Antwort erstellen

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']);

{
  "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
  }
}

Responses ist OpenAIs natives zustandsbehaftetes Antwortprotokoll. TokenLab bietet es nur an, wenn die Modelldetails das Responses-Format ausweisen und eine gleichartige Upstream-Route verfügbar ist; Modell- oder Providernamen reichen dafür nicht aus, und die Anfrage fällt nie auf Chat Completions zurück. TokenLab erhält die JSON-Form einschließlich unbekannter Felder, explizitem null und leeren Arrays und leitet sie bestmöglich weiter.

Anfragekörper

string

erforderlich

ID des zu verwendenden Modells. Siehe Models für verfügbare Optionen.

string | array

Die Eingabe ist optional, wenn die Anfrage stattdessen einen wiederverwendbaren prompt nutzt oder mit previous_response_id eine gespeicherte Antwort fortsetzt.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,..." }

string

Systemanweisungen für das Modell (entspricht einer Systemnachricht).

integer

Maximale Anzahl Tokens, die generiert werden sollen.

number

Standard:"1"

Sampling-Temperatur zwischen 0 und 2.

array

Eine Liste der Tools, die das Modell aufrufen darf. TokenLab leitet native Tooldefinitionen ohne lokale Allowlist weiter; der ausgewählte Upstream entscheidet über unterstützte Typen und Kombinationen.

boolean

Standard:"false"

Wenn true, wird ein Stream von Events zurückgegeben.

string

ID einer vorherigen Response, von der die Konversation fortgesetzt werden soll.

boolean

Standard:"true"

Ob die Antwort für spätere Abrufe gespeichert werden soll.

object

Metadaten, die zur Nachverfolgung an die Antwort angehängt werden.

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.

boolean

Standard:"true"

Ob mehrere Tool-Aufrufe parallel erlaubt sind.

number

Nucleus-Sampling-Parameter (0-1).

object

Reasoning-Konfiguration für reasoning-fähige Modelle wie die GPT-5-Familie-Varianten.

effort (string): Reasoning-Aufwandsstufe (low, medium, high)

Antwort

string

Eindeutiger Bezeichner für die Antwort.

string

Immer response.

integer

Unix-Zeitstempel, wann die Antwort erstellt wurde.

array

Liste der vom Modell generierten Ausgabeelemente.

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']);

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
  }
}

Kern

Text & Chat

Dateien & Batch-Jobs

Bilder

Audio & Echtzeit

Musik

Video & Materialien

Worlds

3D

Asynchrone Jobs

Gemini nativ

Verwaltung

Antwort erstellen

Anfragekörper

Antwort

​Anfragekörper

​Antwort

Anfragekörper

Antwort