API 레퍼런스POST /v1/responses

POST /v1/responses

무상태 모드의 OpenAI Responses API입니다. Codex를 비롯해 Responses 기반 도구가 이 API를 사용합니다. 클라이언트가 https://api.abliteratedllm.dev/v1 주소를 가리키도록 설정하세요.

자리 표시자: $API_BASE는 https://api.abliteratedllm.dev/v1, $API_ORIGIN은 https://api.abliteratedllm.dev, $YOUR_KEY는 발급받은 API 키입니다.

무상태 전용

응답을 저장하지 않으므로 이 엔드포인트는 요청 간에 대화 상태를 유지하지 않습니다.

  • store 값은 항상 false로 설정됩니다. "store": true를 보낸 요청도 성공하지만 응답이 저장되지 않을 뿐입니다.
  • previous_response_id 값이 null이 아닌 요청은 400 stateless_only 오류로 실패합니다. 대신 전체 대화를 input에 담아 보내세요.
  • "background": true를 보낸 요청은 400 stateless_only 오류로 실패합니다. 백그라운드 응답을 폴링하려면 응답을 저장해야 하기 때문입니다. 이 값 없이 요청을 보내고, 오래 걸리는 작업이라면 스트리밍을 사용하세요.
  • 지난 응답을 조회, 나열, 삭제하는 엔드포인트는 없습니다. 저장된 응답 자체가 없기 때문입니다.

요청

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
  }'

멀티턴 대화에서는 이전 턴을 메시지 항목으로 보내세요.

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." }
  ]
}

매개변수

여기 없는 필드는 그대로 모델에 전달됩니다.

필드설명
model필수. GET /v1/models의 모든 ID를 사용할 수 있으며, 현재는 abliterated: glm-5.3-flash-abliterated 또는 glm-5.3-cyber-abliterated; 원본 모델: 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 또는 minimax-m3입니다.
input필수. 문자열 또는 입력 항목 목록. 모든 모델에서 텍스트를 지원하며, 이미지를 지원하는 모델에서는 input_image 부분도 넣을 수 있습니다(아래 이미지 참고). 오디오 및 파일 부분(input_audio, input_file)은 메시지와 도구 출력(function_call_output)을 가리지 않고 모든 모델에서 400 unsupported_content 오류로 실패합니다. 여러 단계로 깊게 중첩된 콘텐츠는 400 invalid_request 오류로 실패합니다.
instructions시스템 지침.
max_output_tokens출력 예산. 기본값 16384. 모델의 최대 출력(GET /v1/models의 max_output_tokens)으로 낮춰지며, 체험 계정에서는 4096으로 낮춰집니다.
reasoning.effort그대로 전달됩니다. "low", "medium", "high". glm-5.3-cyber-abliterated에서는 "low"와 "high"만 적용되며, "medium"은 최대 추론량으로 실행됩니다.
tools클라이언트가 실행하는 함수 도구와 사용자 정의 도구("type": "function" 또는 "custom"), 그리고 Codex가 MCP 서버용으로 보내는 함수 도구 그룹인 "type": "namespace". 네임스페이스는 그 안의 모든 도구가 함수 도구일 때 허용됩니다. 각 결과는 다음 요청의 input에 모델의 호출 항목과 함께 반환하세요. function_call 뒤에는 function_call_output을, custom_tool_call 뒤에는 custom_tool_call_output을 넣습니다. mcp처럼 서버에서 실행하는 도구 유형은 400 invalid_request 오류로 실패합니다.
text.format구조화된 출력: {"type": "json_schema", "name": ..., "schema": {...}, "strict": true} 형식은 모든 모델에서 동작합니다.
n1만 허용됩니다. 다른 값은 400 invalid_request 오류로 실패합니다.
service_tier무시됩니다. 이 엔드포인트의 요청은 "priority"(Codex가 빠른 모드에서 보내는 값)를 보내더라도 항상 일반 등급으로 실행되고 과금됩니다. 우선 처리 등급은 POST /v1/chat/completions, POST /v1/messages, POST /v1/completions에서 사용할 수 있습니다.
context_length_exceeded_behavior"truncate"(기본값) 또는 "error". 아래 컨텍스트 길이를 참고하세요.
streamtrue로 설정하면 서버 전송 이벤트(SSE)로 받습니다. 설정하지 않으면 당사 측에서 스트림으로 답변을 생성한 뒤 끝나면 하나의 응답 객체로 반환하므로, 시간 제한이나 연결 끊김으로 중단된 요청은 그때까지 생성된 출력에 대해 과금됩니다. 90초가 지나도 실행 중인 응답은 줄바꿈으로 시작하며 200 본문에 오류를 담을 수 있습니다. 긴 요청을 참고하세요.
store항상 false로 강제 설정됩니다.
previous_response_id지원하지 않습니다. null이 아닌 값을 보내면 400 stateless_only 오류가 반환됩니다.
background지원하지 않습니다. true를 보내면 400 stateless_only 오류가 반환됩니다.
temperature, top_p범위 검사: temperature는 0~2, top_p는 0~1. 범위를 벗어난 값은 비용이 청구되기 전에 400 invalid_request 오류로 실패합니다.
prompt_cache_key그대로 전달되어, 세션의 요청이 계속 프롬프트 캐시가 유지된 상태에서 처리되도록 합니다.

