Skip to main content
文本產生

OpenAI相容-Chat

通過相容 OpenAI 格式的 Chat API 呼叫模型,查看輸入輸出參數說明及調用樣本。

  • 新加坡
  • 美國(維吉尼亞)
  • 華北2(北京)
  • 中國香港
  • 德國(法蘭克福)
  • 日本(東京)
SDK 調用配置的base_urlhttps://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1HTTP 要求地址:POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions
調用時請將{WorkspaceId}替換為真實的業務空間ID 您需要先擷取與配置 API Key。若通過OpenAI SDK進行調用,需要安裝SDK
阿里雲百鍊為華北2(北京)、新加坡、中國香港地區推出了業務空間專屬網域名稱,能夠為推理請求提供卓越的效能和更高的穩定性,建議遷移至新網域名稱:
  • 華北2(北京)地區:從 https://dashscope.aliyuncs.com 遷移至 https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com
  • 新加坡地區:從 https://dashscope-intl.aliyuncs.com 遷移至 https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com
  • 中國香港地區:從 https://cn-hongkong.dashscope.aliyuncs.com 遷移至 https://{WorkspaceId}.cn-hongkong.maas.aliyuncs.com
其中 {WorkspaceId} 為您的業務空間 ID,可在阿里雲百鍊控制台的業務空間詳情頁面查看。現有網域名稱仍可正常使用。

請求體

modelstring(必選)模型名稱。支援的模型:Qwen 大語言模型(商業版、開源版)、Qwen-VL、Qwen-Coder、Qwen-Omni、Qwen-Math、DeepSeek、Kimi、GLM、MiniMax。具體模型名稱和計費,請參見百鍊控制台messagesarray(必選)傳遞給大模型的上下文,按對話順序排列。

