疾旋Token 官方文档

创建多轮或单轮模型对话响应，支持流式传输、思考链 (Reasoning Content) 与工具调用。

接口定义

POST https://token.astrumflow.com/v1/chat/completions
Content-Type: application/json
Authorization: Bearer sk-your-astrumflow-token-key

📥 请求参数

参数名	类型	必填	说明
`model`	`string`	是	模型名称，如 `GPT-5.6-sol`、`GPT-5.6-terra`、`GPT-5.6-luna`。
`messages`	`array`	是	对话上下文列表，包含 `role` (`system`, `user`, `assistant`, `tool`) 与 `content`。
`stream`	`boolean`	否	是否启用流式输出（SSE）。开启后以数据块持续返回，大幅降低首字等待延迟。
`temperature`	`number`	否	采样温度，介于 `0.0` 到 `2.0`。数值越低越确定严谨，越高越具创造性。默认 `1.0`。
`top_p`	`number`	否	核采样阈值。通常建议与 `temperature` 仅调整其中之一。
`max_tokens`	`integer`	否	最大输出 Token 数。
`tools`	`array`	否	模型可调用的函数/工具列表（Function Calling）。
`tool_choice`	`string/object`	否	控制模型是否必须调用特定工具。默认 `auto`。
`response_format`	`object`	否	强制结构化输出，如 `{"type": "json_object"}`。

💻 请求与调用示例

1. 标准非流式请求

curl https://token.astrumflow.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-your-astrumflow-token-key" \
  -d '{
    "model": "GPT-5.6-terra",
    "messages": [
      {"role": "system", "content": "你是一位资深架构师。"},
      {"role": "user", "content": "解释一下什么是 RESTful API？"}
    ],
    "temperature": 0.7
  }'

标准响应示例 (JSON)

{
  "id": "chatcmpl-9Xy78z...",
  "object": "chat.completion",
  "created": 1723650000,
  "model": "GPT-5.6-terra",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "RESTful API 是一种基于 REST（Representational State Transfer）架构风格设计的网络接口..."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 28,
    "completion_tokens": 150,
    "total_tokens": 178
  }
}

⚡ 2. 流式输出 (Streaming Response)

设置 "stream": true，模型将以 Server-Sent Events (SSE) 形式逐步返回数据：

from openai import OpenAI

client = OpenAI(
    base_url="https://token.astrumflow.com/v1",
    api_key="sk-your-astrumflow-token-key"
)

stream = client.chat.completions.create(
    model="GPT-5.6-sol",
    messages=[
        {"role": "user", "content": "写一段 Python 代码实现高性能快速排序。"}
    ],
    stream=True
)

for chunk in stream:
    content = chunk.choices[0].delta.content or ""
    print(content, end="", flush=True)

🧠 3. 深度思考模型 (Reasoning Content / Thinking)

对于 GPT-5.6-sol 等具备深度推理思考链的模型，疾旋Token 在返回结果中支持标准的 reasoning_content 思考过程透传。

# 提取 GPT-5.6-sol 深度思考链
response = client.chat.completions.create(
    model="GPT-5.6-sol",
    messages=[{"role": "user", "content": "9.11 和 9.8 哪个数更大？请给出严密数学推导。"}]
)

message = response.choices[0].message

# 思考过程
if hasattr(message, 'reasoning_content') and message.reasoning_content:
    print("【深度思考过程】:")
    print(message.reasoning_content)

# 最终回答
print("\n【最终回答】:")
print(message.content)

👁️ 4. 多模态识图 (Vision)

支持向模型发送图片进行视觉理解与分析：

response = client.chat.completions.create(
    model="GPT-5.6-sol",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "请详细描述并分析这张架构图。"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg"
                    }
                }
            ]
        }
    ]
)

print(response.choices[0].message.content)

对话补全 (Chat Completions)