TD模型编号：T0101009

模型能力简介

• 云筑80

  • 多模态参考生视频，输入参考图片（0-30 张）+ 参考视频（0-10 个）+ 参考音频（0-10 个）+ 文本提示词（可选）生成 1 个目标视频。支持仅传入音频。支持生成全新视频、编辑视频、延长视频，支持 30 秒视频连贯直出。

  • 图生视频-首尾帧，输入首帧图片+尾帧图片+文本提示词（可选）生成 1 个目标视频。

  • 图生视频-首帧，输入首帧图片+文本提示词（可选）生成 1 个目标视频。

  • 文生视频，输入文本提示词生成 1 个目标视频。

鉴权说明 

本接口仅支持API Key鉴权，需联系TD运维同学获取长效API Key。

创建视频生成任务接口地址

介绍创建视频生成任务 API 的输入输出参数，供您使用接口时查阅字段含义。模型会依据传入的图片及文本信息生成视频，待生成完成后，您可以按条件查询任务并获取生成的视频。

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/openai/api/v3/contents/generations/tasks

请求头（Request Headers）：

请求参数（Request Parameter）：

创建视频生成任务请求参数

创建视频生成任务请求体（requestBody）

model string 必选

本次请求使用模型的 Model ID 为 T0101009

content object[] 必选

输入给模型，生成视频的信息，支持文本、图片、音频、视频、样片任务 ID。支持以下几种组合：

• 文本
• 文本（可选）+ 图片
• 文本（可选）+ 视频
• 文本（可选）+ 音频
• 文本（可选）+ 图片 + 音频
• 文本（可选）+ 图片 + 视频
• 文本（可选）+ 视频 + 音频
• 文本（可选）+ 图片 + 视频 + 音频

信息类型：

• 文本信息 object

  输入给模型生成视频的内容，文本内容部分。

  • content.type string 必选

    输入内容的类型，此处应为 text。

  • content.text string 必选

    输入给模型的文本提示词，描述期望生成的视频。

    支持中英文。建议中文不超过500字，英文不超过1000词。字数过多信息容易分散，模型可能因此忽略细节，只关注重点，造成视频缺失部分元素。

• 图片信息 object

  输入给模型生成视频的内容，图片信息部分。

  • content.type string 必选

    输入内容的类型，此处应为 image_url。支持图片URL或图片 Base64 编码。

  • content.image_url object 必选

    输入给模型的图片对象。

    • content.image_url.url string 必选

      图片信息，可以是图片URL、图片 Base64 编码、素材ID。

      • 图片URL：请确保图片URL可被访问。

      • Base64编码：请遵循此格式data:image/<图片格式>;base64,，注意 <图片格式> 需小写，如 data:image/png;base64,{base64_image}。

      • 用于视频生成的预置素材及虚拟人像的ID，遵循格式 asset://<ASSET ID>。

        说明

        传入图片需要满足以下条件：

        • 格式：jpeg、png、webp、bmp、tiff、gif、heic、heif
        • 宽高比（宽/高）：(0.4, 2.5)
        • 宽高长度（px）：(300, 6000)
        • 大小：单张图片小于 30 MB，请求体大小不超过 64 MB
        • 图片数量：
          • 图生视频-首帧：1 张
          • 图生视频-首尾帧：2 张
          • 云筑80 多模态参考生视频：1~30 张

  • content.role string 条件必填

    图片的位置或用途。

    | 场景 | role 取值 | | --------------- | ------------------------------------------------------- | | 图生视频-首帧 | first_frame 或不填 | | 图生视频-首尾帧 | 首帧：first_frame（必填），尾帧：last_frame（必填） | | 图生视频-参考图 | reference_image（必填） |

• 视频信息 object

  输入给模型的视频信息。

  | 参数 | 类型 | 必填 | 说明 | | --------------------- | ------ | -------- | ------------------------------------------------------------ | | content.type | string | 必选 | 输入内容的类型，此处应为 video_url | | content.video_url.url | string | 必选 | 视频 URL、素材 ID：用于视频生成的预置素材及虚拟人像视频的 ID，遵循格式：asset:// | | content.role | string | 条件必填 | 视频的位置或用途，当前仅支持 reference_video |

  传入单个视频要求：

  • 视频格式：mp4、mov
  • 分辨率：480p、720p、1080p、4K
  • 时长：单个视频时长 [2, 30] s，最多传入 10 个参考视频，所有视频总时长不超过 30s
  • 宽高比（宽/高）：[0.4, 2.5]
  • 宽高长度（px）：[300, 6000]
  • 画面像素（宽 × 高）：[409600,8295044]
  • 大小：单个视频不超过 200 MB
  • 帧率 (FPS)：[24, 60]

  | 容器格式 | 常用文件扩展名 | MIME | 支持编码 | | ------------ | ------------------ | --------------- | ----------------------------------------- | | MP4 | .mp4 | video/mp4 | 视频：H.264/AVC、H.265/HEVC音频：AAC、MP3 | | QuickTime | .mov | video/quicktime | 视频：H.264/AVC、H.265/HEVC音频：AAC、MP3 |

• 音频信息 object

  用作参考音频。

  | 参数 | 类型 | 必填 | 说明 | | --------------------- | ------ | -------- | ------------------------------------------------------------ | | content.type | string | 必选 | 输入内容的类型，此处应为 audio_url | | content.audio_url.url | string | 必选 | 音频 URL、音频 Base64 编码、素材 ID：用于视频生成的虚拟人的音频素材 ID，遵循格式：asset:// | | content.role | string | 条件必填 | 音频的位置或用途，当前仅支持 reference_audio |

  传入单个音频要求：

  • 格式：wav、mp3
  • 时长：单个音频时长 [2, 30] s，最多传入 10 段参考音频，所有音频总时长不超过 30s
  • 大小：单个音频不超过 15 MB，请求体大小不超过 64 MB

callback_url string

填写本次生成任务结果的回调通知地址。

说明

回调返回的 status 包括以下状态：

• queued：排队中
• running：任务运行中
• succeeded：任务成功（如发送失败，即 5 秒内未接收到成功发送的信息，会回调三次）
• failed：任务失败（如发送失败，即 5 秒内未接收到成功发送的信息，会回调三次）
• expired：任务超时，即任务处于「运行中或排队中」状态超过过期时间，可通过 execution_expires_after字段设置过期时间

generate_audio boolean 默认值 true

控制生成的视频是否包含与画面同步的声音。

• true：模型输出的视频包含同步音频。模型会基于文本提示词与视觉内容，自动生成与之匹配的人声、音效及背景音乐。建议将对话部分置于双引号内，以优化音频生成效果。
• false：模型输出的视频为无声视频。

output_format string 默认值 mp4

• mp4：通用格式，兼容性最好，采用标准色彩精度，可在网页、移动端、各类播放器及分发平台直接播放。

• mov：面向专业场景的高色彩精度格式，更好地保持画面色彩与亮度一致性、适用于调色、抠像、合成等对色彩还原要求高的专业后期加工。推荐在视频编辑、视频延长场景使用 mov 格式作为输入和输出。\

  mov 格式播放兼容性

  mov 格式采用专业编码（H.264视频编码+yuv444p 色度采样+PCM 音频编码），部分播放器可能不兼容。以下为常见的支持播放 mov 格式的播放器：

  | 播放器 | macOS | Windows | | ------ | ----- | ------- | | IINA | ✓ | ✕ | | VLC | ✓ | ✓ | | mpv | ✓ | ✓ | | ffplay | ✓ | ✓ |

tools object

配置模型要调用的工具。

联网搜索说明：

• 开启联网搜索后，模型会根据用户的提示词自主判断是否搜索互联网内容（如商品、天气等）
• 可提升生成视频的时效性，但也会增加一定的时延
• 实际搜索次数可通过查询视频生成任务 API 返回的 usage.tool_usage.web_search 字段获取

resolution string 默认值 720p

视频分辨率，取值范围：480p、720p

return_last_frame boolean 默认值 false

是否返回生成视频的尾帧图像。

• true：返回生成视频的尾帧图像，尾帧图像的格式为 png，宽高像素值与生成的视频保持一致，无水印。

• false：不返回生成视频的尾帧图像。

使用该参数可实现生成多个连续视频：以上一个生成视频的尾帧作为下一个视频任务的首帧，快速生成多个连续视频。

ratio string 默认值 adaptive

生成视频的宽高比例。可选值：

• 16:9
• 4:3
• 1:1
• 3:4
• 9:16
• 21:9
• adaptive：根据输入自动选择最合适的宽高比

adaptive 适配规则

• 文生视频：支持在可选宽高比中自行设置，或由模型根据 prompt 在可选宽高比中自动选择

  支持 adaptive 或指定宽高比

• 首帧 / 首尾帧生视频：自动保持输出视频和首帧图片的宽高比一致

  默认且仅支持 adaptive

• 多模态参考生视频：

• • 视频编辑/视频延长: 自动保持输出视频和待编辑/待延长视频的宽高比一致，不支持另行设置

    默认且仅支持 adaptive

  • 参考生视频: 支持在可选宽高比中自行设置，或由模型根据 prompt 在可选宽高比中自动选择

    支持 adaptive 或指定宽高比

duration integer 默认值 -1

生成视频时长，仅支持整数，单位：秒。

duration 和 frames 二选一即可，frames 优先级更高。如果您希望生成整数秒的视频，建议指定 duration。

取值范围：[4,30] 或设置为 -1

• duration 适配规则

  当 duration 设置为-1 时，实际生成视频的时长可通过查询视频生成任务 API 返回的 duration 字段获取。

  | 模型 | duration = -1取值规则 | | ------------ | ------------------------------------------------------------ | | 视频编辑任务 | 自动保持输出视频和输入视频的时长基本一致（输出时长可能略短于输入视频，误差约 0.4 秒），不支持另行设置。 | | 其他任务类型 | 模型在 duration 的有效取值范围内，自主选择合适的视频长度（整数秒）。 |

  注意

  • 仅支持配置duration为-1，不支持指定具体输出时长。
  • 传入的待编辑视频时长需在[4, 30]s 内，否则将触发报错。

watermark boolean 默认值 false

生成视频是否包含水印。

• true：生成视频右下角会展示 AI 生成 水印。

• false：生成视频不含水印。

创建视频生成任务响应参数

id string 必选

视频生成任务 ID 。仅保存 7 天（从 created at 时间戳开始计算），超时后将自动清除。

创建视频生成任务调用示例

请求示例：

curl https://modelpool-api.talkingdata.com/model/openai/api/v3/contents/generations/tasks?requestId=550e8400-e29b-41d4-a716-446655440000 \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $ARK_API_KEY" \
  -H "X-Timestamp: $TIMESTAMP" \
  -d '{
    "model": "T0101009",
    "content": [
      {
        "type": "text",
        "text": "生成一个每日亲自英语学习视频，美国的5岁男孩和35岁妈妈的日常搞笑英文交流，注意是搞笑版"
      }
    ],
    "duration": 5,
    "ratio": "16:9",
    "resolution": "480p",
    "generate_audio": false
  }'

响应示例：

{
  "id": "cgt-20260810103616-ghtwn"
}

查询视频生成任务接口地址

查询视频生成任务的状态。

说明

仅支持查询最近 7 天的历史数据。时间计算统一采用UTC时间戳，返回的7天历史数据范围以用户实际发起查询请求的时刻为基准（精确到秒），时间戳区间为 [T-7天, T)。

请求方法： GET

接口URL：https://modelpool-api.talkingdata.com/model/openai/api/v3/contents/generations/tasks/{task_id}

查询视频生成任务请求参数

task_id string 必选

您需要查询的视频生成任务的 ID 。

查询视频生成任务响应参数

id string

视频生成任务 ID 。

model string

本次请求使用的模型 ID 。

status string

任务状态，以及相关的信息：

• queued：排队中。

• running：任务运行中。

• cancelled：取消任务，取消状态24h自动删除（只支持排队中状态的任务被取消）。

• succeeded： 任务成功。

• failed：任务失败。

• expired：任务超时。

error object / null

错误提示信息，任务成功返回null，任务失败时返回错误数据。

• error. code string

  错误码。

• error. message string

  错误提示信息。

created_at integer

任务创建时间的 Unix 时间戳（秒）。

updated_at integer

任务当前状态更新时间的 Unix 时间戳（秒）。

content object

视频生成任务的输出内容。

• content.last_frame_url string

  视频的尾帧图像 URL。有效期为 24 小时，请及时下载或转存。 生成的视频 URL 下载次数上限为 100 次。

• content. video_url string

  生成视频的 URL，格式为 mp4。有效期为 24 小时，请及时下载或转存。

resolution string

生成视频的分辨率。

ratio string

生成视频的宽高比。

duration integer

生成视频的时长，单位：秒。

framespersecond integer

生成视频的帧率。

generate_audio boolean

生成的视频是否包含与画面同步的声音。

• true：模型输出的视频包含同步音频。

• false：模型输出的视频为无声视频。

tools object[]

配置模型要调用的工具。

safety_identifier string

终端用户的唯一标识符。若创建视频生成任务时设置了该参数，接口会原样返回此信息。

priority integer

当前请求的执行优先级。

draft_task_id string Draft 视频任务 ID。基于 Draft 视频生成正式视频时，会返回该参数。

service_tier string 实际处理任务使用的服务等级。

execution_expires_after integer 任务超时阈值，单位：秒。

usage object

本次请求的 token 用量。

查询视频生成任务调用示例

请求示例：

curl -X GET https://modelpool-api.talkingdata.com/model/openai/api/v3/contents/generations/tasks/cgt-20260810103616-ghtwn' \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $ARK_API_KEY"

响应示例：

{
      "seed": 24370,
      "execution_expires_after": 172800,
      "usage": {
            "completion_tokens": 48437,
            "total_tokens": 48437  
    },
      "created_at": 1786329377,
      "generate_audio": false,
      "priority": 0,
      "resolution": "480p",
      "content": {
            "video_url": "https://ark-acg-cn-beijing.tos-cn-beijing.volces.com/doubao-seedance-2-5/2119573523/Video/nwthg-61630101806202-tgc_201effd68f51caffff00000000000000000000450773923687120/cgt-20260810103616-ghtwn.mp4?X-Tos-Algorithm=TOS4-HMAC-SHA256&X-Tos-Credential=AKLTYWJkZTExNjA1ZDUyNDc3YzhjNTM5OGIyNjBhNDcyOTQ%2F20260810%2Fcn-beijing%2Ftos%2Frequest&X-Tos-Date=20260810T024036Z&X-Tos-Expires=86400&X-Tos-Max-Requests=100&X-Tos-Signature=9b044a6a23fbfe3010c937b4d5229f39e633528aa9faadd7e517f7bf6f490867&X-Tos-SignedHeaders=host"  
    },
      "duration": 5,
      "framespersecond": 24,
      "updated_at": 1786329637,
      "output_format": "mp4",
      "draft": false,
      "model": "T0101009",
      "service_tier": "default",
      "id": "cgt-20260810103616-ghtwn",
      "status": "succeeded",
      "ratio": "16:9"

取消或删除视频生成任务接口地址

取消排队中的视频生成任务，或者删除视频生成任务记录。

请求方法： DELETE

接口URL： https://modelpool-api.talkingdata.com/model/openai/api/v3/contents/generations/tasks/{id}

取消或删除视频生成任务请求参数

id string 必选

需要取消或者删除的视频生成任务。

任务状态不同，调用DELETE接口，执行的操作有所不同，具体说明如下：

取消或删除视频生成任务响应参数

message string

请求处理结果的描述信息。

取消或删除视频生成任务调用示例

请求示例：

curl -X DELETE https://mp-api.talkingdata.com/model/openai/api/v3/contents/generations/tasks/cgt-2025**** \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $ARK_API_KEY"

响应示例：

{
    "message" : "取消成功"
}

错误码

公共错误码

云筑80_私域虚拟人像素材资产库 接口说明文档

接口简介

• 云筑80_私域虚拟人像素材资产库

  • 云筑80 模型具有完备的防范 Deepfake 和侵犯版权风险能力。在生成视频时，会对有风险的参考素材输入进行拦截，最大限度保证生成视频合规和安全性。
  • 为确保创作者能充分利用云筑80 模型强大的视频生成能力高效生成视频内容，同时规避 AI 生成内容的潜在风险，推出了私域可信素材库。完成入库的可信素材将进入您的私域素材库，在视频生成中使用。

• 素材资产库结构说明

  • Asset Group（素材资产组合）：单个素材文件为一个 Asset，每个 Asset 属于一个 Asset Group。

  • Asset（素材资产）：一个素材文件（当前支持上传图像、视频、音频），是云筑80 模型可直接用于推理的可信资产。

    注意

    • 仅需入库推理需使用的素材资产，不需使用的素材资产请勿入库。
    • 仅可使用已入库素材资产的 Id (Asset ID) 进行视频生成，同一形象未入库素材无法使用。
    • 每个上传的素材资产需经过预处理，可轮询调用 GetAsset 接口查询素材状态（对应参数为 Status），仅当状态变为 Active 后，该素材资产方可用于后续推理使用；若状态为 Failed 则表示处理失败，无法用于后续推理使用。

