Responses 接口 | 土土金 API 文档

POST /v1/responses 是 OpenAI 较新的接口格式：用 input 代替 messages，系统指令单独放在 instructions 里，推理强度、结构化输出和工具的写法也和 Chat Completions 不同。目录里有一部分模型只支持这种格式。本站把请求按原格式转发给模型服务，参数是否生效以对应模型的官方说明为准。

POSThttps://www.tutujin.com/v1/responses

请求头

请求头	必填	说明
`Authorization`	是	`Bearer sk-...`，控制台创建的 API Key
`Content-Type`	是	`application/json`

请求参数

参数	类型	必填	说明
`model`	string	是	模型名，例如 `gpt-6.1-sol`
`input`	string 或 array	是	输入内容。可以是一段文本，也可以是消息数组，多轮对话和图文输入用数组，结构见下文
`instructions`	string	否	系统指令，相当于 Chat Completions 里的 `system` 消息
`max_output_tokens`	integer	否	本次最多生成多少 tokens，包含推理模型的思考部分
`temperature`	number	否	采样温度，越高越发散。推理模型通常不支持
`top_p`	number	否	核采样，和 `temperature` 一般只调一个
`stream`	boolean	否	设为 `true` 时以 SSE 事件流返回，默认 `false`
`reasoning`	object	否	推理配置，例如 `{"effort": "low"}`，常见取值 `low`、`medium`、`high`，仅推理模型支持
`text`	object	否	输出格式，例如 `{"format": {"type": "json_object"}}` 要求输出 JSON；部分模型支持 `json_schema` 严格结构化输出
`tools`	array	否	可供模型调用的工具，例如函数定义。内置工具能否使用取决于模型
`tool_choice`	string 或 object	否	`auto`、`none`、`required`，或指定某个工具
`store`	boolean	否	是否在服务端保存本次响应。本站没有实测依赖服务端存储的功能，建议设为 `false`
`previous_response_id`	string	否	引用上一轮响应来延续对话。它依赖服务端保存的响应，本站未实测，建议在 `input` 里自己带上历史消息
`metadata`	object	否	自定义键值对，方便你这边对账和排查

input 结构

最简单的写法是直接传一段字符串。多轮对话或图文输入时传数组，每项是一条消息：

JSON

[
  { "role": "user", "content": "这张发票的金额是多少？" },
  {
    "role": "user",
    "content": [
      { "type": "input_text", "text": "只回答金额和币种。" },
      { "type": "input_image", "image_url": "https://example.com/invoice.png" }
    ]
  }
]

role 可以是 user、assistant、system 或 developer。图片也可以用 data:image/png;base64,... 的形式直接放进 image_url。

请求示例

curl https://www.tutujin.com/v1/responses \
  -H "Authorization: Bearer $TUTUJIN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6.1-sol",
    "instructions": "你是财务助理，回答简洁，金额保留两位小数。",
    "input": "差旅费 1280 元，餐补每天 80 元共 3 天，合计报销多少？"
  }'

import os
from openai import OpenAI

client = OpenAI(base_url="https://www.tutujin.com/v1", api_key=os.environ["TUTUJIN_API_KEY"])

resp = client.responses.create(
    model="gpt-6.1-sol",
    instructions="你是财务助理，回答简洁，金额保留两位小数。",
    input="差旅费 1280 元，餐补每天 80 元共 3 天，合计报销多少？",
)
print(resp.output_text)
print(resp.usage)

import OpenAI from 'openai'

const client = new OpenAI({ baseURL: 'https://www.tutujin.com/v1', apiKey: process.env.TUTUJIN_API_KEY })

const resp = await client.responses.create({
  model: 'gpt-6.1-sol',
  instructions: '你是财务助理，回答简洁，金额保留两位小数。',
  input: '差旅费 1280 元，餐补每天 80 元共 3 天，合计报销多少？',
})
console.log(resp.output_text)
console.log(resp.usage)