訊息類型

System Messageobject(可選)系統訊息,用於設定大模型的角色、語氣、任務目標或約束條件等。一般放在messages數組的第一位。
QwQ 模型不建議設定 System Message,QVQ 模型設定 System Message不會生效。
contentstring(必選)系統指令,用於明確模型的角色、行為規範、回答風格和任務約束等。rolestring(必選)系統訊息的角色,固定為 system
User Messageobject(必選)使用者訊息,用於向模型傳遞問題、指令或上下文等。
contentstring 或 array(必選)訊息內容。若輸入只有文本,則為 string 類型;若輸入包含映像等多模態資料,或啟用顯式緩衝,則為 array 類型。
typestring(必選)可選值:
  • text 輸入文本時需設為text
  • image_url 輸入圖片時需設為image_url
  • input_audio 輸入音頻時需設為input_audio
  • video 輸入圖片列表形式的視頻時需設為video
  • video_url 輸入視頻檔案時需設為video_url
    Qwen-VL僅部分模型可輸入視頻檔案,詳情參見視頻理解(Qwen-VL);QVQ與Qwen-Omni 模型支援直接傳入的視訊檔案。
textstring輸入的文本。當typetext時,是必選參數。image_urlobject輸入的圖片資訊。當typeimage_url時是必選參數。
url string(必選)圖片的 URL或 Base64 Data URL。傳入本地檔案請參考映像與視頻理解
input_audioobject輸入的音頻資訊。當typeinput_audio時是必選參數。
data string(必選)音訊 URL 或Base64 Data URL。傳入本地檔案請參見:輸入 Base 64 編碼的本地檔案formatstring(必選)輸入音訊格式,如mp3wav等。
videoarray輸入的圖片列表形式的視頻資訊。當typevideo時是必選參數。使用方法請參見:視頻理解(Qwen-VL)視頻理解(QVQ)視頻理解(Qwen-Omni)樣本值:
[
    "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/xzsgiz/football1.jpg",
    "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/tdescd/football2.jpg",
    "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/zefdja/football3.jpg",
    "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/aedbqh/football4.jpg"
]
video_urlobject輸入的視頻檔案資訊。當typevideo_url時是必選參數。Qwen-VL 只可理解視頻檔案的視覺資訊,Qwen-Omni 可理解視頻檔案中的視覺與音頻資訊。
url string(必選)視頻檔案的公網 URL 或 Base64 Data URL。輸入本地視頻檔案請參見輸入 Base 64 編碼的本地檔案
fpsfloat(可選)每秒抽幀數。取值範圍為 [0.1, 10],預設值為2.0。
MiniMax/MiniMax-M3 的 fps 取值範圍為 [0.2, 5],預設值為 1。
fps有兩個功能:
  • 輸入視頻檔案時,控制抽幀頻率,每 f p s 1 ​ 秒抽取一幀。
    適用於 Qwen-VLQVQ 模型
  • 告知模型相鄰幀之間的時間間隔,協助其更好地理解視頻的時間動態。同時適用於輸入視頻檔案與映像列表時。該功能同時可使用視訊檔案和映像列表輸入,適用於事件時間定位或分段內容摘要等情境。
    支援Qwen3.7、Qwen3.6、Qwen3.5、Qwen3-VLQwen2.5-VL、Qwen3.5-Omni與QVQ模型。
較大的fps適合高速運動的情境(如體育賽事、動作電影等),較小的fps適合長視頻或內容偏靜態情境。
  • 映像列表傳入:{"video":["https://xx1.jpg",...,"https://xxn.jpg"],"fps":2}
  • 視頻檔案傳入:{"video": "https://xx1.mp4","fps":2}
min_pixelsinteger(可選)設定輸入映像或視訊框架的最小像素閾值。當輸入映像或視訊框架的像素小於min_pixels時,會將其進行放大,直到總像素高於min_pixels。適用於 Qwen-VL、QVQ 模型。
  • 輸入映像:
    • Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5、Qwen3-VL:預設值和最小值均為:65536
    • Qwen3.5-Omni :預設值和最小值均為: 24576
    • qwen-vl-maxqwen-vl-max-0813qwen-vl-plusqwen-vl-plus-0815:預設值和最小值均為4096
    • 其他qwen-vl-plus模型、其他qwen-vl-max模型、Qwen2.5-VL開源系列及QVQ系列模型:預設值和最小值均為3136
  • 輸入視頻檔案或映像列表:
    • Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5、Qwen3.5-Omni、Qwen3-VL(包括商業版和開源版)、qwen-vl-maxqwen-vl-max-0813qwen-vl-plusqwen-vl-plus-0815:預設值為65536,最小值為4096
    • 其他qwen-vl-plus模型、其他qwen-vl-max模型、Qwen2.5-VL開源系列及QVQ系列模型:預設值為50176,最小值為3136
  • 輸入映像:{"type": "image_url","image_url": {"url":"https://xxxx.jpg"},"min_pixels": 65536}
  • 輸入視頻檔案時:{"type": "video_url","video_url": {"url":"https://xxxx.mp4"},"min_pixels": 65536}
  • 輸入映像列表時:{"type": "video","video": ["https://xx1.jpg",...,"https://xxn.jpg"],"min_pixels": 65536}
max_pixelsinteger(可選)用於設定輸入映像或視訊框架的最大像素閾值。當輸入映像或視頻的像素在[min_pixels, max_pixels]區間內時,模型會按原圖進行識別。當輸入映像像素大於max_pixels時,會將映像進行縮小,直到總像素低於max_pixels。適用於 Qwen-VL、QVQ 模型。
  • 輸入映像: max_pixels 的取值與是否開啟vl_high_resolution_images參數有關。
    • vl_high_resolution_imagesFalse時:
      • Qwen3.8、Qwen3.7、 Qwen3.6 、 Qwen3.5 、 Qwen3-VL :預設值為 2621440 ,最大值為: 16777216
      • Qwen3.5-Omni :預設值為 1310720 ,最大值為: 16777216