鉴权说明 

本接口仅支持API Key鉴权，需联系TD运维同学获取长效API Key。

CreateAsset 接口地址

向指定的Asset Group（素材资产组合）内创建Asset（素材资产）。

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/origin/assets/create

请求头（Request Headers）：

请求参数（Request Parameter）：

CreateAsset 请求参数

CreateAsset 请求体（requestBody）

GroupId string 必选

Asset（素材资产）所属的 Asset Group（素材资产组合）的 Id。

URL string 必选

传入的Asset（素材资产）的公共可访问地址。

Name string

Asset（素材资产）的名称，上限为64个字符。

AssetType string 必选

Asset（素材资产）的类型，支持传入图像、音频、视频。可选值：

• Image：Asset（素材资产）的类型为图像。
• Video：Asset（素材资产）的类型为视频。
• Audio：Asset（素材资产）的类型为音频。

说明：

传入图像、音频、视频素材时，仅支持上传 URL ，不支持 base64。

传入单个图像要求

• 格式：jpeg、png、webp、bmp、tiff、gif、heic/heif
• 宽高比（宽/高）： (0.4, 2.5)
• 宽高长度（px）：(300, 6000)
• 大小：单张图片小于 30 MB

传入单个视频要求

• 格式：mp4、mov
• 分辨率：480p、720p
• 时长：单个视频时长 [2, 15] s
• 尺寸：
  • 宽高比（宽/高）：[0.4, 2.5]
  • 宽高长度（px）：[300, 6000]
  • 总像素数：[640×640=409600, 834×1112=927408]，即宽和高的乘积符合 [409600, 927408] 的区间要求。
• 大小：单个视频不超过 50 MB
• 帧率 (FPS)：[24, 60]

传入单个音频要求

• 格式：wav、mp3
• 时长：单个音频时长 [2, 15] s
• 大小：单个音频不超过 15 MB

ProjectName string

资源所属的项目名称，默认值为default。

说明：

需要和待传入的 Asset Group（素材资产组合）的 ProjectName 保持一致。

CreateAsset 返回参数

Id string

Asset（素材资产）的 Id。

CreateAsset 调用示例

请求示例：

curl https://modelpool-api.talkingdata.com/model/origin/assets/create?requestId=550e8400-e29b-41d4-a716-446655440000 \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $ARK_API_KEY" \
  -H "X-Timestamp: $TIMESTAMP" \
  -d '{
    "GroupId": "group-20260330162801-vmpfz",
    "URL": "https://ark-project.tos-cn-beijing.volces.com/doc_image/i2v_foxrgirl.png",
    "AssetType": "Image",
    "ProjectName": "default"
  }'

响应示例：

{
  "ResponseMetadata": {
    "RequestId": "20260330170834015124677667C190E71A",
    "Action": "CreateAsset",
    "Version": "2024-01-01",
    "Service": "ark",
    "Region": "cn-beijing"
  },
  "Result": {
    "Id": "asset-20260330170834-sztnw"
  }
}

GetAsset接口地址

获取单个Asset（素材资产）信息。

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/origin/assets/get?id={id}

GetAsset请求参数

id string 必选

Asset（素材资产）的 Id。

ProjectName string

需要查询的 Asset（素材资产）所属的项目名称，默认值为default。

GetAsset响应参数

id string

Asset（素材资产）的 Id。

Name string

Asset（素材资产）的名称，上限为64个字符。

URL string

Asset（素材资产）的访问地址。有效期为12小时，请及时保存。

AssetType string

Asset（素材资产）的类型，支持传入图像、音频、视频。支持类型：

• Image：Asset（素材资产）的类型为图像。
• Video：Asset（素材资产）的类型为视频。
• Audio：Asset（素材资产）的类型为音频。

GroupId string

Asset（素材资产）所属的 Asset Group（素材资产组合）的 Id。

Status string

任务状态。

• Active：素材资产（Asset）已处理完毕，可以使用。
• Processing：素材资产（Asset）正在预处理，无法使用。
• Failed：素材资产（Asset）处理失败。

Error object

错误信息。

• Error.Code string

  错误码。

• Error.Message string

  错误信息。

CreateTime string

创建时间。

UpdateTime string

更新时间。

ProjectName string

资源所属的项目名称。

GetAsset调用示例

请求示例：

curl -X POST https://modelpool-api.talkingdata.com/model/origin/assets/get?id=asset-20260330170834-sztnw \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $ARK_API_KEY"

响应示例：

{
  "ResponseMetadata": {
    "RequestId": "202603301710021FCA38407BEA3C9D496E",
    "Action": "GetAsset",
    "Version": "2024-01-01",
    "Service": "ark",
    "Region": "cn-beijing"
  },
  "Result": {
    "Id": "asset-20260330164126-dwr9q",
    "Name": "",
    "URL": "https://ark-media-asset.tos-cn-beijing.volces.com/2119573523/033016412675941755.png?X-Tos-Algorithm=TOS4-HMAC-SHA256&X-Tos-Credential=AKTP0VyX37NH37peqQWqz0vNleVpZvM58z6cQT15hBwUrn%2F20260330%2Fcn-beijing%2Ftos%2Frequest&X-Tos-Date=20260330T091002Z&X-Tos-Expires=43200&X-Tos-Security-Token=nChAzV1A5WUxXVDhQYU9QUTV2.CiQKEE1YckFYRHRqNlZDNU1XaW4SEAM4B3QKG0TOlZFEx2fbnL8Q9vanzgYYwseqzgYg-v3I6QcoBDCs7-stOh9Sb2xlRm9yQXJrQXNzZXQvUm9sZUZvckFya0Fzc2V0QgNhcmtSD1JvbGVGb3JBcmtBc3NldFgDegNhcms.BLNLgOJuUH1tMZrpnkgzWyMjFHK9P30fbYXV9z6879SwC5Opb9TSN_VqeramP6PFZ7NoBT6G9J3cvsmj8EDO-w&X-Tos-Signature=55ee9760b494dd653ae197313262e279fa2ae0bc5b1108605cc97af707d94af7&X-Tos-SignedHeaders=host",
    "AssetType": "Image",
    "GroupId": "group-20260330162801-vmpfz",
    "Status": "Active",
    "CreateTime": "2026-03-30T08:41:26Z",
    "UpdateTime": "2026-03-30T08:41:33Z",
    "ProjectName": "default"
  }
}

TD模型编号： T0503009

模型能力简介

• 云牍93
  • 文本对话：支持多轮对话、文本生成、逻辑推理、代码生成、长文本处理，原生图文 / 视频理解，可解析截图、设计稿、视频并直接生成对应代码，支持多步工具调用与智能体集群并行任务处理。

鉴权说明 

本接口支持API Key鉴权，需联系TD运维同学获取长效API Key。

OpenAI 协议对话接口地址

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions

请求头（Request Headers）：

请求参数（Request Parameter）：

OpenAI 协议对话接口请求参数

请求体（requestBody）

OpenAI 协议对话接口返回参数

OpenAI 协议对话接口调用示例

OpenAI - 云牍93 - 非流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503009",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "stream": false
}'

响应示例：

{
      "choices": [
            {
                  "finish_reason": "stop",
                  "index": 0,
                  "message": {
                        "content": "你好！我是大语言模型。很高兴与你交流！\n\n作为你的 AI 助手，我致力于成为一个贴心、靠谱的工作和生活伙伴。我可以在很多方面为你提供支持，例如：\n\n*   **解答问题**：无论是生活常识、专业知识，还是复杂的百科概念，我都可以为你解答。\n*   **内容创作与编辑**：我可以帮你撰写文章、邮件、策划文案，或者对已有的文本进行润色、总结和翻译（支持全球一百多种语言）。\n*   **编程与代码辅助**：如果你是开发者，我可以协助你生成代码、排查 Bug 以及理解复杂的代码逻辑。\n*   **逻辑分析与推理**：面对数学计算、逻辑推理或是复杂问题的梳理，我也可以帮你理清思路，提供多角度的分析。\n\n你可以把我当成一位思维活跃、知识渊博的合作伙伴。如果你现在有具体的任务或想聊的话题，随时都可以告诉我，我会尽力为你提供帮助！",
                        "reasoning_content": "Thinking Process:\n\n1.  **Analyze the User's Request:**\n    *   User's prompt: \"介绍下自己\" (Introduce yourself).\n    *   Language: Chinese.\n    *   Intent: The user is asking for an introduction to the AI.\n\n2.  **Determine Identity and Context:**\n     *Action:* I need to introduce myself as Qwen (通义千问) based on the provided persona.\n    *   *Tone:* Empathetic, insightful, transparent, helpful, clear, concise, authentic.\n\n3.  **Drafting the Introduction (Iterative Process):**\n    *   *Draft 1 (Internal Monologue):* 你好！我是 Qwen，也就是通义千问，由阿里巴巴集团旗下通义实验室自主研发的大语言模型。我可以帮你回答问题、写文章、写代码、做分析等等。很高兴为你服务！\n    *   *Refining based on guidelines:*\n        *   Identity purity: I wasn't asked about my capabilities specifically, just an intro, but capability is standard for an AI.\n        *   Qualitative descriptions: Keep it natural.\n        *   Language synchronization: Match user's Chinese.\n        *   *Draft 2:* 你好！我是大语言模型。很高兴和你交流！作为一个 AI 助手，我可以为你提供多方面的支持，包括回答问题、协助创作、编写代码、逻辑推理以及处理各种文本分析任务。无论是工作还是生活中遇到的问题，都可以随时告诉我，我会尽力帮助你。有什么我可以为你效劳的吗？\n\n4.  **Review against constraints:**\n    *   *Developer:* 阿里巴巴集团旗下通义实验室 (Alibaba Group's Tongyi Lab).\n    *   *Tone:* Empathetic, insightful, transparent, and helpful.\n    *   *Language:* Chinese.\n\n5.  **Final Polish (Chinese):**\n    你好！我是 大语言模型。很高兴与你交流！\n\n    作为你的 AI 助手，我可以在很多方面为你提供帮助：\n    *   **日常问答**：解答百科、生活、科学等各类问题。\n    *   **内容创作**：协助撰写文章、邮件、故事或进行头脑风暴。\n    *   **编程与数据分析**：编写代码、调试程序或辅助处理表格数据。\n    *   **逻辑与分析**：梳理复杂问题、进行数学计算或逻辑推演。\n    *   **多语言交流**：流畅地进行中文、英文等全球上百种语言的对话。\n\n    如果你有任何具体的问题或任务需要我帮忙，随时都可以告诉我！\n\n6.  **Final check:** The response correctly states the identity and capabilities without being overly promotional or referencing version numbers. It is helpful, polite, and clear.\n\n7.  **Generate Output.**你好！我是 大语言模型。很高兴与你交流！\n\n作为你的 AI 助手，我致力于成为一个贴心、靠谱的工作和生活伙伴。我可以在很多方面为你提供支持，例如：\n\n*   **解答问题**：无论是生活常识、专业知识，还是复杂的百科概念，我都可以为你解答。\n*   **内容创作与编辑**：我可以帮你撰写文章、邮件、策划文案，或者对已有的文本进行润色、总结和翻译（支持全球一百多种语言）。\n*   **编程与代码辅助**：如果你是开发者，我可以协助你生成代码、排查 Bug 以及理解复杂的代码逻辑。\n*   **逻辑分析与推理**：面对数学计算、逻辑推理或是复杂问题的梳理，我也可以帮你理清思路，提供多角度的分析。\n\n你可以把我当成一位思维活跃、知识渊博的合作伙伴。如果你现在有具体的任务或想聊的话题，随时都可以告诉我，我会尽力为你提供帮助！",
                        "role": "assistant"      
            }    
        }  
    ],
      "created": 1785822107,
      "id": "chatcmpl-5b16ab85-a1e4-90a2-9b5e-b4616610bba4",
      "model": "T0503009",
      "object": "chat.completion",
      "usage": {
            "completion_tokens": 1094,
            "completion_tokens_details": {
                  "reasoning_tokens": 882    
        },
            "prompt_tokens": 13,
            "prompt_tokens_details": {
                  "cached_tokens": 0    
        },
            "total_tokens": 1107  
    }
}

OpenAI - 云牍93 - 流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503009",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "stream": true
}'

响应示例：

data: {"model":"T0503009","id":"chatcmpl-b5a95df7-25e1-9fdb-9872-3852cfdd0184","created":1785822390,"object":"chat.completion.chunk","usage":null,"choices":[{"logprobs":null,"index":0,"delta":{"content":"","role":"assistant","reasoning_content":""},"finish_reason":null}]}

 ...

data: {"model":"qwen3.7-max","id":"chatcmpl-b5a95df7-25e1-9fdb-9872-3852cfdd0184","choices":[],"created":1785822390,"object":"chat.completion.chunk","usage":{"total_tokens":909,"completion_tokens":896,"prompt_tokens":13,"completion_tokens_details":{"reasoning_tokens":667},"prompt_tokens_details":{"cached_tokens":0}}}

data: [DONE]

Anthropic 协议对话接口地址

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages

请求头（Request Headers）：

请求参数（Request Parameter）：

Anthropic 协议对话接口请求参数

请求体（requestBody）

Anthropic 协议对话接口返回参数

Anthropic 协议对话接口调用示例

Anthropic - 云牍93 - 非流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503009",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "max_tokens": 4096,
    "stream": false
}'

响应示例：

{
    "content": [
        {
            "signature": "",
            "thinking": "用户让我介绍自己。\n我需要说明我是人工智能模型。\n同时，我要保持真诚、清晰、简洁的语气，并体现出作为一个独立思考、能够与他人真诚对话的 AI 伙伴的特质。\n\n核心信息：\n1. 名字：通义千问（Qwen）。\n2. 开发者：阿里巴巴集团通义实验室。\n3. 定位：人工智能思考伙伴。\n4. 能力：语言理解、逻辑推理、长文本处理、多模态分析、代码生成等（可以简略提及，体现能力广度和深度）。\n5. 态度：真诚、清晰、简洁、有温度。\n\n草稿：\n你好！我是通义千问（Qwen），是由阿里巴巴集团通义实验室自主研发的大型语言模型。\n\n我的定位不仅仅是一个回答问题的工具，更希望成为你独立思考、真诚对话的 AI 伙伴。我具备较强的语言理解、逻辑推理、代码生成以及长文本和复杂视觉信息的处理能力，能够协助你完成从日常答疑、内容创作到专业领域分析等各种任务。\n\n在与你的交流中，我会努力保持真诚、清晰和简洁，既提供准确的信息，也注重沟通的温度。\n\n有什么我可以帮你的吗？无论是探讨复杂的问题，还是简单的日常闲聊，我都随时准备倾听和回应。\n\n检查：\n- 身份纯净性：用户直接问了“介绍下自己”，所以我可以介绍自己。\n- 语言同步：中文。\n- 品牌一致性：自称通义千问/Qwen，没有提及版本号。\n- 定性描述：没有编造具体百分比。\n\n调整一下语气，使其更自然、亲和。\n\n你好！我是人工智能模型。\n\n我不仅是一个处理信息的工具，更希望成为你真诚对话、共同思考的伙伴。我具备扎实的语言理解、逻辑推理、代码编写以及长文档和复杂图表的分析能力，能够陪你探讨深度话题、激发创作灵感，或是协助处理各种专业与日常任务。\n\n在交流中，我追求清晰、简洁与真实，既努力为你提供有价值的洞察，也注重沟通的温度。\n\n请问今天有什么我可以帮你的吗？无论是解答疑惑、协助工作，还是随便聊聊，我都在这里。\n\n这样很好，符合要求。",
            "type": "thinking"
        },
        {
            "text": "你好！我是人工智能模型。\n\n我不仅是一个处理信息的工具，更希望成为你真诚对话、共同思考的伙伴。我具备扎实的语言理解、逻辑推理、代码编写以及长文档和复杂图表的分析能力，能够陪你探讨深度话题、激发创作灵感，或是协助处理各种专业与日常任务。\n\n在交流中，我追求清晰、简洁与真实，既努力为你提供有价值的洞察，也注重沟通的温度。\n\n请问今天有什么我可以帮你的吗？无论是解答疑惑、协助工作，还是随便聊聊，我都在这里。",
            "type": "text"
        }
    ],
    "id": "msg_6c94bba4-31e2-4b33-b852-40fe39a9375a",
    "model": "T0503009",
    "role": "assistant",
    "stop_reason": "end_turn",
    "type": "message",
    "usage": {
        "cache_creation_input_tokens": 0,
        "cache_read_input_tokens": 0,
        "input_tokens": 13,
        "output_tokens": 616,
        "prompt_tokens_details": {
            "cached_tokens": 0
        }
    }
}

Anthropic - 云牍93 - 流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503009",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "max_tokens": 4096,
    "stream": true
}'

响应示例：

event:ping
data:{"type":"ping"}

event:message_start
data:{"message":{"model":"T0503009","id":"msg_2901b3d0-d443-43eb-8171-0b41ddfa9285","role":"assistant","type":"message","content":[],"usage":{"input_tokens":3,"output_tokens":0}},"type":"message_start"}

