大模型服务平台 TokenHub 接入 AI 工具

二、请求参数

注意：说明：

注意：这篇为语言模型的公共调用指南，不同模型支持的参数范围可能存在差异，具体以对应模型的能力为准。完整字段定义与最新更新请参见 OpenAI API 产品文档。

三、核心参数

参数	类型	必选	默认值	说明
model	string	是	–	模型标识。平台默认服务 ID 与模型名称一致（如 hy3）；自定义服务格式为 ep-xxxxxxxx。
messages	array	是	–	聊天上下文消息数组，详见 Messages 参数。
stream	boolean	否	false	是否启用流式输出（SSE）。
stream_options	object	否	–	流式选项，仅 stream=true 时生效。
stream_options.include_usage	boolean	否	false	流式最后一个 chunk 是否携带 usage 统计。平台始终请求 usage，此字段仅控制是否向客户端下发。

四、Messages 参数

System Message：

字段	类型	必选	说明
role	string	是	固定为 "system"
content	string	是	系统指令，用于设定模型行为和上下文。

User Message：

字段	类型	必选	说明
role	string	是	固定为 "user"
content	string 或 array	是	纯文本为 string；多模态内容为 array（见下方 Content Part）。

Content Part（ content 为 array 时）：

字段	类型	说明
type	string	内容类型："text" / "image_url" / "video_url" / "file_url"
text	string	type="text" 时的文本内容。
image_url	object	type="image_url" 时的图片信息。
image_url.url	string	图片 HTTP(S) URL 或 data:image/…;base64,… 格式的 Data URL。
image_url.detail	string	图片分辨率策略："auto" / "low" / "high"，默认 "auto"。
video_url	object	type="video_url" 时的视频信息。
video_url.url	string	视频 HTTP(S) URL。
file_url	object	type="file_url" 时的文件信息。
file_url.url	string	文件 HTTP URL（仅支持 HTTP 直链，不支持 Base64）。

注意：部分模型不允许在同一条消息中混用 file_url 与 image_url / video_url，具体请参见对应模型的能力说明。

Assistant Message：

字段	类型	必选	说明
role	string	是	固定为 "assistant"
content	string	否	模型回复文本（无 tool_calls 时必选）。
reasoning_content	string	否	思维链内容。思考模型响应中回传，多轮对话时需原样回填以保持上下文连续。
reasoning_details	array	否	思维链块数组，含签名，多轮对话时需原样回传以保持上下文连续。
tool_calls	array	否	工具调用列表，请参见工具调用参数。
prefix	boolean	否	部分 DeepSeek 模型支持：true 时以本消息内容作为前缀续写，需配合对应的 Beta 端点使用。标准端点下该字段会被忽略，不影响请求结果。

Tool Message：

字段	类型	必选	说明
role	string	是	固定为 "tool"
content	string	是	工具函数返回的结果内容（建议 JSON 字符串格式）。
tool_call_id	string	是	对应 assistant.tool_calls[].id 的值。
name	string	否	工具函数名称。

五、生成控制参数

参数	类型	必选	默认值	取值范围	说明
temperature	float	否	1.0	[0.0, 2.0]	采样温度。值越高输出越随机，值越低越确定。一般只调此参数或 top_p 之一。
top_p	float	否	1.0	(0.0, 1.0]	核采样概率阈值。top_p=0 会被平台归一化为 null（等效默认值）。
max_tokens	integer	否	模型最大值	≥ 1	单次响应最大输出 Token 数。超出后 finish_reason 为 "length"。
max_completion_tokens	integer	否	模型最大值	≥ 1	最大输出 Token 数（OpenAI 新版字段，语义同 max_tokens）。两者传其一即可，平台优先使用 max_completion_tokens。
n	integer	否	1	≥ 1	候选回复数量。n > 1 时按总 Token 量计费。部分模型不支持；思考模式开启时 n 必须为 1，否则返回 400。
stop	string 或 array	否	–	最多 4 个	停止序列。遇到匹配序列立即停止生成。超过 4 个会被校验拒绝。
seed	integer	否	–	任意整数	随机种子，相同 seed 尽最大努力保证输出一致。
frequency_penalty	float	否	0	[-2.0, 2.0]	频率惩罚。正值降低已出现 Token 的重复概率。0 被归一化为 null。
presence_penalty	float	否	0	[-2.0, 2.0]	存在惩罚。正值鼓励生成新话题。0 被归一化为 null。
logprobs	boolean	否	false	–	是否返回输出 Token 的对数概率。
top_logprobs	integer	否	0	[0, 20]	每个位置返回概率最高的 N 个 Token，需 logprobs=true，否则校验失败。
reasoning_effort	string	否	–	"low" / "medium" / "high"	推理深度，适用于思考类模型。混元模型有内部映射转换。