      • qwen-vl-maxqwen-vl-max-0813qwen-vl-plusqwen-vl-plus-0815 :預設值為 1310720 ,最大值為: 16777216
      • 其他 qwen-vl-plus 模型、其他 qwen-vl-max 模型、 Qwen2.5-VL 開源系列及 QVQ 系列模型:預設值為 1003520 ,最大值為 12845056
    • vl_high_resolution_imagesTrue時:
      • Qwen3.8、Qwen3.7、 Qwen3.6 、 Qwen3.5-Omni 、 Qwen3.5 、 Qwen3-VL 、 qwen-vl-maxqwen-vl-max-0813qwen-vl-plusqwen-vl-plus-0815max_pixels 無效,輸入映像的最大像素固定為 16777216
      • 其他 qwen-vl-plus 模型、其他 qwen-vl-max 模型、 Qwen2.5-VL 開源系列及 QVQ 系列模型: max_pixels 無效,輸入映像的最大像素固定為 12845056
  • 輸入視頻檔案或映像列表:
    • Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5、Qwen3.5-Omni、Qwen3-VL閉源系列、qwen3-vl-235b-a22b-thinkingqwen3-vl-235b-a22b-instruct:預設值為655360,最大值為2048000
    • 其他Qwen3-VL開源模型、qwen-vl-maxqwen-vl-max-0813qwen-vl-plusqwen-vl-plus-0815:預設值655360,最大值為786432
    • 其他qwen-vl-plus模型、其他qwen-vl-max模型、Qwen2.5-VL開源系列及QVQ系列模型:預設值為501760,最大值為602112
  • 輸入映像:{"type": "image_url","image_url": {"url":"https://xxxx.jpg"},"max_pixels": 8388608}
  • 輸入視頻檔案時:{"type": "video_url","video_url": {"url":"https://xxxx.mp4"},"max_pixels": 655360}
  • 輸入映像列表時:{"type": "video","video": ["https://xx1.jpg",...,"https://xxn.jpg"],"max_pixels": 655360}
total_pixelsinteger(可選)用於限制從視頻中抽取的所有幀的總像素(單幀映像像素 × 總幀數)。如果視頻總像素超過此限制,系統將對視訊框架進行縮放,但仍會確保單幀映像的像素值在[min_pixels, max_pixels]範圍內。適用於 Qwen-VL、QVQ 模型。對於抽幀數量較多的長視頻,可適當降低此值以減少Token消耗和處理時間,但這可能會導致映像細節丟失。
  • Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5系列 :預設值和最大值均為 819200000 ,該值對應 800000 個映像 Token(每 32×32 像素對應 1 個映像 Token)。
  • Qwen3-VL閉源系列 、 qwen3-vl-235b-a22b-thinkingqwen3-vl-235b-a22b-instruct :預設值和最大值均為 134217728 ,該值對應 131072 個映像 Token(每 32×32 像素對應 1 個映像 Token)。
  • Qwen3.5-Omni :預設值和最小值均為 184549376 ,該值對應 180224 個映像 Token(每 32×32 像素對應 1 個映像 Token)。
  • 其他Qwen3-VL開源模型、qwen-vl-maxqwen-vl-max-0813qwen-vl-plusqwen-vl-plus-0815:預設值和最小值均為67108864,該值對應 65536 個映像 Token(每 32×32 像素對應 1 個映像 Token)。
  • 其他qwen-vl-plus模型、其他qwen-vl-max模型、Qwen2.5-VL開源系列及QVQ系列模型:預設值和最小值均為51380224,該值對應 65536 個映像 Token(每 28×28 像素對應 1 個映像 Token)。
  • 輸入視頻檔案時:{"type": "video_url","video_url": {"url":"https://xxxx.mp4"},"total_pixels": 134217728}
  • 輸入映像列表時:{"type": "video","video": ["https://xx1.jpg",...,"https://xxn.jpg"],"total_pixels": 134217728}
cache_controlobject(可選)用於開啟顯式緩衝。相關文檔:顯式緩衝
type string(必選)僅支援設定為ephemeral
rolestring(必選)使用者訊息的角色,固定為user
Assistant Message object(可選)模型的回複。通常用於在多輪對話中作為上下文回傳給模型。
contentstring(可選)模型回複的常值內容。包含tool_calls時,content可以為空白;否則content為必選。rolestring(必選)助手訊息的角色,固定為assistantpartialboolean(可選)預設值為false是否開啟首碼續寫。可選值:
  • true:開啟;
  • false:不開啟。
支援的模型參見首碼續寫tool_calls array(可選)發起 Function Calling 後,返回的工具與入參資訊,包含一個或多個對象。由上一輪模型響應的tool_calls欄位獲得。
id string(必選)工具響應的ID。type string(必選)工具類型,當前只支援設為functionfunction object(必選)工具與入參資訊。
name string(必選)工具名稱。arguments string(必選)入參資訊,為JSON格式字串。
index integer(必選)當前工具資訊在tool_calls數組中的索引。
Tool Message object(可選)工具的輸出資訊。
contentstring(必選)工具函數的輸出內容,必須為字串。若工具返回結構化資料(如JSON),需將其序列化為字串。rolestring(必選)固定為tooltool_call_idstring(必選)發起 Function Calling 後返回的 id,通過completion.choices[0].message.tool_calls[$index].id擷取,用於標記 Tool Message 對應的工具。
streamboolean(可選) 預設值為 false是否以流式輸出方式回複。相關文檔:流式輸出可選值:
  • false:模型產生全部內容後一次性返回;
  • true:邊產生邊輸出,每產生一部分內容即返回一個資料區塊(chunk)。需即時逐個讀取這些塊以拼接完整回複。
推薦設定為true,可提升閱讀體驗並降低逾時風險。
非流式調用的最大逾時時間不少於300秒,實際時間長度因部署地區與選用模型存在差異。若逾時未完成,服務將插斷要求並返回已產生的內容(而非報錯)。建議輸出較長的情境務必使用流式調用。詳情請參見文本產生模型概述中的逾時說明。
stream_optionsobject(可選)流式輸出的配置項,僅在 streamtrue 時生效。

