APIリファレンスPOST /v1/responses

POST /v1/responses

ステートレスモードのOpenAI Responses APIです。CodexなどのResponsesベースのツールが使うAPIです。クライアントの接続先をhttps://api.abliteratedllm.dev/v1にしてください。

プレースホルダー:$API_BASEはhttps://api.abliteratedllm.dev/v1、$API_ORIGINはhttps://api.abliteratedllm.dev、$YOUR_KEYはAPIキーです。

ステートレスのみ

当社はレスポンスを保存しないため、このエンドポイントはリクエスト間で会話の状態を保持しません。

  • storeは常にfalseに設定されます。"store": trueを指定したリクエストも成功しますが、レスポンスは保存されません。
  • previous_response_idにnull以外の値を指定したリクエストは、400 stateless_onlyで失敗します。代わりに、会話全体をinputで送信してください。
  • "background": trueを指定したリクエストは、400 stateless_onlyで失敗します。バックグラウンドのレスポンスをポーリングできるようにするには、レスポンスを保存しておく必要があるためです。この指定を外してリクエストを送信し、時間がかかる場合はストリーミングを使ってください。
  • 過去のレスポンスを取得、一覧表示、削除するエンドポイントはありません。そもそも過去のレスポンスが存在しないためです。

リクエスト

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
  }'

複数ターンの会話では、以前のターンをメッセージアイテムとして送信します。

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." }
  ]
}

パラメーター

ここに記載のないフィールドは、そのままモデルに渡されます。

フィールド備考
model必須。GET /v1/modelsの任意のID。現在はabliterated: glm-5.3-flash-abliteratedまたはglm-5.3-cyber-abliterated; オリジナル: 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、またはminimax-m3です。
input必須。文字列、または入力アイテムのリスト。すべてのモデルでテキストを、画像に対応したモデルではinput_imageパートも受け付けます(後述の「画像」を参照)。音声とファイルのパート(input_audio、input_file)は、メッセージ内でもツールの出力(function_call_output)内でも、すべてのモデルで400 unsupported_contentで失敗します。何段階も深くネストされたコンテンツは、400 invalid_requestで失敗します。
instructionsシステム指示。
max_output_tokens出力予算。デフォルトは16384。モデルの最大出力(GET /v1/modelsのmax_output_tokens)まで、トライアルアカウントでは4096まで引き下げられます。
reasoning.effortそのまま渡されます。"low"、"medium"、"high"のいずれか。glm-5.3-cyber-abliteratedで効くのは"low"と"high"だけで、"medium"は最大の推論量で動作します。
toolsクライアントが実行する関数ツールとカスタムツール("type": "function"または"custom")、およびCodexがMCPサーバー用に送信する、関数ツールをまとめた"type": "namespace"グループ。ネームスペースは、中のツールがすべて関数ツールの場合に受け付けます。各結果は、モデルの呼び出しアイテムとともに次のリクエストのinputで返してください。function_callの後にfunction_call_outputを、custom_tool_callの後にcustom_tool_call_outputを置きます。mcpなど、サーバー側で実行するツールタイプは400 invalid_requestで失敗します。
text.format構造化出力。{"type": "json_schema", "name": ..., "schema": {...}, "strict": true}はすべてのモデルで使えます。
n1のみ。それ以外の値は400 invalid_requestで失敗します。
service_tier無視されます。このエンドポイントのリクエストは、"priority"(Codexが高速モードで送信します)を指定しても、常に標準ティアで実行・課金されます。優先ティアは、POST /v1/chat/completions、POST /v1/messages、POST /v1/completionsで使えます。
context_length_exceeded_behavior"truncate"(デフォルト)または"error"。後述の「コンテキスト長」を参照してください。
streamtrueでサーバー送信イベントを使います。指定しない場合も回答は当社側でストリームとして生成され、終了時に1つのレスポンスオブジェクトとして返されます。そのため、時間制限や切断で中断されたリクエストは、それまでに生成された出力に対して課金されます。90秒を過ぎても実行中のレスポンスは改行で始まり、200のボディでエラーを返すことがあります。長時間のリクエストを参照してください。
store常にfalseに強制されます。
previous_response_id非対応。null以外の値を指定すると、400 stateless_onlyが返されます。
background非対応。trueを指定すると、400 stateless_onlyが返されます。
temperature, top_p範囲がチェックされます。temperatureは0~2、top_pは0~1です。範囲外の値は、課金前に400 invalid_requestで失敗します。
prompt_cache_keyそのまま渡され、セッションのリクエストがウォーム状態のプロンプトキャッシュを使い続けられるようにします。