注意：说明：

注意：不支持的客户端参数：top_k、repetition_penalty、modalities、audio 等字段在客户端请求中传入会被静默忽略。这些参数仅可通过平台配置注入。

六、响应格式参数

参数	类型	必选	默认值	说明
response_format	object	否	{"type":"text"}	响应格式控制。
response_format.type	string	是	"text"	格式类型："text" / "json_object" / "json_schema"。
response_format.json_schema	object	条件	–	type="json_schema" 时必选，定义输出 JSON 结构。
response_format.json_schema.name	string	是	–	Schema 名称。
response_format.json_schema.schema	object	是	–	JSON Schema 定义（遵循 JSON Schema 规范）。
response_format.json_schema.strict	boolean	否	false	是否强制严格匹配 Schema。

注意：使用 json_object 时需在 messages 中明确要求模型输出 JSON 格式，否则部分模型行为不确定。

七、工具调用参数

参数	类型	必选	默认值	说明
tools	array	否	–	工具定义列表。
tools[].type	string	是	–	固定为 "function"。
tools[].function	object	是	–	函数定义。
tools[].function.name	string	是	–	工具函数名称（仅含字母、数字、下划线和短横线）。
tools[].function.description	string	否	–	工具函数描述，帮助模型判断何时调用。
tools[].function.parameters	object	否	{}	入参定义（JSON Schema object 格式）。
tool_choice	string 或 object	否	"auto"	工具调用策略，详见下方枚举。
parallel_tool_calls	boolean	否	true	是否允许并行调用多个工具。

tool_choice 取值：

值	说明
"none"	不调用任何工具（混元下会同时清除 tools 字段）。
"auto"	模型自行决定是否调用工具（默认）。
"required"	强制模型调用至少一个工具。注意：思考模式开启时（deepseek-v4-* 等模型默认开启），该取值及指定函数对象会返回 400，需显式传入 thinking: {"type": "disabled"} 后使用。
{"type":"function","function":{"name":"xxx"}}	指定调用某个工具。

八、思考模式参数

不同模型的默认思考开关不同，请参考各模型调用指南。

参数	类型	必选	默认值	说明	适用模型
thinking	object	否	–	思考模式控制（标准方式）	思考类模型（如混元、DeepSeek 等）
thinking.type	string	是	–	"enabled" 开启 / "disabled" 关闭 / "adaptive" 自适应。传入 thinking 对象时该字段必填，仅给出 budget_tokens 而缺少 type 会返回 400。	思考类模型（与 thinking 一致；具体可用取值因模型而异）
thinking.budget_tokens	integer	否	8192（自动补）	思考过程最大 Token 数。type=enabled 且未指定时自动补 8192。该值为期望上限而非硬性截断，部分模型的实际思考 Token 数可能超出设定值，请以响应 usage.completion_tokens_details.reasoning_tokens 为准。	思考类模型（部分模型仅作参考，不严格截断）
enable_thinking	boolean	否	–	是否开启思考模式（简化开关）。作为 thinking.type 的替代写法，部分模型（如 Qwen、DeepSeek 系列）可用；推荐统一使用 thinking.type。	混元、DeepSeek 等部分模型
thinking_budget	integer	否	–	思考过程最大 Token 数（简化字段），需配合 enable_thinking 使用；推荐统一使用 thinking.budget_tokens。	混元、DeepSeek 等部分模型
interleaved_thinking	boolean	否	–	交错思维链模式：边推理边输出，适合流式展示。该字段为扩展能力，各模型的实际支持程度不同，不支持的模型会忽略该字段而不报错。	部分模型（具体以模型能力说明为准）
reasoning_split	boolean	否	–	将推理内容与最终回复分段输出。该字段为扩展能力，不支持的模型会忽略该字段而不报错。	部分模型

