Texto
Criar Chat Completion
Cria uma conclusão para a mensagem de chat
Corpo da Requisição
Parâmetros opcionais suportados, valores aceitos e padrões dependem do modelo selecionado. Verifique os detalhes do modelo antes de definir opções de amostragem, raciocínio ou ferramentas. Um controle que o modelo não consegue honrar, como n acima de 1 em alguns modelos, é rejeitado com um erro 4xx. Controles de amostragem menores, como seed ou as penalidades, podem ser ignorados.
ID do modelo a ser utilizado. Veja Modelos para opções disponíveis.
Uma lista de mensagens que compõem a conversa.
Cada objeto de mensagem contém:
role(string):system,developer,user,assistant,tool,functioncontent(string | array | null): O conteúdo da mensagem
Para uma mensagem do assistant contendo tool_calls, o content pode ser omitido ou definido como null.
Quando content é um array, o TokenLab suporta blocos multimodais estruturados para modelos compatíveis:
- texto:
{ "type": "text", "text": "..." } - imagem:
{ "type": "image_url", "image_url": { "url": "https://..." } } - vídeo:
{ "type": "video_url", "video_url": { "url": "https://..." } } - áudio:
{ "type": "input_audio", "input_audio": { "data": "https://... ou URL de dados base64", "format": "wav" } }, ou{ "type": "audio_url", "audio_url": { "url": "https://..." } }
Para entrada multimodal, use URLs https publicamente acessíveis. Imagens também podem ser enviadas como URLs de dados base64. Os tipos de mídia suportados dependem do modelo selecionado.
Temperatura de amostragem. O suporte, os valores permitidos e o padrão dependem do modelo selecionado; omita este campo para usar o padrão.
Número máximo de tokens a serem gerados. Envie max_tokens ou max_completion_tokens, não ambos: um modelo servido por outro protocolo pode rejeitar uma requisição que contenha ambos.
Em um modelo que pensa, os tokens de raciocínio contam para este limite. Se o limite for muito pequeno, todo o orçamento pode ser consumido pelo raciocínio, deixando um corpo de mensagem vazio, e os tokens usados ainda serão cobrados. Aumente o limite ou desative o raciocínio onde o modelo permitir, por exemplo, com "reasoning_effort": "none". No deepseek-v4.1-flash (apelido deepseek-flash), "thinking": {"type": "disabled"} também o desativa.
Antes da execução da requisição, o TokenLab verifica se o seu saldo cobre este máximo. Um valor muito grande pode retornar 402 com saldo baixo, mesmo quando a resposta for curta.
falseSe verdadeiro, deltas de mensagens parciais são enviados como eventos enviados pelo servidor (SSE). Veja Streaming.
Para saídas longas (milhares de tokens ou mais), defina stream: true para que clientes e proxies não excedam o tempo limite enquanto aguardam a resposta completa.
Opções para streaming. Defina include_usage: true para receber um chunk extra com o uso de tokens antes de data: [DONE]. Sem isso, o stream não carrega informações de uso.
Parâmetro de amostragem Nucleus. Recomendamos alterar este ou a temperatura, não ambos.
Número entre -2.0 e 2.0. Valores positivos penalizam tokens repetidos.
Número entre -2.0 e 2.0. Valores positivos penalizam tokens que já estão no texto.
Sequência de parada ou lista de sequências. O suporte e os limites de sequência dependem do modelo selecionado.
Uma lista de ferramentas que o modelo pode chamar (function calling). Cada ferramenta é { "type": "function", "function": { "name": "...", "description": "...", "parameters": { ... } } }. Veja Saídas estruturadas e chamada de ferramentas.
Controla como o modelo usa as ferramentas. Opções: auto, none, required, ou { "type": "function", "function": { "name": "..." } } para forçar uma ferramenta.
Permite múltiplas chamadas de ferramentas em um turno do assistente, quando suportado pelo modelo selecionado.
Limite superior para a conclusão, incluindo tokens de raciocínio. Alternativa ao max_tokens usada por famílias de modelos OpenAI mais recentes. Envie apenas um dos dois.
Esforço de raciocínio para modelos que o suportam. Os valores aceitos dependem do modelo selecionado.
Para modelos Claude, o valor define o raciocínio do modelo: um nível de esforço em modelos com raciocínio adaptativo, ou um orçamento de raciocínio em modelos que utilizam um. none desativa o raciocínio em modelos que permitem isso. Um valor que o modelo não suporta é rejeitado com 400, código invalid_value, e o erro lista os valores suportados. Enquanto o raciocínio está ativado, o Claude rejeita uma temperature diferente de 1, top_k, um top_p fora de 0.95–1 e uma mensagem de assistente pré-preenchida. Um tool_choice forçado funciona com raciocínio adaptativo, mas não com um orçamento de raciocínio.
Opções para modelos Claude.
prompt_caching(boolean): Definatruepara fazer cache do início do prompt. O TokenLab marca o fim do prompt do sistema e a última mensagem do usuário como pontos de cache. Uma requisição posterior que comece com o mesmo conteúdo o lerá do cache. Use esta opção ou suas próprias marcas decache_control, não ambas.prompt_caching_ttl(string):5m(padrão) ou1h. Quando o serviço que processa a requisição não consegue manter um cache por uma hora, o TokenLab pode usar o cache de cinco minutos em vez de rejeitar a requisição.
extra.prompt_caching e extra.prompt_caching_ttl são aceitos como as mesmas opções. Veja Prompt caching para preços e como verificar os tokens em cache.