ストリーミング

"stream": trueを指定すると、Responsesの標準イベントを受け取ります。response.createdで始まり、response.output_text.deltaイベント(ツール呼び出しではresponse.function_call_arguments.deltaも)が続き、response.completedで終わります。最初のイベントまで、ストリームには15秒ごとにSSEのコメント行: pingが流れます。

トークンの使用量は、response.completedのresponse.usageに含まれます。

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

画像

GET /v1/modelsのinput_modalitiesに"image"が含まれるモデルでは、メッセージの内容にinput_imageパートを含められます。glm-5.3-flash-abliteratedもその1つで、画像をネイティブに受け付けます。画像への対応はモデルごとに決まり、モデルのバリアントで決まるわけではありません。たとえば、同じabliteratedモデルでもglm-5.3-cyber-abliteratedはテキストのみです。image_urlには、base64のdata: URLか、モデルがダウンロードするhttps://(またはhttp://)のURLを指定します。それ以外の種類のURLは400 unsupported_contentで失敗します。JPEG、PNG、GIF、WebPの画像を使えます。input_modalitiesに"image"がないモデルでは、input_imageパートは課金前に400 unsupported_contentで失敗します。

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…" }
      ]
    }
  ]
}

画像はスクリーニングされません。当社の自動安全性チェックはリクエストのテキストしか読まないため、画像はチェックされずにモデルに届きます。利用ポリシーは、画像を含め、送信するすべての内容に適用されます。リクエストのほかの部分と同様に、画像が保存されることはありません。

  • サイズの制限はPOST /v1/chat/completionsと同じです。base64画像は合計10 MB未満、画像URLは5 MB未満で約1.5秒以内にダウンロードできること、画像は1リクエストあたり最大120枚、リクエストボディは16 MiB未満です。
  • file_idを指定したinput_imageは、400 unsupported_contentで失敗します。参照できるファイルストレージがないためです。
  • 動画の入力はPOST /v1/chat/completionsで行えます。
  • 画像は入力トークンとして課金され、input_tokensに含まれます。仮押さえでは各画像を、ピクセルサイズからの推定値または固定の見積もり量で数えます。詳しくはレート制限とトライアルを参照してください。

コンテキスト長

プロンプトと出力予算の合計は、モデルのコンテキストウィンドウ(GET /v1/modelsのcontext_length)に収まる必要があります。デフォルトの"context_length_exceeded_behavior": "truncate"では、出力予算がプロンプトの残した余地まで引き下げられます。"error"の場合、そのようなリクエストは400 invalid_requestで失敗します。プロンプトだけでコンテキストウィンドウを超える場合は常に失敗し、切り詰められることはありません。

課金

input_tokensにはキャッシュ済みトークンが含まれ、キャッシュ済みトークンはキャッシュ入力価格で課金されます。

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

推論トークンは出力トークンとして数えます。価格は100万トークンあたりの額で、リクエストごとの最終的な利用コストの合計は、$0.000001単位で1回だけ切り上げられます。GET /v1/modelsを参照してください。

エラー

エラーはOpenAI形式{"error": {"type", "code", "message"}}を使います。コードはエラーページに記載しています。