注意：说明：

九、搜索增强参数

Chat Completions 接口通过 web_search_options 字段开启联网搜索（需先在控制台开通联网搜索资源包）。完整参数说明、支持模型与请求/响应示例，请参见联网搜索使用文档。

十、缓存参数

参数	类型	必选	默认值	说明	适用模型
prompt_cache_key	string	否	–	手动指定 Prompt 缓存 Key。相同 key 的请求可复用缓存，命中后按缓存价格计费，可通过响应 usage.prompt_tokens_details.cached_tokens 查看命中的 Token 数。	支持 Prompt Cache 的模型

十一、其他参数

参数	类型	必选	默认值	说明
user	string	否	–	终端用户标识符，透传给模型服务，用于滥用检测和用量追踪。
user_id	string 或 number	否	–	平台业务层用户 ID（兼容数字类型，平台自动转为字符串）。仅用于平台内部用户标识，不会透传给模型服务；如需透传给模型服务，请使用 user 字段。
safety_identifier	string	否	–	安全标识符，供风控系统做用户级别的内容审核追踪。
extra_body	object	否	–	透传给模型服务的额外参数，平台不做解析。部分模型会将此字段合并到请求体顶层，其他模型服务忽略此字段。

十三、顶层结构

{ "id": "chatcmpl-xxxxxxxxxxxxxxxxxxxxxxxx", "object": "chat.completion", "created": 1750924800, "model": "<your-model-name>", "choices": […], "usage": {…}, "search_info": null}

字段	类型	说明
id	string	请求唯一标识，格式 chatcmpl-{uuid}（平台生成，与模型服务返回的 ID 无关）。
object	string	对象类型，固定为 "chat.completion"。
created	integer	创建时间（Unix 时间戳，秒）。
model	string	用户请求时传入的原始模型名称（非模型服务实际模型名）。
choices	array	候选结果列表，元素数量等于请求中的 n。
usage	object	Token 消耗统计，见「usage 对象」
search_info	object 或 null	联网搜索信息（混元/AISearch 路径时携带，其他场景为 null）。

十四、choices 数组元素

字段	类型	说明
index	integer	选项在 choices 数组中的索引，从 0 开始。
message	object	回复消息对象，见 message 对象。
finish_reason	string	生成结束原因，见下方枚举。
logprobs	object 或 null	Token 概率信息（需请求时设置 logprobs=true）。

finish_reason 取值：

值	说明	处理建议
"stop"	正常结束（模型主动停止或匹配到 stop 序列）。	正常处理。
"length"	达到 max_tokens / max_completion_tokens 上限，输出被截断。	考虑增大 max_tokens 或分段生成。
"tool_calls"	模型需要调用工具。	执行工具，将结果作为 tool 消息继续请求。
"content_filter"	内容被安全策略过滤。	检查输入内容是否触发安全规则。

message 对象：

字段	类型	说明	适用场景
role	string	固定为 "assistant"	全部
content	string 或 null	回复文本内容。当存在 tool_calls 时可能为 null	全部
reasoning_content	string	思维链/推理过程内容	思考类模型
reasoning_details	array	思维链块数组（含 signature）	思考类模型
tool_calls	array	工具调用列表	Function Calling
refusal	string 或 null	拒绝回复的原因说明	内容安全过滤

tool_calls 数组元素：

字段	类型	说明
id	string	工具调用唯一 ID，格式 call_{uuid}。
type	string	固定为 "function"。
function.name	string	被调用的函数名称。
function.arguments	string	函数参数（JSON 字符串格式，使用时需先 JSON.parse()）。

