跳转到主要内容
POST
/
v1
/
chat
/
completions

curl --request POST \
 --url https://onetoken.one/v1/chat/completions \
 --header 'Authorization: Bearer <token>' \
 --header 'Content-Type: application/json' \
 --data '{
"model": "gpt-4o", # 可替换为任意支持的模型 ID
"messages": [
{
"role": "system",
"content": "你是一个专业的AI助手。"
},
{
"role": "user",
"content": "介绍一下人工智能的发展历史。"
}
]
}'


{
  "code": 200,
  "data": {
    "id": "chatcmpl-9876543210",
    "object": "chat.completion",
    "created": 1677652288,
    "model": "gpt-4o",
    "choices": [
      {
        "index": 0,
        "message": {
          "role": "assistant",
          "content": "人工智能（AI）的发展历史可以追溯到20世纪50年代...\n\n1. **早期阶段（1950s-1960s）**：图灵测试的提出标志着AI研究的开始...\n\n2. **专家系统时代（1970s-1980s）**：基于规则的系统开始应用于医疗诊断、金融分析等领域...\n\n3. **机器学习兴起（1990s-2000s）**：统计学习方法逐渐成为主流...\n\n4. **深度学习革命（2010s-至今）**：神经网络技术的突破带来了AI的爆发式发展..."
        },
        "finish_reason": "stop"
      }
    ],
    "usage": {
      "prompt_tokens": 28,
      "completion_tokens": 320,
      "total_tokens": 348
    }
  }
}
  • 统一的对话API接口，支持所有文本生成模型
  • 通过 model 参数选择不同的AI模型
  • 兼容 OpenAI Chat Completions API 格式

curl --request POST \
 --url https://onetoken.one/v1/chat/completions \
 --header 'Authorization: Bearer <token>' \
 --header 'Content-Type: application/json' \
 --data '{
"model": "gpt-4o", # 可替换为任意支持的模型 ID
"messages": [
{
"role": "system",
"content": "你是一个专业的AI助手。"
},
{
"role": "user",
"content": "介绍一下人工智能的发展历史。"
}
]
}'


{
  "code": 200,
  "data": {
    "id": "chatcmpl-9876543210",
    "object": "chat.completion",
    "created": 1677652288,
    "model": "gpt-4o",
    "choices": [
      {
        "index": 0,
        "message": {
          "role": "assistant",
          "content": "人工智能（AI）的发展历史可以追溯到20世纪50年代...\n\n1. **早期阶段（1950s-1960s）**：图灵测试的提出标志着AI研究的开始...\n\n2. **专家系统时代（1970s-1980s）**：基于规则的系统开始应用于医疗诊断、金融分析等领域...\n\n3. **机器学习兴起（1990s-2000s）**：统计学习方法逐渐成为主流...\n\n4. **深度学习革命（2010s-至今）**：神经网络技术的突破带来了AI的爆发式发展..."
        },
        "finish_reason": "stop"
      }
    ],
    "usage": {
      "prompt_tokens": 28,
      "completion_tokens": 320,
      "total_tokens": 348
    }
  }
}

​
Authorizations

​
Authorization
string
必填
所有接口均需要使用Bearer Token进行认证获取 API Key：访问 API Key 管理页面 获取您的 API Key使用时在请求头中添加：
Authorization: Bearer YOUR_API_KEY

​
Body

​
model
string
默认值:"gpt-5"
必填
模型名称支持的模型包括：OpenAI gpt-4.1 gpt-4o gpt-5 gpt-5-high gpt-5-codex gpt-5-low gpt-5-medium gpt-5.1 gpt-5.2 gpt-5.3 gpt-5.4 gpt-5.5Anthropic claude-opus-4-5 claude-opus-4-6 claude-opus-4-7 claude-sonnet-4-5 claude-sonnet-4-6Google gemini-2.5-flash gemini-2.0-flash gemini-2.0-flash-lite gemini-2.5-flash-image gemini-2.5-pro gemini-3-pro-preview gemini-3-flash gemini-3-flash-preview gemini-3.1-pro-preview gemini-3.1-flash-lite-previewDeepSeek deepseek-r1 deepseek-v3 deepseek-v3-1-250821 deepseek-v3.2 deepseek-v4-flash deepseek-v4-proMiniMax MiniMax-M2.5智普 glm-5 glm-5.1阿里巴巴 qwen-flash qwen-max qwen-plus qwen3-max qwen3-coder-flash
  • 更多模型持续更新中…
​
messages
array
必填
对话消息列表消息数组，每条消息包含 role 和 content 两个字段。示例：
[{ "role": "user", "content": "你好，请介绍一下你自己" }]
进阶用法：添加系统提示词（让 AI 扮演特定角色）：
[
  { "role": "system", "content": "你是专业的Python导师" },
  { "role": "user", "content": "如何学习编程？" }
]
多轮对话（包含上下文）：
[
  { "role": "user", "content": "你好" },
  { "role": "assistant", "content": "你好！有什么可以帮你的？" },
  { "role": "user", "content": "介绍一下人工智能" }
]
角色说明：
  • user: 用户消息（大多数情况用这个）
  • system: 系统提示词，设置 AI 的行为和角色
  • assistant: AI 的历史回复，用于多轮对话时提供上下文
​
temperature
number
控制输出随机性，范围 0-2
  • 较低的值（如 0.2）使输出更确定
  • 较高的值（如 1.8）使输出更随机
默认值：1.0
​
max_tokens
integer
生成的最大token数量不同模型有不同的最大值限制，请参考具体模型文档
​
stream
boolean
是否使用流式输出
  • true: 流式返回（SSE格式）
  • false: 一次性返回完整响应
默认值：true
​
top_p
number
核采样参数，范围 0-1控制生成文本的多样性，建议与 temperature 二选一使用默认值：1.0
​
frequency_penalty
number
频率惩罚，范围 -2.0 到 2.0正值会降低重复使用相同词汇的可能性默认值：0
​
presence_penalty
number
存在惩罚，范围 -2.0 到 2.0正值会增加谈论新主题的可能性默认值：0
​
stop
string or array
停止序列最多4个序列，遇到这些序列时将停止生成
​
n
integer
生成的回复数量默认值：1⚠️ 注意： 必须输入纯数字（如 1），不要加引号，否则会报错

​
Response

​
id
string
响应的唯一标识符
​
object
string
对象类型，固定为 chat.completion
​
created
integer
创建时间戳
​
model
string
实际使用的模型名称
​
choices
array
生成的回复列表
​
usage
object
token使用统计

​
使用示例

​
基础对话

{
  "model": "gpt-4o",
  "messages": [{ "role": "user", "content": "你好" }]
}

​
系统提示词

{
  "model": "claude-3-5-sonnet",
  "messages": [
    { "role": "system", "content": "你是一位专业的Python编程导师" },
    { "role": "user", "content": "如何使用列表推导式？" }
  ]
}

​
多轮对话

{
  "model": "gemini-2.0-flash",
  "messages": [
    { "role": "user", "content": "什么是机器学习？" },
    { "role": "assistant", "content": "机器学习是人工智能的一个分支..." },
    { "role": "user", "content": "能举个例子吗？" }
  ]
}

​
流式输出

{
  "model": "gpt-4o",
  "messages": [{ "role": "user", "content": "写一首关于春天的诗" }],
  "stream": true
}