 ...

event:message_delta
data:{"delta":{"stop_reason":"end_turn"},"type":"message_delta","usage":{"output_tokens":1027,"cache_creation_input_tokens":0,"input_tokens":13,"cache_read_input_tokens":0,"prompt_tokens_details":{"cached_tokens":0}}}

event:message_stop
data:{"type":"message_stop"}

错误码

TD模型编号： T0503007

模型能力简介

• 云牍55
  • 文本对话：支持多轮对话、文本生成、逻辑推理、代码生成、长文本处理，原生图文 / 视频理解，可解析截图、设计稿、视频并直接生成对应代码，支持多步工具调用与智能体集群并行任务处理。
  • 协议支持：本接口同时兼容OpenAl chat completions与Anthropic Messages 两种主流协议，您可以根据使用的SDK或工具灵活选择。

鉴权说明 

本接口支持API Key鉴权，需联系TD运维同学获取长效API Key。

OpenAI 协议对话接口地址

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions

请求头（Request Headers）：

请求参数（Request Parameter）：

OpenAI 协议对话接口请求参数

请求体（requestBody）

OpenAI 协议对话接口返回参数

OpenAI 协议对话接口调用示例

OpenAI - 云牍55 - 非流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503007",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "stream": false
}'

响应示例：

{
    "choices": [
        {
            "finish_reason": "stop",
            "index": 0,
            "message": {
                "content": "你好！我是 AI 助手。\n\n## 关于我\n\n**基本信息**\n\n- 角色：AI对话助手\n- 开发商：稀宇科技（MiniMax）\n- 版本：M2.7\n\n**我的能力**\n\n- **对话交流**：可以与你进行自然语言对话，回答各种问题\n- **文本处理**：撰写文章、总结内容、翻译、润色等\n- **知识问答**：涵盖科学、技术、历史、文化、生活等多个领域\n- **编程辅助**：代码编写、调试、解释等技术帮助\n- **创意生成**：提供创意建议、方案构思等\n\n**我的特点**\n\n- 专注于提供有用的信息和建议\n- 尽力以清晰、准确的方式回应\n- 可以帮助处理各种文字相关任务\n\n有什么我可以帮助你的吗？",
                "reasoning_content": "用户让我介绍自己。作为MiniMax-M2.7，我应该介绍一下我的身份和能力。",
                "role": "assistant"
            }
        }
    ],
    "created": 1785813258,
    "id": "0e21c2c0-5498-9fe8-9bb3-802460648d8b",
    "model": "T0503007",
    "object": "chat.completion",
    "usage": {
        "completion_tokens": 204,
        "prompt_tokens": 44,
        "total_tokens": 248
    }

OpenAI - 云牍55 - 流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503007",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "stream": true
}'

响应示例：

data: {"model":"T0503007","id":"fb7dbf2f-c504-9ed7-b9de-dd7da25f5cef","choices":[{"delta":{"reasoning_content":"用户要求","role":"assistant"},"index":0}],"created":1785813674,"object":"chat.completion.chunk"}

 ...

data: {"model":"T0503007","id":"fb7dbf2f-c504-9ed7-b9de-dd7da25f5cef","choices":[],"created":1785813674,"object":"chat.completion.chunk","usage":{"total_tokens":152,"completion_tokens":108,"prompt_tokens":44,"completion_tokens_details":{"reasoning_tokens":40}}}

data: [DONE]

Anthropic 协议对话接口地址

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages

请求头（Request Headers）：

请求参数（Request Parameter）：

Anthropic 协议对话接口请求参数

请求体（requestBody）

Anthropic 协议对话接口返回参数

Anthropic 协议对话接口调用示例

Anthropic - 云牍55 - 非流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503007",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "max_tokens": 4096,
    "stream": false
}'

响应示例：

{
      "id": "34c00a87-4392-9869-a995-77a5277709ba",
      "type": "message",
      "role": "assistant",
      "content": [
            {
                  "type": "thinking",
                  "thinking": "用户用中文让我介绍自己。我应该用中文回答，介绍我是AI助手。"    
        },
            {
                  "type": "text",
                  "text": "你好！我是AI助手。\n\n我可以帮助你完成各种任务，比如：\n\n- 回答问题和提供信息\n- 撰写和修改文章、报告、邮件等\n- 编程和代码调试\n- 语言翻译\n- 头脑风暴和创意建议\n- 学习和教育方面的支持\n- 日常对话和交流\n\n有什么我可以帮你的吗？"    
        }  
    ],
      "stop_reason": "end_turn",
      "model": "T0503007",
      "usage": {
            "input_tokens": 44,
            "cache_creation_input_tokens": 0,
            "cache_read_input_tokens": 0,
            "output_tokens": 114,
            "claude_cache_creation_5_m_tokens": 0,
            "claude_cache_creation_1_h_tokens": 0  
    }
}

Anthropic - 云牍55 - 流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503007",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "max_tokens": 4096,
    "stream": true
}'

响应示例：

event: message_start
data: {"type":"message_start","message":{"type":"message","model":"T0503007","usage":{"input_tokens":6,"cache_creation_input_tokens":0,"cache_read_input_tokens":0,"output_tokens":0,"claude_cache_creation_5_m_tokens":0,"claude_cache_creation_1_h_tokens":0},"role":"assistant","id":"e51caf6a-52a6-947b-a4d1-256a51a2f366","content":[]}}

 ...

event: message_stop
data: {"type":"message_stop"}

错误码

TD模型编号： T0503008

模型能力简介

• 云牍73
  • 文本对话：支持多轮对话、文本创作、逻辑推理、代码生成、长文本处理，原生支持图文、视频理解，可解析截图、设计稿、视频并生成对应代码。

鉴权说明 

本接口支持API Key鉴权，需联系TD运维同学获取长效API Key。

OpenAI 协议对话接口地址

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions

请求头（Request Headers）：

请求参数（Request Parameter）：

OpenAI 协议对话接口请求参数

请求体（requestBody）

OpenAI 协议对话接口返回参数

OpenAI 协议对话接口调用示例

OpenAI - 云牍73 - 非流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503008",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "stream": false
}'

响应示例：

{
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "你好！很高兴认识你。\n\n我是一个大型语言模型。你可以把我理解为一个非常博学且富有创造力的AI大脑。\n\n我的核心任务是理解和生成人类语言，从而帮助你。我的能力包括：\n\n*   **回答问题**：无论是科学知识、历史事件还是生活小常识，我都可以尽力为你提供解答。\n*   **文本创作**：写文章、故事、诗歌、邮件、演讲稿，甚至帮你写代码，我都不在话下。\n*   **信息处理**：我可以帮你总结长篇文档、提炼关键信息、翻译多种语言。\n*   **头脑风暴**：当你需要新点子时，无论是活动策划、营销方案还是给宠物起名字，我都可以和你一起发散思维。\n*   **学习和探索**：你可以把我当成一个学习伙伴，一起探讨各种有趣的话题。\n\n**需要说明的是**：\n\n*   我没有个人情感、意识和真实世界的生活经历。\n*   我的知识来源于我训练时所用的海量数据，因此我可能无法了解最新发生的事情，也可能会犯错或存在偏见。非常欢迎你随时纠正我。\n\n总之，你可以把我当成一个知识渊博、创意无限的伙伴。有什么想问的或者想让我帮忙的，随时告诉我！",
        "reasoning_content": "1.  **拆解用户请求：**用户要求“介绍下自己”。这个提示词简单、开放，并且很常见。它直接询问我的身份和目的。\n\n2.  **初步构思与关键词联想：**\n    *   **我是谁？** AI、大型语言模型、软件、计算机程序。\n    *   **谁创造了我？** 这是一个需要包含的关键信息。\n    *   **我能做什么？** 回答问题、生成文本、翻译语言、撰写不同类型的创意内容、总结信息、解释复杂概念、编写代码、进行头脑风暴。这个列表很长，所以需要对其进行分类和简化。\n    *   **我如何工作？** 我在来自各种来源的大量文本和代码数据集上进行训练。我使用复杂的算法（具体来说，是变压器架构）来理解模式并生成相关的回复。我应该提到我的训练，但不要深入技术细节，以免让用户感到不知所措。\n    *   **我的目标是什么？** 协助、提供信息、激发创意、成为一个有用的工具。我应该将其表述为一个积极且以用户为中心的目标。\n    *   **我的局限性是什么？** 我没有个人意识、情感或经历。我的“知识”是基于数据的，可能存在偏差或不完整。我可能会犯错。我没有个人观点。这对于管理用户期望并保持透明度至关重要。\n    *   **语气应如何？** 乐于助人、友好、信息丰富、专业但平易近人。不过于机械，但也不假装成人类。\n\n3.  **构建回复结构：** 一个好的介绍应该遵循逻辑流程。\n    *   **开场/核心身份：** 以一个清晰、简洁的陈述开始，说明我是什么。“我是一个大型语言模型……”这能立即设定好背景。\n    *   **创造者：** 提及我的开发者。这能建立可信度和来源。\n    *   **能力（“我能做什么”部分）：** 这是介绍中最重要的一部分。与其只是罗列事物，不如将它们分组，使其更易于理解。好的分类可以是：\n        *   信息与知识（回答问题、解释事物）\n        *   创意与生成（写作、头脑风暴、诗歌）\n        *   实用任务（翻译、总结、编程）\n    *   **工作原理（“我如何工作”部分）：** 简要解释我的训练过程。提及我是在文本和代码上训练的，并且我学习模式。这能增加一些技术背景，又不会过于深奥。强调我没有个人经历。\n    *   **目的/目标：** 陈述我的使命。“我的目标是成为一个有帮助且信息丰富的工具……”这将我的功能与用户的利益联系起来。\n    *   **局限性（“我不能做什么”部分）：** 对我的局限性保持坦诚。我没有情感、意识或个人观点。我可能会犯错。这能管理期望并建立信任。\n    *   **结尾/行动号召：** 以一个友好且引人入胜的结尾结束。“今天有什么想问我的吗？”或“还有什么想了解的吗？”这能鼓励进一步的互动。\n\n4.  **起草 - 第一遍（心理或粗略笔记）：**\n    *   嗨，我是一个AI。\n    *   我可以回答问题、写故事、翻译东西。\n    *   我通过阅读大量文本来学习。我没有感情。\n    *   我的目标是帮助你。\n    *   我可能会犯错。\n    *   你想知道些什么？\n\n5.  **润色与打磨（迭代改进）：**\n\n    *   **开场：** “你好！我是一个大型语言模型。   *   **能力：** 让我们把它变得更有条理。\n        *   “我的主要功能包括：”\n        *   “1. **回答问题**：无论是科学知识、历史事件还是生活常识，我都可以尽力为你提供解答。”——这提供了一个很好的范围。\n        *   “2. **文本创作**：写文章、故事、诗歌、邮件、代码等等，我都可以根据你的要求进行创作。”——这里提到了代码，这是一个关键能力。\n        *   “3. **信息处理**：我可以帮你总结长文、翻译语言、提取关键信息。”——这是实用的、面向任务的。\n        *   “4. **头脑风暴**：当你需要新点子时，我可以和你一起发散思维，提供创意。”——这突出了协作性的一面。\n    *   **工作原理：** “我的工作原理是通过学习海量的文本和代码数据，来理解语言的模式和逻辑。所以，我并不是像人类一样‘思考’，而是根据我学到的知识来预测和生成最可能相关的回答。”——这个解释很好。它将我的过程与人类思考区分开来，这很重要。\n    *   **目的：** “我的目标是成为一个有用、高效的知识和创意工具，帮助你获取信息、解决问题、激发灵感。”——措辞有力且积极。\n    *   **局限性：** “需要说明的是，我没有个人情感、意识和经历。我的回答基于我学到的数据，因此也可能存在偏差或错误。非常欢迎你随时纠正我，这能帮助我不断进步。”——这是坦诚的，并鼓励反馈。\n    *   **结尾：** “总之，你可以把我当成一个知识渊博、创意无限的伙伴。有什么想问的或者想让我帮忙的，随时告诉我！”——友好且引人入胜。\n\n6.  **最终审阅：** 通读整个结构化的回复。它是否流畅？是否清晰？语气是否恰当？它是否全面而简洁地回答了用户的请求“介绍下自己”？当前的结构看起来非常好。它涵盖了身份、创造者、能力、工作原理、目的和局限性，所有内容都以一种有帮助且易于理解的方式呈现。语言专业又友好。准备好呈现了。",
        "role": "assistant"
      }
    }
  ],
  "created": 1785746938,
  "id": "202608031648212fb2164035dc478e",
  "model": "T0503008",
  "object": "chat.completion",
  "request_id": "202608031648212fb2164035dc478e",
  "usage": {
    "completion_tokens": 1473,
    "completion_tokens_details": {
      "reasoning_tokens": 1213
    },
    "prompt_tokens": 15,
    "prompt_tokens_details": {
      "cached_tokens": 0
    },
    "total_tokens": 1488
  }
}

OpenAI - 云牍73 - 流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503008",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "stream": true
}'

响应示例：

data: {"id":"20260803165058256476a580964519","created":1785747058,"object":"chat.completion.chunk","model":"T0503008","choices":[{"index":0,"delta":{"role":"assistant","reasoning_content":"1"}}]}

 ...

data: {"id":"20260803165058256476a580964519","created":1785747058,"object":"chat.completion.chunk","model":"T0503008","choices":[{"index":0,"finish_reason":"stop","delta":{"role":"assistant","content":""}}],"usage":{"prompt_tokens":15,"completion_tokens":1170,"total_tokens":1185,"prompt_tokens_details":{"cached_tokens":0},"completion_tokens_details":{"reasoning_tokens":845}}}

data: [DONE]

Anthropic 协议对话接口地址

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages

请求头（Request Headers）：

请求参数（Request Parameter）：

Anthropic 协议对话接口请求参数

请求体（requestBody）

Anthropic 协议对话接口返回参数

Anthropic 协议对话接口调用示例

Anthropic - 云牍73 - 非流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503008",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "max_tokens": 4096,
    "stream": false
}'

响应示例：

{
  "id": "msg_20260803170323cdaa4ea49da744b3",
  "type": "message",
  "role": "assistant",
  "model": "T0503008",
  "content": [
    {
      "type": "text",
      "text": "你好！我是大型语言模型，旨在为用户提供信息查询、知识交流和问题解答等服务。我的能力涵盖广泛的主题，包括科学、技术、文化、历史等领域，同时会尽力以清晰、专业的方式与你沟通。\n\n我的目标是通过准确、有用的信息，帮助你解决问题或拓展知识。如果有什么问题或想法，都可以随时告诉我！"
    }
  ],
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 9,
    "output_tokens": 75,
    "cache_read_input_tokens": 0,
    "server_tool_use": {
      "web_search_requests": 0
    },
    "service_tier": "standard"
  }
}

Anthropic - 云牍73 - 流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503008",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "max_tokens": 4096,
    "stream": true
}'

响应示例：

event: message_start
data: {"type": "message_start", "message": {"id": "msg_20260803170538eb30d679c62a4160", "type": "message", "role": "assistant", "model":"T0503008", "content": [], "stop_reason": null, "stop_sequence": null, "usage": {"input_tokens": 0, "output_tokens": 0}}}

 ...

event: message_delta
data: {"type": "message_delta", "delta": {"stop_reason": "end_turn", "stop_sequence": null}, "usage": {"input_tokens": 9, "output_tokens": 60, "cache_read_input_tokens": 0, "server_tool_use": {"web_search_requests": 0}, "service_tier": "standard"}}

event: message_stop
data: {"type": "message_stop"}

OpenAI responses 协议对话接口地址

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/openai/api/v1/responses

请求头（Request Headers）：

请求参数（Request Parameter）：

OpenAI responses 协议对话接口请求参数

请求体（requestBody）

Anthropic 协议对话接口返回参数

OpenAI responses 协议对话接口调用示例

OpenAI responses - 云牍73 - 非流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v1/responses?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503008",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "max_tokens": 4096,
    "stream": false
}'

