Справочник APIPOST /v1/responses

POST /v1/responses

Responses API от OpenAI в режиме без сохранения состояния. Его используют Codex и другие инструменты на основе Responses. Укажите в клиенте https://api.abliteratedllm.dev/v1.

Обозначения: $API_BASE — это https://api.abliteratedllm.dev/v1, $API_ORIGIN — https://api.abliteratedllm.dev, а $YOUR_KEY — ваш API-ключ.

Только без сохранения состояния

Мы не храним ответы, поэтому этот эндпоинт не сохраняет состояние разговора между запросами:

  • store всегда получает значение false. Запрос с "store": true всё равно выполняется успешно, просто ответ не сохраняется.
  • Запрос с previous_response_id, отличным от null, завершается ошибкой 400 stateless_only. Вместо этого отправляйте весь разговор в input.
  • Запрос с "background": true завершается ошибкой 400 stateless_only, потому что фоновый ответ пришлось бы хранить, чтобы вы могли его опрашивать. Отправляйте запрос без этого параметра, а если он выполняется долго, используйте потоковую передачу.
  • Эндпоинта для получения, просмотра списка или удаления прошлых ответов нет, потому что таких ответов не существует.

Запрос

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
  }'

Для разговора из нескольких реплик отправляйте предыдущие реплики как элементы-сообщения:

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." }
  ]
}

Параметры

Поля, которых нет в этом списке, передаются модели без изменений.

ПолеПримечания
modelОбязательное. Любой ID из GET /v1/models, сейчас это abliterated: glm-5.3-flash-abliterated или glm-5.3-cyber-abliterated; оригинальные: 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 или minimax-m3.
inputОбязательное. Строка или список элементов ввода. Текст на всех моделях, а также части input_image на моделях, которые принимают изображения (см. «Изображения» ниже). Аудио- и файловые части (input_audio, input_file) завершаются ошибкой 400 unsupported_content на всех моделях, как в сообщениях, так и в выводе инструментов (function_call_output). Контент с большим числом уровней вложенности завершается ошибкой 400 invalid_request.
instructionsСистемные инструкции.
max_output_tokensБюджет вывода. По умолчанию 16384. Снижается до максимального вывода модели (max_output_tokens в GET /v1/models), а на пробных аккаунтах до 4096.
reasoning.effortПередаётся как есть. "low", "medium" или "high". У glm-5.3-cyber-abliterated действуют только "low" и "high"; "medium" работает с максимальным объёмом рассуждений.
toolsИнструменты-функции и пользовательские инструменты ("type": "function" или "custom"), которые выполняет ваш клиент, а также группы инструментов-функций "type": "namespace", которые Codex отправляет для своих MCP-серверов. Namespace принимается, если каждый инструмент внутри него — функция. Возвращайте каждый результат в input следующего запроса вместе с элементом вызова от модели: function_call_output после function_call или custom_tool_call_output после custom_tool_call. Типы инструментов, выполняемых на сервере, например mcp, завершаются ошибкой 400 invalid_request.
text.formatСтруктурированный вывод: {"type": "json_schema", "name": ..., "schema": {...}, "strict": true} работает на всех моделях.
nТолько 1. Любое другое значение завершается ошибкой 400 invalid_request.
service_tierИгнорируется: запросы к этому эндпоинту всегда выполняются и тарифицируются на стандартном уровне, даже с "priority" (его Codex отправляет в быстром режиме). Приоритетный уровень доступен в POST /v1/chat/completions, POST /v1/messages и POST /v1/completions.
context_length_exceeded_behavior"truncate" (по умолчанию) или "error". См. «Длина контекста» ниже.
streamtrue для server-sent events. Без него ответ генерируется потоком на нашей стороне и возвращается одним объектом ответа после завершения, поэтому запрос, прерванный по лимиту времени или из-за отключения, оплачивается по выводу, сгенерированному к этому моменту. Ответ, который выполняется дольше 90 секунд, начинается с символов новой строки и может содержать ошибку в теле со статусом 200; см. Долгие запросы.
storeВсегда принудительно false.
previous_response_idНе поддерживается. Любое значение, отличное от null, возвращает 400 stateless_only.
backgroundНе поддерживается. true возвращает 400 stateless_only.
temperature, top_pПроверяются на допустимый диапазон: temperature от 0 до 2, top_p от 0 до 1. Значение вне диапазона завершается ошибкой 400 invalid_request до каких-либо списаний.
prompt_cache_keyПередаётся как есть, чтобы запросы сеанса попадали в прогретый кэш промптов.

Потоковая передача

С "stream": true вы получаете стандартные события Responses: сначала response.created, затем события response.output_text.delta (и response.function_call_arguments.delta для вызовов инструментов) и в конце response.completed. До первого события в потоке каждые 15 секунд идёт строка комментария SSE, : ping.

Данные об использовании токенов находятся в response.completed, в поле response.usage:

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

Изображения

На моделях, у которых input_modalities в GET /v1/models включает "image", контент сообщений может содержать части input_image. К ним относится glm-5.3-flash-abliterated, которая нативно принимает изображения. Поддержка изображений зависит от конкретной модели, а не от её варианта: glm-5.3-cyber-abliterated, тоже abliterated-модель, принимает только текст. image_url — это base64-URL data: или URL https:// (или http://), который модель скачивает; URL любого другого вида завершается ошибкой 400 unsupported_content. Поддерживаются изображения JPEG, PNG, GIF и WebP. На модели без "image" в input_modalities часть input_image завершается ошибкой 400 unsupported_content до каких-либо списаний.

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…" }
      ]
    }
  ]
}

Изображения не проверяются. Наша автоматическая проверка безопасности читает только текст запроса, поэтому изображения попадают к модели без проверки. Правила допустимого использования распространяются на всё, что вы отправляете, включая изображения. Как и остальная часть запроса, они никогда не сохраняются.

  • Ограничения по размеру те же, что и в POST /v1/chat/completions: изображения в base64 в сумме меньше 10 MB, изображения по URL меньше 5 MB, которые скачиваются примерно за 1,5 секунды, до 120 изображений на запрос и тело запроса меньше 16 MiB.
  • input_image с file_id завершается ошибкой 400 unsupported_content, потому что хранилища файлов, на которое можно было бы сослаться, нет.
  • Ввод видео доступен в POST /v1/chat/completions.
  • Изображения тарифицируются как входные токены и входят в input_tokens. Резервирование учитывает каждое изображение по оценке на основе размера в пикселях или по фиксированной норме, как описано на странице Лимиты запросов и пробный доступ.

Длина контекста

Промпт вместе с бюджетом вывода должен помещаться в контекстное окно модели (context_length в GET /v1/models). При значении по умолчанию "context_length_exceeded_behavior": "truncate" бюджет вывода уменьшается до места, оставшегося после промпта; при "error" такой запрос завершается ошибкой 400 invalid_request. Промпт, который сам по себе длиннее контекстного окна, всегда завершается ошибкой и никогда не обрезается.

Тарификация

input_tokens включает кэшированные токены, которые тарифицируются по цене кэшированного ввода:

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

Токены рассуждений считаются выходными токенами. Цены указаны за 1 млн токенов, а итоговая стоимость использования по запросу округляется вверх один раз, до $0.000001. См. GET /v1/models.

Ошибки

Ошибки возвращаются в формате OpenAI, {"error": {"type", "code", "message"}}. Коды перечислены на странице Ошибки.