十五、usage 对象

字段	类型	说明
prompt_tokens	integer	输入 Token 数（含 system、messages、tools 定义等）
completion_tokens	integer	输出 Token 数（含思维链推理 Token）
total_tokens	integer	总 Token 数
cache_read_tokens	integer	命中 Prompt Cache 读取的 Token 数（部分模型，可减少计费）
cache_write_tokens	integer	写入 Prompt Cache 的 Token 数（部分模型）
prompt_tokens_details	object	输入 Token 细分（部分模型）
prompt_tokens_details.cached_tokens	integer	命中缓存的 Token 数
completion_tokens_details	object	输出 Token 细分（部分模型）
completion_tokens_details.reasoning_tokens	integer	思维链消耗的 Token 数（OpenAI 兼容路径）
completion_tokens_details.audio_tokens	integer	音频输出消耗的 Token 数

注意：total_tokens = prompt_tokens + completion_tokens。completion_tokens 已包含思维链 Token，reasoning_tokens 是其中的细分。

十六、search_info（联网搜索时）

{ "search_info": { "search_results": [ { "index": 1, "url": "https://example.com/article", "name": "文章标题", "snippet": "文章摘要", "icon": "https://…", "site": "来源站点", "published_time": "2026-06-26" } ] }}

十七、流式响应

流式输出使用 Server-Sent Events（SSE）协议：

·HTTP 状态码：200

·Content-Type: text/event-stream

·X-Accel-Buffering: no

·每个事件格式：data: {json}\\n\\n

·结束标志：data: [DONE]\\n\\n

Chunk 结构：

{ "id": "chatcmpl-xxxxxxxxxxxxxxxxxxxxxxxx", "object": "chat.completion.chunk", "created": 1750924800, "model": "<your-model-name>", "choices": [ { "index": 0, "delta": { "role": "assistant", "content": "增量文本", "reasoning_content": "增量思维链" }, "finish_reason": null } ], "usage": null}

字段	类型	说明
object	string	固定为 "chat.completion.chunk"。
choices[].delta	object	增量内容。
choices[].delta.role	string	仅在第一个 chunk 中出现，值为 "assistant"。
choices[].delta.content	string	增量文本片段，累积拼接为完整回复。
choices[].delta.reasoning_content	string	增量思维链片段（思维链模式下，先于 content 输出）。
choices[].delta.reasoning_details	array	增量思维链块（含 signature，流结束后需完整收集并在多轮中回传）。
choices[].delta.tool_calls	array	增量工具调用（含 index 字段标识数组位置）。
choices[].delta.search_results	array	联网搜索结果增量（部分模型在流式中推送）。
choices[].finish_reason	string 或 null	生成中为 null，结束时为终止原因。
usage	object 或 null	仅在 include_usage=true 时，最后一个正式 chunk 携带。

流式 tool_calls 增量格式：首次出现时包含 id、type、function.name；后续 chunk 仅追加 function.arguments 片段，客户端需按 index 将多个 chunk 的 arguments 拼接为完整 JSON 字符串。arguments 为增量片段，示例中 {"ci 为首帧截断值，属正常现象，非格式错误。以下为前两帧的示例：

第一帧（首次出现，含 id、type、function.name）：

{ "delta": { "tool_calls": [ { "index": 0, "id": "call_xxx", "type": "function", "function": { "name": "get_weather", "arguments": "{\\"ci" } } ] }}

第一帧返回 {"ci，第二帧返回 ty":"Beijing"}，两段拼接后得到完整参数 {"city":"Beijing"}。

第二帧（后续帧，仅追加 function.arguments 片段）：

{ "delta": { "tool_calls": [ { "index": 0, "function": { "arguments": "ty\\":\\"Beijing\\"}" } } ] }}

