Referencia de la APIPOST /v1/responses

POST /v1/responses

La API Responses de OpenAI, en modo sin estado. Es la que usan Codex y otras herramientas basadas en Responses. Apunta el cliente a https://api.abliteratedllm.dev/v1.

Marcadores de posición: $API_BASE es https://api.abliteratedllm.dev/v1, $API_ORIGIN es https://api.abliteratedllm.dev y $YOUR_KEY es tu clave de API.

Solo sin estado

No guardamos respuestas, así que este endpoint no conserva el estado de la conversación entre solicitudes:

  • store siempre se establece en false. Una solicitud con "store": true igual funciona; simplemente, la respuesta no se guarda.
  • Una solicitud con un previous_response_id no nulo falla con 400 stateless_only. En su lugar, envía la conversación completa en input.
  • Una solicitud con "background": true falla con 400 stateless_only, porque una respuesta en segundo plano tendría que guardarse para que pudieras consultarla. Envía la solicitud sin ese campo, con streaming si tarda mucho.
  • No hay ningún endpoint para recuperar, listar o eliminar respuestas anteriores, porque no existen.

Solicitud

bash
curl $API_BASE/responses \
  -H "Authorization: Bearer $YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3-flash-abliterated",
    "instructions": "You are a concise assistant.",
    "input": "Explain what a context window is in two sentences.",
    "reasoning": {"effort": "low"},
    "max_output_tokens": 2048
  }'

Para una conversación de varios turnos, envía los turnos anteriores como elementos de mensaje:

json
{
  "model": "glm-5.3-flash-abliterated",
  "input": [
    { "role": "user", "content": "Name a prime number." },
    { "role": "assistant", "content": "7" },
    { "role": "user", "content": "Now a larger one." }
  ]
}

Parámetros

Los campos que no aparecen aquí se pasan al modelo sin cambios.

CampoNotas
modelObligatorio. Cualquier ID de GET /v1/models; actualmente, abliterated: glm-5.3-flash-abliterated o glm-5.3-cyber-abliterated; originales: deepseek-v4.1-flash-1017, deepseek-v4.1-flash-1017-ultrafast, deepseek-v4.1-flash-original, glm-5.3-flash, glm-5.3, glm-5.3-fast, kimi-k3, kimi-k3.1-pro, kimi-k3-fast, ember-1, muse-spark-open, qwen3.8-max, qwen3.8-2.4t-a95b o minimax-m3.
inputObligatorio. Una cadena o una lista de elementos de entrada. Texto en todos los modelos, más partes input_image en los modelos que aceptan imágenes (consulta Imágenes más abajo). Las partes de audio y de archivo (input_audio, input_file) fallan con 400 unsupported_content en todos los modelos, tanto en los mensajes como en la salida de herramientas (function_call_output). El contenido anidado en muchos niveles falla con 400 invalid_request.
instructionsInstrucciones del sistema.
max_output_tokensPresupuesto de salida. Valor predeterminado: 16384. Se reduce a la salida máxima del modelo (max_output_tokens en GET /v1/models) y a 4096 en cuentas de prueba.
reasoning.effortSe reenvía sin cambios. "low", "medium" o "high". En glm-5.3-cyber-abliterated solo funcionan "low" y "high"; "medium" se ejecuta con el esfuerzo máximo.
toolsHerramientas de función y personalizadas ("type": "function" o "custom"), que ejecuta tu cliente, y grupos de herramientas de función con "type": "namespace", como los que envía Codex para sus servidores MCP. Un namespace se acepta si todas las herramientas que contiene son herramientas de función. Devuelve cada resultado en el input de la siguiente solicitud junto con el elemento de llamada del modelo: un function_call_output después del function_call, o un custom_tool_call_output después del custom_tool_call. Los tipos de herramientas que se ejecutan en el servidor, como mcp, fallan con 400 invalid_request.
text.formatSalida estructurada: {"type": "json_schema", "name": ..., "schema": {...}, "strict": true} funciona en todos los modelos.
nSolo 1. Cualquier otro valor falla con 400 invalid_request.
service_tierSe ignora: las solicitudes a este endpoint siempre se ejecutan, y se cobran, en el nivel estándar, incluso con "priority" (que Codex envía en su modo rápido). El nivel prioritario está disponible en POST /v1/chat/completions, POST /v1/messages y POST /v1/completions.
context_length_exceeded_behavior"truncate" (el valor predeterminado) o "error". Consulta Longitud de contexto más abajo.
streamtrue para server-sent events. Sin él, la respuesta se genera como stream de nuestro lado y se devuelve como un único objeto de respuesta cuando termina, así que una solicitud cortada por el límite de tiempo o por una desconexión se cobra por la salida generada hasta ese momento. Una respuesta que sigue en curso a los 90 segundos empieza con saltos de línea y puede llevar un error en su cuerpo 200; consulta Solicitudes largas.
storeSiempre se fuerza a false.
previous_response_idNo se admite. Cualquier valor no nulo devuelve 400 stateless_only.
backgroundNo se admite. true devuelve 400 stateless_only.
temperature, top_pCon verificación de rango: temperature de 0 a 2, top_p de 0 a 1. Un valor fuera de su rango falla con 400 invalid_request antes de cobrar nada.
prompt_cache_keySe reenvía sin cambios, para mantener las solicitudes de una sesión en una caché de prompts ya cargada.