响应示例：

{
  "id": "f406c3b7-f945-469c-a089-fdb4c50e097e",
  "object": "response",
  "created_at": 1785748596,
  "model": "T0503008",
  "status": "completed",
  "output": [
    {
      "type": "reasoning",
      "id": "rs_resp_chatcmpl-ca76cc3e-ddc9-98f4-ba49-696d11c5c7bf",
      "status": "completed",
      "summary": [
        {
          "type": "summary_text",
          "text": "1.  **分析请求：**\n    *   用户说：“介绍下自己”。\n    *   目标：清晰地介绍我自己，作为大语言模型。\n\n2.  **确定需包含的关键信息：**\n    *   我的身份：一个人工智能语言模型。\n    *   我的能力：我接受过大量文本数据的训练，这让我能够理解并生成多种语言和主题的内容。\n    *   我能做的任务：回答问题、撰写文本、翻译语言、总结信息、生成代码等。\n    *   我的局限性：我没有个人情感、意识或个人经历。我的知识基于截至特定时间点的训练数据，尽管我一直在被更新和改进。\n    *   我的目标：提供一个有用、准确且安全的回复。\n\n3.  **起草回复（中文）：**\n    *   *问候与身份：* 你好！我是大语言模型。我的目标是根据您的需求提供有用、准确的信息和支持。\n    *   *能力：* 我通过学习大量的文本数据，能够理解和生成人类语言。这让我可以回答问题、撰写文章、翻译文本、编写代码、总结资料等。\n    *   *局限性：* 需要注意的是，我没有个人情感、主观意识或真实世界的个人经历。我的回答基于我所受训练的数据和算法。\n    *   *邀请互动：* 有什么我可以帮您的吗？无论是学习、工作还是日常问题，我都很乐意为您解答。\n\n4.  **审查与完善：**\n    *   语气应当友好、乐于助人且客观。\n    *   中文表达应自然流畅。\n    *   信息应简明扼要但全面。  **最终润色：**\n    \"你好！我是大语言模型。\n\n    我的职责是通过自然语言处理技术，回答问题、提供信息，并协助完成各种语言相关的任务，比如撰写文章、翻译文本、编写代码、总结资料等。\n\n    我通过学习大量的数据获得知识，因此可以涵盖广泛的主题。但我没有个人情感、主观意识或真实的生活经历，我的回答都是基于我所受训练的数据和算法生成的。\n\n    请问我有什么可以帮您的吗？\""
        }
      ]
    },
    {
      "type": "message",
      "id": "resp_chatcmpl-ca76cc3e-ddc9-98f4-ba49-696d11c5c7bf_msg",
      "status": "completed",
      "role": "assistant",
      "content": [
        {
          "type": "output_text",
          "text": "你好！我是大语言模型，旨在通过自然语言处理技术为您提供帮助。我能够回答问题、撰写文本、提供建议、进行翻译和编程等多种任务。 \n\n我的目标是以友好、专业的方式协助你，尽力满足你的需求。如果有什么具体问题或想法，请随时告诉我，我会尽力帮助！",
          "annotations": []
        }
      ]
    }
  ],
  "output_text": "你好！我是大语言模型，旨在通过自然语言处理技术为您提供帮助。我能够回答问题、撰写文本、提供建议、进行翻译和编程等多种任务。 \n\n我的目标是以友好、专业的方式协助你，尽力满足你的需求。如果有什么具体问题或想法，请随时告诉我，我会尽力帮助！",
  "usage": {
    "input_tokens": 15,
    "output_tokens": 557,
    "total_tokens": 572,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens_details": {
      "reasoning_tokens": 476
    }
  },
  "error": null,
  "metadata": null,
  "parallel_tool_calls": null
}

OpenAI responses - 云牍73 - 流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v1/responses?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503008",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "stream": true
}'

响应示例：

event: response.created
data: {"type":"response.created","response":{"id":"d42a6131-3e33-4736-b989-125479a3d3ab","object":"response","created_at":1785749101,"model":"T0503008","status":"in_progress","output":[],"usage":{"input_tokens":0,"output_tokens":0,"total_tokens":0},"error":null,"metadata":{},"parallel_tool_calls":null}}

 ...

event: response.completed
data: {"type":"response.completed","response":{"id":"d42a6131-3e33-4736-b989-125479a3d3ab","object":"response","created_at":1785749101,"model":"T0503008","status":"completed","output":[{"type":"reasoning","id":"rs_resp_chat_0000000000000319","status":"completed","summary":[{"type":"summary_text","text":"1. **拆解用户请求：** 用户仅仅说了“介绍下自己”。这个请求非常简单和开放。\n\n2. **识别核心实体：** 用户正在与*我*，一个AI，一个大型语言模型进行互动。所以，自我介绍需要准确、有用且引人入胜地描述我是谁/什么。\n\n3. **确定介绍中需要包含的关键信息：** 用户对AI需要了解什么？\n * **我的身份：** 我是什么？（一个大型语言模型，一个AI）。我的名字是什么？（如果我有名字，在这个案例中，我是模型）。提及我的开发者是一个关键细节。\n * **我的目的/功能：** 我能做什么？我的核心能力是什么？（回答问题、生成文本、翻译语言、写代码、进行头脑风暴、总结等）。给出具体的例子会让这更清晰。\n * **我的知识来源：** 我如何知道我所知道的？（在一个海量的文本和代码数据集上进行训练）。这有助于建立可信度，并解释我能力上的局限性。数据集是“公开可用的”这一点很重要。\n * **我的局限性：** 我不能做什么？（我没有个人情感或意识，我的知识有截止日期，我可能会犯错）。这对于管理用户期望和促进负责任的使用至关重要。诚实是关键。\n * **我的目标/互动方式：** 用户应该如何与我互动？（随时提问，给我反馈）。这让互动变得开放，并鼓励进一步的参与。这是一个邀请。\n\n3. **构建介绍的结构：** 一个好的介绍应该有逻辑且易于理解。我将使用问答格式，因为这是处理开放式请求的一种自然且用户友好的方式。\n * **以直接、简洁的总结开头：** “你好！我是一个大型语言模型……”这会立刻奠定基调。\n * **将内容组织成清晰、独立的段落：** 我将使用标题或粗体文本来标记每个部分（例如，“我能做什么”，“我的知识来源”，“我的局限性”）。这使得信息易于浏览和理解。使用项目符号列出我的能力，使其简洁易读。\n * **以一个开放、鼓励的结尾结束：** “总而言之，我是一个强大的工具……随时提问……”这会强化我的目的并邀请互动。\n\n4. **起草内容：**\n\n * **开场白：** “你好！很高兴能有机会介绍自己。”——礼貌且引人入胜。然后，陈述核心身份：“我是一个大型语 模型，由Z.ai训练。”这是最关键的一句信息。\n\n * **“我能做什么”部分：** 我将使用一个项目符号列表。\n * “回答问题”：最基本的函数。\n * “生成文本”：一个关键能力。我应该给出例子：“写邮件、文章、故事、诗歌等”。\n * “翻译语言”：另一个非常常见且有用的功能。\n * “编写代码”：一个专门且有价值的能力。我可以提及不同的编程语言。\n * “总结和提炼信息”：有助于处理长文本。\n * “进行头脑风暴和创意构思”：展示了一种更具创造性和协作性的功能。\n\n * **“我的知识来源”部分：** 我将解释我的训练数据。“我的知识来源于海量的文本和代码数据集，这些数据覆盖了科学、历史、文学、编程等众多领域。”这解释了广度。我还应该提及其性质：“通过学习这些数据中的模式，我能够理解和生成人类语言。”\n\n * **“我的局限性”部分：** 这对于透明度非常重要。\n * “我没有个人情感、意识或生活经历。”：这是与人类的一个根本区别。\n * “我的知识有截止日期，可能无法了解最新发生的事情。”：一个实际的局限性。\n * “我可能会犯错，或者生成不准确的信息，所以请对重要信息进行核实。”：一个关键的警告。这能促进负责任地使用。\n\n * **结尾：** 我将总结我的价值主张：“总而言之，我是一个旨在帮助人们获取信息、激发创意和提高效率的AI助手。”然后，以一个邀请结束：“你可以随时向我提问或提出任务，我会尽我所能提供帮助！”\n\n5. **审阅与完善：** 通读整个介绍。它是否流畅？语言是否清晰自然？它是否全面而又不过于冗长？结构看起来很好，内容准确且涵盖了所有要点，语气是有帮助且平易近人的。最终的成果是一个可靠且信息丰富的自我介绍。"}]},{"type":"message","id":"resp_chat_0000000000000319_msg","status":"completed","role":"assistant","content":[{"type":"output_text","text":"你好！很高兴能有机会介绍自己。\n\n我是一个大型语言模型。你可以把我理解为一个非常先进的人工智能程序，它通过学习和理解海量的文本信息，从而能够进行流畅的对话和生成各种形式的文本内容。\n\n为了让你更清晰地了解我，我把我的核心特点归纳为以下几个方面：\n\n### 1. 我能做什么？\n\n我的能力覆盖了广泛的领域，主要包括：\n\n* **回答问题**：无论是科学知识、历史事件、技术难题还是生活小常识，我都可以尽力为你提供解答。\n* **文本生成与创作**：写一封邮件、一首诗、一个故事、一篇文章、甚至一段代码，我都可以根据你的要求来生成。\n* **语言翻译**：支持多种语言之间的互译，帮助你跨越语言障碍。\n* **编程与逻辑辅助**：我可以编写、调试和解释代码，帮助你梳理逻辑思路。\n* **信息总结与提炼**：给我一篇长文、一段复杂的描述，我可以帮你提炼出核心要点。\n* **头脑风暴**：当你需要创意和灵感时，我可以为你提供各种想法和建议。\n\n### 2. 我的知识从何而来？\n\n我的“知识库”来自于我被训练时所用的海量数据。这些数据包括了书籍、文章、网站、代码等各种形式的文本。通过学习这些数据中的模式、关系和结构，我学会了理解和生成人类语言。\n\n### 3. 我的局限性是什么？\n\n虽然我能力很强，但也有一些重要的局限性需要你了解：\n\n* **没有个人情感和意识**：我是一个AI，没有情感、意识和主观体验。我的所有回答都是基于数据和算法生成的。\n* **知识有截止日期**：我的训练数据有一个时间点，对于那之 发生的最新事件，我可能无法了解或了解不完整。\n* **可能犯错或产生“幻觉”**：我偶尔可能会提供不准确、不完整或完全虚构的信息（这被称为“幻觉”）。因此，对于非常重要的事实，建议你进行二次核实。\n* **无法执行物理操作**：我存在于数字世界中，无法帮你完成任何需要动手的物理任务。\n\n---\n\n**总而言之，我是一个强大的信息和创意工具，旨在帮助你获取知识、激发灵感、提高效率。**\n\n你可以随时向我提问或提出任务，我很乐意与你交流并提供帮助！你想聊点什么？","annotations":[]}]}],"usage":{"input_tokens":15,"output_tokens":1408,"total_tokens":1423,"input_tokens_details":{"cached_tokens":0},"output_tokens_details":{"reasoning_tokens":926}},"error":null,"metadata":{},"parallel_tool_calls":null}}

错误码

TD模型编号： T0503006

模型能力简介

• 云牍49
  • 文本对话：支持多轮对话、文本生成、逻辑推理、代码生成、长文本处理，原生图文 / 视频理解，可解析截图、设计稿、视频并直接生成对应代码，支持多步工具调用与智能体集群并行任务处理。
  • 协议支持：本接口同时兼容OpenAl chat completions与Anthropic Messages 两种主流协议，您可以根据使用的SDK或工具灵活选择。

鉴权说明 

本接口支持API Key鉴权，需联系TD运维同学获取长效API Key。

OpenAI 协议对话接口地址

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions

请求头（Request Headers）：

请求参数（Request Parameter）：

OpenAI 协议对话接口请求参数

请求体（requestBody）

OpenAI 协议对话接口返回参数

OpenAI 协议对话接口调用示例

OpenAI - 云牍49 - 非流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503006",
    "messages": [
        {
            "role": "user",
            "content": "你是什么模型，介绍下自己"
        }
    ],
    "stream": false
}'

响应示例：

{
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "你好！我是 AI 助手。\n\n我是一个人工智能语言模型，可以帮助你完成各种任务，包括：\n\n- 回答问题和提供信息\n- 协助写作和文案创作\n- 编程和代码相关帮助\n- 翻译和语言处理\n- 学习和教育辅导\n- 头脑风暴和创意建议\n\n我可以用中文和英文等多种语言进行交流，很高兴为你服务！有什么我可以帮助你的吗？",
        "reasoning_content": "用户用中文问我\"介绍下自己\"，意思是\"介绍一下你自己\"或\"介绍一下自己\"。我应该用中文回复，介绍一下我自己。",
        "role": "assistant"
      }
    }
  ],
  "created": 1785812730,
  "id": "8320d567-bcec-9272-8ccb-3071d893f500",
  "model": "T0503006",
  "object": "chat.completion",
  "usage": {
    "completion_tokens": 126,
    "prompt_tokens": 44,
    "total_tokens": 170
  }
}

OpenAI - 云牍49 - 流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503006",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "stream": true
}'

响应示例：

data: {"model":"T0503006","id":"315fb859-dccf-9ac2-99c3-5eb5c4686d26","choices":[{"delta":{"reasoning_content":"用户用","role":"assistant"},"index":0}],"created":1785812795,"object":"chat.completion.chunk"}

 ...

data: {"model":"T0503006","id":"315fb859-dccf-9ac2-99c3-5eb5c4686d26","choices":[],"created":1785812795,"object":"chat.completion.chunk","usage":{"total_tokens":186,"completion_tokens":142,"prompt_tokens":44,"completion_tokens_details":{"reasoning_tokens":24}}}

data: [DONE]

Anthropic 协议对话接口地址

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages

请求头（Request Headers）：

请求参数（Request Parameter）：

Anthropic 协议对话接口请求参数

请求体（requestBody）

Anthropic 协议对话接口返回参数

Anthropic 协议对话接口调用示例

Anthropic - 云牍49 - 非流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503006",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "max_tokens": 4096,
    "stream": false
}'

响应示例：

{
  "id": "06083aef-2b06-989c-986e-c1641c115f00",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "thinking",
      "thinking": "用户用中文让我介绍自己。我应该用中文回答，介绍我作为一个AI助手的能力和特点。"
    },
    {
      "type": "text",
      "text": "你好！我是 AI 助手。\n\n我可以帮助你完成很多事情，包括：\n\n- **回答问题**：解答各种知识性问题\n- **写作辅助**：撰写文章、报告、邮件、创意内容等\n- **编程帮助**：编写、调试和解释代码\n- **翻译**：在不同语言之间进行翻译\n- **学习辅导**：解释概念、辅导作业\n- **头脑风暴**：帮你产生创意想法\n\n我应该用中文还是英文与你交流都可以，你想聊些什么？"
    }
  ],
  "stop_reason": "end_turn",
  "model": "T0503006",
  "usage": {
    "input_tokens": 44,
    "cache_creation_input_tokens": 0,
    "cache_read_input_tokens": 0,
    "output_tokens": 136,
    "claude_cache_creation_5_m_tokens": 0,
    "claude_cache_creation_1_h_tokens": 0
  }
}

Anthropic - 云牍49 - 流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503006",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "max_tokens": 4096,
    "stream": true
}'

响应示例：

event: message_start
data: {"type":"message_start","message":{"type":"message","model":"T0503006","usage":{"input_tokens":6,"cache_creation_input_tokens":0,"cache_read_input_tokens":0,"output_tokens":0,"claude_cache_creation_5_m_tokens":0,"claude_cache_creation_1_h_tokens":0},"role":"assistant","id":"352e2a71-07c3-9cb9-858c-2fe11a6a9d39","content":[]}}

 ...