流式错误处理：

场景	行为
首包前失败（HTTP 200 写入前）	返回标准 JSON 错误体，可正常解析错误码。若有 Fallback Provider 会自动降级重试。
200 响应头已发送后的错误	平台在 SSE 流中插入 data: {"error":{"type":"…","message":"…"}}\\n\\n 错误帧，随后发送 data: [DONE]\\n\\n 结束流。客户端需检测 delta 中是否含 error 字段。

十八、错误响应

调用出错时，HTTP 状态码为非 2xx，响应体为 JSON 格式，并同时返回中英文错误描述。基本结构如下：

{ "error": { "message": "<英文错误描述>", "message_zh": "<中文错误描述>", "code": "<业务错误码>", "type": "<错误类型>", "request_id": "<请求唯一标识>" }}

完整的错误响应结构、全部业务错误码速查表、各类错误的响应示例与排查建议，请参见 API 错误码说明。

注意：说明：

20、示例：基础对话

cURLPythonNode.jsJavaGocurl -X POST "https://tokenhub.tencentmaas.com/v1/chat/completions" \\ -H "Authorization: Bearer YOUR_API_KEY" \\ -H "Content-Type: application/json" \\ -d '{ "model": "<your-model-name>", "messages": [ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "你好，请介绍一下自己"} ], "temperature": 0.7, "max_tokens": 1024 }'from openai import OpenAIclient = OpenAI( api_key="YOUR_API_KEY", base_url="https://tokenhub.tencentmaas.com/v1",)response = client.chat.completions.create( model="<your-model-name>", messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "你好，请介绍一下自己"}, ], temperature=0.7, max_tokens=1024,)print(response.choices[0].message.content)import OpenAI from 'openai';const client = new OpenAI({ apiKey: 'YOUR_API_KEY', baseURL: 'https://tokenhub.tencentmaas.com/v1',});const response = await client.chat.completions.create({ model: '<your-model-name>', messages: [ { role: 'system', content: 'You are a helpful assistant.' }, { role: 'user', content: '你好，请介绍一下自己' }, ], temperature: 0.7, max_tokens: 1024,});console.log(response.choices[0].message.content);import okhttp3.*;import com.google.gson.Gson;import java.util.*;public class BasicChat { public static void main(String[] args) throws Exception { Map<String, Object> body = new HashMap<>(); body.put("model", "<your-model-name>"); body.put("messages", List.of( Map.of("role", "system", "content", "You are a helpful assistant."), Map.of("role", "user", "content", "你好，请介绍一下自己") )); body.put("temperature", 0.7); body.put("max_tokens", 1024); Request request = new Request.Builder() .url("https://tokenhub.tencentmaas.com/v1/chat/completions") .header("Authorization", "Bearer YOUR_API_KEY") .post(RequestBody.create(new Gson().toJson(body), MediaType.parse("application/json"))) .build(); try (Response response = new OkHttpClient().newCall(request).execute()) { System.out.println(response.body().string()); } }}package mainimport ( "bytes" "encoding/json" "fmt" "io" "net/http")func main() { body, _ := json.Marshal(map[string]interface{}{ "model": "<your-model-name>", "messages": []map[string]string{ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "你好，请介绍一下自己"}, }, "temperature": 0.7, "max_tokens": 1024, }) req, _ := http.NewRequest("POST", "https://tokenhub.tencentmaas.com/v1/chat/completions", bytes.NewBuffer(body)) req.Header.Set("Authorization", "Bearer YOUR_API_KEY") req.Header.Set("Content-Type", "application/json") resp, err := http.DefaultClient.Do(req) if err != nil { panic(err) } defer resp.Body.Close() data, _ := io.ReadAll(resp.Body) fmt.Println(string(data))}