屬性

include_usageboolean(可選)預設值為false是否在響應的最後一個資料區塊包含Token消耗資訊。可選值:
  • true:包含;
  • false:不包含。
流式輸出時,Token 消耗資訊僅可出現在響應的最後一個資料區塊。
modalitiesarray(可選)預設值為["text"]輸出資料的模態,僅適用於 Qwen-Omni 模型。相關文檔:非即時(Qwen-Omni)可選值:
  • ["text","audio"]:輸出文本與音頻;
  • ["text"]:僅輸出文本。
audioobject(可選)輸出音訊音色與格式,僅適用於 Qwen-Omni 模型,且modalities參數需為["text","audio"]。相關文檔:非即時(Qwen-Omni)
voicestring (必選)輸出音訊音色。請參見非即時(Qwen-Omni)formatstring (必選)輸出音訊格式,僅支援設定為wav
temperaturefloat(可選)採樣溫度,控制模型產生文本的多樣性。temperature越高,產生的文本更多樣,反之,產生的文本更確定。取值範圍: [0, 2)temperature與top_p均可以控制產生文本的多樣性,建議只設定其中一個值。更多說明,請參見概述
不建議修改QVQ模型的預設temperature值 。
top_pfloat(可選)核採樣的機率閾值,控制模型產生文本的多樣性。top_p越高,產生的文本更多樣。反之,產生的文本更確定。取值範圍:(0,1.0]temperature與top_p均可以控制產生文本的多樣性,建議只設定其中一個值。更多說明,請參見概述
不建議修改QVQ模型的預設 top_p 值。
top_kinteger (可選)指定產生過程中用於採樣的候選 Token 數量。值越大,輸出越隨機;值越小,輸出越確定。若設為 null 或大於 100,則禁用 top_k 策略,僅 top_p 策略生效。取值必須為大於或等於 0 的整數。
QVQ系列:10;QwQ 系列:40;其餘qwen-vl-plus系列之前的模型、qwen2.5-omni-7b:1;Qwen3-Omni-Flash系列:50;其餘模型均為20。GLM系列(阿里雲直供):20;DeepSeek/Kimi/MiniMax系列均不支援top_k參數。
該參數非OpenAI標準參數。通過 Python SDK調用時,請放入 extra_body 對象中。配置方式為:extra_body={"top_k":xxx}。
不建議修改QVQ模型的預設 top_k 值。
repetition_penaltyfloat (可選)模型產生時連續序列中的重複度。提高repetition_penalty時可以降低模型產生的重複度,1.0表示不做懲罰。沒有嚴格的取值範圍,只要大於0即可。
該參數非OpenAI標準參數。通過 Python SDK調用時,請放入 extra_body 對象中。配置方式為:extra_body={"repetition_penalty":xxx}。
使用qwen-vl-plus_2025-01-25模型進行文字提取時,建議設定repetition_penalty為1.0。
不建議修改QVQ模型的預設 repetition_penalty 值。
presence_penalty float(可選)控制模型產生文本時的內容重複度。取值範圍:[-2.0, 2.0]。正值降低重複度,負值增加重複度。在創意寫作或頭腦風暴等需要多樣性、趣味性或創造力的情境中,建議調高該值;在技術文檔或正式文本等強調一致性與術語準確性的情境中,建議調低該值。
Qwen3.8(非思考模式)、Qwen3.7(非思考模式)、Qwen3.6(非思考模式)、Qwen3.5-Omni、Qwen3.5(非思考模式)、qwen3-max-preview(思考模式)、Qwen3(非思考模式)、Qwen3-Instruct系列/1.7b/4b(思考模式)、QVQ系列、qwen-max、qwen2.5-vl系列、qwen-vl-max系列、qwen-vl-plus、Qwen3-VL(非思考):1.5;qwen3-8b/14b/32b/30b-a3b/235b-a22b(思考模式)、qwen-plus/qwen-plus-latest/2025-04-28(思考模式)、qwen-turbo/qwen-turbo/2025-04-28(思考模式):0.5;其餘均為0.0。DeepSeek系列(阿里雲直供):deepseek-r1、deepseek-r1-0528、deepseek-r1-distill-qwen 蒸餾版: 1;Kimi系列(阿里雲直供):kimi-k2.7-code、kimi-k2.6、kimi-k2.5: 0.0;Kimi系列(月之暗面直供):0.0;MiniMax系列(阿里雲直供):MiniMax-M2.5、MiniMax-M2.1: 0.0;其餘DeepSeek/Kimi/GLM/MiniMax模型無預設值。
如果參數值是正數,模型將對目前文本中已存在的Token施加一個懲罰值(懲罰值與文本出現的次數無關),減少這些Token重複出現的幾率,從而減少內容重複度,增加用詞多樣性。
提示詞:把這句話翻譯成中文“This movie is good. The plot is good, the acting is good, the music is good, and overall, the whole movie is just good. It is really good, in fact. The plot is so good, and the acting is so good, and the music is so good.”參數值為2.0:這部電影很好。劇情很棒,演技棒,音樂也非常好聽,總的來說,整部電影都好得不得了。實際上它真的很優秀。劇情非常精彩,演技出色,音樂也是那麼的動聽。參數值為0.0:這部電影很好。劇情好,演技好,音樂也好,總的來說,整部電影都很好。事實上,它真的很棒。劇情非常好,演技也非常出色,音樂也同樣優秀。參數值為-2.0:這部電影很好。情節很好,演技很好,音樂也很好,總的來說,整部電影都很好。實際上,它真的很棒。情節非常好,演技也非常好,音樂也非常好。
使用qwen-vl-plus模型進行文字提取時,建議設定presence_penalty為1.5。
不建議修改QVQ模型的預設presence_penalty值。
response_formatobject (可選) 預設值為{"type": "text"}返回內容的格式。可選值:
  • {"type": "text"}:輸出文字回複;
  • {"type": "json_object"}:輸出標準格式的JSON字串。
相關文檔:結構化輸出
若指定為{"type": "json_object"},需在提示詞中明確指示模型輸出JSON,如:“請按照json格式輸出”,否則會報錯。
支援的模型參見結構化輸出
typestring(必選)返回內容的格式。可選值:
  • text:輸出文字回複;
  • json_object:輸出標準格式的JSON字串;
max_tokensinteger (可選, 即將廢棄
該參數即將廢棄,新接入請使用 max_completion_tokens
該參數的含義隨模型不同,具體如下:
  • deepseek-v4-pro、deepseek-v4-pro-0813、deepseek-v4-flash、deepseek-v4-flash-0731:模型回答與思維鏈內容之和的最大 Token 數。模型輸出超過此值時產生將提前停止,返回的 finish_reasonlength
  • glm-5.2:不傳入 thinking_budget 參數時,max_tokens 為模型回答與思維鏈內容之和的最大 Token 數,模型輸出超過此值時產生將提前停止,返回的 finish_reasonlength;傳入 thinking_budget 參數時,max_tokens 僅為模型回答的最大 Token 數,思維鏈部分的 Token 數由 thinking_budget 單獨控制。
  • 其他模型:模型回答的最大 Token 數。若產生內容超過此值,產生將提前停止,返回的 finish_reasonlength
預設值與最大值均為模型的最大輸出長度。max_completion_tokensinteger(可選)模型輸出的最大長度,包含思維鏈和模型回答。模型輸出超過此值時產生將提前停止,返回的 finish_reasonlength預設值與最大值均為模型的最大輸出長度。max_tokens 的區別:max_completion_tokens 限制模型完整輸出(思維鏈 + 回答),而 max_tokens 僅限制回答部分。思考類模型推薦使用 max_completion_tokens支援以下模型:
  • 千問 Max:Qwen3.7-Max 及之後的模型
  • 千問 Plus:Qwen3.5-Plus 及之後的模型
  • 千問 Flash:Qwen3.5-Flash 及之後的模型
  • Kimi:kimi-k2.5 及其之後推出的Kimi模型
  • GLM:glm-5 及其之後推出的GLM系列模型
  • MiniMax:MiniMax-M2.5 及之後推出的MiniMax模型
  • DeepSeek:deepseek-v3、deepseek-r1、deepseek-r1-0528、deepseek-v3.1、deepseek-v3.2、deepseek-v3.2-exp、deepseek-v4-pro、deepseek-v4-flash 及之後推出的DeepSeek模型
