> ## Documentation Index
> Fetch the complete documentation index at: https://docs.sunra.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# Create a response
使用 OpenAI Responses API 格式建立串流或非串流回應。
## 認證
Bearer 令牌。在 Authorization 請求標頭中使用您的 API 金鑰作為 Bearer 令牌。
Format: `Bearer `
## 請求
此端點接受一個 JSON 物件。
用於生成回應的模型 ID。在 [sunra.ai/models](https://sunra.ai/models) 瀏覽可用模型。
回應請求的輸入。可以是字串或輸入項目的陣列。
輸入項目的類型。支援的值：`message`、`item_reference`。
訊息作者的角色。支援的值：`user`、`assistant`、`system`。
輸入訊息的內容。可以是字串或內容部分的陣列。
項目的 ID。對話歷史中的 `assistant` 訊息為必填。
項目的狀態。對話歷史中的 `assistant` 訊息為必填。
在模型上下文的第一個項目中插入系統（或開發者）訊息。與 `input` 一起使用時，指令會插入到輸入的開頭。
如果設為 `true`，將使用伺服器傳送事件（SSE）串流傳輸回應。
輸出令牌數的上限，包括可見輸出令牌和推理令牌。
取樣溫度，介於 0 到 2 之間。較高的值增加隨機性。
核取樣參數。作為溫度取樣的替代方案。
介於 -2.0 和 2.0 之間的數字。正值會根據新令牌在文本中的現有頻率進行懲罰。
介於 -2.0 和 2.0 之間的數字。正值會根據新令牌是否已出現在文本中進行懲罰。
模型可以呼叫的工具陣列。
工具的類型。支援的值：`function`、`web_search_preview`。
函式的名稱。當類型為 `function` 時為必填。
函式的描述。
定義函式參數的 JSON Schema 物件。
是否啟用嚴格的 schema 遵循。
控制工具選擇行為。支援的字串值：`none`、`auto`、`required`。也可以指定特定函式。
是否允許模型並行執行工具呼叫。
文字回應格式的配置。
文字格式配置。
格式類型。支援的值：`text`、`json_object`、`json_schema`。
回應格式的名稱。當類型為 `json_schema` 時為必填。
JSON schema。當類型為 `json_schema` 時為必填。
是否啟用嚴格的 schema 遵循。
推理輸出的配置。
限制推理的力度。支援的值：`low`、`medium`、`high`。
是否儲存生成的回應以供後續檢索。
可附加到回應的 16 組鍵值對。鍵為最多 64 個字元的字串。值為最多 512 個字元的字串。
代表您終端使用者的唯一識別碼。最多 128 個字元。
## 回應
成功的回應物件。
唯一回應識別碼。
物件類型。始終為 `response`。
回應建立時的 Unix 時間戳（以秒為單位）。
回應的狀態。可能的值：`completed`、`failed`、`in_progress`、`cancelled`。
用於生成回應的模型。
模型生成的內容項目陣列。
輸出項目的類型。例如 `message`。
輸出項目的唯一 ID。
角色。始終為 `assistant`。
訊息的狀態。例如 `completed`。
輸出訊息的內容。
內容類型。例如 `output_text`。
生成的文字內容。
內容的註解（例如來自網頁搜尋的引用）。
回應的令牌使用量統計。
輸入令牌數。
輸出令牌數。
令牌總數。
輸入令牌的明細。
快取令牌數。
輸出令牌的明細。
推理令牌數。
使用的取樣溫度。
使用的核取樣值。
使用的最大輸出令牌數設定。
如果生成失敗，則為錯誤物件。
```bash cURL theme={null}
curl -X POST https://api-llm.sunra.ai/v1/responses \
-H "Authorization: Bearer " \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-4o",
"input": [
{
"type": "message",
"role": "user",
"content": "Hello, how are you?"
}
]
}'
```
```python Python theme={null}
import requests
response = requests.post(
"https://api-llm.sunra.ai/v1/responses",
headers={
"Authorization": "Bearer ",
"Content-Type": "application/json"
},
json={
"model": "openai/gpt-4o",
"input": [
{
"type": "message",
"role": "user",
"content": "Hello, how are you?"
}
]
}
)
print(response.json())
```
```javascript JavaScript theme={null}
const response = await fetch("https://api-llm.sunra.ai/v1/responses", {
method: "POST",
headers: {
"Authorization": "Bearer ",
"Content-Type": "application/json"
},
body: JSON.stringify({
model: "openai/gpt-4o",
input: [
{
type: "message",
role: "user",
content: "Hello, how are you?"
}
]
})
});
const data = await response.json();
console.log(data);
```
```json 200 theme={null}
{
"id": "resp-abc123",
"object": "response",
"created_at": 1704067200,
"status": "completed",
"model": "openai/gpt-4o",
"output": [
{
"type": "message",
"id": "msg_abc123",
"role": "assistant",
"status": "completed",
"content": [
{
"type": "output_text",
"text": "Hello! I'm doing well, thank you for asking. How can I help you today?",
"annotations": []
}
]
}
],
"temperature": 1.0,
"top_p": 1.0,
"max_output_tokens": null,
"usage": {
"input_tokens": 15,
"output_tokens": 18,
"total_tokens": 33,
"input_tokens_details": {
"cached_tokens": 0
},
"output_tokens_details": {
"reasoning_tokens": 0
}
},
"error": null
}
```