21、示例：Function Calling（工具调用）

cURLPythonNode.jsJavaGocurl -X POST "https://tokenhub.tencentmaas.com/v1/chat/completions" \\ -H "Authorization: Bearer YOUR_API_KEY" \\ -H "Content-Type: application/json" \\ -d '{ "model": "<your-model-name>", "messages": [ {"role": "user", "content": "北京今天天气怎么样？"} ], "tools": [ { "type": "function", "function": { "name": "get_weather", "description": "获取指定城市的天气信息", "parameters": { "type": "object", "properties": { "city": {"type": "string", "description": "城市名称"} }, "required": ["city"] } } } ], "tool_choice": "auto" }'from openai import OpenAIclient = OpenAI(api_key="YOUR_API_KEY", base_url="https://tokenhub.tencentmaas.com/v1")response = client.chat.completions.create( model="<your-model-name>", messages=[{"role": "user", "content": "北京今天天气怎么样？"}], tools=[ { "type": "function", "function": { "name": "get_weather", "description": "获取指定城市的天气信息", "parameters": { "type": "object", "properties": {"city": {"type": "string", "description": "城市名称"}}, "required": ["city"], }, }, } ], tool_choice="auto",)print(response.choices[0].message)import OpenAI from 'openai';const client = new OpenAI({ apiKey: 'YOUR_API_KEY', baseURL: 'https://tokenhub.tencentmaas.com/v1' });const response = await client.chat.completions.create({ model: '<your-model-name>', messages: [{ role: 'user', content: '北京今天天气怎么样？' }], tools: [ { type: 'function', function: { name: 'get_weather', description: '获取指定城市的天气信息', parameters: { type: 'object', properties: { city: { type: 'string', description: '城市名称' } }, required: ['city'], }, }, }, ], tool_choice: 'auto',});console.log(response.choices[0].message);import okhttp3.*;public class FunctionCalling { public static void main(String[] args) throws Exception { String body = """ { "model": "<your-model-name>", "messages": [ {"role": "user", "content": "北京今天天气怎么样？"} ], "tools": [ { "type": "function", "function": { "name": "get_weather", "description": "获取指定城市的天气信息", "parameters": { "type": "object", "properties": { "city": {"type": "string", "description": "城市名称"} }, "required": ["city"] } } } ], "tool_choice": "auto" } """; Request request = new Request.Builder() .url("https://tokenhub.tencentmaas.com/v1/chat/completions") .header("Authorization", "Bearer YOUR_API_KEY") .post(RequestBody.create(body, MediaType.parse("application/json"))) .build(); try (Response response = new OkHttpClient().newCall(request).execute()) { System.out.println(response.body().string()); } }}package mainimport ( "fmt" "io" "net/http" "strings")func main() { body := `{ "model": "<your-model-name>", "messages": [ {"role": "user", "content": "北京今天天气怎么样？"} ], "tools": [ { "type": "function", "function": { "name": "get_weather", "description": "获取指定城市的天气信息", "parameters": { "type": "object", "properties": { "city": {"type": "string", "description": "城市名称"} }, "required": ["city"] } } } ], "tool_choice": "auto"}` req, _ := http.NewRequest("POST", "https://tokenhub.tencentmaas.com/v1/chat/completions", strings.NewReader(body)) req.Header.Set("Authorization", "Bearer YOUR_API_KEY") req.Header.Set("Content-Type", "application/json") resp, err := http.DefaultClient.Do(req) if err != nil { panic(err) } defer resp.Body.Close() data, _ := io.ReadAll(resp.Body) fmt.Println(string(data))}

