OpenAI 兼容 API

Chat Completions

端点为 POST /v1/chat/completions，语义与 OpenAI 官方一致。鉴权使用 Authorization: Bearer <API Key>。

from openai import OpenAI

client = OpenAI(
    base_url="https://api.goodputai.cn/v1",
    api_key="你的 GoodPut API Key",
)

resp = client.chat.completions.create(
    model="deepseek/deepseek-v4-pro",
    messages=[{"role": "user", "content": "你好"}],
)

支持的参数

参数	说明
`model`	必填，模型库中的模型 ID
`messages`	必填，支持 `system` / `user` / `assistant` / `tool` 角色
`stream` / `stream_options`	流式输出，见流式输出
`tools` / `tool_choice`	工具调用，见工具调用
`response_format`	结构化输出，见结构化输出
`max_tokens` / `max_completion_tokens`	输出上限（含推理 token）
`temperature` / `top_p` / `stop`	采样与停止控制
`fallbacks`	平台扩展：备用模型列表，见平台概念

上游模型不支持的参数会被网关安全忽略，不会导致请求失败。

响应结构

与 OpenAI 一致。推理模型会额外返回思考过程与 token 细分：

{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": "ok",
      "reasoning_content": "用户要求只回复 ok……"
    }
  }],
  "usage": {
    "prompt_tokens": 17,
    "completion_tokens": 25,
    "total_tokens": 42,
    "completion_tokens_details": {"reasoning_tokens": 22, "text_tokens": 3},
    "prompt_tokens_details": {"cached_tokens": 0}
  }
}

message.reasoning_content：推理模型的思考过程（详见推理模型）
usage.completion_tokens_details.reasoning_tokens：推理 token 数，计入输出计费
usage.prompt_tokens_details.cached_tokens：缓存命中 token 数，按缓存读取价计费（详见提示词缓存）

Responses API

端点为 POST /v1/responses，兼容 OpenAI Responses 协议，平台全部模型可用：

resp = client.responses.create(
    model="z-ai/glm-5.2",
    input="用一句话介绍你自己",
)
print(resp.output_text)

推理模型的思考过程会以 type: "reasoning" 的 output 项返回（流式为 reasoning_summary_text.delta 事件）。max_output_tokens 包含思考 token——推理模型建议设 512 以上，过小会导致 status: "incomplete" 且正文为空。

其他端点

端点	说明
`GET /v1/models`	当前 Key 可用的模型列表
`POST /v1/completions`	传统文本补全（兼容保留，新集成请用 Chat Completions）
`POST /v1/videos`	提交视频生成任务（异步），见视频生成
`GET /v1/videos/{video_id}`	查询视频任务状态
`GET /v1/videos/{video_id}/content`	下载生成的视频

注意事项

模型不存在或未开通时返回 404（code: model_not_found），见错误码与限流
单请求默认超时 300 秒起，长任务建议开启流式