Chat Completions

Użyj CometAPI POST /v1/chat/completions, aby wysyłać wielowiadomościowe konwersacje i otrzymywać odpowiedzi LLM ze Streaming, temperature i max_tokens.

POST /v1/chat/completions

Python

Default

from openai import OpenAI
client = OpenAI(
    base_url="https://api.cometapi.com/v1",
    api_key="<COMETAPI_KEY>",
)

completion = client.chat.completions.create(
    model="gpt-5.4",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"},
    ],
)

print(completion.choices[0].message)

200

{
  "id": "chatcmpl-DNA27oKtBUL8TmbGpBM3B3zhWgYfZ",
  "object": "chat.completion",
  "created": 1774412483,
  "model": "gpt-4.1-nano-2025-04-14",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Four",
        "refusal": null,
        "annotations": []
      },
      "logprobs": null,
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 29,
    "completion_tokens": 2,
    "total_tokens": 31,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "audio_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0,
      "audio_tokens": 0,
      "accepted_prediction_tokens": 0,
      "rejected_prediction_tokens": 0
    }
  },
  "service_tier": "default",
  "system_fingerprint": "fp_490a4ad033"
}

​

Przegląd

Endpoint Chat Completions to najczęściej używane API do interakcji z dużymi modelami językowymi. Przyjmuje konwersację złożoną z wielu wiadomości i zwraca odpowiedź modelu.

CometAPI kieruje ten endpoint do wielu dostawców — w tym OpenAI, Anthropic Claude (przez warstwę kompatybilności), Google Gemini i innych — za pośrednictwem jednego ujednoliconego interfejsu. Możesz przełączać się między modelami, po prostu zmieniając parametr model.

Ten endpoint jest zgodny z formatem OpenAI Chat Completions. Większość SDK i narzędzi kompatybilnych z OpenAI działa z CometAPI po zmianie base_url na https://api.cometapi.com/v1.

​

Ważne uwagi

Zachowanie specyficzne dla modelu — Różne modele mogą obsługiwać różne podzbiory parametrów i zwracać nieco inne pola odpowiedzi. Na przykład reasoning_effort dotyczy tylko modeli reasoningowych (o-series, GPT-5.1+), a niektóre modele mogą nie obsługiwać logprobs ani n > 1.

Przekazywanie odpowiedzi bez zmian — CometAPI przekazuje odpowiedzi modeli bez modyfikacji (z wyjątkiem normalizacji formatu podczas routingu między dostawcami), dzięki czemu otrzymujesz output zgodny z oryginalnym API.

Modele OpenAI Pro — W przypadku modeli z serii OpenAI Pro (np. o1-pro) użyj zamiast tego endpointu responses.

---

​

Role wiadomości

Role	Opis
system	Ustawia zachowanie i osobowość asystenta. Umieszczana na początku konwersacji.
developer	Zastępuje system w nowszych modelach (o1+). Zawiera instrukcje, których model powinien przestrzegać niezależnie od danych wejściowych użytkownika.
user	Wiadomości od użytkownika końcowego.
assistant	Poprzednie odpowiedzi modelu, używane do utrzymania historii konwersacji.
tool	Wyniki wywołań narzędzi/funkcji. Musi zawierać tool_call_id zgodny z oryginalnym wywołaniem narzędzia.

W przypadku nowszych modeli (GPT-4.1, GPT-5 series, o-series) preferuj developer zamiast system dla wiadomości z instrukcjami. Oba działają, ale developer zapewnia silniejsze podążanie za instrukcjami.

---

​

Wejście Multimodal

Wiele modeli obsługuje obrazy i audio obok tekstu. Użyj formatu tablicowego dla content, aby wysyłać wiadomości multimodalne:

{
  "role": "user",
  "content": [
    {"type": "text", "text": "Describe this image"},
    {
      "type": "image_url",
      "image_url": {
        "url": "https://example.com/image.png",
        "detail": "high"
      }
    }
  ]
}

Parametr detail kontroluje głębokość analizy obrazu:

• low — szybciej, używa mniej tokenów (stały koszt)
• high — szczegółowa analiza, zużywa więcej tokenów
• auto — model decyduje (domyślnie)

---

​

Streaming

Gdy stream jest ustawione na true, odpowiedź jest dostarczana jako Server-Sent Events (SSE). Każde zdarzenie zawiera obiekt chat.completion.chunk z przyrostową zawartością:

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

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

data: {"id":"chatcmpl-xxx","object":"chat.completion.chunk","choices":[{"index":0,"delta":{"content":"!"},"finish_reason":null}]}

data: {"id":"chatcmpl-xxx","object":"chat.completion.chunk","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}

data: [DONE]

Aby uwzględnić statystyki użycia tokenów w odpowiedziach strumieniowanych, ustaw stream_options.include_usage na true. Dane o użyciu pojawią się w końcowym chunku przed [DONE].

