Responses 介面 | 土土金 API 文件

POST /v1/responses 是 OpenAI 較新的介面格式：用 input 代替 messages，系統指令單獨放在 instructions 裡，推理強度、結構化輸出和工具的寫法也和 Chat Completions 不同。目錄裡有一部分模型只支援這種格式。本站把請求按原格式轉發給模型服務，參數是否生效以對應模型的官方說明為準。

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

請求頭

請求頭	必填	說明
`Authorization`	是	`Bearer sk-...`，控制台建立的 API Key
`Content-Type`	是	`application/json`

請求參數

參數	類型	必填	說明
`model`	string	是	模型名，例如 `gpt-6.1-sol`
`input`	string 或 array	是	輸入內容。可以是一段文本，也可以是訊息陣列，多輪對話和圖文輸入用陣列，結構見下文
`instructions`	string	否	系統指令，相當於 Chat Completions 裡的 `system` 訊息
`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	取樣溫度，越高越發散。推理模型通常不支援
`top_p`	number	否	核取樣，和 `temperature` 一般只調一個
`stream`	boolean	否	設為 `true` 時以 SSE 事件流返回，預設 `false`
`reasoning`	object	否	推理配置，例如 `{"effort": "low"}`，常見取值 `low`、`medium`、`high`，僅推理模型支援
`text`	object	否	輸出格式，例如 `{"format": {"type": "json_object"}}` 要求輸出 JSON；部分模型支援 `json_schema` 嚴格結構化輸出
`tools`	array	否	可供模型呼叫的工具，例如函式定義。內建工具能否使用取決於模型
`tool_choice`	string 或 object	否	`auto`、`none`、`required`，或指定某個工具
`store`	boolean	否	是否在服務端儲存本次響應。本站沒有實測依賴服務端儲存的功能，建議設為 `false`
`previous_response_id`	string	否	引用上一輪響應來延續對話。它依賴服務端儲存的響應，本站未實測，建議在 `input` 裡自己帶上歷史訊息
`metadata`	object	否	自定義鍵值對，方便你這邊對帳和排查

input 結構

最簡單的寫法是直接傳一段字串。多輪對話或圖文輸入時傳陣列，每項是一條訊息：

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。圖片也可以用 data:image/png;base64,... 的形式直接放進 image_url。

請求示例

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)

響應示例

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
  }
}

欄位	說明
`status`	`completed` 表示正常完成；`incomplete` 通常是達到 `max_output_tokens` 被截斷
`output`	輸出項陣列，可能包含 `message`（回答）、`reasoning`（推理摘要）、`function_call`（需要你執行的函式呼叫）
`output[].content[].text`	回答文本。官方 SDK 提供 `output_text` 屬性，直接拼好了全部文本
`usage.input_tokens`	輸入 tokens，按輸入單價計費
`usage.input_tokens_details.cached_tokens`	命中上下文快取的輸入 tokens，按快取讀取價計費
`usage.output_tokens`	輸出 tokens，按輸出單價計費，其中 `reasoning_tokens` 是思考部分

流式輸出

設定 "stream": true 後，服務端按 Server-Sent Events 逐個推送事件。每個事件有 event: 名稱，文本增量在 response.output_text.delta 事件的 delta 欄位裡，response.completed 事件帶有完整響應和用量：

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 時按事件類型取文本：

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)
}

注意事項

這個介面是原樣轉發，沒有在本站單獨實測。接入新模型時先用小流量驗證參數和返回結構。
多輪對話請在 input 裡帶上完整的歷史訊息，不要依賴 previous_response_id 和 store。
推理模型的思考 tokens 計入輸出，費用可能明顯高於普通模型，可以用 max_output_tokens 和 reasoning.effort 控制。
聯網搜尋等內建工具是否可用、是否另行計費都取決於模型，以控制台「操作日誌」為準。
如果模型同時支援 Chat Completions，又不需要 Responses 的專有功能，用 Chat Completions 更省事，切換其他廠商的模型也只需改 model。

支援此介面的模型

模型	廠商	最低價分組	輸入 ¥/百萬	輸出 ¥/百萬	按次 ¥/次
GPT-6.1 Sol	OpenAI	標準	¥4	¥20	—
GPT-6 Luna	OpenAI	標準	¥0.2	¥1	—
GPT-6 Sol	OpenAI	標準	¥20	¥100	—
gpt-6-astra	OpenAI	標準	¥20	¥100	—
muse-wonder-1.0	其他	標準	¥56	¥280	—

價格為人民幣，取各模型最低價分組；價格更新於 2026年11月13日下午6:08。

沒找到答案？加客服微信 JsnonoChat，傳送報錯資訊裡的 request id，我們幫你排查。