22、示例：流式 + 思考模式

cURLPythonNode.jsJavaGocurl -X POST "https://tokenhub.tencentmaas.com/v1/chat/completions" \\ -H "Authorization: Bearer YOUR_API_KEY" \\ -H "Content-Type: application/json" \\ -d '{ "model": "<your-model-name>", "messages": [ {"role": "user", "content": "证明根号2是无理数"} ], "stream": true, "stream_options": {"include_usage": true}, "thinking": {"type": "enabled", "budget_tokens": 8000}, "max_tokens": 4096 }'from openai import OpenAIclient = OpenAI(api_key="YOUR_API_KEY", base_url="https://tokenhub.tencentmaas.com/v1")stream = client.chat.completions.create( model="<your-model-name>", messages=[{"role": "user", "content": "证明根号2是无理数"}], stream=True, stream_options={"include_usage": True}, extra_body={"thinking": {"type": "enabled", "budget_tokens": 8000}}, max_tokens=4096,)for chunk in stream: if chunk.choices and chunk.choices[0].delta.content: print(chunk.choices[0].delta.content, end="", flush=True)import OpenAI from 'openai';const client = new OpenAI({ apiKey: 'YOUR_API_KEY', baseURL: 'https://tokenhub.tencentmaas.com/v1' });const stream = await client.chat.completions.create({ model: '<your-model-name>', messages: [{ role: 'user', content: '证明根号2是无理数' }], stream: true, stream_options: { include_usage: true }, // thinking 为平台扩展参数 thinking: { type: 'enabled', budget_tokens: 8000 }, max_tokens: 4096,});for await (const chunk of stream) { const delta = chunk.choices[0]?.delta?.content; if (delta) process.stdout.write(delta);}import okhttp3.*;import java.io.BufferedReader;import java.io.InputStreamReader;public class StreamThinking { public static void main(String[] args) throws Exception { String body = """ { "model": "<your-model-name>", "messages": [ {"role": "user", "content": "证明根号2是无理数"} ], "stream": true, "stream_options": {"include_usage": true}, "thinking": {"type": "enabled", "budget_tokens": 8000}, "max_tokens": 4096 } """; Request request = new Request.Builder() .url("https://tokenhub.tencentmaas.com/v1/chat/completions") .header("Authorization", "Bearer YOUR_API_KEY") .post(RequestBody.create(body, MediaType.parse("application/json"))) .build(); try (Response response = new OkHttpClient().newCall(request).execute(); BufferedReader reader = new BufferedReader( new InputStreamReader(response.body().byteStream()))) { String line; while ((line = reader.readLine()) != null) { if (!line.isEmpty()) System.out.println(line); } } }}package mainimport ( "bufio" "fmt" "net/http" "strings")func main() { body := `{ "model": "<your-model-name>", "messages": [ {"role": "user", "content": "证明根号2是无理数"} ], "stream": true, "stream_options": {"include_usage": true}, "thinking": {"type": "enabled", "budget_tokens": 8000}, "max_tokens": 4096}` req, _ := http.NewRequest("POST", "https://tokenhub.tencentmaas.com/v1/chat/completions", strings.NewReader(body)) req.Header.Set("Authorization", "Bearer YOUR_API_KEY") req.Header.Set("Content-Type", "application/json") resp, err := http.DefaultClient.Do(req) if err != nil { panic(err) } defer resp.Body.Close() scanner := bufio.NewScanner(resp.Body) for scanner.Scan() { if line := scanner.Text(); line != "" { fmt.Println(line) } }}

