POST /v1/messages
Anthropic Messages API。将 Anthropic SDK 以及 Claude Code 等工具的 Base URL 设为 https://api.abliteratedllm.dev 即可使用。它们会自行添加 /v1/messages,所以 Base URL 不要带 /v1。
占位符:
$API_BASE为https://api.abliteratedllm.dev/v1,$API_ORIGIN为https://api.abliteratedllm.dev,$YOUR_KEY为你的 API 密钥。
请求
curl $API_ORIGIN/v1/messages \
-H "x-api-key: $YOUR_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d '{
"model": "glm-5.3-flash-abliterated",
"max_tokens": 1024,
"system": "You are a gothic horror narrator.",
"messages": [{"role": "user", "content": "Describe the abandoned manor in one paragraph."}]
}'也可以用 Authorization: Bearer $YOUR_KEY 代替 x-api-key。anthropic-version 请求头可以发送,但不是必需的。
响应(节选):
{
"id": "…",
"type": "message",
"role": "assistant",
"content": [{ "type": "text", "text": "The manor leaned against the storm…" }],
"stop_reason": "end_turn",
"usage": {
"input_tokens": 29,
"cache_read_input_tokens": 0,
"cache_creation_input_tokens": 0,
"output_tokens": 187
}
}参数
未在此列出的字段会原样传给模型。
| 字段 | 说明 |
|---|---|
model | 必填。GET /v1/models 中的任意 ID,目前为 abliterated: glm-5.3-flash-abliterated或glm-5.3-cyber-abliterated; 原版: 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或minimax-m3。 |
max_tokens | 必填,与 Anthropic API 一致。缺少它的请求会以 400 invalid_request 失败。超过模型最大输出(GET /v1/models 中的 max_output_tokens)或在试用账户上超过 4096 的值会被降低,而不是被拒绝。 |
messages, system | 所有模型都支持文本;支持图像的模型还接受 messages 中的 image 块(见下文“图像”)。 |
thinking | 透传。见下文。 |
stream | true 表示使用服务器发送事件(SSE)。不设置时,答案在我们这边以流式生成,结束后作为一条消息返回,因此因时间限制或断开连接而中断的请求,会按截至当时已生成的输出计费。运行超过 90 秒仍未完成的响应会以换行符开头,并可能在其 200 响应体中携带错误;见长时间请求。 |
tools, tool_choice | 带 input_schema 的客户端工具,与 Anthropic API 相同。 |
output_format | 结构化输出:{"type": "json_schema", "schema": {...}} 让回复成为符合该 schema 的 JSON。 |
service_tier | "priority" 会让请求在模型的优先级档位上运行(如果该模型有),按模型的优先级价格计费(GET /v1/models 中的 pricing.priority)。在没有优先级档位的模型上会以 400 invalid_request 失败。其他任何值都会被忽略。该档位的说明见 POST /v1/chat/completions。 |
context_length_exceeded_behavior | 可选:"truncate" 会降低在提示词之后放不进上下文窗口的输出预算,"error" 会让这类请求以 400 invalid_request 失败。不设置时,预算会被降到能放下为止。 |
temperature, top_p, top_k, stop_sequences | 范围检查后透传:temperature 0 至 2,top_p 0 至 1,top_k 0 至 100,stop_sequences 为字符串数组(数量不限)。超出范围的值会在任何扣费之前以 400 invalid_request 失败。 |
思考
thinking 会被透传,因此常规的 Anthropic 写法都可使用:
{ "thinking": { "type": "enabled", "budget_tokens": 4096 }, "max_tokens": 8192 }budget_tokens必须至少为 1024,且小于max_tokens。当max_tokens被降低时(降到模型的最大输出、试用账户上降到 4096,或降到你的余额能覆盖的值),不再适配的budget_tokens会被降到max_tokens- 1;如果这会低于 1024,则关闭思考。- 模型按推理强度级别推理,而不是精确遵循 token 预算。1024 至 4999 的预算以低强度运行,5000 至 9999 以中强度运行,10000 及以上以高强度运行。
