响应（Responses）
POST https://studio.dataeyes.ai/v1/responses快速示例
cURL
Python
Node.js
{
"id": "resp_xxx",
"object": "response",
"created_at": 1792855969,
"status": "completed",
"model": "gpt-6-luna",
"output": [
{
"id": "msg_xxx",
"type": "message",
"role": "assistant",
"status": "completed",
"content": [
{
"type": "output_text",
"text": "我是一个由 OpenAI 训练的 AI 助手，可以帮你解答问题、整理信息和生成内容。",
"annotations": []
}
]
}
],
"usage": {
"input_tokens": 24,
"input_tokens_details": { "cached_tokens": 0 },
"output_tokens": 29,
"output_tokens_details": { "reasoning_tokens": 0 },
"total_tokens": 53
}
}output 数组中，type 为 message 的项即最终回答。SDK 的 output_text 会把所有文本拼接好返回。请求参数
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
model | string | 是 | 模型名，以 模型广场 显示的为准 |
input | string / array | 是 | 输入内容。字符串即单条用户消息；数组可包含多轮消息、图片、工具调用结果 |
instructions | string | 否 | 系统指令，相当于 Chat Completions 的 system 消息 |
stream | boolean | 否 | 为 true 时以 SSE 事件流返回 |
max_output_tokens | integer | 否 | 输出 token 上限（含推理 token） |
reasoning | object | 否 | 推理设置，如 {"effort": "low"}，见下方「推理」 |
tools | array | 否 | 可用工具：自定义函数（function）、联网搜索（web_search） |
tool_choice | string / object | 否 | auto（默认）、none、required，或指定某个工具 |
input 数组，例 如："input": [
{"role": "user", "content": "我叫小李"},
{"role": "assistant", "content": "你好，小李！"},
{"role": "user", "content": "我叫什么？"}
]流式输出
"stream": true 后，响应以事件流返回。文本增量在 response.output_text.delta 事件中，结束时返回 response.completed（包含完整响应与用量）。response.created → response.in_progress → response.output_item.added → response.content_part.added
→ response.output_text.delta（多次） → response.output_text.done → response.content_part.done
→ response.output_item.done → response.completedevent: response.output_text.delta
data: {"type":"response.output_text.delta","item_id":"msg_xxx","output_index":0,"content_index":0,"delta":"你好！祝你今天心情愉快！"}推理
reasoning.effort 控制思考深度（low、medium、high）。output 中会先出现一个 reasoning 项，再是最终回答。推理 token 记在 usage.output_tokens_details.reasoning_tokens，按输出计费：{
"output": [
{ "id": "rs_xxx", "type": "reasoning", "summary": [] },
{
"id": "msg_xxx",
"type": "message",
"role": "assistant",
"content": [{ "type": "output_text", "text": "30" }]
}
],
"usage": {
"input_tokens": 25,
"output_tokens": 16,
"output_tokens_details": { "reasoning_tokens": 9 },
"total_tokens": 41
}
}函数调用
name、parameters 直接写在工具对象上），并且可以与推理同时使用。output 中返回 function_call 项：{
"output": [
{
"id": "fc_xxx",
"type": "function_call",
"status": "completed",
"call_id": "call_LuUzT6MreLvoCgiB4aaQiMVg",
"name": "get_weather",
"arguments": "{\"city\":\"上海\"}"
}
]
}input 中依次放入原始问题、function_call 项和 function_call_output 项（call_id 要对应）：上海今天多云，气温约 22°C。联网搜索
tools 中加入 {"type": "web_search"}，模型会自行决定搜索关键词、阅读网页，并在回答中附上引用来源。output 中依次包含若干 web_search_call（搜索或打开网页）和最终的 message，引用来源在 annotations 中：{
"output": [
{
"id": "ws_xxx",
"type": "web_search_call",
"status": "completed",
"action": { "type": "search", "queries": ["AI industry news October 24 2026", "人工智能 行业 新闻 2026年10月24日"] }
},
{
"id": "msg_xxx",
"type": "message",
"role": "assistant",
"content": [
{
"type": "output_text",
"text": "截至 2026年10月24日，两条值得关注的 AI 行业新闻：……",
"annotations": [
{
"type": "url_citation",
"start_index": 203,
"end_index": 289,
"title": "……",
"url": "https://www.axios.com/……"
}
]
}
]
}
]
}耗时与用量
图片输入
input 的消息内容中使用 input_image：image_url 也可以是 Base64 Data URL（data:image/jpeg;base64,...）。响应字段
| 字段 | 说明 |
|---|---|
id | 本次响应的唯一标识 |
status | completed 完成、incomplete 未完成（如达到 token 上限）、failed 失败 |
output | 输出项数组，type 可能为 message、reasoning、function_call、web_search_call |
output[].content[].text | 回答文本（message 项） |
output[].content[].annotations | 引用来源（联网搜索时） |
usage.input_tokens | 输入 token 数，input_tokens_details.cached_tokens 为命中缓存部分 |
usage.output_tokens | 输出 token 数（含推理 token） |
usage.output_tokens_details.reasoning_tokens | 推理 token 数 |
常见问题