以上模型均不包含三方直供模型。
實際輸出 Token 數與設定的 max_completion_tokens 值之間最多可能存在 10 個 Token 的誤差。
vl_high_resolution_imagesboolean(可選)預設值為false是否將輸入映像的像素上限提升至 16384 Token 對應的像素值。相關文檔:處理高解析度映像
  • vl_high_resolution_images:true,使用固定解析度策略,忽略 max_pixels 設定,超過此解析度時會將映像總像素縮小至此上限內。
    vl_high_resolution_imagesTrue時,不同模型像素上限不同:
    • Qwen3.7系列、Qwen3.6系列、Qwen3.5系列、Qwen3-VL系列qwen-vl-maxqwen-vl-max-0813qwen-vl-plusqwen-vl-plus-0815模型:16777216(每Token對應32*32像素,即16384*32*32
    • QVQ系列、其他Qwen2.5-VL系列模型:12845056(每Token對應28*28像素,即 16384*28*28
  • vl_high_resolution_imagesfalse,像素上限由 max_pixels 決定,輸入映像的像素超過max_pixels會將映像縮小至max_pixels內。各模型的預設像素上限即max_pixels的預設值。
該參數非OpenAI標準參數。通過 Python SDK調用時,請放入 extra_body 對象中。配置方式為:extra_body={"vl_high_resolution_images":xxx}。
ninteger(可選) 預設值為1產生響應的數量,取值範圍是1-4。適用於需產生多個候選響應的情境,例如創意寫作或廣告文案。
僅支援 Qwen3(非思考模式) 模型。
若傳入 tools 參數, 請將n 設為 1。
增大 n 會增加輸出 Token 的消耗,但不增加輸入 Token 消耗。
enable_thinking boolean (可選)使用混合思考(回複前既可思考也可不思考)模型時,是否開啟思考模式。適用於 Qwen3.7、Qwen3.6、Qwen3.5、Qwen3、Qwen3-Omni-Flash、Qwen3-VL模型,以及 DeepSeek-V4-Pro/V4-Flash 系列、DeepSeek-V3.2/V3.2-exp/V3.1 系列、Kimi-K2.7-code(僅思考模型)、Kimi-K2.6/K2.5 系列、GLM 系列。DeepSeek-V4 系列預設開啟思考,可通過 reasoning_effort 參數調整推理力度。可選值:
  • true:開啟
    開啟後,思考內容將通過reasoning_content欄位返回。
  • false:不開啟
不同模型的預設值:支援的模型
該參數非OpenAI標準參數。通過 Python SDK調用時,請放入 extra_body 對象中。配置方式為:extra_body={"enable_thinking": xxx}
若不使用 OpenAI SDK,而是通過 HTTP(如 curl)方式直接調用,則無需 extra_body,直接將 enable_thinkingmodelmessages 等參數一樣放在請求體(body)的頂層即可,例如 "enable_thinking": true
稀宇科技直供的MiniMax/MiniMax-M3 不使用此參數,請使用 thinking 參數。
thinking object (可選)預設值為 {"type":"adaptive"}控制稀宇科技直供的MiniMax/MiniMax-M3 的思考模式。thinking.type 可選值:
  • adaptive:自適應(預設),模型自主判斷是否需要思考。
  • disabled:關閉思考,直接回答。
該參數非OpenAI標準參數。通過 Python SDK調用時,請放入 extra_body 對象中。配置方式為:extra_body={"thinking": {"type": "adaptive"}}
preserve_thinking boolean (可選)預設值為 false是否將對話歷史中 assistant 訊息的 reasoning_content 拼接至模型輸入。適用於需要模型參考歷史思考過程的情境。目前支援qwen3.8-max(預設開啟)、qwen3.8-flash、qwen3.7-max、qwen3.7-max-2026-05-20以及後續快照、qwen3.6-max-preview、qwen3.7-plus、qwen3.7-plus-2026-05-26、qwen3.6-plus、qwen3.6-plus-2026-04-02、qwen3.7-flash、qwen3.7-flash-2026-07-15、qwen3.6-flash、qwen3.6-flash-2026-04-16、kimi-k2.6(阿里雲百鍊部署)、kimi-k2.7-code(阿里雲百鍊部署,預設開啟)、kimi/kimi-k2.7-code-highspeed(月之暗面直供,預設開啟)、kimi/kimi-k2.7-code(月之暗面直供,預設開啟)。
重要:使用 qwen3.8-max 時,preserve_thinking 預設為 true,必須將歷史對話中所有的 reasoning_content 完整回傳。不支援將 reasoning_content 拼接到 content 欄位中回傳。
  • 若歷史訊息中不包含 reasoning_content,開啟此參數不會報錯,正常相容。
  • 開啟後,歷史對話中的 reasoning_content 會計入輸入 Token 數量並計費。
該參數非OpenAI標準參數。通過 Python SDK調用時,請放入 extra_body 對象中。配置方式為:extra_body={"preserve_thinking": True}
thinking_budget integer (可選)思考過程的最大 Token 數。適用於Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5、Qwen3-VL、Qwen3、GLM、Kimi系列模型,其中 kimi-k3 不支援該參數。相關文檔:限制思考長度預設值為模型最大思維鏈長度,請參見:模型列表
該參數非OpenAI標準參數。通過 Python SDK調用時,請放入 extra_body 對象中。配置方式為:extra_body={"thinking_budget": xxx}
reasoning_effort string (可選)控制模型的推理力度,不同模型支援的可選值和預設值不同。DeepSeek-V4、GLM 系列與 kimi/kimi-k3(預設值為 high可選值:
  • high:高力度推理
  • max:最大力度推理
low和medium映射為high,xhigh映射為max。適用於glm-5.2、glm-5.1、glm-5、deepseek-v4-pro、deepseek-v4-flash(deepseek-v4-flash-0731 除外)、kimi/kimi-k3ZHIPU/GLM-5.3 與 kimi-k3(阿里雲直供)模型:預設值為max可選值:
  • max(預設):深度推理
  • high:增強推理
  • low:輕度推理
該模型始終開啟思考,enable_thinking 僅支援 true,傳入 false 會導致 API 請求失敗。deepseek-v4-flash-0731 與 deepseek-v4-pro-0813 模型:預設值為high可選值:
  • max:最大力度推理
  • high(預設):高力度推理
  • low:低力度推理
出於相容性考慮,medium 映射為 high,xhigh 映射為 high。qwen3.8-max 模型:預設值為xhigh可選值:
  • xhigh(預設):高力度推理
  • medium:中力度推理
  • low:低力度推理
max 映射為 xhigh,high 映射為 xhigh,minimal 映射為 low,none 映射為 enable_thinking=False。
設定上述可選值及映射值以外的值將會報錯。
重要:qwen3.8 系列不支援 reasoning_effort 與 thinking_budget 同時設定,同時設定會報錯。但兩者支援互轉:
  • 未設定 thinking_budget 時,reasoning_effort 檔位自動對應 thinking_budget:low 對應 4096,medium 對應 16384,xhigh 對應 262144。
  • 未設定 reasoning_effort 時,thinking_budget 自動對應回 reasoning_effort:0~4096 對應 low,4097~16384 對應 medium,16385~262144 對應 xhigh
  • 兩者均未設定時,使用預設 thinking_budget(131072),預設 reasoning_effort(xhigh)。
該參數非OpenAI標準參數。通過 Python SDK調用時,請放入 extra_body 對象中。配置方式為:extra_body={"reasoning_effort": "high"}
