TokenFlow

文本与对话

当前平台的全部模型都通过这一个接口调用。请求体与 OpenAI 的对话接口一致, 换成你自己的 Key 就能直接跑。

接口

方法POST
地址https://api.tokenflow365.com/v1/chat/completions
模型清单GET https://api.tokenflow365.com/v1/models

请求参数

下面是最常用的几个,其余 OpenAI 同名参数同样支持。

参数类型必填说明
modelstring是模型 ID,取值见模型广场
messagesarray是消息数组,role 支持 system / user / assistant
streamboolean否是否流式返回,默认 false
max_tokensinteger否最大输出长度,不能超过模型输出上限
temperaturenumber否采样温度 0–2,越大越随机
top_pnumber否核采样,和 temperature 二选一调整
toolsarray否工具定义,格式同 OpenAI 函数调用
完整请求
POST https://api.tokenflow365.com/v1/chat/completions
Authorization: Bearer <你的 API Key>
Content-Type: application/json

{
  "model": "deepseek-v4.1-flash",
  "messages": [
    { "role": "system", "content": "你是一个简洁的助手" },
    { "role": "user", "content": "用一句话解释什么是 API 网关" }
  ],
  "temperature": 0.7,
  "stream": false
}

响应结构

usage 里的 token 数就是计费依据, 和消费记录里的数字一致。

响应 JSON
{
  "id": "chatcmpl-xxxx",
  "object": "chat.completion",
  "model": "deepseek-v4.1-flash",
  "choices": [
    {
      "index": 0,
      "message": { "role": "assistant", "content": "API 网关是统一入口……" },
      "finish_reason": "stop"
    }
  ],
  "usage": { "prompt_tokens": 42, "completion_tokens": 128, "total_tokens": 170 }
}

流式输出

传 stream: true,服务端按 SSE 逐块返回,最后一条是 data: [DONE]。

流式调用
curl -N https://api.tokenflow365.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4.1-flash",
    "messages": [{"role": "user", "content": "你好"}],
    "stream": true
  }'

# 返回是一串 SSE 事件,每个 data: 后面是一小块增量
# data: {"choices":[{"delta":{"content":"你"}}]}
# data: [DONE]

出错时的处理方式见错误码页。