Chat Completions

OpenAI互換のchat completions、ストリーミング・画像・ツール呼び出し・推論制御に対応。

POST /v1/chat/completions

curl https://api.unquant.io/v1/chat/completions \
  -H "Authorization: Bearer $UNQUANT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"glm-5.3-flash",
       "messages":[{"role":"user","content":"Hello!"}]}'

リクエストフィールド

コア

modelstring必須

glm-5.3-flash または qwen-3.8-flash-next。

messagesarray必須

ロールは system、user、assistant、tool。コンテンツは文字列または text と image_url パーツの配列。

streamboolean

返答をサーバー送信イベントとしてストリームします。

stream_optionsobject

{"include_usage": true} でトークン数を含む最終チャンクを追加します。

長さ

max_tokensinteger

返答の長さの上限。

max_completion_tokensinteger

max_tokens と同じ。

サンプリング

temperaturenumber

サンプリングのランダム性。

top_pnumber

核サンプリング。

top_kinteger

上位k個の確率トークンからサンプリング。

min_pnumber

トークンの最小相対確率。

seedinteger

再現可能なサンプリング用シード。

stopstring or array

停止シーケンス。

繰り返し

frequency_penaltynumber

出現頻度に基づくトークンペナルティ。

presence_penaltynumber

1回でも出現したトークンへのペナルティ。

repetition_penaltynumber

乗算型の繰り返しペナルティ。

ツール

toolsarray

モデルが呼び出せる関数（OpenAI形式）。

tool_choicestring or object

auto、none、required または指定した関数名。

parallel_tool_callsboolean

1ターンで複数のツール呼び出しを許可します。

出力

response_formatobject

JSON出力。

logprobsboolean

トークンの対数確率を返します。

top_logprobsinteger

トークンごとに返す候補数。

ninteger

1のみ: リクエストごとに1つの補完。

推論

reasoning_effortstring

両モデル: none、low または high。GLM-5.3-Flashはさらに max も指定可能。

chat_template_kwargsobject

{"enable_thinking": false} などのテンプレートスイッチ。

その他のフィールドは無視されます。

レスポンス

response.choices[0].message.content

使用量カウントは自分のモニタリング用に返されます。課金には使用されません。

ストリーミング

"stream": true を指定すると、返答はOpenAIのチャンク形式のサーバー送信イベントとして届き、data: [DONE] で終了します。テキストは choices[0].delta.content から読み取ってください。

画像

両モデルとも、base64データURL（data:image/png;base64,...、JPEGまたはWebP）を持つ image_url パーツとして画像を受け付けます。URLによる画像リンクはフェッチされず、400を返します。

{"role": "user", "content": [
  {"type": "text", "text": "この画像を説明してください。"},
  {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ..."}}
]}

ツール呼び出し

OpenAI APIと同様に tools を渡します。モデルがツールを呼び出すと、返答には finish_reason: "tool_calls" と message.tool_calls が含まれます。ツールを実行し、結果と対応する tool_call_id を持つ tool メッセージを追加して再度呼び出してください。

推論

両モデルとも回答前に推論を行い、reasoning_effort を受け付けます: 直接回答には none、軽い推論には low、難しい問題には high。GLM-5.3-Flashはさらに max もあり、デフォルトは high です。思考は reasoning_content として別途返され、content には混入しません。"thinking": {"type": "disabled"} と "chat_template_kwargs": {"enable_thinking": false} でもオフにできます。

同時実行数

プランにより、すべてのキーにまたがって同時に実行できるリクエスト数が決まります。上限を超えたリクエストは即座に429を返し、キューには入りません。実行中のリクエストには影響しません。