tool_stream boolean (可選)預設值為 false僅在stream=true時生效。當前僅Qwen和GLM系列支援。Qwen系列支援列表:
  • qwen-max系列:qwen3.8-max系列、qwen3.7-max系列的文本模態
  • qwen-plus系列:qwen3.7-plus系列、qwen3.6-plus系列的文本模態,以及qwen3.5-plus系列的全模態
  • qwen-flash系列:qwen3.7-flash系列、qwen3.6-flash系列、qwen3.5-flash系列的全模態
Qwen系列使用參考:tool_stream僅影響複雜工具參數的情況。普通工具參數只要開啟stream=true就會流式輸出。複雜工具是指工具定義中某些參數類型為array或object。
  • tool_stream=false:複雜工具參數會一次性輸出,預設行為,複雜格式會更準確。
  • tool_stream=true:複雜工具參數會流式輸出,複雜格式沒有逾時風險。
GLM系列支援列表:glm-4.6、glm-4.7、glm-5、glm-5.1。GLM系列使用參考:
  • tool_stream=false:工具參數會一次性輸出,預設行為,複雜格式會更準確。
  • tool_stream=true:工具參數會流式輸出,複雜格式沒有逾時風險。
該參數非OpenAI標準參數。通過 Python SDK調用時,請放入 extra_body 對象中。配置方式為:extra_body={"tool_stream": true}
enable_code_interpreter boolean (可選)預設值為 false是否開啟代碼解譯器功能。相關文檔:代碼解譯器可選值:
  • true:開啟
  • false:不開啟
該參數非OpenAI標準參數。通過 Python SDK調用時,請放入 extra_body 對象中。配置方式為:extra_body={"enable_code_interpreter": xxx}
seedinteger(可選)隨機數種子。用於確保在相同輸入和參數下產生結果可複現。若調用時傳入相同的 seed 且其他參數不變,模型將儘可能返回相同結果。取值範圍:[0,2 31 −1]logprobs boolean (可選)預設值為 false是否返回輸出 Token 的對數機率,可選值:
  • true 返回
  • false 不返回
思考階段產生的內容(reasoning_content)不會返回對數機率。
  • qwen-plus系列的快照模型(不包含穩定版模型)
  • qwen-turbo 系列的快照模型(不包含穩定版模型)
  • qwen3-vl-plus系列模型(包含穩定版模型)
  • qwen3-vl-flash系列模型(包含穩定版模型)
  • Qwen3 開源模型
top_logprobs integer (可選)預設值為0指定在每一步產生時,返回模型最大機率的候選 Token 個數。取值範圍:[0,5]僅當 logprobstrue 時生效。stopstring 或 array(可選)用於指定停止詞。當模型產生的文本中出現 stop 指定的字串或 token_id 時,產生將立即終止。可傳入敏感詞以控制模型的輸出。
stop為數組時,不可將token_id和字串同時作為元素輸入,比如不可以指定為["你好",104307]
toolsarray(可選)包含一個或多個工具對象的數組,供模型在 Function Calling 中調用。相關文檔:Function Calling設定 tools 且模型判斷需要調用工具時,響應會通過 tool_calls 返回工具資訊。
typestring(必選)工具類型,當前僅支援設為functionfunctionobject(必選)
namestring(必選)工具名稱。僅允許字母、數字、底線(_)和短劃線(-),最長 64 個 Token。descriptionstring(必選)工具描述資訊,協助模型判斷何時以及如何調用該工具。parametersobject(可選)預設值為 {}工具的參數描述,需要是一個合法的JSON Schema。JSON Schema的描述可以見連結。若parameters參數為空白,表示該工具沒有入參(如時間查詢工具)。
為提高工具調用的準確性,建議傳入 parameters
tool_choice string 或 object(可選)預設值為 auto工具選擇策略。若需對某類問題強制指定工具調用方式(例如始終使用某工具或禁用所有工具),可設定此參數。可選值:
  • auto 大模型自主選擇工具策略。
  • none 若不希望進行工具調用,可設定tool_choice參數為none
  • {"type": "function", "function": {"name": "the_function_to_call"}} 若希望強制調用某個工具,可設定tool_choice參數為{"type": "function", "function": {"name": "the_function_to_call"}},其中the_function_to_call是指定的工具函數名稱。
    思考模式的模型不支援強制調用某個工具。
parallel_tool_calls boolean (可選)預設值為 false是否開啟並行工具調用。相關文檔:並行工具調用可選值:
  • true:開啟
  • false:不開啟
enable_search boolean(可選)預設值為 false是否開啟連網搜尋。相關文檔:連網搜尋可選值:
  • true:開啟;
    若開啟後未連網搜尋,可最佳化提示詞,或設定search_options中的forced_search參數開啟強制搜尋。
  • false:不開啟。
啟用互連網搜尋功能可能會增加 Token 的消耗。
該參數非OpenAI標準參數。通過 Python SDK調用時,請放入 extra_body 對象中。配置方式為:extra_body={"enable_search": True}
search_optionsobject(可選)連網搜尋的策略。相關文檔:連網搜尋
forced_search boolean(可選)預設值為false是否強制開啟連網搜尋,僅當enable_searchtrue時生效。可選值:
  • true:強制開啟;
  • false:不強制開啟,由模型判斷是否連網搜尋。
search_strategy string(可選)預設值為turbo搜尋量級策略,僅當enable_searchtrue時生效。可選值:
  • turbo (預設): 兼顧響應速度與搜尋效果,適用於大多數情境。
  • max: 採用更全面的搜尋策略,可調用多源搜尋引擎,以擷取更詳盡的搜尋結果,但回應時間可能更長。
  • agent:可多次調用連網搜尋工具與大模型,實現多輪資訊檢索與內容整合。
    該策略僅適用於 qwen3.5-plus、qwen3.5-plus-2026-02-15、qwen3.5-flash、qwen3.5-flash-2026-02-23、qwen3-max、qwen3-max-2026-01-23、qwen3-max-2025-09-23、qwen3.5-omni-plus、qwen3.5-omni-plus-2026-03-15、qwen3.5-omni-flash、qwen3.5-omni-flash-2026-03-15。
  • agent_max:在agent策略基礎上支援網頁抓取,參見:網頁抓取
    該策略僅適用於 qwen3-max、qwen3-max-2026-01-23的思考模式。
enable_search_extension boolean(可選)預設值為false是否開啟垂域搜尋,僅當enable_searchtrue時生效。可選值:
  • true:開啟。
  • false:不開啟。
該參數非OpenAI標準參數。通過 Python SDK調用時,請放入 extra_body 對象中。配置方式為:extra_body={"search_options": xxx}
clear_thinkingboolean(可選)預設值為false用於控制多輪對話中是否將歷史輪次的 reasoning_content(思考過程)作為上下文輸入給模型。僅 GLM 系列glm-5.2、glm-5.1、glm-5、glm-4.7模型支援。
該參數非OpenAI標準參數。通過 Python SDK調用時,請放入 extra_body 對象中。配置方式為:extra_body={"enable_thinking": True,"clear_thinking": True}
  • true:忽略歷史輪次的 reasoning_content,僅使用可見文本、工具調用與結果等非推理內容作為上下文輸入,可降低上下文長度與成本。
  • false(預設):保留歷史輪次的 reasoning_content 並隨上下文一同提供給模型。若希望啟用 Preserved Thinking,必須在 messages 中完整、未修改、按原順序透傳歷史 reasoning_content,缺失、裁剪、改寫或重排會導致效果下降或無法生效。
  • 文本輸入
  • 流式輸出
  • 映像輸入
  • 視頻輸入
  • 工具調用
  • 非同步呼叫
  • Python
  • Java
  • Node.js
  • Go
  • C#(HTTP)
  • PHP(HTTP)
  • curl
import os
from openai import OpenAI