Semente de amostragem para modelos que a suportam. Saída idêntica não é garantida.
Número de conclusões a serem geradas. Modelos que suportam aceitam de 1 a 128. Muitos modelos suportam apenas 1.
Se deve retornar probabilidades de log.
Número de probabilidades de log principais a serem retornadas (0-20). Requer logprobs: true.
Amostragem Top-K para modelos que a suportam.
Formato de resposta. Use {"type": "text"} (padrão), {"type": "json_object"} para modo JSON, ou {"type": "json_schema", "json_schema": {"name": "...", "schema": {...}, "strict": true}} para um esquema JSON. O suporte depende do modelo selecionado. Veja Saídas estruturadas e chamada de ferramentas.
Modifica a probabilidade de tokens especificados aparecerem. Mapeie IDs de token (como strings) para valores de viés de -100 a 100. O suporte depende do modelo selecionado.
O TokenLab serve e cobra requisições de Chat no nível de serviço padrão. auto e default são aceitos. Outros valores, como flex ou priority, são removidos da requisição, e a requisição é cobrada pelo preço padrão.
Um identificador único representando seu usuário final para monitoramento de abuso.
Resposta
Identificador único para a conclusão.
Sempre chat.completion.
Timestamp Unix de quando a conclusão foi criada.
O modelo usado para a conclusão.
Lista de escolhas de conclusão.
Cada escolha contém:
index(integer): Índice da escolhamessage(object): A mensagem geradafinish_reason(string): Por que o modelo parou, por exemplostop,length,tool_callsoucontent_filter
Quando o modelo pensa, a message também pode conter:
reasoning_content(string): O texto de raciocínio. Alguns modelos retornam apenas um resumo ou nenhum texto.reasoning_details(array): Blocos de raciocínio com suas assinaturas. Para continuar uma conversa com raciocínio, por exemplo após uma chamada de ferramenta, envie-os de volta inalterados na mensagem do assistente.
Em um stream, os mesmos campos chegam como delta.reasoning_content e delta.reasoning_details.
Estatísticas de uso de tokens.
prompt_tokens(integer): Tokens no promptcompletion_tokens(integer): Tokens na conclusão, incluindo tokens de raciocíniototal_tokens(integer): Total de tokens usadosprompt_tokens_details.cached_tokens(integer): Tokens de prompt lidos do cachecache_creation_input_tokens(integer): Tokens de prompt gravados no cache. Presente apenas quando o valor é maior que 0completion_tokens_details.reasoning_tokens(integer): Tokens de raciocínio, quando o modelo os reporta
Em um stream, o uso chega apenas quando stream_options.include_usage é true.
Requisição
curl -X POST "https://api.tokenlab.sh/v1/chat/completions" \
-H "Authorization: Bearer sk-your-api-key" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5.6-terra",
"messages": [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Hello!"}
],
"max_tokens": 1000
}'Exemplo Multimodal
{
"model": "gemini-2.5-pro",
"messages": [
{
"role": "user",
"content": [
{ "type": "text", "text": "Describe this video briefly." },
{ "type": "video_url", "video_url": { "url": "https://example.com/demo.mp4" } }
]
}
],
"max_tokens": 64
}Resposta
{
"id": "chatcmpl-abc123",
"object": "chat.completion",
"created": 1706000000,
"model": "gpt-5.6-terra",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "Hello! How can I help you today?"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 20,
"completion_tokens": 9,
"total_tokens": 29
}
}Streaming
Com stream: true, a resposta é um text/event-stream. Cada evento é data: {...} com um objeto chat.completion.chunk cujo choices[].delta carrega o novo texto, argumentos de chamada de ferramenta ou texto de raciocínio. O stream termina com data: [DONE]. Linhas que começam com : são comentários de keep-alive: ignore-os. Um stream que termina sem [DONE] ou sem um finish_reason está incompleto. Veja Streaming.
Erros
Os erros usam o objeto error no estilo OpenAI. Casos comuns: 400 para um campo inválido ou um valor que o modelo não aceita, 401 para uma chave inválida, 402 para saldo insuficiente, 413 para entrada acima do limite de tamanho e 429 para o limite de taxa. Veja Tratar erros da API.
Autorização
BearerAuth Autenticação por Chave de API. Crie ou gerencie chaves de API em Dashboard > API > API Keys.
Local: header
Cabeçalhos
Política de entrega por solicitação. Substitui os padrões da API key e do Workspace. Tenta automaticamente o TokenLab Verified primeiro e pode alternar uma vez para Official apenas antes da saída, aceitação da solicitação ou criação de recurso persistente.
Valores permitidos
- "auto"
- "verified"
- "official"
Chave opcional que impede uma segunda execução da mesma requisição. Envie um novo valor único, como um UUID, para cada requisição e mantenha-o para novas tentativas após um timeout. Uma nova tentativa com a mesma chave não é executada novamente: ela retorna 409 com idempotency_replay_unavailable, ou geralmente idempotency_conflict quando o corpo foi alterado. Exceção: quando um resultado sem streaming é concluído após o cliente se desconectar, uma nova tentativa com a mesma chave e corpo dentro de 24 horas retorna esse resultado (até 1 MB) com o cabeçalho Idempotent-Replayed: true e sem cobrança adicional. Uma chave com mais de 255 caracteres é ignorada e a requisição não terá proteção de idempotência. Veja Tente novamente com segurança usando uma chave de idempotência.
1 <= length <= 255Corpo da requisição
application/json
Resposta
application/json
application/json
application/json
application/json
application/json
application/json
application/json