---

​

Structured Outputs

Wymuś na modelu zwracanie poprawnego JSON zgodnego z określonym schematem za pomocą response_format:

JSON Schema Mode

{
  "response_format": {
    "type": "json_schema",
    "json_schema": {
      "name": "result",
      "strict": true,
      "schema": {
        "type": "object",
        "properties": {
          "answer": {"type": "string"},
          "confidence": {"type": "number"}
        },
        "required": ["answer", "confidence"],
        "additionalProperties": false
      }
    }
  }
}

Tryb JSON Schema (json_schema) gwarantuje, że wynik będzie dokładnie zgodny z Twoim schematem. Tryb JSON Object (json_object) gwarantuje jedynie poprawny JSON — struktura nie jest wymuszana.

---

​

Tool / Function Calling

Włącz możliwość wywoływania przez model funkcji zewnętrznych, przekazując definicje narzędzi:

{
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Get current weather for a city",
        "parameters": {
          "type": "object",
          "properties": {
            "location": {"type": "string", "description": "City name"}
          },
          "required": ["location"]
        }
      }
    }
  ],
  "tool_choice": "auto"
}

Gdy model zdecyduje się wywołać narzędzie, odpowiedź będzie miała finish_reason: "tool_calls", a tablica message.tool_calls będzie zawierać nazwę funkcji oraz argumenty. Następnie wykonujesz funkcję i odsyłasz wynik z powrotem jako wiadomość tool z odpowiadającym jej tool_call_id.

---

​

Response Fields

Pole	Opis
id	Unikalny identyfikator completion (np. chatcmpl-abc123).
object	Zawsze chat.completion.
model	Model, który wygenerował odpowiedź (może zawierać sufiks wersji).
choices	Tablica wariantów completion (zwykle 1, chyba że n > 1).
choices[].message	Wiadomość odpowiedzi assistant z role, content oraz opcjonalnie tool_calls.
choices[].finish_reason	Powód zatrzymania modelu: stop, length, tool_calls lub content_filter.
usage	Szczegółowe zużycie Token: prompt_tokens, completion_tokens, total_tokens oraz szczegółowe podliczenia.
system_fingerprint	Odcisk konfiguracji backendu do debugowania odtwarzalności wyników.

---

​

Uwagi między dostawcami

Obsługa parametrów u różnych dostawców

Parameter	OpenAI GPT	Claude (via compat)	Gemini (via compat)
temperature	0–2	0–1	0–2
top_p	0–1	0–1	0–1
n	1–128	tylko 1	1–8
stop	Do 4	Do 4	Do 5
tools	✅	✅	✅
response_format	✅	✅ (json_schema)	✅
logprobs	✅	❌	❌
reasoning_effort	seria o, GPT-5.1+	❌	❌ (użyj thinking dla natywnego Gemini)

max_tokens vs max_completion_tokens

• max_tokens — Starszy parametr. Działa z większością modeli, ale jest przestarzały dla nowszych modeli OpenAI.
• max_completion_tokens — Zalecany parametr dla modeli GPT-4.1, serii GPT-5 i serii o. Wymagany dla modeli reasoning, ponieważ obejmuje zarówno tokeny wyjściowe, jak i tokeny reasoning.

CometAPI automatycznie obsługuje mapowanie podczas kierowania żądań do różnych dostawców.

rola system vs developer

• system — Tradycyjna rola instrukcji. Działa ze wszystkimi modelami.
• developer — Wprowadzona wraz z modelami o1. Zapewnia lepsze podążanie za instrukcjami w nowszych modelach. W starszych modelach działa jak system.

Używaj developer w nowych projektach kierowanych na GPT-4.1+ lub modele z serii o.

---

​

FAQ

​

Jak obsługiwać rate limits?

Gdy napotkasz 429 Too Many Requests, zaimplementuj exponential backoff:

import time
import random
from openai import OpenAI, RateLimitError

client = OpenAI(
    base_url="https://api.cometapi.com/v1",
    api_key="<COMETAPI_KEY>",
)

def chat_with_retry(messages, max_retries=3):
    for i in range(max_retries):
        try:
            return client.chat.completions.create(
                model="gpt-5.4",
                messages=messages,
            )
        except RateLimitError:
            if i < max_retries - 1:
                wait_time = (2 ** i) + random.random()
                time.sleep(wait_time)
            else:
                raise

​

Jak utrzymać kontekst rozmowy?

Uwzględnij pełną historię rozmowy w tablicy messages:

messages = [
    {"role": "developer", "content": "You are a helpful assistant."},
    {"role": "user", "content": "What is Python?"},
    {"role": "assistant", "content": "Python is a high-level programming language..."},
    {"role": "user", "content": "What are its main advantages?"},
]

​

Co oznacza finish_reason?

