跳到主要内容

OpenAI 接口规范

支持两种 OpenAI 协议：经典的 Chat Completions（/v1/chat/completions）和新版 Responses（/v1/responses）。可直接使用 openai 官方 SDK，只需替换 Base URL 和 API Key。

项目值
Base URLhttps://api.taiha.cn/v1
API Key在控制台创建
Model ID在模型广场查看

鉴权方式：所有协议统一使用 Authorization: Bearer <API Key> 请求头。设置 "stream": true 可启用 SSE 流式输出。

文本生成模型根据自然语言提示词（Prompt）生成连贯、上下文相关的文本，支持聊天机器人、内容创作、文档摘要和代码生成等场景。 文本生成模型所需的输入可以是简单的关键词、一句话概述或更复杂的多步骤指令和上下文信息。常见应用场景：

  • 内容创作：生成新闻文章、商品介绍及短视频脚本。
  • 客户服务：构建全天候自动应答的聊天机器人，解答常见问题。
  • 文本翻译：支持多语言之间的快速精准翻译。
  • 摘要提炼：从长文、报告及邮件中提取关键信息。
  • 法律文档编写：生成合同模板、法律意见书的基础框架。

基础对话​

POST /v1/chat/completions
curl -X POST 'https://api.taiha.cn/v1/chat/completions' \
-H 'Content-Type: application/json' \
-H 'Authorization: Bearer <API Key>' \
-d '{
    "model": "<Model ID>",
    "messages": [{
        "role": "user",
        "content": "hello"
    }]
}'

多模态对话​

curl -X POST 'https://api.taiha.cn/v1/chat/completions' \
-H 'Content-Type: application/json' \
-H 'Authorization: Bearer <API Key>' \
-d '{
    "model": "<Model ID>",
    "messages": [{
        "role": "user",
        "content": [{
            "type":"image_url",
            "image_url": {
                "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20250925/thtclx/input1.png"
            }
        }, {
            "type": "video",
            "video": {[
                "https://img.alicdn.com/imgextra/i3/O1CN01K3SgGo1eqmlUgeE9b_!!6000000003923-0-tps-3840-2160.jpg",
                "https://img.alicdn.com/imgextra/i4/O1CN01BjZvwg1Y23CF5qIRB_!!6000000003000-0-tps-3840-2160.jpg",   
            ]}
        }, {
            "type": "text",
            "text": "这是什么"
        }]
    }]
}'

新版基础请求（Responses API）​

POST /v1/responses
curl -X POST 'https://api.taiha.cn/v1/responses' \
-H 'Authorization: Bearer <API Key>' \
-H 'Content-Type: application/json' \
-d '{
    "model": "<Model ID>",
    "input": [{
        "role": "user",
        "input": “hello”
     }]
}'