响应示例

JSON

{
  "id": "resp_...",
  "object": "response",
  "created_at": 1794000000,
  "status": "completed",
  "model": "gpt-6.1-sol",
  "output": [
    {
      "type": "message",
      "id": "msg_...",
      "status": "completed",
      "role": "assistant",
      "content": [
        { "type": "output_text", "text": "合计报销 1520.00 元。", "annotations": [] }
      ]
    }
  ],
  "usage": {
    "input_tokens": 48,
    "input_tokens_details": { "cached_tokens": 0 },
    "output_tokens": 15,
    "output_tokens_details": { "reasoning_tokens": 0 },
    "total_tokens": 63
  }
}

字段	说明
`status`	`completed` 表示正常完成；`incomplete` 通常是达到 `max_output_tokens` 被截断
`output`	输出项数组，可能包含 `message`（回答）、`reasoning`（推理摘要）、`function_call`（需要你执行的函数调用）
`output[].content[].text`	回答文本。官方 SDK 提供 `output_text` 属性，直接拼好了全部文本
`usage.input_tokens`	输入 tokens，按输入单价计费
`usage.input_tokens_details.cached_tokens`	命中上下文缓存的输入 tokens，按缓存读取价计费
`usage.output_tokens`	输出 tokens，按输出单价计费，其中 `reasoning_tokens` 是思考部分

流式输出

设置 "stream": true 后，服务端按 Server-Sent Events 逐个推送事件。每个事件有 event: 名称，文本增量在 response.output_text.delta 事件的 delta 字段里，response.completed 事件带有完整响应和用量：

Text

event: response.created
data: {"type":"response.created","response":{"id":"resp_...","status":"in_progress"}}

event: response.output_text.delta
data: {"type":"response.output_text.delta","output_index":0,"content_index":0,"delta":"合计"}

event: response.output_text.done
data: {"type":"response.output_text.done","output_index":0,"content_index":0,"text":"合计报销 1520.00 元。"}

event: response.completed
data: {"type":"response.completed","response":{"id":"resp_...","status":"completed","usage":{"input_tokens":48,"output_tokens":15,"total_tokens":63}}}

用 SDK 时按事件类型取文本：

stream = client.responses.create(
    model="gpt-6.1-sol",
    input="写一段 100 字的产品介绍",
    stream=True,
)
for event in stream:
    if event.type == "response.output_text.delta":
        print(event.delta, end="", flush=True)
    elif event.type == "response.completed":
        print("\n", event.response.usage)

const stream = await client.responses.create({
  model: 'gpt-6.1-sol',
  input: '写一段 100 字的产品介绍',
  stream: true,
})
for await (const event of stream) {
  if (event.type === 'response.output_text.delta') process.stdout.write(event.delta)
  if (event.type === 'response.completed') console.log('\n', event.response.usage)
}

注意事项

这个接口是原样转发，没有在本站单独实测。接入新模型时先用小流量验证参数和返回结构。
多轮对话请在 input 里带上完整的历史消息，不要依赖 previous_response_id 和 store。
推理模型的思考 tokens 计入输出，费用可能明显高于普通模型，可以用 max_output_tokens 和 reasoning.effort 控制。
联网搜索等内置工具是否可用、是否另行计费都取决于模型，以控制台「操作日志」为准。
如果模型同时支持 Chat Completions，又不需要 Responses 的专有功能，用 Chat Completions 更省事，切换其他厂商的模型也只需改 model。

支持此接口的模型

模型	厂商	最低价分组	输入 ¥/百万	输出 ¥/百万	按次 ¥/次
GPT-6.1 Sol	OpenAI	标准	¥4	¥20	—
GPT-6 Luna	OpenAI	标准	¥0.2	¥1	—
GPT-6 Sol	OpenAI	标准	¥20	¥100	—
gpt-6-astra	OpenAI	标准	¥20	¥100	—
muse-wonder-1.0	其他	标准	¥56	¥280	—

价格为人民币，取各模型最低价分组；价格更新于 2026年11月13日 17:58。

没找到答案？加客服微信 JsnonoChat，发送报错信息里的 request id，我们帮你排查。