对话与文本补全

Chat Completions 是推荐的文本生成接口，支持多轮消息、流式输出、工具调用、多模态输入以及结构化输出。旧版 Text Completions 仍保留兼容。

端点

方法	路径	说明
`POST`	`/v1/chat/completions`	OpenAI 兼容对话补全
`POST`	`/v1/completions`	旧版文本补全，使用 `prompt`

请求参数

字段	类型	必填	说明
`model`	string	是	模型 ID
`messages`	array	Chat 必填	对话消息。FIM 模型使用 `prefix` / `suffix` 时可不传
`prompt`	string 或 array	Completions 必填	旧版文本补全输入
`stream`	boolean	否	是否返回 SSE 流
`stream_options`	object	否	流式输出选项
`max_tokens`	integer	否	最大输出 token 数
`max_completion_tokens`	integer	否	新版最大输出 token 数
`temperature`、`top_p`、`top_k`	number	否	采样参数
`stop`	string 或 array	否	停止序列
`tools`、`tool_choice`	array/object	否	工具调用配置
`parallel_tool_calls`	boolean	否	是否允许并行工具调用
`response_format`	object	否	JSON object / JSON schema 等结构化输出配置
`reasoning_effort`	string	否	推理模型的推理力度
`modalities`、`audio`	object	否	多模态或音频相关模型参数
`metadata`	object	否	透传元数据
`store`、`service_tier`、`safety_identifier`	any	否	OpenAI 扩展字段，可能受渠道设置过滤

curl 示例

curl https://api.tensoraxis.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $TENSORAXIS_API_KEY" \
  -d '{
    "model": "gpt-4o",
    "messages": [
      {"role": "system", "content": "你是一个简洁的助手。"},
      {"role": "user", "content": "用一句话介绍 TENSORAXIS"}
    ],
    "temperature": 0.7
  }'

Python 示例

from openai import OpenAI

client = OpenAI(
    api_key="your-tensoraxis-api-key",
    base_url="https://api.tensoraxis.com/v1",
)

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "你好！"}],
)
print(response.choices[0].message.content)

TypeScript 示例

import OpenAI from 'openai'

const client = new OpenAI({
  apiKey: process.env.TENSORAXIS_API_KEY,
  baseURL: 'https://api.tensoraxis.com/v1',
})

const response = await client.chat.completions.create({
  model: 'gpt-4o',
  messages: [{ role: 'user', content: '你好！' }],
})
console.log(response.choices[0].message.content)

流式输出

{
  "model": "gpt-4o",
  "messages": [{"role": "user", "content": "写一个三行短诗"}],
  "stream": true
}

开启 stream 后，响应为 SSE。客户端需要按 data: 事件逐块读取，直到收到结束事件。

多模态输入

messages[].content 可以是字符串，也可以是内容数组。后端可识别 text、image_url、input_audio 等内容类型；具体是否生效取决于所选模型和上游渠道。