23、示例：多模态（图片理解）

24、示例：联网搜索

联网搜索通过 web_search_options 字段开启，需先在控制台开通联网搜索资源包。完整的请求参数、支持模型与响应示例，请参见联网搜索使用文档。

25、示例：多轮思维链对话（携带 signature）

cURLPythonNode.jsJavaGocurl -X POST "https://tokenhub.tencentmaas.com/v1/chat/completions" \\ -H "Authorization: Bearer YOUR_API_KEY" \\ -H "Content-Type: application/json" \\ -d '{ "model": "<your-model-name>", "messages": [ {"role": "user", "content": "分析这个算法的时间复杂度"}, { "role": "assistant", "content": "该算法的时间复杂度是 O(n log n)。", "reasoning_details": [ { "type": "thinking", "content": "让我分析一下：外层循环 n 次…", "signature": "EqoBCkgIARgCIkD…" } ] }, {"role": "user", "content": "如何将其优化为 O(n)？"} ], "thinking": {"type": "enabled", "budget_tokens": 5000} }'from openai import OpenAIclient = OpenAI(api_key="YOUR_API_KEY", base_url="https://tokenhub.tencentmaas.com/v1")response = client.chat.completions.create( model="<your-model-name>", messages=[ {"role": "user", "content": "分析这个算法的时间复杂度"}, { "role": "assistant", "content": "该算法的时间复杂度是 O(n log n)。", "reasoning_details": [ { "type": "thinking", "content": "让我分析一下：外层循环 n 次…", "signature": "EqoBCkgIARgCIkD…", } ], }, {"role": "user", "content": "如何将其优化为 O(n)？"}, ], extra_body={"thinking": {"type": "enabled", "budget_tokens": 5000}},)print(response.choices[0].message.content)import OpenAI from 'openai';const client = new OpenAI({ apiKey: 'YOUR_API_KEY', baseURL: 'https://tokenhub.tencentmaas.com/v1' });const response = await client.chat.completions.create({ model: '<your-model-name>', messages: [ { role: 'user', content: '分析这个算法的时间复杂度' }, { role: 'assistant', content: '该算法的时间复杂度是 O(n log n)。', reasoning_details: [ { type: 'thinking', content: '让我分析一下：外层循环 n 次…', signature: 'EqoBCkgIARgCIkD…', }, ], }, { role: 'user', content: '如何将其优化为 O(n)？' }, ], // thinking 为平台扩展参数 thinking: { type: 'enabled', budget_tokens: 5000 },});console.log(response.choices[0].message.content);import okhttp3.*;public class MultiTurnThinking { public static void main(String[] args) throws Exception { String body = """ { "model": "<your-model-name>", "messages": [ {"role": "user", "content": "分析这个算法的时间复杂度"}, { "role": "assistant", "content": "该算法的时间复杂度是 O(n log n)。", "reasoning_details": [ { "type": "thinking", "content": "让我分析一下：外层循环 n 次…", "signature": "EqoBCkgIARgCIkD…" } ] }, {"role": "user", "content": "如何将其优化为 O(n)？"} ], "thinking": {"type": "enabled", "budget_tokens": 5000} } """; Request request = new Request.Builder() .url("https://tokenhub.tencentmaas.com/v1/chat/completions") .header("Authorization", "Bearer YOUR_API_KEY") .post(RequestBody.create(body, MediaType.parse("application/json"))) .build(); try (Response response = new OkHttpClient().newCall(request).execute()) { System.out.println(response.body().string()); } }}package mainimport ( "fmt" "io" "net/http" "strings")func main() { body := `{ "model": "<your-model-name>", "messages": [ {"role": "user", "content": "分析这个算法的时间复杂度"}, { "role": "assistant", "content": "该算法的时间复杂度是 O(n log n)。", "reasoning_details": [ { "type": "thinking", "content": "让我分析一下：外层循环 n 次…", "signature": "EqoBCkgIARgCIkD…" } ] }, {"role": "user", "content": "如何将其优化为 O(n)？"} ], "thinking": {"type": "enabled", "budget_tokens": 5000}}` req, _ := http.NewRequest("POST", "https://tokenhub.tencentmaas.com/v1/chat/completions", strings.NewReader(body)) req.Header.Set("Authorization", "Bearer YOUR_API_KEY") req.Header.Set("Content-Type", "application/json") resp, err := http.DefaultClient.Do(req) if err != nil { panic(err) } defer resp.Body.Close() data, _ := io.ReadAll(resp.Body) fmt.Println(string(data))}

大模型服务平台 TokenHub 接入 AI 工具

二、请求参数

三、核心参数

四、Messages 参数

五、生成控制参数

六、响应格式参数

七、工具调用参数

八、思考模式参数

九、搜索增强参数

十、缓存参数

十一、其他参数

十三、顶层结构

十四、choices 数组元素

十五、usage 对象

十六、search_info（联网搜索时）

十七、流式响应

十八、错误响应

20、示例：基础对话

21、示例：Function Calling（工具调用）

22、示例：流式 + 思考模式

23、示例：多模态（图片理解）

24、示例：联网搜索

25、示例：多轮思维链对话（携带 signature）

相关内容：