/v1/chat/completions区分聊天识图与生图，选择已提供的图像调用入口。
普通 GPT Chat 的 image_url 表示输入图片并返回分析文字；不是图片编辑接口。历史 gpt-4o-image-vip 等命名不能当作 OpenAI 官方 Chat 模型的生图承诺。
需要文生图、图片编辑、蒙版或多图输入，使用 GPT Image 接入概览。需要 Gemini 图像模型的 Chat 兼容形式，使用 Gemini Image Chat 调用。
生图结果可能是 Base64、链接或兼容文字，必须按相应协议保存，不从任意聊天文字提取一个 URL 就认定生成完成。
先选生图模型和动作，再按对应文档重建请求体。不要继续发送普通 GPT Chat 请求并要求返回 PNG；也不要将聊天 response ID 当作图像任务 ID。只需要读图时使用 图片理解。
参考：OpenAI 公共 API 规范。
适合已经依赖 Chat Completions 的客户端和模型。新建 OpenAI 集成时优先确认模型支持 Responses API，再决定是否使用此兼容协议。
/v1/chat/completionsBodyobjectmodelstring必填要使用的模型的 ID。有关哪些模型可与聊天 API 一起使用的详细信息,请参阅模型端点兼容性表。
messagesarray<object>必填至今为止对话所包含的消息列表。Python 代码示例。
元素objectrolestringcontentstringtemperatureinteger使用什么采样温度，介于 0 和 2 之间。较高的值（如 0.8）将使输出更加随机，而较低的值（如 0.2）将使输出更加集中和确定。 我们通常建议改变这个或`top_p`但不是两者。
top_pinteger一种替代温度采样的方法，称为核采样，其中模型考虑具有 top_p 概率质量的标记的结果。所以 0.1 意味着只考虑构成前 10% 概率质量的标记。 我们通常建议改变这个或`temperature`但不是两者。
ninteger默认为 1 为每个输入消息生成多少个聊天补全选择。
streamboolean默认为 false 如果设置,则像在 ChatGPT 中一样会发送部分消息增量。标记将以仅数据的服务器发送事件的形式发送,这些事件在可用时,并在 data: [DONE] 消息终止流。Python 代码示例。
stopstring默认为 null 最多 4 个序列,API 将停止进一步生成标记。
max_tokensinteger默认为 inf 在聊天补全中生成的最大标记数。 输入标记和生成标记的总长度受模型的上下文长度限制。计算标记的 Python 代码示例。
presence_penaltynumber-2.0 和 2.0 之间的数字。正值会根据到目前为止是否出现在文本中来惩罚新标记，从而增加模型谈论新主题的可能性。 [查看有关频率和存在惩罚的更多信息。](https://platform.openai.com/docs/api-reference/parameter-details)
frequency_penaltynumber默认为 0 -2.0 到 2.0 之间的数字。正值根据文本目前的存在频率惩罚新标记,降低模型重复相同行的可能性。 有关频率和存在惩罚的更多信息。
logit_biasnull修改指定标记出现在补全中的可能性。 接受一个 JSON 对象,该对象将标记(由标记器指定的标记 ID)映射到相关的偏差值(-100 到 100)。从数学上讲,偏差在对模型进行采样之前添加到模型生成的 logit 中。确切效果因模型而异,但-1 和 1 之间的值应减少或增加相关标记的选择可能性;如-100 或 100 这样的值应导致相关标记的禁用或独占选择。
userstring代表您的最终用户的唯一标识符，可以帮助 OpenAI 监控和检测滥用行为。[了解更多](https://platform.openai.com/docs/guides/safety-best-practices/end-user-ids)。
response_formatobject指定模型必须输出的格式的对象。 将 { "type": "json_object" } 启用 JSON 模式,这可以确保模型生成的消息是有效的 JSON。 重要提示:使用 JSON 模式时,还必须通过系统或用户消息指示模型生成 JSON。如果不这样做,模型可能会生成无休止的空白流,直到生成达到令牌限制,从而导致延迟增加和请求“卡住”的外观。另请注意,如果 finish_reason="length",则消息内容可能会被部分切断,这表示生成超过了 max_tokens 或对话超过了最大上下文长度。 显示属性
seeninteger此功能处于测试阶段。如果指定,我们的系统将尽最大努力确定性地进行采样,以便使用相同的种子和参数进行重复请求应返回相同的结果。不能保证确定性,您应该参考 system_fingerprint 响应参数来监控后端的更改。
toolsarray<string>必填模型可以调用的一组工具列表。目前,只支持作为工具的函数。使用此功能来提供模型可以为之生成 JSON 输入的函数列表。
元素stringtool_choiceobject必填控制模型调用哪个函数(如果有的话)。none 表示模型不会调用函数,而是生成消息。auto 表示模型可以在生成消息和调用函数之间进行选择。通过 {"type": "function", "function": {"name": "my_function"}} 强制模型调用该函数。 如果没有函数存在,默认为 none。如果有函数存在,默认为 auto。 显示可能的类型
| 参数 | 位置 | 类型 | 必填 | 说明 | 示例 |
|---|---|---|---|---|---|
Content-Type | Header | string | 是 | - | application/json |
Accept | Header | string | 是 | - | application/json |
Authorization | Header | string | 是 | 必填。使用青云TOP API 的 API Key，保留 Bearer 后的空格。 | Bearer YOUR_API_KEY |
200响应 200objectidstring必填objectstring必填createdinteger必填choicesarray<object>必填元素objectindexintegermessageobjectrolestring必填contentstring必填finish_reasonstringusageobject必填prompt_tokensinteger必填completion_tokensinteger必填total_tokensinteger必填适合已经依赖 Chat Completions 的客户端和模型。新建 OpenAI 集成时优先确认模型支持 Responses API，再决定是否使用此兼容协议。