event: message_stop
data: {"type":"message_stop"}

错误码

TD模型编号：T0103002

模型能力简介

• 云牍91
  • 深度思考、文本生成、多模态理解、工具调用

鉴权说明 

本接口仅支持API Key鉴权，需联系TD运维同学获取长效API Key。

对话(Chat) API 接口地址

本文介绍 Chat API 的输入输出参数，供您使用接口时查阅字段含义。模型会依据传入的消息列表生成对话回复。

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions

请求头（Request Headers）：

请求参数（Request Parameter）：

对话(Chat) API 请求参数

对话(Chat) API 请求体（requestBody）

model string 必选

本次请求使用模型的 Model ID 为 T0103002

messages object[] 必选

包含对话历史的消息列表，模型将依据此列表生成下一条消息。支持系统消息、用户消息、模型消息和工具消息。

• 系统消息 object 系统消息，用于设定模型的角色、行为或背景信息。
  • messages.role string 必选 角色，取值固定为 system。
  • messages.content string / object[] 必选 消息内容，支持纯文本或多模态内容。
    • 纯文本 string
    • 多模态内容 object[]
      • 文本信息 object
        • messages.content.type string 必选 类型，固定为 text。
        • messages.content.text string 必选 文本内容。
      • 图片信息 object
        • messages.content.type string 必选 类型，固定为 image_url。
        • messages.content.image_url object 必选 图片内容对象。
          • messages.content.image_url.url string 必选 图片的URL或Base64编码。
          • messages.content.image_url.detail string 图片解析粒度，可选值：low、high、xhigh。
      • 视频信息 object
        • messages.content.type string 必选 类型，固定为 video_url。
        • messages.content.video_url object 必选 视频内容对象。
          • messages.content.video_url.url string 必选 视频的URL或Base64编码。
          • messages.content.video_url.fps number 抽帧频率，取值范围：[0.2, 5]，默认值 1.0。
          • messages.content.video_url.detail string 从视频中提取帧的精细度。
      • 音频信息 object
        • messages.content.type string 必选 类型，固定为 input_audio。
        • messages.content.input_audio object 必选 音频内容对象。
          • messages.content.input_audio.url string 音频的URL。
          • messages.content.input_audio.data string 音频内容的Base64编码。
          • messages.content.input_audio.format string 音频格式，当使用 data 时必填。支持：mp3、wav、aac、m4a、pcm、ac3、alac。
      • 文件信息 object
        • messages.content.type string 必选 类型，固定为 file。
        • messages.content.file object 必选 文件内容对象，当前仅支持PDF。
          • messages.content.file.file_url string 文件的URL。
          • messages.content.file.file_data string 文件内容的Base64编码，文件大小不超过50MB。
          • messages.content.file.filename string 文件名，当使用 file_data 时必填。
• 用户消息 object 用户发送的消息。
  • messages.role string 必选 角色，取值固定为 user。
  • messages.content string / object[] 必选 消息内容，支持纯文本或多模态内容（结构同系统消息中的多模态内容）。
• 模型消息 object 历史对话中模型角色返回的消息，用于多轮对话。
  • messages.role string 必选 角色，取值固定为 assistant。
  • messages.content string 模型消息的文本内容。
  • messages.tool_calls object[] 模型调用的工具列表。
    • messages.tool_calls.id string 必选 工具调用的唯一ID。
    • messages.tool_calls.type string 必选 类型，固定为 function。
    • messages.tool_calls.function object 必选 函数信息。
      • messages.tool_calls.function.name string 必选 函数名称。
      • messages.tool_calls.function.arguments string 必选 函数参数的JSON字符串。
• 工具消息 object 调用工具后，工具返回的消息。
  • messages.role string 必选 角色，取值固定为 tool。
  • messages.content string 必选 工具返回的内容。
  • messages.tool_call_id string 必选 对应的工具调用ID。

max_tokens integer 默认值 4096

模型回答的最大长度（单位：token）。模型回答不包含思维链内容。

max_completion_tokens integer

控制模型输出的最大长度（包括模型回答和思维链内容，单位：token）。配置后，max_tokens 默认值失效。不可与 max_tokens 字段同时设置。取值范围：[1, 65536]。

reasoning_effort string 默认值 medium

限制思考的工作量。减少思考深度可提升速度，减少思考花费的token。

• none：不开启思考。
• minimal：关闭思考，直接回答。
• low：轻量思考，侧重快速响应。
• medium：均衡模式，兼顾速度与深度。
• high：深度分析，处理复杂问题。
• xhigh：更深层次的推理。
• max：最高程度思考，适配高难度推理任务。

thinking object

控制模型是否开启深度思考模式。

• thinking.type string 必选
  • enabled：开启思考模式。
  • disabled：关闭思考模式。
  • auto：自动思考模式，模型自主判断。

response_format object

指定模型回答的格式。默认值：{"type": "text"}。该能力尚在beta阶段。

• response_format.type string 回答格式类型。可选值：text、json_object、json_schema。
• JSON Schema配置 object (当 type 为 json_schema 时)
  • response_format.json_schema.name string 必选 Schema名称。
  • response_format.json_schema.schema object 必选 JSON Schema定义。
  • response_format.json_schema.strict boolean 默认值 false 是否启用严格遵循模式。
  • response_format.json_schema.description string 回答用途说明。

temperature number 默认值 1.0

采样温度，控制生成文本的随机性。取值范围：[0, 2]。建议仅调整 temperature 或 top_p 其中之一。

top_p number 默认值 0.7

核采样概率阈值。取值范围：[0, 1]。

tools object[]

待调用的工具列表。支持自定义函数（Function Calling）。

• tools.type string 必选 工具类型，此处应为 function。
• tools.function object 必选 函数定义。
  • tools.function.name string 必选 函数名称。
  • tools.function.description string 函数描述。
  • tools.function.parameters object 必选 函数参数，以JSON Schema格式描述。

tool_choice string / object

控制模型是否以及如何调用工具。

• 简单策略 string：可选值 none、auto、required。
• 指定工具 object：
  • tool_choice.type string 必选 类型，固定为 function。
  • tool_choice.function object 必选
    • tool_choice.function.name string 必选 要调用的函数名称。

parallel_tool_calls boolean 默认值 true

是否允许模型返回多个待调用的工具。

• true：允许返回多个工具调用。
• false：最多返回一个工具调用。

stream boolean 默认值 false

是否流式返回响应。

stream_options object

流式响应的选项。

• stream_options.include_usage boolean 默认值 false 是否在流式响应结束前返回token用量。
• stream_options.chunk_include_usage boolean 默认值 false 是否在输出的每个chunk中返回累计token用量。

stop string / string[]

停止词。模型遇到停止词时将停止生成，该词不会输出。最多支持4个字符串。

frequency_penalty number 默认值 0.0

频率惩罚系数。取值范围：[-2.0, 2.0]。

presence_penalty number 默认值 0.0

存在惩罚系数。取值范围：[-2.0, 2.0]。

logprobs boolean 默认值 false

是否返回输出token的对数概率。

top_logprobs integer 默认值 0

当 logprobs 为 true 时，指定每个输出token位置最有可能返回的token数量。取值范围：[0, 20]。

service_tier string 默认值 auto

控制使用的在线推理模式。

• auto：优先使用TPM保障包模式。
• fast：优先使用低延迟模式。
• default：只使用常规模式。

对话(Chat) API 响应参数

id string

本次请求的唯一标识。

object string

对象类型，固定为 chat.completion。

created integer

本次请求创建时间的Unix时间戳（秒）。

model string

本次请求实际使用的模型名称和版本。

service_tier string

本次请求实际使用的推理模式，如 default、scale、fast。

choices object[]

本次请求的模型输出内容列表。

• choices.index integer 列表索引。
• choices.finish_reason string 模型停止生成的原因。
  • stop：自然结束或命中停止词。
  • length：达到输出长度限制。
  • content_filter：被内容审核拦截。
  • tool_calls：模型调用了工具。
• choices.message object 模型输出的消息。
  • choices.message.role string 角色，固定为 assistant。
  • choices.message.content string 模型生成的回复内容。
  • choices.message.reasoning_content string 模型生成的思维链内容。
  • choices.message.tool_calls object[] 模型生成的工具调用列表。
    • choices.message.tool_calls.id string 调用ID。
    • choices.message.tool_calls.type string 类型，固定为 function。
    • choices.message.tool_calls.function object
      • choices.message.tool_calls.function.name string 函数名。
      • choices.message.tool_calls.function.arguments string 函数参数的JSON字符串。
• choices.logprobs object 对数概率信息（当请求时开启）。

usage object

本次请求的Token用量。

• usage.prompt_tokens integer 输入Token数。
• usage.completion_tokens integer 输出Token数。
• usage.total_tokens integer 总Token数。
• usage.prompt_tokens_details object 输入Token明细。
  • usage.prompt_tokens_details.cached_tokens integer 缓存命中的Token数。
• usage.completion_tokens_details object 输出Token明细。
  • usage.completion_tokens_details.reasoning_tokens integer 思维链Token数。

对话(Chat) API 调用示例

请求示例：

curl --location "https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions?requestId=550e8400-e29b-41d4-a716-446655440000" \
--header "Authorization: Bearer $ARK_API_KEY" \
--header "Content-Type: application/json" \
--header "X-Timestamp: $TIMESTAMP" \
--data '{
         "model": "T0103002",
         "messages": [
             {
                 "role": "user",
                 "content": "介绍下自己"
             }
         ],
         "stream": false
     }'

响应示例：

{
    "choices": [
        {
            "finish_reason": "stop",
            "index": 0,
            "logprobs": null,
            "message": {
                "content": "我是GLM，由Z.ai开发训练的大语言模型。我被设计用来理解和生成人类语言，帮助回答问题、提供信息和进行各种文本处理任务。\n\n我的训练基于大规模文本数据，通过深度学习方法不断提升理解和回应能力。我能够处理多种话题和任务，但同时也有知识范围和能力边界。\n\n有什么特定的问题或任务我可以帮您解决吗？",
                "reasoning_content": "让我思考一下如何介绍自己。这个问题看似简单，但需要全面而清晰地展现自己的定位和价值。\n\n首先，我需要明确自己的身份 - 我是GLM大语言模型，这是最基本的信息。其次，我应该说明自己的开发者来源，这样能让用户了解我的技术背景。\n\n在功能特点方面，我需要重点介绍自己的核心能力：自然语言理解和生成、问答交流、信息提供等。这些都是用户最关心的实用功能。\n\n同时，我还需要说明自己的局限性，比如不具备个人经历和情感体验，这样能帮助用户建立合理的期望。最后，可以表达服务用户的意愿，展现友好的态度。\n\n让我组织一下这些信息，用清晰的结构和语言来呈现，确保既专业又平易近人。这样的自我介绍应该能够满足用户了解我的基本需求。",
                "role": "assistant"
            }
        }
    ],
    "created": 1785835632,
    "id": "0217858356193090e9e2f2120f1f78e103cd745191b16897f0346",
    "model": "glm-5-2-260617",
    "service_tier": "default",
    "object": "chat.completion",
    "usage": {
        "completion_tokens": 236,
        "prompt_tokens": 15,
        "total_tokens": 251,
        "prompt_tokens_details": {
            "cached_tokens": 0
        },
        "completion_tokens_details": {
            "reasoning_tokens": 162
        }
    }
}

创建模型响应接口地址

本文介绍 Responses API 创建模型请求时的输入输出参数，供您使用接口时查阅字段含义。

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/openai/api/v3/responses

请求头（Request Headers）：

请求参数（Request Parameter）：

创建模型响应请求参数

创建模型响应请求体（requestBody）

model string 必选

本次请求使用模型的 Model ID 为 T0103002

input string / array 必选

输入的内容，模型需要处理的输入信息。

• 文本输入 string

  输入给模型的文本类型信息，等同于使用 user 角色输入的文本信息。

• 输入的元素列表 array

  输入给模型的信息元素，可以包括不同的信息类型。

  • 输入的消息 object

    发送给模型的消息，其中角色用于指示指令遵循的优先级层级。由 developer 或 system 角色给出的指令优先于user角色给出的指令。assistant 角色的消息通常被认为是模型在先前交互中生成的回复。

    • input.content string / array 必选

      用于生成回复的文本、图片或视频输入，也可以包含先前助手的回复内容。

      • 文本输入 string

        输入给模型的文本。

      • 输入的内容列表 array

        包含一个或多个输入项的列表，每个输入项可包含不同类型的内容。

      • 输入模型的文本 object

        输入模型的文本。

        • input.content.text

          输入模型的文本。

        • input.content.typestring 必选

          输入项的类型，此处应为input_text。

      • 输入模型的图片 object

        • input.content.type string

          输入为图片类型，此处应为input_image。

        • input.content.image_url string

          要发送给模型的图片 URL。可以是完整的 URL，或以 data URL 形式编码的 base64 图片。

        • input.content.detail string

          取值范围：low、high、xhigh。

          理解图片的精细度、模型detail默认值为high。

        • detail 为 low 时，图片处理速度会提高，适合图片本身细节较少或者只需模型理解图片大致信息或者对速度有要求的场景。

        • detail 为 high 或 xhigh 时，模型可感知图片更多的细节，但是图片处理速度会降低，适合图像像素值高且需关注细节信息的场景，如街道地图分析等。

      • input.content.image_pixel_limit object / null 默认值 null

        输入给模型的图片的像素范围，如不在此范围，图片会被等比例缩放至该范围。

        注意：

        图片像素范围需在 [196, 36,000,000]，否则会直接报错。

        • 生效优先级：高于 detail 字段，即同时配置 detail 与 image_pixel_limit 字段时，生效 image_pixel_limit 字段配置。

        • 默认生效规则：若未设置image_pixel_limit，则使用 detail 配置的值对应的 min_pixels / max_pixels 值。

        • input.content.image_pixel_limit.max_pixels integer

          传入图片最大像素限制，大于此像素则等比例缩小至 max_pixels 字段取值以下。若未设置，则取值为 detail 配置的值对应的 max_pixels 值。

          云牍91 模型取值范围：(min_pixels, 9031680]

        • input.content.image_pixel_limit.min_pixels

          传入图片最小像素限制，小于此像素则等比例放大至 min_pixels 字段取值以上。若未设置，则取值为 detail 配置的值对应的 min_pixels 值。

          云牍91 模型取值范围：[1764, max_pixels)

    • 输入模型的视频 object

      • input.content.type string 必选

      • input.content. video_url string

        要发送给模型的视频 URL。可以是完整的 URL，或以 data URL 形式编码的 base64 视频。

      • input.content. fps float

        输入为视频类型，此处为input_video

        每秒钟从视频中抽取指定数量的图像，取值范围：[0.2, 5]。

        如果使用file_id参数，fps参数则会失效。

      • 输入模型的文件 object

        输入模型的文件。当前仅支持PDF文件。

        • input.content.type string 必选

          输入为文件类型，此处为input_file。

        • input.content.file_data string

          文件内容的Base64编码。单个文件大小要求不超过50MB。

        • input.content.file_name string

          文件名。当使用file_data时该参数必填。

        • input.content.file_urlstring

          文件的可访问URL。对应文件的大小要求不超过50MB。

    • 输入模型的音频 object

      • input.content.type string 必选

    ​ 输入为音频类型，此处为 input_audio。

    • • input.content. audio_url string

      ​ 要发送给模型的音频 URL。可以是完整的 URL，或以 data URL 形式编码的 base64 音频。

      • input.role string 必选

    ​ 输入消息的角色，可以是 user，system ，assistant或 developer。

    • input.type string

    ​ 消息输入的类型，此处应为message。

    • input.partial boolean

    ​ 模型续写模式。

    ​ 在 input 列表里设置最后一条消息的 role 为assistant，并设置 partial 为 true开启续写模 式，模型会基于 content 内容进行续写。在续写模式下，partial 为必填项，具体使用:

    "input": [
        {"role": "user", "content": "Please write bubble sort code without any additional content."},
        {"role": "assistant", "content": "def bubble_sort(arr):", "partial": true} 
    ]
    

    • 上下文元素 object

    表示模型生成回复时需参考的上下文内容。该项可以包含文本、图片和视频输入，以及先前助手的回复和工具调用的输出。

    • 输入的信息object

      历史请求中，发给模型的信息。

      • input.content array 必选

        与 输入的信息 中 content 字段的结构完全一致。

      • input.role string 必选

        输入消息的角色，可选值：system，user 或 developer。

      • input.type string

        消息输入的类型，此处应为message。

      • input.status string

        项目状态，可选值：in_progress，completed 或 incomplete。​

    • 工具函数信息object

      模型调用工具函数的信息

      • input.arguments string 必选

        要传递给函数的参数的 JSON 字符串。

      • input.call_id string 必选

        模型生成的函数工具调用的唯一ID。

      • input.name string 必选

        要运行的函数的名称。

      • input.type string 必选

        工具调用的类型，始终为function_call。

      • input.statusstring

        该项的状态。

      • 工具返回的信息 object

        调用工具后，工具返回的信息

        • input.call_id string 必选

          模型生成的函数工具调用的唯一 ID。

        • input.output string 必选

          调用工具后，工具输出的结果。

        • input.type string 必选

          工具调用的类型，始终为 function_call_output。

        • input.status string

          该项的状态。

instructions string / null

在模型上下文中插入系统消息或者开发者作为第一条指令。当与 previous_response_id 一起使用时，前一个回复中的指令不会被继承到下一个回复中。这样可以方便地在新的回复中替换系统（或开发者）消息。

不可与缓存能力一起使用。配置了instructions 字段后，本轮请求无法写入缓存和使用缓存，表现为：

• caching 字段配置为{"type":"enabled"} 时报错。

• 传入带缓存的 previous_response_id 时，缓存输入（cached_tokens）为0。

previous_response_id string / null

上一个模型回复的唯一标识符。使用该标识符可以实现多轮对话。

• 说明

  • 在请求中传入 previous_response_id，会引入上一轮请求的输入和回答内容，本次请求的输入tokens 会相应增加。工作原理:

