist nicht durchgängig für jedes Modell garantiert.
​
parallel_tool_calls
boolean
Standard:"true"
Ob mehrere Tool-Aufrufe parallel erlaubt sind.
​
top_p
number
Nucleus-Sampling-Parameter (0-1).
​
reasoning
object
Reasoning-Konfiguration für reasoning-fähige Modelle wie die GPT-5-Familie-Varianten.
  • effort (string): Reasoning-Aufwandsstufe (low, medium, high)

​
Antwort

​
id
string
Eindeutiger Bezeichner für die Antwort.
​
object
string
Immer response.
​
created
integer
Unix-Zeitstempel, wann die Antwort erstellt wurde.
​
output
array
Liste der vom Modell generierten Ausgabeelemente.
​
usage
object
Statistiken zur Token-Nutzung.
curl -X POST "https://api.tokenlab.sh/v1/responses" \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o",
    "input": [
      {"type": "message", "role": "user", "content": "Hello!"}
    ],
    "max_output_tokens": 1000
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://api.tokenlab.sh/v1"
)

response = client.responses.create(
    model="gpt-4o",
    input=[
        {"type": "message", "role": "user", "content": "Hello!"}
    ],
    max_output_tokens=1000
)

print(response.output)

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'sk-your-api-key',
  baseURL: 'https://api.tokenlab.sh/v1'
});

const response = await client.responses.create({
  model: 'gpt-4o',
  input: [
    { type: 'message', role: 'user', content: 'Hello!' }
  ],
  max_output_tokens: 1000
});

console.log(response.output);

package main

import (
    "bytes"
    "encoding/json"
    "fmt"
    "net/http"
)

func main() {
    payload := map[string]interface{}{
        "model": "gpt-4o",
        "input": []map[string]interface{}{
            {"type": "message", "role": "user", "content": "Hello!"},
        },
        "max_output_tokens": 1000,
    }
    body, _ := json.Marshal(payload)

    req, _ := http.NewRequest("POST", "https://api.tokenlab.sh/v1/responses", bytes.NewBuffer(body))
    req.Header.Set("Authorization", "Bearer sk-your-api-key")
    req.Header.Set("Content-Type", "application/json")

    client := &http.Client{}
    resp, _ := client.Do(req)
    defer resp.Body.Close()

    var result map[string]interface{}
    json.NewDecoder(resp.Body).Decode(&result)
    fmt.Println(result["output"])
}

<?php
$ch = curl_init('https://api.tokenlab.sh/v1/responses');

curl_setopt_array($ch, [
    CURLOPT_RETURNTRANSFER => true,
    CURLOPT_POST => true,
    CURLOPT_HTTPHEADER => [
        'Content-Type: application/json',
        'Authorization: Bearer sk-your-api-key'
    ],
    CURLOPT_POSTFIELDS => json_encode([
        'model' => 'gpt-4o',
        'input' => [
            ['type' => 'message', 'role' => 'user', 'content' => 'Hello!']
        ],
        'max_output_tokens' => 1000
    ])
]);

$response = curl_exec($ch);
curl_close($ch);

$data = json_decode($response, true);
print_r($data['output']);
Vision-Eingabebeispiel
Verwenden Sie bildfähige Modelle, indem Sie Bilder innerhalb von message.content als input_image-Blöcke platzieren. Der image_url-Wert kann entweder eine öffentliche URL oder eine Base64-Daten-URL sein.
{
  "model": "gpt-5.4",
  "input": [
    {
      "type": "message",
      "role": "user",
      "content": [
        {
          "type": "input_text",
          "text": "Please describe this image."
        },
        {
          "type": "input_image",
          "image_url": "https://example.com/demo.jpg"
        }
      ]
    }
  ]
}

{
  "model": "gpt-5.4",
  "input": [
    {
      "type": "message",
      "role": "user",
      "content": [
        {
          "type": "input_text",
          "text": "Please describe this image."
        },
        {
          "type": "input_image",
          "image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQ..."
        }
      ]
    }
  ]
}

{
  "id": "resp_abc123",
  "object": "response",
  "created": 1706000000,
  "model": "gpt-4o",
  "output": [
    {
      "type": "message",
      "role": "assistant",
      "content": [
        {"type": "text", "text": "Hello! How can I help you today?"}
      ]
    }
  ],
  "usage": {
    "input_tokens": 10,
    "output_tokens": 12,
    "total_tokens": 22
  }
}