常用参数​

model 　string　必填　|　模型ID

  • 模型ID，请按照模型广场中模型所示名称填写，区分大小写。
  • 您也可以通过请求端点models来获得所有可请求的模型列表。

messages 　array 　必填　|　对话历史

对话历史，见下方格式说明

role 　string　选填　|　角色

  • 可选：system 系统指令（人设、背景）
  • 必填：user 用户指令

assistant　string　可选　|　对话历史

与模型的对话历史记录上下文，作用于模型短期记忆，便于模型分析推理

tool　string　可选　|　工具调用结果

工具调用结果，需带 tool_call_id

stream　boolean　可选　|　流式输出开关

流式输出（SSE），默认 false

max_tokens　integer　可选　|　最大输出长度

最大输出长度，默认 4096，最大可输出长度请参考模型上下文长度

temperature　number　可选　|　模型温度

随机性 [0, 1]，越大越发散，当数值越小时，相同问题模型回复越趋于一致，默认 1
部分模型支持[0, 2]范围，具体可查看模型官方文档

top_p　number　可选　|　核采样

与 temperature 二选一调即可

tools　array　可选　|　工具列表

可提供模型调用的工具方法名称，具体使用方式请查看对应文档

response_format　object　可选　|　输出格式

可指定模型按照要求输出格式，如 {"type":"json_object"}

多模态 content（传数组时每块需指定 type）：

text　string　必填　|　输入指令

可在该字段内要求模型根据需求推理，如参考图片1，并描述该图片中的内容

image_url　array　可选　|　输入图像

带 image_url.url（支持 URL 或 base64）

video_url　array　可选　|　输入视频

带 video_url.url（仅画面）

流式输出​

设 stream: true，响应为 SSE，每行 data: {...}，结束收到 data: [DONE]。

curl -X https://api.taiha.cn/v1/chat/completions \
  -H "Authorization: Bearer <API Key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<Model ID>",
    "stream": true,
    "messages": [{ "role": "user", "content": "hello" }]
  }'

携带系统指令​

input 传数组时可加入 system 角色：

curl -X POST 'https://api.taiha.cn/v1/chat/completions' \
-H'Content-Type: application/json' \
-H 'Authorization: Bearer <API Key>' \
-d '{
    "model": "<Model ID>",
    "messages": [{
        "role": "system",
        "content": "你是一个全能的AI助手，必须严格按照用户需求处理问题"
    }, {
        "role": "user",
        "content": "帮我写一篇200字的文章"
    }]
}'

搜索请求​

原生模型搜索请求​

POST /v1/responses
curl -X POST 'https://api.taiha.cn/v1/responses' \
-H'Authorization: Bearer <API Key>' \
-H 'Content-Type: application/json' \
-d '{
    "model": "<Model ID>",
    "reasoning": {
        "effort": "low"
    },
    "tools": [{
        "type": "web_search"
    }],
    "tool_choice": "auto",
    "input": "今天北京天气怎么样？"
}'

默认搜索请求​

POST /v1/responses
curl -X POST 'https://api.taiha.cn/v1/responses' \
-H 'Authorization: Bearer <API Key>' \
-H 'Content-Type: application/json' \
-d '{
    "model": "<Model ID>",
    "input": "今天北京天气怎么样？"
}'

常见问题​

Q：为什么输入Token数比我发送的文本Token数多？

在处理对话时，系统会使用对话模板（Chat Template）对输入的原始文本进行包装，添加角色标识、消息边界等控制标记。这些由系统添加的标记同样会计入Token。

例如，向qwen3.7-max发送消息{"role": "user", "content": "你好"}，“你好” 在分词（Tokenize）后仅对应 1 个 Token，但系统处理时，实际输入完整文本为<|im_start|>user\n你好<|im_end|>\n<|im_start|>assistant\n<think>，分词后总Token数会增加到11个。

Q：模型对话为何无法分析网页链接？

模型本身不具备直接访问网页链接的能力。您可以通过Function Calling、MCP等功能，或结合 Python 的 Beautiful Soup 等网页抓取工具提取网页内容后传入模型。

Q：官方网页端和API的回复为什么不一致？

网页端在API的基础上做了额外的工程优化，因此可以达到解析网页、联网搜索、画图、制作 PPT等功能，这些本身并不属于大模型API的能力，可以通过联网搜索、Function Calling、MCP等功能优化模型的效果。

Q：如何处理模型超时的情况？

使用流式输出可避免超时。流式输出在生成过程中逐步返回 token，无需等待完整响应。

非流式调用若超过 200 秒未完成，服务将中断请求，但返回已生成的内容，且不再报超时错误。此时响应头将包含x-dashscope-partialresponse: true，表示返回的是超时前的部分结果。

Q：模型能直接生成 Word、Excel、PDF 或 PPT 格式的文件吗？

不能。文本生成模型仅输出纯文本内容。您需要通过代码或使用第三方库将文本转换为所需格式，或通过Agent的PPT自动生成应用等方式进行生成。