스트리밍

"stream": true를 지정하면 표준 Responses 이벤트를 받습니다. response.created로 시작해 response.output_text.delta 이벤트(도구 호출의 경우 response.function_call_arguments.delta)가 이어지고, response.completed로 끝납니다. 첫 이벤트 전까지 스트림에는 15초마다 SSE 주석 줄 : ping이 전송됩니다.

토큰 사용량은 response.completed의 response.usage에 있습니다.

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

이미지

GET /v1/models의 input_modalities에 "image"가 포함된 모델에서는 메시지 콘텐츠에 input_image 부분을 넣을 수 있습니다. 네이티브 이미지를 받는 glm-5.3-flash-abliterated도 여기에 해당합니다. 이미지 지원 여부는 모델 유형(variant)이 아니라 모델별로 정해집니다. 예를 들어 같은 abliterated 모델인 glm-5.3-cyber-abliterated는 텍스트만 받습니다. image_url 값은 base64 data: URL이거나 모델이 내려받는 https://(또는 http://) URL입니다. 그 밖의 URL은 400 unsupported_content 오류로 실패합니다. JPEG, PNG, GIF, WebP 이미지를 지원합니다. input_modalities에 "image"가 없는 모델에서는 input_image 부분이 비용 청구 전에 400 unsupported_content 오류로 실패합니다.

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…" }
      ]
    }
  ]
}

이미지는 검사하지 않습니다. 자동 안전 검사는 요청의 텍스트만 읽으므로 이미지는 검사 없이 모델에 전달됩니다. 이용 정책은 이미지를 포함해 보내는 모든 내용에 적용됩니다. 요청의 나머지 부분과 마찬가지로 이미지도 저장되지 않습니다.

  • 크기 제한은 POST /v1/chat/completions 문서와 같습니다. base64 이미지는 합계 10 MB 미만, 이미지 URL은 5 MB 미만이면서 약 1.5초 안에 내려받을 수 있어야 하고, 요청당 이미지는 최대 120개, 요청 본문은 16 MiB 미만입니다.
  • file_id를 사용하는 input_image는 참조할 파일 저장소가 없으므로 400 unsupported_content 오류로 실패합니다.
  • 동영상 입력은 POST /v1/chat/completions에서 지원합니다.
  • 이미지는 입력 토큰으로 과금되며 input_tokens에 포함됩니다. 임시 차감에서는 각 이미지를 픽셀 크기에 따른 추정치나 고정 할당량으로 계산하며, 자세한 내용은 속도 제한 및 체험에 나와 있습니다.

컨텍스트 길이

프롬프트와 출력 예산의 합은 모델의 컨텍스트 윈도우(GET /v1/models의 context_length)에 들어가야 합니다. 기본값인 "context_length_exceeded_behavior": "truncate"에서는 출력 예산이 프롬프트를 넣고 남은 공간만큼으로 줄어들고, "error"를 지정하면 그런 요청은 400 invalid_request 오류로 실패합니다. 프롬프트만으로 컨텍스트 윈도우보다 길면 항상 실패하며, 프롬프트가 잘리는 일은 없습니다.

과금

input_tokens에는 캐시된 토큰이 포함되며, 캐시된 토큰은 캐시 입력 가격으로 과금됩니다.

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

추론 토큰은 출력 토큰으로 계산됩니다. 가격은 100만 토큰당 가격이며, 요청별 최종 사용 비용 합계는 $0.000001 단위로 한 번 올림합니다. GET /v1/models 문서를 참고하세요.

오류

오류는 OpenAI 형식({"error": {"type", "code", "message"}})을 사용합니다. 오류 코드는 오류 페이지에 있습니다.