client = OpenAI(
    # 若沒有配置環境變數,請用百鍊API Key將下行替換為:api_key="sk-xxx"
    # 各地區的API Key不同。擷取API Key:https://www.alibabacloud.com/help/zh/model-studio/get-api-key
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 請將{WorkspaceId}替換為真實的業務空間ID,各地區URL不同。
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    # 此處以qwen3.8-max為例,可按需更換模型名稱。模型列表:https://www.alibabacloud.com/help/zh/model-studio/getting-started/models
    model="qwen3.8-max",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "你是誰?"},
    ],
    # extra_body={"enable_thinking": False},
)
print(completion.model_dump_json())

chat響應對象(非流式輸出)

idstring本次調用的唯一識別碼。choicesarray模型產生內容的數組。
finish_reasonstring模型停止產生的原因。有三種情況:
  • 觸發輸入參數中的stop參數,或自然停止輸出時為stop
  • 產生長度過長而結束為length
  • 需要調用工具而結束為tool_calls
indexinteger當前對象在choices數組中的索引。logprobsobject模型輸出的 Token 機率資訊。
content array包含每個 Token 及其對數機率的數組。
token string當前 Token 的文本。bytes array當前 Token 的 UTF‑8 原始位元組列表,用於精確還原輸出內容(例如Emoji或中文字元)。logprob float當前 Token 的對數機率。傳回值為 null 表示機率值極低。top_logprobs array當前 Token 位置最可能的若干候選 Token,數量與請求參數top_logprobs保持一致。每個元素包含:
token string候選 Token 文本。bytes array當前 Token 的 UTF‑8 原始位元組列表,用於精確還原輸出內容(例如Emoji或中文字元)。logprob float該候選 Token 的對數機率。傳回值為 null 表示機率值極低。
messageobject模型輸出的訊息。
content string模型的回複內容。reasoning_content string模型的思維鏈內容。refusal string該參數當前固定為nullrole string訊息的角色,固定為assistantaudio object該參數當前固定為nullfunction_call(即將廢棄)object該值固定為null,請參考tool_calls參數。tool_calls array在發起 Function Calling後,模型產生的工具與入參資訊。
id string本次工具響應的唯一識別碼。type string工具類型,當前只支援functionfunction object工具資訊。
name string工具名稱。arguments string入參資訊,為JSON格式字串。
由於大模型響應有一定隨機性,輸出的入參資訊可能不符合函數簽名。請在調用前校正參數有效性
index integer當前工具在tool_calls數組中的索引。
createdinteger請求建立時的 Unix 時間戳記(秒)。modelstring本次請求使用的模型。object string始終為chat.completionservice_tier string該參數當前固定為nullsystem_fingerprintstring該參數當前固定為nullusage object本次請求的 Token 消耗資訊。
completion_tokens integer模型輸出的 Token 數。prompt_tokens integer輸入的 Token 數。補充說明total_tokens integer消耗的總 Token 數,為prompt_tokenscompletion_tokens的總和。completion_tokens_details object(可選)輸出 Token 的細粒度分類。部分模型返回該欄位。
audio_tokens integer(可選)輸出的音頻 Token 數。reasoning_tokens integer(可選)思考過程 Token 數。text_tokens integer(可選)輸出文本的 Token 數。
prompt_tokens_details object輸入 Token 的細粒度分類。
audio_tokens integer該參數當前固定為nullcached_tokens integer命中 Cache 的 Token 數。Context Cache 詳情請參見上下文緩衝text_tokens integer輸入的文本 Token 數。image_tokens integer輸入的映像 Token 數。video_tokens integer輸入的視頻檔案或者映像列表 Token 數。cache_creation object顯式緩衝建立資訊。
ephemeral_5m_input_tokens integer建立顯式緩衝的 Token 數。
cache_creation_input_tokens integer建立顯式緩衝的 Token 數。cache_type string使用顯式緩衝時,參數值為ephemeral,否則該參數不存在。
{
    "choices": [
        {
            "message": {
                "role": "assistant",
                "content": "我是阿里雲開發的一款超大規模語言模型,我叫千問。"
            },
            "finish_reason": "stop",
            "index": 0,
            "logprobs": null
        }
    ],
    "object": "chat.completion",
    "usage": {
        "prompt_tokens": 3019,
        "completion_tokens": 104,
        "total_tokens": 3123,
        "prompt_tokens_details": {
            "cached_tokens": 2048
        }
    },
    "created": 1735120033,
    "system_fingerprint": null,
    "model": "qwen3.8-max",
    "id": "chatcmpl-6ada9ed2-7f33-9de2-8bb0-78bd4035025a"
}