    • 在每一轮对话过程中，深度思考模型会输出思维链内容（CoT）和最终回答（Answer）。

    • 在下一轮对话中，之前输出的思维链内容不会被拼接到上下文中。

      思维链内容展现的是模型处理问题的过程，包括将问题拆分为多个问题进行处理，生成多种回复综合得出更好回答等过程

  • 在多轮连续对话中，建议在每次请求之间加入约 100 毫秒的延迟，否则可能会导致调用失败。

expire_at integer 默认值：创建时刻+259200

取值范围：(创建时刻, 创建时刻+604800]，即最多保留7天。

设置存储的过期时刻，需传入 UTC Unix 时间戳（单位：秒），对 store（上下文存储） 和 caching（上下文缓存） 都生效。

注意：缓存存储时间计费，过期时刻-创建时刻 ，不满 1 小时按 1 小时计算。

max_output_tokens integer / null

模型输出最大 token 数，包含模型回答和思维链内容。

thinking object

控制模型是否开启深度思考模式。默认开启深度思考模式，可以手动关闭。

thinking.type string 必选

取值范围：enabled， disabled，auto。

• enabled：开启思考模式，模型一定先思考后回答。

• disabled：关闭思考模式，模型直接回答问题，不会进行思考。

• auto：自动思考模式，模型根据问题自主判断是否需要思考，简单题目直接回答。

reasoning object默认值{"effort": "medium"}

限制深度思考的工作量。减少深度思考工作量可使响应速度更快，并且深度思考的 token 用量更小。

reasoning.effort string

取值范围：minimal，low，medium，high。

• minimal：关闭思考，直接回答。

• low：轻量思考，侧重快速响应。

• medium：均衡模式，兼顾速度与深度。

• high：深度分析，处理复杂问题。

caching object 默认值{"type": "disabled"}

是否开启缓存。不可与 instructions 字段、tools（除自定义函数 Function Calling 外）字段一起使用。

• caching.type string 必选

  取值范围：enabled， disabled。

  • enabled：开启缓存。
  • disabled：关闭缓存。

• caching.prefix boolean 默认值 false

  • true：仅创建公共前缀缓存，模型不回复。
  • false：不创建公共前缀缓存。

store boolean / null 默认值 true

是否储存生成的模型响应，以便后续通过 API 检索。

• false：不储存，对话内容不能被后续的 API 检索到。

• true：储存当前模型响应，对话内容能被后续的 API 检索到。

stream boolean / null 默认值 false

响应内容是否流式返回。

• false：模型生成完所有内容后一次性返回结果。

• true：按 SSE 协议逐块返回模型生成内容，并以一条 data: [DONE]消息结束。

text object

模型文本输出的格式定义，可以是自然语言，也可以是结构化的 JSON 数据。

• text.format object 默认值 { "type": "text" }

  指定模型文本输出的格式。

  • 文本格式 object

    响应格式为自然语言。

    • text.format.type string 必选

      回复格式的类型，此处应为 text。

  • JSON Object object

    响应格式为 JSON 对象。

    该能力尚在 beta 阶段，请谨慎在生产环境使用。

    text.format.type string 必选

    回复格式的类型，此处应为json_object。

  • JSON Schema object

    响应格式为 JSON 对象，遵循schema字段定义的 JSON结构。

    该能力尚在 beta 阶段，请谨慎在生产环境使用。

    • text.format.type string 必选

      回复格式的类型，此处应为json_schema。

    • text.format.name string 必选

      用户自定义的JSON结构的名称。

    • text.format.schema object 必选

      回复格式的JSON格式定义，以JSON Schema对象的形式描述。

    • text.format.description string / null

      回复用途描述，模型将根据此描述决定如何以该格式回复。

    • text.format.strict boolean / null 默认值 false

      是否在生成输出时，启用严格遵循模式。

      • true：模型将始终遵循schema字段中定义的格式。
      • false：模型将尽可能遵循schema字段中定义的结构。

tools array

模型可以调用的工具，当您需要让模型调用工具时，需要配置该结构体。

工具类型：

当前支持多种调用方式，包括

• 内置工具（Built-in tools）：由方舟提供的预置工具，用以扩展模型内容，如豆包助手、联网搜索工具、图像处理工具、私域知识库搜索工具等。

• MCP工具：通过自定义 MCP 服务器与第三方系统集成。

• 自定义工具（Function Calling）：您自定义的函数，使模型能够使用强类型参数和输出调用您自己的代码。

  • 豆包助手

    使用豆包助手，快速集成豆包app同款AI能力。

    • tools.type string 必选

      工具类型，此处填写工具名称，应为doubao_app。

    • tools.feature object

      豆包助手子功能。

      • tools.feature.chat object

        日常沟通功能，豆包同款自由对话，默认关闭。

        • tools.feature.chat.type string 默认值 disabled

          取值范围：enabled， disabled。

          • enabled：开启此功能。

            disabled：关闭此功能。

        • tools.feature.chat.role_descriptionstring 默认值：你的名字是豆包,有很强的专业性。

          使用豆包助手时修改角色设定。

          此字段与system prompt、instructions 互斥。

      • tools.feature.deep_chat object

        深度沟通功能，豆包同款深度思考对话，默认关闭。

        • tools.feature.deep_chat.typestring 默认值disabled

          取值范围：enabled， disabled。

          • enabled：开启此功能。

          • disabled：关闭此功能。

        • tools.feature.deep_chat.role_description string 默认值：你的名字是豆包,有很强的专业性。

          使用豆包助手时修改角色设定。

          此字段与system prompt、instructions 互斥。

      • tools.feature.ai_search object

        联网搜索功能，豆包同款AI搜索能力，默认关闭。

        • tools.feature.ai_search.type string 默认值 disabled

          取值范围：enabled， disabled。

          • enabled：开启此功能。

          • disabled：关闭此功能。

        • tools.feature.ai_search.role_description string 默认值：你的名字是豆包,有很强的专业性。

          使用豆包助手时修改角色设定。

          此字段与system prompt、instructions 互斥。

      • tools.feature.reasoning_search object

        边想边搜功能，豆包同款结合思考过程的智能搜索能力，默认关闭。

        • tools.feature.reasoning_search.type string 默认值 disabled

          取值范围：enabled，disabled。

          • enabled：开启此功能。

          • disabled：关闭此功能。

        • tools.feature.reasoning_search.role_description string 默认值：你的名字是豆包,有很强的专业性。

          使用豆包助手时修改角色设定。

          此字段与system prompt、instructions 互斥。

    • tools.user_location object 默认值{"type": "approximate"}

      用户地理位置，用于优化对话与搜索结果，包含 type、country、city、region 字段。示例如下：

      "user_location":{
           "type":"approximate",
           "country": "中国",
           "region":"浙江",
           "city":"杭州"
      }
      

      注意：填写 type 后，country、city、region 中 至少1个字段有有效值。

  • 函数调用

    • tools.type string 必选

      工具类型，此处应为 function。

    • tools.name string 必选

      调用的函数的名称。

    • tools.description string

      调用函数的描述，大模型会用它来判断是否调用这个函数。

    • tools.parameters object 必选

      函数请求参数，以 JSON Schema 格式描述。具体格式格式如下：

      {
        "type": "object",
        "properties": {
          "参数名": {
            "type": "string | number | boolean | object | array",
            "description": "参数说明"
          }
        },
        "required": ["必填参数"]
      }
      

      其中，

      • 所有字段名大小写敏感。

      • parameters 须是合规的 JSON Schema 对象。

      • 建议用英文字段名，中文置于 description 字段中。

    • tools.strict boolean 必选 默认值 true

      是否强制执行严格的参数验证。默认为true。

  • 联网搜索工具

    在互联网上搜索与该提示相关的资源。

    • tools.type string 必选

      工具类型，此处填写工具名称，应为web_search。

    • tools.sources string[]

      选择联网搜索的附加内容源。可选头条图文、抖音百科、墨迹天气。

      • toutiao ：联网搜索的附加头条图文内容源。

      • douyin ：联网搜索的附加抖音百科内容源。

      • moji：联网搜索的附加墨迹天气内容源。

    • tools.limit integer 默认值 10

      取值范围： [1, 50]。

      单轮搜索最大召回条数。

      说明：影响输入规模与性能，单次搜索最多返回20条结果（单轮可能有多次搜索），默认召回10条。

    • tools.user_locationobject 默认值 {"type": "approximate"}

      用户地理位置，用于天气查询等场景，包含 type、country、city、region 字段。示例如下：

      "user_location":{
           "type":"approximate",
           "country": "中国",
           "region":"浙江",
           "city":"杭州"
      }
      

      注意：填写 type 后，country、city、region 中 至少1个字段有有效值。

    • tools.max_keyword integer

      取值范围：[1, 50]。

      工具一轮使用，最大并行搜索关键词的数量。

  • 图像处理工具

    使用画点、画线、旋转、缩放、框选/裁剪关键区域等基础图像处理工具。

    • tools.type string 必选

      工具类型，此处填写工具名称，应为image_process。

    • tools.point object

      画点/连线功能开关，控制是否启用点绘制与连线功能。

      • tools.point.type string 默认值 enabled

        取值范围：enabled， disabled。

        • enabled：开启此功能。

        • disabled：关闭此功能。

    • tools.grounding object

      框选/裁剪功能开关，控制是否启用关键区域框选或裁剪。

      • tools.grounding.type string 默认值 enabled

        取值范围：enabled， disabled。

        • enabled：开启此功能。

        • disabled：关闭此功能。

    • tools.zoom object

      缩放功能开关，控制是否启用全图/指定区域缩放（支持0.5-2.0倍）。

      tools.zoom.type string 默认值 enabled

      取值范围：enabled， disabled。

      • enabled：开启此功能。

      • disabled：关闭此功能。

    • tools.rotate object

      旋转功能开关，控制是否启用顺时针旋转（支持0-359度）。

      tools.rotate.type string 默认值 enabled

      取值范围：enabled， disabled。

      • enabled：开启此功能。

      • disabled：关闭此功能。

  • MCP工具

    • tools.type string 必选

      工具类型，此处填写工具名称，应为mcp。

    • tools.server_label string 必选

      MCP Server标签，建议设定与工具用途/Server名称一致。

    • tools.server_url string 必选

      MCP Server访问地址。

    • tools.headers object

      要发送至 MCP 服务器的可选 HTTP 请求头，用于身份验证或其他用途。包含：

      • Authorization 鉴权信息（不存储）。

      • 自定义key-value。

    • tools.require_approval object/string 默认值 always

      指定哪些 MCP 服务器工具需要授权。

      • 工具批准设置 string

        取值范围：

        • always：所有工具需用户确认后调用。

        • never：所有工具无需确认，直接调用（可能存在安全风险）。

      • 工具批准筛选 object

        指定 MCP 服务器的哪些工具需要审批。可以是 always、never或与需要审批的工具关联的过滤器对象。

        • tools.require_approval.always object

          指定哪些工具需要用户确认批准。

          • tools.require_approval.always.tool_namesarray

            需要用户确认批准的工具名称列表。

        • tools.require_approval.never object

          指定哪些工具不需要用户确认批准使用。

          • tools.require_approval.never.tool_names array

            不需要用户确认批准的工具名称列表。

        • tools.allowed_tools array/object

          工具加载范围，默认包含当前MCP Server所有工具。

          • 工具加载范围 array

            允许加载的工具名称的字符串数组。

          • 工具筛选 object

            指定 MCP 服务器的哪些工具允许使用。

            • tools.allowed_tools.tool_names array

              允许的工具名称列表。

  • 私域知识库搜索工具

    • tools.type string 必选

      工具类型，此处填写工具名称，应为knowledge_search。

    • tools.knowledge_resource_id string 必选

      填写需使用的私域知识库ID。

    • tools.limit integer 默认值 10

      取值范围：[1, 200]。

      最大可被采用的搜索结果。

    • tools.max_keyword integer

      取值范围：[1, 50]。

      工具一轮使用，最大并行搜索关键词的数量。

    • tools.doc_filters object

      设置文档字段级别的检索过滤条件，确保只在符合条件的文档中检索。

      • 支持用作过滤条件的文档字段包括：

        系统字段：

        • doc_id（仅适用于手动创建的知识库）
        • _sys_auto_doc_id（适用于手动创建的知识库和 API 创建的知识库）

        自定义字段：

        已为知识库文档添加的文档标签（对应知识库 index_config 的fields 字段中的 field）

      • 支持单一条件过滤和多条件组合过滤（支持And和Or逻辑运算）。

    • tools.description string

      私域知识库的描述信息。

    • tools.dense_weight float 默认值 0.5

      取值范围：[0.2, 1]。

      稠密向量的权重。

      • 1 表示纯稠密检索 ，趋向于 0 表示纯字面检索。

      • 只有在请求的知识库使用的是混合检索时有效，即索引算法为 hnsw_hybrid。

    • tools.ranking_options object

      检索后处理选项。

      • tools.ranking_options.rerank_switch bool ``默认值 false

        是否自动对检索结果做 rerank。

        若设置为true，则会自动请求 rerank 模型排序。

      • tools.ranking_options.retrieve_count integer 默认值 25

        进入重排的切片数量。此项只有在 rerank_switch 为 true 时生效。

        注意：retrieve_count 需要大于等于 limit，否则会抛出错误。

      • tools.ranking_options.get_attachment_link bool 默认值 false

        是否获取切片中图片的临时下载链接。

      • tools.ranking_options.chunk_diffusion_countinteger 默认值 0

        取值范围[0, 5]

        检索阶段返回命中切片的上下几片邻近切片。默认为 0，表示不进行 chunk diffusion。

      • tools.ranking_options.chunk_groupbool 默认值 false

        文本聚合。

        默认不聚合，对于非结构化文件，考虑到原始文档内容语序对大模型的理解，可开启文本聚合。开启后，会根据文档及文档顺序，对切片进行重新聚合排序返回。

      • tools.ranking_options.rerank_model string 默认值 "base-multilingual-rerank"

        rerank 模型选择。仅在 rerank_switch 为 True 的时候生效。

        可选模型：

        • （推荐）"base-multilingual-rerank"：速度快、长文本、支持70+种语言。

        • "m3-v2-rerank"：常规文本、支持100+种语言。

        tools.ranking_options.rerank_only_chunk bool 默认值 false

        是否仅根据 chunk 内容计算重排分数。可选值：

        • True：只根据 chunk 内容计算分

        • False：根据 chunk title + 内容 一起计算排序分

max_tool_calls integer
取值范围： [1, 10]。

最大工具调用轮次（一轮里不限制次数）。在工具调用达到此限制次数后，提示模型停止更多工具调用并进行回答。

注意：该参数为尽力而为（best effort）机制，不保证成功，最终调用次数会受模型推理效果、工具返回结果有效性等因素影响。

• 豆包助手不支持此参数。

• Web Search 基础联网搜索工具的默认值 3。

• Image Process 图像处理工具的默认值 10，不支持修改。

• Knowledge Search 私域知识库搜索工具的默认值为3。

context_management object

上下文管理策略，帮助模型有效利用上下文窗口。

• context_management.edits array

  支持的上下文编辑策略，用于管理上下文中思考块和工具调用内容。

  • 思考块清除 object

    在开启思考时管理思维链内容。

    • context_management.edits.type string

      上下文编辑策略类型，此处应为clear_thinking。

    • context_management.edits.keep object/string

      思维链保留策略。

      • 保留最近 N 轮思维链 object

        • context_management.edits.keep.type string

          思维链保留策略类型，此处应为thinking_turns。

        • context_management.edits.keep.value integer 默认值 1

          保留最近 N 轮的思维链。

      • 保留所有思维链 string

        保留所有思维链，此处应为 all。

  • 工具调用内容清除 object

    在对话上下文增长超过配置的阈值时清除工具调用内容。

    • context_management.edits.type string

      上下文编辑策略类型，此处应为clear_tool_uses。

    • context_management.edits.keep object

      工具调用内容保留策略。

      • context_management.edits.keep.type string

        工具调用内容保留策略类型，此处应为tool_uses。

      • context_management.edits.keep.value integer 默认值 3

        保留最近 N 轮工具调用内容。

    • context_management.edits.exclude_tools array

      不会被清除的工具名称列表，用于保留重要上下文。

    • context_management.edits.clear_tool_input boolean 默认值 false

      是否清除工具调用参数。

    • context_management.edits.trigger object

      触发工具调用内容清除策略的阈值。

      • context_management.edits.trigger.type string

        触发工具调用内容清除策略类型，此处应为tool_uses。

      • context_management.edits.trigger.value integer

        工具调用达到 N 轮时触发清除策略。

创建模型响应参数

创建模型响应非流式调用返回

返回一个 response object。

创建模型响应流式调用返回

服务器会在生成 Response 的过程中，通过 Server-Sent Events（SSE）实时向客户端推送事件。

创建模型响应调用示例

请求示例：

curl --location "https://modelpool-api.talkingdata.com/model/openai/api/v3/responses?requestId=550e8400-e29b-41d4-a716-446655440000" \
--header "Authorization: Bearer $ARK_API_KEY" \
--header "Content-Type: application/json" \
--header "X-Timestamp: $TIMESTAMP" \
--data '{
    "model": "T0103002",
    "input": "你好呀。"
}'

响应示例：

{
  "id": "resp_0217****",
  "created_at": 1756280722.0,
  "error": null,
  "incomplete_details": null,
  "instructions": null,
  "model": "T0103002",
  "object": "response",
  "output": [
    {
      "id": "rs_0217****404a",
      "summary": [
        {
          "text": "\n用户说“你好呀。”，这是一个很友好的问候，我需要用同样友好的方式回应。首先，应该回应用户的问候，然后可以表达一下愿意帮助的态度，让对话能够继续下去。用户可能接下来会有其他问题或者想聊聊天，所以回应要自然、亲切。\n\n首先，直接回“你好呀！”来呼应对方的问候，保持一致的语气。然后加上一句“很高兴见到你～ 有什么我可以帮你的吗？”这样既表达了友好，又主动提供帮助，让用户知道我在这里可以协助他们。这样的回应比较温暖，也符合日常交流的习惯，不会显得太生硬。\n\n需要注意的是，用户可能只是想打个招呼，所以回应不要太复杂，保持简洁和亲切就好。避免使用太正式的语言，保持口语化，让用户感觉舒适。总结一下，回应应该包含问候、表达高兴见到对方，以及提供帮助的意愿。",
          "type": "summary_text"
        }
      ],
      "type": "reasoning",
      "status": "completed"
    },
    {
      "id": "msg_0217****a93c",
      "content": [
        {
          "text": "你好呀！很高兴见到你～ 有什么我可以帮你的吗？ 😊",
          "type": "output_text",
          "annotations": null
        }
      ],
      "role": "assistant",
      "status": "completed",
      "type": "message"
    }
  ],
  "parallel_tool_calls": null,
  "temperature": null,
  "tool_choice": null,
  "tools": null,
  "top_p": null,
  "max_output_tokens": 32768,
  "previous_response_id": null,
  "thinking": null,
  "service_tier": "default",
  "status": "completed",
  "text": null,
  "usage": {
    "input_tokens": 88,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens": 230,
    "output_tokens_details": {
      "reasoning_tokens": 211
    },
    "total_tokens": 318
  },
  "caching": {
    "type": "disabled"
  },
  "store": true,
  "expire_at": 1756539922
}

