チャット補完

POST /v1/chat/completions

OpenAI Chat Completions 形式と互換のコアな会話エンドポイントです。マルチモーダル入力、ストリーミング、ツール呼び出し、推論モデルに対応しています。

リクエスト

curl https://test.kailin.com.cn/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-your-token" \
  -d '{
    "model": "deepseek-v4-1-flash-261017",
    "messages": [
      { "role": "system", "content": "You are a concise assistant" },
      { "role": "user", "content": "Hello" }
    ],
    "stream": false
  }'

RequestREQUEST

POSThttps://test.kailin.com.cn/v1/chat/completions

API KeyStored only in your browser, never uploaded

Body (JSON)SSE stream · rendered live

ResponseRESPONSE

Fill in the request and hit Send — the response shows up here

リクエストボディ

パラメーター	型	必須	説明
`model`	string	はい	モデル名。List Models を参照
`messages`	array	はい	会話メッセージ。下記のメッセージ構造を参照
`stream`	boolean	いいえ	ストリーム出力（SSE）、デフォルトは `false`
`temperature`	number	いいえ	サンプリング温度 0–2、デフォルトは 1 — 低いほど決定的
`top_p`	number	いいえ	Nucleus サンプリング。`temperature` とどちらか一方だけ調整する
`max_tokens`	number	いいえ	生成する最大トークン数（新しいモデルでは `max_completion_tokens` を使用）
`stop`	string / array	いいえ	終了シーケンス、最大 4 つ
`tools`	array	いいえ	ツール（関数）の定義。ツール呼び出しを参照
`tool_choice`	string / object	いいえ	`auto` / `none` / `required` / 特定のツール
`response_format`	object	いいえ	`{"type": "json_object"}` または `{"type": "json_schema", ...}`
`seed`	integer	いいえ	再現性のためのランダムシード
`frequency_penalty`	number	いいえ	-2.0–2.0、繰り返しを抑制
`presence_penalty`	number	いいえ	-2.0–2.0、新しい話題を促進
`reasoning_effort`	string	いいえ	推論モデルの推論力度：`low` / `medium` / `high`
`user`	string	いいえ	エンドユーザーの識別子。不正利用の監視に便利

メッセージ構造

フィールド	型	説明
`role`	string	`system` / `user` / `assistant` / `tool`
`content`	string / array	文字列、またはマルチモーダルパートの配列（マルチモーダル入力を参照）
`name`	string	任意の参加者名
`tool_calls`	array	モデルが開始したツール呼び出し。`assistant` メッセージに付く
`tool_call_id`	string	`tool` メッセージでは必須 — 応答対象の呼び出し

レスポンス（非ストリーミング）

{
  "id": "chatcmpl-B3xK1abc123",
  "object": "chat.completion",
  "created": 1730000000,
  "model": "deepseek-v4-1-flash-261017",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! How can I help you today?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 20,
    "completion_tokens": 12,
    "total_tokens": 32
  }
}

フィールド	説明
`choices[].message.content`	モデルの応答
`choices[].finish_reason`	`stop` 完了 / `length` トークン上限に到達 / `tool_calls` ツール実行が必要
`usage`	トークン使用量 — 課金の基準
`usage.completion_tokens_details.reasoning_tokens`	推論モデルが返す思考トークン

ストリーミングレスポンス

"stream": true を指定すると、レスポンスは SSE イベントストリームになります：

data: {"id":"chatcmpl-xxx","choices":[{"index":0,"delta":{"role":"assistant"},"finish_reason":null}]}

data: {"id":"chatcmpl-xxx","choices":[{"index":0,"delta":{"content":"Hello"},"finish_reason":null}]}

data: {"id":"chatcmpl-xxx","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}

data: [DONE]

増分コンテンツは choices[].delta.content に届き、data: [DONE] で終了します。最後のチャンクには、上流に応じて usage が含まれる場合があります。

マルチモーダル入力

content を配列として渡すと、テキストに画像/音声を混在できます。画像は URL または Base64 データ URL を受け付けます：

{
  "model": "gpt-4o-mini",
  "messages": [
    {
      "role": "user",
      "content": [
        { "type": "text", "text": "What's in this image?" },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://upload.wikimedia.org/wikipedia/commons/3/3c/Shaki_waterfall.jpg"
          }
        }
      ]
    }
  ]
}

コンテンツパート	フィールド	説明
`text`	`text`	テキスト
`image_url`	`image_url.url`	画像 URL または `data:image/jpeg;base64,...`
`input_audio`	`input_audio.data` / `input_audio.format`	Base64 音声（`wav` / `mp3`）、モデルの対応が必要

ツール呼び出し

tools でツールを宣言すると、モデルが tool_calls で応答します。
ツールを実行し、その結果を role: "tool" メッセージとして追加して、再度呼び出します。

{
  "model": "deepseek-v4-1-flash-261017",
  "messages": [{ "role": "user", "content": "What's the weather in Shanghai today?" }],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Get the current weather for a city",
        "parameters": {
          "type": "object",
          "properties": {
            "city": { "type": "string", "description": "City name" }
          },
          "required": ["city"]
        }
      }
    }
  ]
}

モデルの応答：

{
  "choices": [
    {
      "message": {
        "role": "assistant",
        "tool_calls": [
          {
            "id": "call_abc123",
            "type": "function",
            "function": {
              "name": "get_weather",
              "arguments": "{\"city\": \"Shanghai\"}"
            }
          }
        ]
      },
      "finish_reason": "tool_calls"
    }
  ]
}

実行後、結果を送り返します：

{
  "model": "deepseek-v4-1-flash-261017",
  "messages": [
    { "role": "user", "content": "What's the weather in Shanghai today?" },
    {
      "role": "assistant",
      "tool_calls": [
        {
          "id": "call_abc123",
          "type": "function",
          "function": { "name": "get_weather", "arguments": "{\"city\": \"Shanghai\"}" }
        }
      ]
    },
    { "role": "tool", "tool_call_id": "call_abc123", "content": "Sunny, 26°C" }
  ]
}

SDK の利用

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-token",
    base_url="https://test.kailin.com.cn/v1",
)

stream = client.chat.completions.create(
    model="deepseek-v4-1-flash-261017",
    messages=[{"role": "user", "content": "Write a short poem about autumn"}],
    stream=True,
)
for chunk in stream:
    delta = chunk.choices[0].delta
    if delta.content:
        print(delta.content, end="", flush=True)

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'sk-your-token',
  baseURL: 'https://test.kailin.com.cn/v1',
});

const stream = await client.chat.completions.create({
  model: 'deepseek-v4-1-flash-261017',
  messages: [{ role: 'user', content: 'Write a short poem about autumn' }],
  stream: true,
});
for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? '');
}

備考

推論モデル（o シリーズ、DeepSeek-R1 など）は、上流チャネルに応じて reasoning_content または delta.reasoning_content に思考プロセスを返す場合があります。

リクエスト​

リクエストボディ​

メッセージ構造​

レスポンス（非ストリーミング）​

ストリーミングレスポンス​

マルチモーダル入力​

ツール呼び出し​

SDK の利用​