chat響應chunk對象(流式輸出)

idstring本次調用的唯一識別碼。每個chunk對象有相同的 id。choicesarray模型產生內容的數組,可包含一個或多個對象。若設定include_usage參數為true,則choices在最後一個chunk中為空白數組。
delta object請求的增量對象。
content string增量訊息內容。reasoning_content string增量思維鏈內容。function_call object該值預設為null,請參考tool_calls參數。audioobject使用 Qwen-Omni 模型時產生的回複。
data string增量的 Base64 音頻編碼資料。expires_at integer建立請求時的時間戳記。
refusal object該參數當前固定為nullrole string增量訊息對象的角色,只在第一個chunk中有值。tool_calls array在發起 Function Calling後,模型產生的工具與入參資訊。
index integer當前工具在tool_calls數組中的索引。id string本次工具響應的唯一識別碼。function object被調用的工具資訊。
arguments string增量的入參資訊,所有chunk的arguments拼接後為完整的入參。
由於大模型響應有一定隨機性,輸出的入參資訊可能不符合函數簽名。請在調用前校正參數有效性。
name string工具名稱,只在第一個chunk中有值。
type string工具類型,當前只支援function
finish_reason string模型停止產生的原因。有四種情況:
  • 因觸發輸入參數中的stop參數,或自然停止輸出時為stop
  • 產生未結束時為null
  • 產生長度過長而結束為length
  • 需要調用工具而結束為tool_calls
index integer當前響應在choices數組中的索引。當輸入參數 n 大於1時,需根據本參數進行不同響應對應的完整內容的拼接。logprobsobject當前對象的機率資訊。
content array帶有對數機率資訊的 Token 數組。
token string當前 Token。bytes array當前 Token 的 UTF‑8 原始位元組列表,用於精確還原輸出內容,在處理Emoji、中文字元時有協助。logprob float當前 Token 的對數機率。傳回值為 null 表示機率值極低。top_logprobs array當前 Token 位置最可能的若干個 Token 及其對數機率,元素個數與入參的top_logprobs保持一致。
token string當前 Token。bytes array當前 Token 的 UTF‑8 原始位元組列表,用於精確還原輸出內容,在處理Emoji、中文字元時有協助。logprob float當前 Token 的對數機率。傳回值為 null 表示機率值極低。
createdinteger本次請求被建立時的時間戳記。每個chunk有相同的時間戳記。modelstring本次請求使用的模型。object string始終為chat.completion.chunkservice_tier string該參數當前固定為nullsystem_fingerprintstring該參數當前固定為nullusage object本次請求消耗的Token。只在include_usagetrue時,在最後一個chunk顯示。
completion_tokens integer模型輸出的 Token 數。prompt_tokens integer輸入 Token 數。total_tokens integer總 Token 數,為prompt_tokenscompletion_tokens的總和。completion_tokens_details object(可選)輸出 Token 的詳細資料。部分模型返回該欄位。
audio_tokensinteger(可選)輸出的音頻 Token 數。reasoning_tokens integer(可選)思考過程 Token 數。text_tokensinteger(可選)輸出文本 Token 數。
prompt_tokens_details object輸入 Token的細粒度分類。
audio_tokens integer輸入音訊 Token 數。
視頻檔案中的音頻 Token 數通過本參數返回。
text_tokens integer輸入文本的 Token 數。video_tokens integer輸入視頻(圖片列表形式或視頻檔案)的 Token 數。image_tokens integer輸入圖片的 Token 數。cached_tokens integer命中緩衝的 Token 數。Context Cache 詳情請參見上下文緩衝cache_creation object顯式緩衝建立資訊。
ephemeral_5m_input_tokens integer建立顯式緩衝的 Token 數。
cache_creation_input_tokens integer建立顯式緩衝的 Token 數。cache_type string緩衝類型,固定為ephemeral
{"id":"chatcmpl-e30f5ae7-3063-93c4-90fe-beb5f900bd57","choices":[{"delta":{"content":"","function_call":null,"refusal":null,"role":"assistant","tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1735113344,"model":"qwen3.8-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-e30f5ae7-3063-93c4-90fe-beb5f900bd57","choices":[{"delta":{"content":"我是","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1735113344,"model":"qwen3.8-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-e30f5ae7-3063-93c4-90fe-beb5f900bd57","choices":[{"delta":{"content":"來自","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1735113344,"model":"qwen3.8-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-e30f5ae7-3063-93c4-90fe-beb5f900bd57","choices":[{"delta":{"content":"阿里","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1735113344,"model":"qwen3.8-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-e30f5ae7-3063-93c4-90fe-beb5f900bd57","choices":[{"delta":{"content":"雲的超大規模","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1735113344,"model":"qwen3.8-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-e30f5ae7-3063-93c4-90fe-beb5f900bd57","choices":[{"delta":{"content":"語言模型,我","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1735113344,"model":"qwen3.8-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-e30f5ae7-3063-93c4-90fe-beb5f900bd57","choices":[{"delta":{"content":"叫千問千","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1735113344,"model":"qwen3.8-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-e30f5ae7-3063-93c4-90fe-beb5f900bd57","choices":[{"delta":{"content":"問。","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1735113344,"model":"qwen3.8-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-e30f5ae7-3063-93c4-90fe-beb5f900bd57","choices":[{"delta":{"content":"","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":"stop","index":0,"logprobs":null}],"created":1735113344,"model":"qwen3.8-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-e30f5ae7-3063-93c4-90fe-beb5f900bd57","choices":[],"created":1735113344,"model":"qwen3.8-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":{"completion_tokens":17,"prompt_tokens":22,"total_tokens":39,"completion_tokens_details":null,"prompt_tokens_details":{"audio_tokens":null,"cached_tokens":0}}}

錯誤碼

如果模型調用失敗並返回報錯資訊,請參見錯誤碼進行解決。