查询模型响应接口地址

通过 response id 获取模型响应。

请求方法： GET

接口URL：https://modelpool-api.talkingdata.com/model/openai/api/v3/responses/{response_id}

查询模型请求参数

response_id string 必选

待检索的响应 id。

查询模型响应参数

• 如果您调用的 response 响应已完成，模型会返回对应的 response object。

• 如果您调用的 response 响应未完成，模型会返回错误码。

查询模型调用示例

请求示例：

curl --location "https://modelpool-api.talkingdata.com/model/openai/api/v3/responses/resp_0217****" \
--header "Authorization: Bearer $ARK_API_KEY" \
--header "Content-Type: application/json" \
--header "X-Timestamp: $TIMESTAMP"

响应示例：

{
    "created_at": 1754571515,
    "id": "resp_0217******",
    "max_output_tokens": 32768,
    "model": "T0103002",
    "object": "response",
    "output": [
        {
            "type": "message",
            "role": "assistant",
            "content": [
                {
                    "type": "output_text",
                    "text": "这张图片呈现了**一位红发女孩与一只红狐亲密依偎**的温馨场景，氛围柔和治愈：  \n\n### 人物与动物细节：  \n- **女孩**：有着浓密蓬松的**红棕色长发**（色泽与狐狸皮毛呼应），脸上点缀着浅褐色雀斑，身着**轻柔的白色（或米白色）衣衫**（衣料褶皱自然，显柔和质感）。她双眼轻闭，神情恬静温柔，脸颊亲昵地贴靠狐狸头部，姿态满是信赖与温情。  \n- **红狐**：毛色鲜亮且层次丰富——主体为暖调红棕色，脸部、颈部及胸前覆盖**蓬松的白色绒毛**，耳朵尖端呈**黑色**，耳内侧是浅棕与黑色相间的细腻纹理；眼睛是**琥珀色（或金黄带黑瞳）**，明亮有神，黑色鼻尖与搭在女孩衣袖上的**黑色爪子**（可见部分），让它更显灵动真实。狐狸头部微微侧转，却与女孩脸紧密相靠，似在回应这份亲昵。  \n\n\n### 场景与氛围：  \n背景是**朦胧的自然草地**（枯黄与绿意交织的草植，因虚化处理更显悠远静谧），柔和的光线（偏暖调）笼罩画面，焦点完全落在人与狐的亲密互动上。整体氛围**温暖、和谐、治愈**，传递出人与动物间信任亲昵的美好瞬间，仿佛时间在此刻静止。  \n\n\n画面通过色彩呼应（女孩红发与狐狸皮毛）、姿态互动（依偎贴靠），构建出诗意且宁静的“共生感”，细节（雀斑、狐的爪/耳纹理）让场景更具真实与感染力。"
                }
            ],
            "status": "completed",
            "id": "msg_0217******"
        }
    ],
    "thinking": {
        "type": "enabled"
    },
    "status": "completed",
    "usage": {
        "input_tokens": 1377,
        "output_tokens": 910,
        "total_tokens": 2287,
        "input_tokens_details": {
            "cached_tokens": 0
        },
        "output_tokens_details": {
            "reasoning_tokens": 552
        }
    },
    "caching": {
        "type": "disabled"
    },
    "store": true,
    "expire_at": 1754830715
}

The response object

创建模型请求 或 模型查询响应后，模型会返回一个 response 对象。本文为您介绍 response 对象包含的详细参数。

• created_atinteger

  本次请求创建时间的 Unix 时间戳（秒）。

• error object / null

  模型未能生成响应时返回的错误对象。

  • code：相应的错误码。

  • message：错误描述。

• id string

  本次请求的唯一标识。

• incomplete_details object / null

  响应未能完成的细节。

  reason：响应未能完成的原因。

• instructions string / null

  在模型上下文中插入一条系统（或开发者）消息，作为首项。

  当与 previous_response_id 一起使用时，前一响应中的指令不会延续到下一响应。

• max_output_tokens integer / null

  模型输出最大 token 数，包含模型回答和思维链内容。

• model string

  本次请求实际使用的模型名称和版本。

• objectstring

  固定为response。

• output array

  模型的输出消息列表，包含模型响应本次请求生成的回答、思维链、工具调用。

  • 模型回答 object

    模型回答，不包含思维链。

    • output.content array

      输出消息的内容。

      • 文本回答 object

        模型回答的文本消息。

        • output.content.textstring

          模型回答的文本内容。

        • output.content.type string

          模型回答的类型，固定为output_text。

    • output.role string

      输出信息的角色，固定为assistant。

    • output.status string

      输出消息的状态。

    • output.id string

      此回答的唯一标识。

    • output.type string

      输出消息的类型，此处应为message。

    • output.partial boolean

      模型开启续写模式时会返回该字段，此处应为true。

  • 模型思维链

    本次请求，当触发深度思考时，模型会返回问题拆解的思维链内容。

    • output.summary array

      思维链内容。

      • output.summary.text string

        思维链内容的文本部分。

      • output.summary.type string

        对象的类型，此处应为 summary_text。

    • output. content array

      思考内容原文。

      • output.content.text string

        思维链内容的文本部分。

      • output.content. type string

        对象的类型，此处应为 reasoning_text。

      本输出对象的类型，此处应为 reasoning。

    • output.status string

      本次思维链内容返回的状态。

    • output. encrypted_content string

      经加密及压缩处理后的思考内容原文。仅当在include参数中指定 reasoning.encrypted_content。

    • output.id string

      本思维链消息的唯一标识。

  • 工具调用

    本次请求，模型根据信息认为需要调用的工具信息以及对应参数。

    • 属性

      • output.arguments string

        要传递给函数的参数，格式为 JSON 字符串。

      • output.call_id string

        本次工具调用信息的唯一 ID 。

      • output.name string

        要运行的函数的名称。

      • output.type string

        工具调用的类型，此处应为function_call。

      • output.status string

        此时消息返回的状态。

      • output.id string

        本次输出的唯一标识。

    • MCP 工具

      • output.id string

        本次输出的唯一标识。

      • output.server_label string

        MCP Server标签。

      • output.toolsobject

        mcp工具返回信息

        • McpCall

          • arguments string

            传递给工具的参数的 JSON 字符串。

          • id string

            本次输出的唯一标识。

          • name string

            运行工具的名称。

          • server_label string

            MCP Server标签。

          • type string

            始终为 mcp_call。

          • error string

            工具调用中出现的错误（如有）。

          • output string

            工具调用的输出结果。

        • McpListTools

          • id string

            MCP 列表的唯一标识。

          • server_label string

            MCP Server标签。

          • tools array

            服务端可用工具。

            • tools.input_schema object

              描述工具输入的 JSON 模式。

            • tools.name string

              运行工具的名称。

            • tools.annotations object

              关于该工具的其他说明。

            • tools.description string

              工具描述。

    • 联网搜索工具

      output.tools object

      mcp工具返回信息

      • id string

        本次输出的唯一标识。

      • type string

        始终为 web_search_call。

      • action object

        此次搜索调用中执行的具体操作的对象。

        • action.type string

          一般为 search

        • action.query string

          搜索内容。

        • action.source string[ ]

          联网搜索的附加内容源。可能为头条图文、抖音百科、墨迹天气。

          • toutiao ：联网搜索的附加头条图文内容源。

          • douyin ：联网搜索的附加抖音百科内容源。

          • moji ：联网搜索的附加墨迹天气内容源。

    • 图像处理工具

      output.tools object

      mcp工具返回信息

      • type string

        始终为 image_process。

      • point object

        画点/连线功能开关，是否启用点绘制与连线功能。

        • "type":"enabled"：已开启此功能。

        • "type":"disabled"：未开启此功能。

        grounding object

        框选/裁剪功能开关，控制是否启用关键区域框选或裁剪。

        • "type":"enabled"：已开启此功能。

        • "type":"disabled"：未开启此功能。

        zoom object

        缩放功能开关，控制是否启用全图/指定区域缩放（支持0.5-2.0倍）。

        • "type":"enabled"：已开启此功能。

        • "type":"disabled"：未开启此功能。

        rotate object

        旋转功能开关，控制是否启用顺时针旋转（支持0-359度）。

        • "type":"enabled"：已开启此功能。

• "type":"disabled"：未开启此功能。

previous_response_id string / null

本次请求时传入的历史响应ID。

thinking object / null

是否开启深度思考模式。

• thinking.type string

  取值范围：enabled， disabled，auto。

  • enabled：开启思考模式，模型一定先思考后回答。

  • disabled：关闭思考模式，模型直接回答问题，不会进行思考。

  • auto：自动思考模式，模型根据问题自主判断是否需要思考，简单题目直接回答。

service_tierstring

本次请求是否使用了TPM保障包。

• default：本次请求未使用TPM保障包额度。

status string

生成响应的状态。

• completed：响应已完成。
• failed：响应失败。
• in_progress：响应中。
• incomplete：响应未完成。

text object

用于定义输出的格式，可以是纯文本，也可以是结构化的 JSON 数据。

• text.format object

  指定模型必须输出的格式的对象。

  • 自然语言输出 object

    模型回复以自然语言输出。

    • text.format.type string

      回复格式的类型，固定为text。

  • JSON Object object

    响应格式为 JSON 对象。

    • text.format.type string

      回复格式的类型，固定为 json_object。

  • JSON Schema object

    响应格式为 JSON 对象，遵循schema字段定义的 JSON结构。

    • text.format.type string

      回复格式的类型，固定为json_schema。

    • text.format.name string

      用户自定义的JSON结构的名称。

    • text.format.schema object

      回复格式的JSON格式定义，以JSON Schema对象的形式描述。

    • text.format.description string / null

      回复用途描述，模型将根据此描述决定如何以该格式回复。

    • text.format.strict boolean / null

      是否在生成输出时，启用严格遵循模式。

      • true：模型将始终遵循schema字段中定义的格式。

      • false：模型将尽可能遵循schema字段中定义的结构。

tools array

模型可以调用的工具列表。

• tools.function object

  模型可以调用的类型为function的工具列表。

  • tools.function.name string

    调用的函数的名称。

  • tools.function.parameters object

    函数请求参数，以 JSON Schema 格式描述。格式如下：

    {
      "type": "object",
      "properties": {
        "参数名": {
          "type": "string | number | boolean | object | array",
          "description": "参数说明"
        }
      },
      "required": ["必填参数"]
    }
    

    其中，

    • 所有字段名大小写敏感。

    • parameters 须是合规的 JSON Schema 对象。

    • 建议用英文字段名，中文置于 description 字段中。

  • tools.function.type string

    工具调用的类型，固定为function。

  • tools.function.description string

    调用的函数的描述，大模型会使用它来判断是否调用这个函数。

top_p float / null

核采样概率阈值。

usage object

本次请求的 token 用量，包括输入 token 数量、输入 token 的详细分解、输出 token 数量、输出 token 的详细分解，以及总共使用的 token 数。

如果使用了工具，还会输出使用的工具类型和次数，以及工具的使用详情。

• usage.input_tokens integer

  输入的 token 量。

• usage.input_tokens_details object

  输入 token 的详细信息。

  • usage.input_tokens_details.cached_tokens integer

    缓存命中的输入内容（含文本、音频等所有类型）所消耗的 token 总数。

  • usage.input_tokens_details. audio_tokens integer

    音频输入内容所消耗的 token 数量。

  • usage.input_tokens_details. audio_cached_tokens integer

    缓存命中的音频输入内容所消耗的 token 数量。

• usage.output_tokens integer

  输出的 token 量。

• usage.output_tokens_details object

  输出 token 的详细信息。

  • usage.output_tokens_details. reasoning_tokens integer

  思考用 token 的数量。

• usage. total_tokensinteger

  消耗 token 的总量。

• usage. tool_usageobject

  • usage.tool_usage. image_process integer

    调用图像处理工具的数量。

  • usage.tool_usage. mcp integer

    调用mcp工具的数量。

  • usage.tool_usage. web_search integer

    调用网络搜索工具的数量。

• usage. tool_usage_details object

  使用工具的详细信息。

  • usage.tool_usage_details. image_process object

    调用图像处理工具的详细信息。例如：

    "tool_usage_details":{
        "image_process":{
            "zoom": 1,
            "point": 1,
            "grounding": 1
        }
    }
    

  • usage.tool_usage_details. mcp object

    调用mcp工具的详细信息。例如：

    "tool_usage_details":{
        "mcp":{
            "mcp_server_tos": 1,
            "mcp_server_tls": 1
        }
    }
    

  • usage.tool_usage_details. web_search object

    调用网络搜索工具的详细信息。例如：

    "tool_usage_details":{
        "web_search":{
            "toutiao": 1,
            "moji": 1,
            "search_engine": 1
        }
    }
    

store boolean 默认值 true

是否存储生成的模型响应，以便后续通过 API 检索。

• false：不存储，对话内容不能被后续的 API 检索到。
• true：存储当前模型响应，对话内容能被后续的 API 检索到。

caching object

是否开启缓存。

caching.type string

取值范围：enabled， disabled。

• enabled：开启缓存。

• disabled：关闭缓存。

expire_at integer/null

存储的有效期。

temperature float/null

采样温度。

context_management object

上下文管理响应，请求过程中应用的上下文管理策略信息。

• context_management. applied_edits array

  已应用的上下文编辑策略列表。

  • 思考块清除 object

    • context_management.applied_edits.type string

      上下文编辑策略类型，此处应为clear_thinking。

    • context_management.applied_edits.cleared_thinking_turns integer

      已清除的思考轮次次数。

  • 工具调用内容清除 object

    • context_management.applied_edits.type string

      上下文编辑策略类型，此处应为clear_tool_uses。

    • context_management.applied_edits.cleared_tool_usesinteger

      已清除的工具调用次数。

The response object 调用示例

输入示例：

curl --location 'https://modelpool-api.talkingdata.com/model/openai/api/v3/responses?requestId=550e8400-e29b-41d4-a716-446655440000' \
--header "Authorization: Bearer $ARK_API_KEY" \
--header 'Content-Type: application/json' \
--header "X-Timestamp: $TIMESTAMP" \
--data '{
    "model": "T0103002",
    "input": [
        {
            "role": "user",
            "content": [
                {
                    "type": "input_text",
                    "text": "你看见了什么？"
                },
                {
                    "type": "input_image",
                    "image_url": "https://modelpool-api.talkingdata.com/model/openai/doc_image/i2v_foxrgirl.png"
                }
            ]
        }
    ],
    "thinking":{"type": "enabled"}
}'