Value	Meaning
stop	Naturalne zakończenie lub osiągnięcie sekwencji stop.
length	Osiągnięto limit max_tokens lub max_completion_tokens.
tool_calls	Model wywołał jedno lub więcej wywołań narzędzi/funkcji.
content_filter	Dane wyjściowe zostały odfiltrowane z powodu zasad dotyczących treści.

​

Jak kontrolować koszty?

1. Używaj max_completion_tokens, aby ograniczyć długość odpowiedzi.
2. Wybieraj opłacalne modele (np. gpt-5.4-mini lub gpt-5.4-nano do prostszych zadań).
3. Utrzymuj prompty zwięzłe — unikaj zbędnego kontekstu.
4. Monitoruj zużycie tokenów w polu usage odpowiedzi.

Autoryzacje

Authorization · string · header · wymagane

Bearer token authentication. Use your CometAPI key.

Treść

application/json

model · string · domyślnie: gpt-5.4 · wymagane

Model ID to use for this request. See the Models page for current options.

Przykład:

"gpt-4.1"

messages · object[] · wymagane

A list of messages forming the conversation. Each message has a role (system, user, assistant, or developer) and content (text string or multimodal content array).

Show child attributes

stream · boolean

If true, partial response tokens are delivered incrementally via server-sent events (SSE). The stream ends with a data: [DONE] message.

temperature · number · domyślnie: 1

Sampling temperature between 0 and 2. Higher values (e.g., 0.8) produce more random output; lower values (e.g., 0.2) make output more focused and deterministic. Recommended to adjust this or top_p, but not both.

Wymagany zakres: 0 <= x <= 2

top_p · number · domyślnie: 1

Nucleus sampling parameter. The model considers only the tokens whose cumulative probability reaches top_p. For example, 0.1 means only the top 10% probability tokens are considered. Recommended to adjust this or temperature, but not both.

Wymagany zakres: 0 <= x <= 1

n · integer · domyślnie: 1

Number of completion choices to generate for each input message. Defaults to 1.

stop · string

Up to 4 sequences where the API will stop generating further tokens. Can be a string or an array of strings.

max_tokens · integer

Maximum number of tokens to generate in the completion. The total of input + output tokens is capped by the model's context length.

presence_penalty · number · domyślnie: 0

Number between -2.0 and 2.0. Positive values penalize tokens based on whether they have already appeared, encouraging the model to explore new topics.

Wymagany zakres: -2 <= x <= 2

frequency_penalty · number · domyślnie: 0

Number between -2.0 and 2.0. Positive values penalize tokens proportionally to how often they have appeared, reducing verbatim repetition.

Wymagany zakres: -2 <= x <= 2

logit_bias · object

A JSON object mapping token IDs to bias values from -100 to 100. The bias is added to the model's logits before sampling. Values between -1 and 1 subtly adjust likelihood; -100 or 100 effectively ban or force selection of a token.

user · string

A unique identifier for your end-user. Helps with abuse detection and monitoring.

max_completion_tokens · integer

An upper bound for the number of tokens to generate, including visible output tokens and reasoning tokens. Use this instead of max_tokens for GPT-4.1+, GPT-5 series, and o-series models.

response_format · object

Specifies the output format. Use {"type": "json_object"} for JSON mode, or {"type": "json_schema", "json_schema": {...}} for strict structured output.

Show child attributes

tools · object[]

A list of tools the model may call. Currently supports function type tools.

Show child attributes

tool_choice · string object · domyślnie: auto

Controls how the model selects tools. auto (default): model decides. none: no tools. required: must call a tool.

logprobs · boolean · domyślnie: false

Whether to return log probabilities of the output tokens.

top_logprobs · integer

Number of most likely tokens to return at each position (0-20). Requires logprobs to be true.

Wymagany zakres: 0 <= x <= 20

reasoning_effort · enum<string>

Controls the reasoning effort for o-series and GPT-5.1+ models.

Dostępne opcje: low, medium, high

stream_options · object

Options for streaming. Only valid when stream is true.

Show child attributes

service_tier · enum<string>

Specifies the processing tier.

Dostępne opcje: auto, default, flex, priority

Odpowiedź

200 - application/json

Successful chat completion response.

id · string

Unique completion identifier.

Przykład:

"chatcmpl-abc123"

object · enum<string>

Dostępne opcje: chat.completion

Przykład:

"chat.completion"

created · integer

Unix timestamp of creation.

Przykład:

1774412483

model · string

The model used (may include version suffix).

Przykład:

"gpt-5.4-2025-07-16"

choices · object[]

Array of completion choices.

Show child attributes

usage · object

Show child attributes

service_tier · string

Przykład:

"default"

system_fingerprint · string | null

Przykład:

"fp_490a4ad033"