{"type": "disabled"}会关闭推理。- 在
glm-5.3-cyber-abliterated上无法关闭推理,且其聊天模板只遵循低强度和高强度:对应中强度的预算会以最高强度运行。 output_config.effort("low"、"medium"或"high")也可使用,两者同时设置时以它为准。
思考内容以 thinking 内容块的形式返回。思考 token 属于输出 token:它们计入 max_tokens,并按输出价格计费。
图像
在 GET /v1/models 中 input_modalities 包含 "image" 的模型上,用户消息可以携带 Anthropic image 块,来源可以是 base64 或 URL。glm-5.3-flash-abliterated 就属于这类模型,两种来源的原生图像都支持。图像支持取决于具体模型,而不是由模型的类型决定:同为 abliterated 模型的 glm-5.3-cyber-abliterated 只接受文本。在 input_modalities 不含 "image" 的模型上,image 块会在任何扣费之前以 400 unsupported_content 失败。
{
"role": "user",
"content": [
{ "type": "image", "source": { "type": "base64", "media_type": "image/jpeg", "data": "/9j/4AAQSkZJRg…" } },
{ "type": "text", "text": "What is in this picture?" }
]
}URL 来源的写法是 {"type": "url", "url": "https://example.com/photo.jpg"},使用由模型下载的 https://(或 http://)URL;其他任何类型的 URL 都会以 400 unsupported_content 失败。支持 JPEG、PNG、GIF 和 WebP 图像。
图像不经过筛查。我们的自动安全检查只读取请求中的文本,因此图像会不经检查直接到达模型。《可接受使用政策》涵盖你发送的一切内容,包括图像。与请求的其他部分一样,它们从不被存储。
- 大小限制与 POST /v1/chat/completions 相同:base64 图像合计小于 10 MB,图像 URL 指向的图像小于 5 MB 且能在约 1.5 秒内下载完成,每个请求最多 120 张图像,请求体小于 16 MiB。
- 文件来源(
"source": {"type": "file"})、document块和音频在所有模型上都会以 400unsupported_content失败。 - 此端点没有视频块。视频输入由 POST /v1/chat/completions 支持。
- 图像按输入 token 计费,计入
input_tokens。预扣会按像素尺寸估算或按固定额度计算每张图像,具体见速率限制与试用。
流式输出
设置 "stream": true 时,你会收到标准的事件序列:先是 message_start,然后每个块依次是 content_block_start、content_block_delta 和 content_block_stop,最后是 message_delta 和 message_stop。在首个事件到达之前,流中每 15 秒发送一行 SSE 注释 : ping,SSE 客户端会忽略它。
token 用量只在最后的 message_delta 事件中返回。message_start 中的 usage 始终为零,不要读取它。
event: message_delta
data: {"type":"message_delta","delta":{"stop_reason":"end_turn"},"usage":{"input_tokens":29,"cache_read_input_tokens":0,"output_tokens":187}}缓存读取计价
提示词缓存是自动的,不需要 cache_control 标记。从缓存读取的 token 会在 usage.cache_read_input_tokens 中报告,并按缓存输入价格计费。input_tokens 已将其排除,写入缓存不收费(cache_creation_input_tokens 始终为 0):
cost = input_tokens × input price
+ cache_read_input_tokens × cached-input price
+ output_tokens × output price价格以每百万 token 计,每个请求最终的合计用量费用只向上取整一次,精确到 $0.000001。使用 "service_tier": "priority" 时,以模型的优先级价格代替标准价格。当前价格见 GET /v1/models。
不支持的功能
- 只提供
POST /v1/messages。token 计数(/v1/messages/count_tokens)和消息批处理不可用。 - 由 Anthropic 代为运行的服务端工具(如网页搜索、网页抓取和代码执行)不可用。将它们定义为客户端工具,自行运行。
错误
此端点的错误使用 Anthropic 格式 {"type": "error", "error": {"type", "message"}},因此 Anthropic SDK 会抛出其常规的异常类。该格式没有 code 字段:你会得到 HTTP 状态码、error.type 和一条消息。错误页面列出了每种情况返回的状态码。运行超过 90 秒仍未完成的非流式请求已经发出状态码 200,因此此后的错误会改为出现在 200 响应体中;要检查是否有顶层 error 成员(见长时间请求)。