Streaming

Con "stream": true recibes los eventos estándar de Responses: primero response.created, luego eventos response.output_text.delta (y response.function_call_arguments.delta para las llamadas a herramientas) y, al final, response.completed. Hasta el primer evento, el stream envía una línea de comentario SSE, : ping, cada 15 segundos.

El uso de tokens está en response.completed, dentro de response.usage:

json
{
  "input_tokens": 41,
  "input_tokens_details": { "cached_tokens": 0 },
  "output_tokens": 96
}

Imágenes

En los modelos cuyo input_modalities en GET /v1/models incluye "image", el contenido de los mensajes puede llevar partes input_image. Esto incluye glm-5.3-flash-abliterated, que acepta imágenes de forma nativa. La compatibilidad con imágenes depende de cada modelo, no de su variante: glm-5.3-cyber-abliterated, también abliterated, solo acepta texto. image_url es una URL data: en base64 o una URL https:// (o http://) que el modelo descarga; cualquier otro tipo de URL falla con 400 unsupported_content. Funcionan las imágenes JPEG, PNG, GIF y WebP. En un modelo sin "image" en input_modalities, una parte input_image falla con 400 unsupported_content antes de cobrar nada.

json
{
  "model": "glm-5.3-flash-abliterated",
  "input": [
    {
      "role": "user",
      "content": [
        { "type": "input_text", "text": "What is in this picture?" },
        { "type": "input_image", "image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRg…" }
      ]
    }
  ]
}

Las imágenes no se filtran. Nuestro control de seguridad automático solo lee el texto de una solicitud, así que las imágenes llegan al modelo sin verificarse. La política de uso aceptable cubre todo lo que envías, incluidas las imágenes. Como el resto de la solicitud, nunca se guardan.

  • Los límites de tamaño son los mismos que en POST /v1/chat/completions: imágenes en base64 de menos de 10 MB en total, URL de imágenes de menos de 5 MB que se descarguen en aproximadamente 1.5 segundos, hasta 120 imágenes por solicitud y un cuerpo de solicitud de menos de 16 MiB.
  • Un input_image con un file_id falla con 400 unsupported_content, porque no hay almacenamiento de archivos al que hacer referencia.
  • La entrada de video está en POST /v1/chat/completions.
  • Las imágenes se cobran como tokens de entrada, incluidos en input_tokens. La retención cuenta cada imagen según una estimación a partir de su tamaño en píxeles o una cantidad fija, como se describe en Límites de frecuencia y prueba gratis.

Longitud de contexto

El prompt más el presupuesto de salida deben caber en la ventana de contexto del modelo, context_length en GET /v1/models. Con el valor predeterminado "context_length_exceeded_behavior": "truncate", el presupuesto de salida se reduce al espacio que deja el prompt; con "error", esa solicitud falla con 400 invalid_request. Un prompt que por sí solo supera la ventana de contexto siempre falla y nunca se recorta.

Facturación

input_tokens incluye los tokens en caché, que se cobran al precio de entrada en caché:

text
cost = (input_tokens - cached_tokens) × input price
     + cached_tokens × cached-input price
     + output_tokens × output price

Los tokens de razonamiento cuentan como tokens de salida. Los precios son por millón de tokens, y el costo final combinado del uso de cada solicitud se redondea hacia arriba una sola vez a $0.000001. Consulta GET /v1/models.

Errores

Los errores usan el formato de OpenAI, {"error": {"type", "code", "message"}}. Los códigos están en la página Errores.