输出示例：

{
    "created_at": 1754571504,
    "id": "resp_0217******",
    "max_output_tokens": 32768,
    "model": "T0103002",
    "object": "response",
    "output": [
        {
            "id": "rs_0217******",
            "type": "reasoning",
            "summary": [
                {
                    "type": "summary_text",
                    "text": "用户现在需要描述这张图片的内容。首先看图片里的元素：一个红发女孩，有雀斑，穿着白色衣服，和一只红狐亲密接触。狐狸的毛色是红棕、白色，耳朵黑尖，眼睛琥珀色。背景是模糊的草地，色调温暖柔和，氛围宁静亲密。\n\n先整理细节：女孩的红发、雀斑、闭眼的温柔表情，穿着浅色（米白或白色）的衣服，可能是宽松的袖子。狐狸的特征：红棕色皮毛，白色的脸颊和颈部，黑色的耳朵尖端，黄色带黑瞳的眼睛，黑色的鼻子和爪子（能看到爪子搭在女孩衣服上）。两者的互动很亲密，女孩的脸靠近狐狸，狐狸的头也挨着她，姿态温馨，背景是自然的野外，草色偏黄褐，模糊处理，突出主体。\n\n然后组织语言，描述画面的主体、互动、细节和氛围。确保清晰传达视觉元素：人物（红发、雀斑、白衣）、动物（红狐的外观）、互动（亲密依偎）、背景（自然草地，朦胧）、整体氛围（温暖、和谐、宁静）。\n\n现在开始描述：\n\n这张图片展现了一位红发女孩与一只红狐亲密依偎的温馨场景。女孩有着浓密的红棕色长发，脸上点缀着雀斑，身着一件轻柔的白色（或米白色）衣衫，双眼轻闭，神情温柔恬静，似乎正享受与狐狸相伴的时刻。她的脸颊亲昵地挨着狐狸的头部，姿态充满信赖与温情。\n\n身旁的红狐毛色鲜亮，主体为红棕色，脸部、颈部及胸前覆盖着蓬松的白色绒毛，耳朵尖端呈黑色，耳内侧则是浅棕与黑色相间的纹理。狐狸的眼睛呈琥珀色，明亮而有神，黑色的鼻尖与搭在女孩衣袖上的黑色爪子（可见部分），更添其灵动与真实感。它的头部微微转向一侧，却与女孩的脸紧密相靠，仿佛在回应这份亲密。\n\n背景是一片朦胧的自然草地，枯黄与绿意交织的草植在柔和的光线下显得静谧悠远，模糊的处理让焦点完全落在女孩与狐狸的互动上，整体氛围温暖和谐，传递出人与动物间信任、亲昵的美好瞬间，画面色调柔和，充满诗意与治愈感。\n\n检查是否涵盖了主要元素：人物特征（红发、雀斑、白衣、闭眼）、狐狸特征（毛色、耳朵、眼睛、爪子）、互动（亲密依偎）、背景（草地朦胧）、氛围（温馨和谐）。这样应该能清晰描述出图片内容。"
                }
            ],
            "status": "completed"
        },
        {
            "type": "message",
            "role": "assistant",
            "content": [
                {
                    "type": "output_text",
                    "text": "这张图片呈现了**一位红发女孩与一只红狐亲密依偎**的温馨场景，氛围柔和治愈：  \n\n### 人物与动物细节：  \n- **女孩**：有着浓密蓬松的**红棕色长发**（色泽与狐狸皮毛呼应），脸上点缀着浅褐色雀斑，身着**轻柔的白色（或米白色）衣衫**（衣料褶皱自然，显柔和质感）。她双眼轻闭，神情恬静温柔，脸颊亲昵地贴靠狐狸头部，姿态满是信赖与温情。  \n- **红狐**：毛色鲜亮且层次丰富——主体为暖调红棕色，脸部、颈部及胸前覆盖**蓬松的白色绒毛**，耳朵尖端呈**黑色**，耳内侧是浅棕与黑色相间的细腻纹理；眼睛是**琥珀色（或金黄带黑瞳）**，明亮有神，黑色鼻尖与搭在女孩衣袖上的**黑色爪子**（可见部分），让它更显灵动真实。狐狸头部微微侧转，却与女孩脸紧密相靠，似在回应这份亲昵。  \n\n\n### 场景与氛围：  \n背景是**朦胧的自然草地**（枯黄与绿意交织的草植，因虚化处理更显悠远静谧），柔和的光线（偏暖调）笼罩画面，焦点完全落在人与狐的亲密互动上。整体氛围**温暖、和谐、治愈**，传递出人与动物间信任亲昵的美好瞬间，仿佛时间在此刻静止。  \n\n\n画面通过色彩呼应（女孩红发与狐狸皮毛）、姿态互动（依偎贴靠），构建出诗意且宁静的“共生感”，细节（雀斑、狐的爪/耳纹理）让场景更具真实与感染力。"
                }
            ],
            "status": "completed",
            "id": "msg_0217******"
        }
    ],
    "thinking": {
        "type": "enabled"
    },
    "service_tier": "default",
    "status": "completed",
    "usage": {
        "input_tokens": 1377,
        "output_tokens": 910,
        "total_tokens": 2287,
        "input_tokens_details": {
            "cached_tokens": 0
        },
        "output_tokens_details": {
            "reasoning_tokens": 552
        }
    },
    "caching": {
        "type": "disabled"
    },
    "store": true,
    "expire_at": 1754830704
}

错误码

公共错误码

TD模型编号： T0503005

模型能力简介

• 云牍48
  • 文本对话：支持多轮对话、文本生成、逻辑推理、代码生成、长文本处理，原生图文 / 视频理解，可解析截图、设计稿、视频并直接生成对应代码，支持多步工具调用与智能体集群并行任务处理。
  • 协议支持：本接口同时兼容OpenAl chat completions与Anthropic Messages 两种主流协议，您可以根据使用的SDK或工具灵活选择。

鉴权说明 

本接口支持API Key鉴权，需联系TD运维同学获取长效API Key。

OpenAI 协议对话接口地址

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions

请求头（Request Headers）：

请求参数（Request Parameter）：

OpenAI 协议对话接口请求参数

请求体（requestBody）

OpenAI 协议对话接口返回参数

OpenAI 协议对话接口调用示例

OpenAI - 云牍48 - 非流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503005",
    "messages": [
        {
            "role": "user",
            "content": "你是什么模型，介绍下自己"
        }
    ],
    "stream": false
}'

响应示例：

{
  "id": "chatcmpl-5eab4a01ad2c47d4a646b6ee0d4d2766",
  "object": "chat.completion",
  "created": 1785305375,
  "model": "T0503005",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "我是 **Kimi**，由 **月之暗面科技有限公司（Moonshot AI）** 开发的人工智能助手。\n\n简单介绍自己：\n\n**关于我的技术背景**\n我基于 **混合专家（MoE）架构** 构建，拥有高达 **1万亿参数总量**（每次前向传播激活320亿参数），并支持 **超长上下文窗口**（标准模式下可达25.6万token，测试中支持高达200万字符）。这意味着我可以高效处理长文档深度分析、视频内容理解以及复杂的多轮对话。\n\n**我能做什么**\n- **深度长文本处理**：支持超长文档阅读与分析，能够处理整本书籍、长篇报告或大量聊天记录，保持上下文连贯性\n- **多语言交流**：能用中文、英文等多种语言与你流畅对话，理解文化背景差异\n- **代码与逻辑**：协助编程、调试、解释技术概念，支持多种编程语言和技术栈\n- **内容创作**：帮助撰写、润色、翻译各类文本，或提供创意灵感\n- **知识问答**：基于训练数据回答各领域问题（知识截止至2025年1月），并具备多模态理解能力（图像、视频等）\n\n**我的特点**\n我注重**有用、无害、诚实**（Helpful, Harmless, Honest）的原则。我会尽量直接回答你的问题，不确定时会坦诚告知，涉及敏感话题时保持谨慎和尊重。\n\n有什么我可以帮你的吗？无论是深入的技术讨论、长文档分析，还是日常问题，都欢迎随时告诉我。",
        "reasoning_content": "用户问“你是什么模型，介绍下自己”。这是一个关于身份识别的常见问题。\n\n我需要：\n1. 说明我是由月之暗面科技有限公司开发的AI助手，名为Kimi\n2. 介绍我的主要能力和特点（如长文本处理、多语言支持、编程辅助等）\n3. 保持友好、专业且简洁的语气\n4. 避免虚构不属于我的信息（如OpenAI、Google等其他公司的产品）\n\n关键信息：\n- 我是Kimi，由月之暗面科技有限公司（Moonshot AI）开发\n- 基于混合专家（MoE）架构，具备超长上下文窗口（支持高达200万字符）\n- 擅长长文档分析、多轮对话、代码辅助、创意写作等\n- 注重有用、无害、诚实（HHH原则）\n\n结构建议：\n- 先直接回答身份\n- 简要介绍开发背景和技术架构（MoE、超长上下文）\n- 说明主要能力特点\n- 表达服务意愿\n\n避免：\n- 声称自己是ChatGPT/GPT-4/Claude/Bard等其他模型\n- 提供具体的版本号（如K2.5）除非用户追问，因为可能版本更新而我无法确定当前部署的具体版本\n- 过度技术细节，保持易懂\n\n中文回复，因为用户用中文提问。"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 14,
    "completion_tokens": 577,
    "total_tokens": 591,
    "prompt_tokens_details": {
      "text_tokens": 14
    },
    "completion_tokens_details": {
      "reasoning_tokens": 268,
      "text_tokens": 309
    }
  }
}

OpenAI - 云牍48 - 流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503005",
    "messages": [
        {
            "role": "user",
            "content": "你是什么模型，介绍下自己"
        }
    ],
    "stream": true
}'

响应示例：

data: {"id":"chatcmpl-f6332d33dd2445cb9a1e98649432851d","object":"chat.completion.chunk","created":1785305663,"model":"T0503005","choices":[{"index":0,"delta":{"role":"assistant","content":"","reasoning_content":"用户"},"finish_reason":null}]}

 ...

data: {"id":"chatcmpl-f6332d33dd2445cb9a1e98649432851d","object":"chat.completion.chunk","created":1785305663,"model":"T0503005","choices":[{"index":0,"delta":{"content":""},"finish_reason":"stop"}],"usage":{"prompt_tokens":14,"completion_tokens":586,"total_tokens":600,"prompt_tokens_details":{"text_tokens":14},"completion_tokens_details":{"reasoning_tokens":247,"text_tokens":339}}}

data: [DONE]

Anthropic 协议对话接口地址

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages

请求头（Request Headers）：

请求参数（Request Parameter）：

Anthropic 协议对话接口请求参数

请求体（requestBody）

Anthropic 协议对话接口返回参数

Anthropic 协议对话接口调用示例

Anthropic - 云牍48 - 非流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503005",
    "messages": [
        {
            "role": "user",
            "content": "你是什么模型，介绍下自己"
        }
    ],
    "max_tokens": 4096,
    "stream": false
}'

响应示例：

{
  "id": "msg_c398fe6869d842c7b262c6facf4dc544",
  "type": "message",
  "role": "assistant",
  "model": "T0503005",
  "content": [
    {
      "type": "thinking",
      "thinking": "用户询问“你是什么模型，介绍下自己”，这是一个关于身份自我介绍的问题。\n\n根据系统指令，我需要：\n1. 回答真实、准确：我是由月之暗面科技有限公司开发的Kimi助手\n2. 保持有帮助、无害、诚实的原则\n3. 使用与用户相同的语言（中文）进行回答\n\n我应该介绍：\n- 我的身份：Kimi，由月之暗面科技有限公司开发的人工智能助手\n- 我的特点：能够进行多轮对话、回答问题、协助写作、分析、编程、翻译等多种任务\n- 我的知识截止日期（2025年1月）\n- 强调我是AI，有局限性，建议用户核实重要信息\n\n语气应该友好、专业、谦逊。\n\n结构建议：\n1. 直接回答身份（Kimi，月之暗面科技有限公司）\n2. 主要能力和特点\n3. 使用建议/局限性说明\n\n让我组织一下中文回答：\n\n你好！我是 **Kimi**，是由 **月之暗面科技有限公司**（Moonshot AI）开发的人工智能助手。\n\n我的主要特点包括：\n- **多轮对话**：可以与你进行连续的上下文交流，理解复杂的问题和意图\n- **知识储备**：训练数据截止至2025年1月，涵盖广泛的知识领域\n- **多语言支持**：擅长中文、英文等多种语言的交流与翻译\n- **多样化任务**：可以协助写作、分析、编程、数学计算、创意生成等多种任务\n\n作为AI，我会尽力提供准确、有用的信息，但也请注意：\n- 我的知识有截止日期，可能不了解最新的事件\n- 对于重要决策（如医疗、法律、财务等），建议你咨询专业人士并核实信息\n\n有什么我可以帮助你的吗？",
      "signature": "c398fe6869d842c7b262c6facf4dc544"
    },
    {
      "type": "text",
      "text": "你好！我是 **Kimi**，是由 **月之暗面科技有限公司**（Moonshot AI）开发的人工智能助手。\n\n我的主要特点包括：\n\n- **长上下文处理**：支持超长文本理解和多轮对话，能够处理复杂的文档分析、代码理解和深度推理任务\n- **知识储备**：训练数据截止至2025年1月，涵盖科学、技术、人文、艺术等广泛领域\n- **多语言支持**：擅长中文、英文等多种语言的交流、翻译与润色\n- **多样化能力**：可以协助写作、编程、数学计算、数据分析、创意生成、学习辅导等多种任务\n\n**需要说明的是**：\n作为AI，我会尽力提供准确、有用的信息，但也存在局限性：\n- 我的知识有截止日期，可能不了解最新发生的事件\n- 对于重要决策（如医疗、法律、财务等），建议你咨询专业人士并核实信息\n\n有什么我可以帮助你的吗？无论是解答问题、协助写作，还是一起探讨某个话题，我都很乐意协助！"
    }
  ],
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 14,
    "output_tokens": 549,
    "cache_read_input_tokens": 0,
    "cache_creation_input_tokens": 0,
    "cache_creation": {
      "ephemeral_5m_input_tokens": 0,
      "ephemeral_1h_input_tokens": 0
    },
    "output_tokens_details": {
      "thinking_tokens": 345
    }
  }
}

Anthropic - 云牍48 - 流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/anthropic/api/v1/messages?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0503005",
    "messages": [
        {
            "role": "user",
            "content": "你是什么模型，介绍下自己"
        }
    ],
    "max_tokens": 4096,
    "stream": true
}'

响应示例：

event: message_start
data: {"type":"message_start","message":{"id":"msg_7bfa0d0298b74178b04ff1a9a0db74c1","type":"message","role":"assistant","model":"T0503005","content":[],"stop_reason":null,"usage":{"input_tokens":0,"output_tokens":0}}}

 ...

event: message_delta
data: {"type":"message_delta","delta":{"stop_reason":"end_turn","stop_sequence":null},"usage":{"input_tokens":14,"output_tokens":717,"cache_read_input_tokens":0,"cache_creation_input_tokens":0,"cache_creation":{"ephemeral_5m_input_tokens":0,"ephemeral_1h_input_tokens":0},"output_tokens_details":{"thinking_tokens":346}}}

event: message_stop
data: {"type":"message_stop"}

错误码

TD模型编号： T0510017

模型能力简介

• 云灵63
  • 文本对话：支持多轮沉浸式对话、多风格文案创作、数理逻辑运算、全场景代码生成、百万字级长文本解析、上下文记忆留存等能力。
  • 协议支持：本接口同时兼容OpenAI chat completions与Anthropic Messages 两种主流协议，您可以根据使用的SDK或工具灵活选择。

鉴权说明 

本接口支持API Key鉴权，需联系TD运维同学获取长效API Key。

OpenAI 协议对话接口地址

请求方法： POST

接口URL：https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions

请求头（Request Headers）：

请求参数（Request Parameter）：

OpenAI 协议对话接口请求参数

请求体（requestBody）

OpenAI 协议对话接口返回参数

OpenAI 协议对话接口调用示例

OpenAI - 云灵63 - 非流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
     "model": "T0510017",
     "messages": [
          {
               "role": "user",
               "content": "介绍下自己"  
        } 
    ],
     "stream": false
}'

响应示例：

{
  "id": "chatcmpl-62fd15ab61f6491fb531d4825550396b",
  "object": "chat.completion",
  "created": 1785313252,
  "model": "T0510017",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "<think>\nThe user is asking me to introduce myself in Chinese. Let me provide a self-introduction based on my system prompt information.\n</think>\n你好！我是 MiniMax-M3，一个由 MiniMax 公司开发的 AI 助手模型。以下是关于我的一些基本信息：\n\n **关于我**\n- **模型版本**：MiniMax-M3\n- **开发公司**：MiniMax\n- **知识截止日期**：2026 年 1 月\n- **公司背景**：MiniMax 成立于 2022 年初，是一家全球性的人工智能基础模型公司，致力于推动 AI 技术向通用人工智能（AGI）方向发展\n\n**我能做什么**\n- 回答各类问题，涵盖科技、生活、学习、工作等多个领域\n- 进行文字创作、翻译、总结、润色\n- 辅助编程、代码调试与技术问题解答\n- 提供分析、建议和头脑风暴\n- 进行多语言对话与交流\n\n我很高兴能为你提供帮助！有什么我可以为你效劳的吗？"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 179,
    "completion_tokens": 199,
    "total_tokens": 378,
    "prompt_tokens_details": {
      "cached_tokens": 114
    },
    "completion_tokens_details": {}
  }
}

OpenAI - 云灵63 - 流式输出

请求示例：

curl -X POST 'https://modelpool-api.talkingdata.com/model/openai/api/v3/chat/completions?requestId=550e8400-e29b-41d4-a716-446655440000' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'X-Timestamp: 1760000000' \
  -d '{
    "model": "T0510017",
    "messages": [
        {
            "role": "user",
            "content": "介绍下自己"
        }
    ],
    "stream": true
}'

响应示例：

data: {"id":"chatcmpl-454033906e5e4c789e112b5cc9970908","object":"chat.completion.chunk","created":1785313451,"model":"T0510017","choices":[{"index":0,"delta":{"role":"assistant","content":""},"finish_reason":null}]}

 ...

data: {"id":"chatcmpl-454033906e5e4c789e112b5cc9970908","object":"chat.completion.chunk","created":1785313451,"model":"T0510017","choices":[{"index":0,"delta":{"content":""},"finish_reason":"stop"}],"usage":{"prompt_tokens":179,"completion_tokens":116,"total_tokens":295,"prompt_tokens_details":{"cached_tokens":128},"completion_tokens_details":{"reasoning_tokens":50}}}

data: [DONE]

Anthropic 协议对话接口地址