Referência da APIPOST /v1/responses

POST /v1/responses

A Responses API da OpenAI, no modo sem estado. É a API que o Codex e outras ferramentas baseadas em Responses usam. Aponte o cliente para https://api.abliteratedllm.dev/v1.

Marcadores: $API_BASE é https://api.abliteratedllm.dev/v1, $API_ORIGIN é https://api.abliteratedllm.dev e $YOUR_KEY é sua chave de API.

Somente sem estado

Não armazenamos respostas; então este endpoint não mantém estado de conversa entre requisições:

  • store é sempre definido como false. Uma requisição com "store": true ainda funciona; a resposta só não é armazenada.
  • Uma requisição com previous_response_id não nulo falha com 400 stateless_only. Em vez disso, envie a conversa inteira em input.
  • Uma requisição com "background": true falha com 400 stateless_only, porque uma resposta em segundo plano teria de ser armazenada para que você a consultasse. Envie a requisição sem ele, com streaming se ela demorar.
  • Não há endpoint para recuperar, listar ou excluir respostas anteriores, porque elas não existem.

Requisição

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 uma conversa com vários turnos, envie os turnos anteriores como itens de mensagem:

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." }
  ]
}

Parâmetros

Os campos não listados aqui são repassados ao modelo sem alterações.

CampoObservações
modelObrigatório. Qualquer ID de GET /v1/models, atualmente abliterated: glm-5.3-flash-abliterated ou glm-5.3-cyber-abliterated; originais: 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 ou minimax-m3.
inputObrigatório. Uma string ou uma lista de itens de entrada. Texto em todos os modelos, mais partes input_image nos modelos que aceitam imagens (veja Imagens abaixo). Partes de áudio e de arquivo (input_audio, input_file) falham com 400 unsupported_content em todos os modelos, tanto em mensagens quanto na saída de ferramentas (function_call_output). Conteúdo aninhado em muitos níveis falha com 400 invalid_request.
instructionsInstruções do sistema.
max_output_tokensOrçamento de saída. Padrão 16384. Reduzido à saída máxima do modelo (max_output_tokens em GET /v1/models) e a 4096 em contas de teste.
reasoning.effortRepassado. "low", "medium" ou "high". No glm-5.3-cyber-abliterated só "low" e "high" têm efeito; "medium" roda com o esforço máximo.
toolsFerramentas de função e personalizadas ("type": "function" ou "custom"), que seu cliente executa, e grupos "type": "namespace" de ferramentas de função, como os que o Codex envia para os servidores MCP dele. Um namespace é aceito quando todas as ferramentas dentro dele são ferramentas de função. Devolva cada resultado no input da próxima requisição junto com o item de chamada do modelo: um function_call_output depois do function_call, ou um custom_tool_call_output depois do custom_tool_call. Tipos de ferramenta executados no servidor, como mcp, falham com 400 invalid_request.
text.formatSaída estruturada: {"type": "json_schema", "name": ..., "schema": {...}, "strict": true} funciona em todos os modelos.
nApenas 1. Qualquer outro valor falha com 400 invalid_request.
service_tierIgnorado: as requisições neste endpoint sempre são executadas, e cobradas, no nível padrão, mesmo com "priority" (que o Codex envia no modo rápido dele). O nível prioritário está disponível em POST /v1/chat/completions, POST /v1/messages e POST /v1/completions.
context_length_exceeded_behavior"truncate" (o padrão) ou "error". Veja Tamanho do contexto abaixo.
streamtrue para server-sent events. Sem ele, a resposta é gerada como stream do nosso lado e devolvida como um único objeto de resposta quando termina; assim, uma requisição cortada pelo limite de tempo ou por uma desconexão é cobrada pela saída gerada até o momento. Uma resposta ainda em andamento após 90 segundos começa com quebras de linha e pode trazer um erro no corpo do 200; veja Requisições longas.
storeSempre forçado para false.
previous_response_idNão suportado. Qualquer valor não nulo retorna 400 stateless_only.
backgroundNão suportado. true retorna 400 stateless_only.
temperature, top_pCom verificação de intervalo: temperature de 0 a 2, top_p de 0 a 1. Um valor fora do intervalo falha com 400 invalid_request antes de qualquer cobrança.
prompt_cache_keyRepassado, para manter as requisições de uma sessão em um cache de prompts já aquecido.

Streaming

Com "stream": true, você recebe os eventos padrão da Responses API, começando com response.created, depois eventos response.output_text.delta (e response.function_call_arguments.delta para chamadas de ferramenta), e terminando com response.completed. Até o primeiro evento, o stream traz uma linha de comentário SSE, : ping, a cada 15 segundos.

O uso de tokens está em response.completed, dentro de response.usage:

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

Imagens

Nos modelos cujo input_modalities em GET /v1/models inclui "image", o conteúdo das mensagens pode levar partes input_image. Isso inclui glm-5.3-flash-abliterated, que aceita imagens nativamente. O suporte a imagens é definido por modelo, não pela variante do modelo: glm-5.3-cyber-abliterated, também abliterated, aceita só texto. image_url é uma URL data: em base64 ou uma URL https:// (ou http://) que o modelo baixa; qualquer outro tipo de URL falha com 400 unsupported_content. Imagens JPEG, PNG, GIF e WebP funcionam. Em um modelo sem "image" em input_modalities, uma parte input_image falha com 400 unsupported_content antes de qualquer cobrança.

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…" }
      ]
    }
  ]
}

Imagens não passam pela triagem. Nossa verificação de segurança automatizada lê apenas o texto de uma requisição; então as imagens chegam ao modelo sem verificação. A política de uso aceitável cobre tudo o que você envia, inclusive imagens. Como o resto da requisição, elas nunca são armazenadas.

  • Os limites de tamanho são os mesmos de POST /v1/chat/completions: imagens base64 abaixo de 10 MB no total, URLs de imagem abaixo de 5 MB que baixem em cerca de 1,5 segundo, até 120 imagens por requisição e um corpo de requisição abaixo de 16 MiB.
  • Um input_image com file_id falha com 400 unsupported_content, porque não há armazenamento de arquivos a que ele possa se referir.
  • A entrada de vídeo está em POST /v1/chat/completions.
  • Imagens são cobradas como tokens de entrada, incluídas em input_tokens. A reserva conta cada imagem por uma estimativa baseada no tamanho em pixels ou por um valor fixo, como descrito em Limites de requisições e teste grátis.

Tamanho do contexto

O prompt mais o orçamento de saída precisam caber na janela de contexto do modelo, context_length em GET /v1/models. Com o padrão "context_length_exceeded_behavior": "truncate", o orçamento de saída é reduzido ao espaço que o prompt deixa livre; com "error", essa requisição falha com 400 invalid_request. Um prompt que sozinho é maior que a janela de contexto sempre falha e nunca é cortado.

Cobrança

input_tokens inclui os tokens em cache, que são cobrados ao preço de entrada em cache:

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

Tokens de raciocínio contam como tokens de saída. Os preços são por 1 milhão de tokens, e o custo final combinado de uso por requisição é arredondado para cima uma única vez, com precisão de $0.000001. Veja GET /v1/models.

Erros

Os erros usam o formato da OpenAI, {"error": {"type", "code", "message"}}. Os códigos estão na página Erros.