> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tokenlab.sh/llms.txt
> Use this file to discover all available pages before exploring further.

# Antwort erstellen

> Erstellt eine Antwort im OpenAI Responses API-Format

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

<ParamField body="model" type="string" required>
  ID des zu verwendenden Modells. Siehe [Models](https://tokenlab.sh/de/models) für verfügbare Optionen.
</ParamField>

<ParamField body="input" type="array" required>
  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,..." }`
</ParamField>

<ParamField body="instructions" type="string">
  Systemanweisungen für das Modell (entspricht einer Systemnachricht).
</ParamField>

<ParamField body="max_output_tokens" type="integer">
  Maximale Anzahl Tokens, die generiert werden sollen.
</ParamField>

<ParamField body="temperature" type="number" default="1">
  Sampling-Temperatur zwischen 0 und 2.
</ParamField>

<ParamField body="tools" type="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.
</ParamField>

<ParamField body="stream" type="boolean" default="false">
  Wenn true, wird ein Stream von Events zurückgegeben.
</ParamField>

<ParamField body="previous_response_id" type="string">
  ID einer vorherigen Response, von der die Konversation fortgesetzt werden soll.
</ParamField>

<ParamField body="store" type="boolean" default="true">
  Ob die Antwort für spätere Abrufe gespeichert werden soll.
</ParamField>

<ParamField body="metadata" type="object">
  Metadaten, die zur Nachverfolgung an die Antwort angehängt werden.
</ParamField>

<ParamField body="text" type="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.
</ParamField>

<ParamField body="parallel_tool_calls" type="boolean" default="true">
  Ob mehrere Tool-Aufrufe parallel erlaubt sind.
</ParamField>

<ParamField body="top_p" type="number">
  Nucleus-Sampling-Parameter (0-1).
</ParamField>

<ParamField body="reasoning" type="object">
  Reasoning-Konfiguration für reasoning-fähige Modelle wie die GPT-5-Familie-Varianten.

  * `effort` (string): Reasoning-Aufwandsstufe (`low`, `medium`, `high`)
</ParamField>

## Antwort

<ResponseField name="id" type="string">
  Eindeutiger Bezeichner für die Antwort.
</ResponseField>

<ResponseField name="object" type="string">
  Immer `response`.
</ResponseField>

<ResponseField name="created" type="integer">
  Unix-Zeitstempel, wann die Antwort erstellt wurde.
</ResponseField>

<ResponseField name="output" type="array">
  Liste der vom Modell generierten Ausgabeelemente.
</ResponseField>

<ResponseField name="usage" type="object">
  Statistiken zur Token-Nutzung.
</ResponseField>

<RequestExample>
  ```bash cURL theme={null}
  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
    }'
  ```

  ```python Python theme={null}
  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)
  ```

  ```javascript JavaScript theme={null}
  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);
  ```

  ```go Go theme={null}
  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 PHP theme={null}
  <?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.

  ```json theme={null}
  {
    "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"
          }
        ]
      }
    ]
  }
  ```

  ```json theme={null}
  {
    "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..."
          }
        ]
      }
    ]
  }
  ```
</RequestExample>

<ResponseExample>
  ```json Response theme={null}
  {
    "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
    }
  }
  ```
</ResponseExample>