Dokumentacja · referencja API

Endpoint chat completions: POST /api/v1/chat/completions

Q: Dlaczego moja odpowiedź urwała się w połowie?

finish_reason jest wtedy length: odpowiedź osiągnęła max_tokens. Zwiększ ją, w granicach okna kontekstu modelu.

Jeden endpoint obsługuje każdy model. Przyjmuje to samo body co API chat completions OpenAI i zwraca ten sam obiekt, więc istniejąca integracja potrzebuje nowego base URL, nowego klucza i id modelu z naszej listy.

Ostatnia aktualizacja: 23 października 2026 · 6 min czytania

Krótka odpowiedź

Jakie pola przyjmuje endpoint chat completions LLMwithCrypto?

Przyjmuje body chat completions OpenAI: model i messages są wymagane; max_tokens, temperature, top_p, stop, stream, stream_options, tools, tool_choice i response_format są opcjonalne. LLMwithCrypto zwraca obiekt chat.completion z licznikiem usage, rozliczany za token z Twoich kredytów, zgodnie z dokumentacją z 23 października 2026. Tool calling i wyjście JSON zależą od modelu.

Endpoint w skrócie

Metoda i URL	`POST https://llmwithcrypto.com/api/v1/chat/completions`
Uwierzytelnianie	Przekazujesz swój klucz API jako Bearer token w nagłówku Authorization, tak jak robi to OpenAI SDK
Body	JSON, `Content-Type: application/json`
Odpowiedź	obiekt `chat.completion` lub server-sent events z `stream: true`
Rozliczenia	Płacisz za token z salda: tokeny wejściowe i wyjściowe są liczone przez tokenizer danego modelu i rozliczane według ceny tego modelu za 1M tokenów. Wywołanie zakończone błędem nic nie kosztuje
Funkcje	Streaming działa na każdym modelu; tool calling i wyjście JSON zależą od tego, co obsługuje sam model

Utwórz chat completion

POST/api/v1/chat/completions

Wysyła rozmowę do jednego modelu i zwraca jego odpowiedź wraz z licznikami tokenów. Przykład zadaje DeepSeek V4 Pro krótkie pytanie z limitem 200 tokenów; id, czasy i liczniki w odpowiedzi są przykładowe.

Uwierzytelnianie: klucz API w nagłówku Authorization: Bearer API_KEY.

Treść zapytania

Pole	Typ	Wymagane	Opis
`model`	string	Tak	Id modelu, np. `deepseek-v4-pro` lub `gpt-oss-120b`. `GET /api/v1/models` zwraca każde id, które może wywołać Twój klucz.
`messages`	object[]	Tak	Rozmowa, od najstarszej. Każdy element ma `role` (`system`, `user`, `assistant` lub `tool`) i ciąg `content`; wiadomości `tool` niosą też `tool_call_id`.
`max_tokens`	integer	Nie	Maksymalna liczba tokenów, jakich może użyć odpowiedź. Bez tego model może pisać, aż zapełni okno kontekstu, a Ty płacisz za każdy zapisany token.
`temperature`	number	Nie	0 do 2. Niżej jest bardziej przewidywalnie, wyżej bardziej różnorodnie. Domyślna wartość zależy od modelu.
`top_p`	number	Nie	0 do 1, próbkowanie nucleus. Zmieniaj `temperature` albo `top_p`, nie oba.
`stop`	string or string[]	Nie	Do 4 sekwencji, które kończą odpowiedź, gdy model je zapisze. Nie są wliczane do odpowiedzi.
`stream`	boolean	Nie	`true` wysyła odpowiedź jako server-sent events, kawałek po kawałku. Zobacz streaming.
`stream_options`	object	Nie	`{"include_usage": true}` dodaje ostatnie zdarzenie z `usage` streamowanego wywołania.
`tools`	object[]	Nie	Funkcje, o których wywołanie model może Cię poprosić, w formacie OpenAI. Działa na modelach obsługujących tool calling. Zobacz tool calling.
`tool_choice`	string or object	Nie	`auto` (domyślnie, gdy ustawiono `tools`), `none`, `required` lub `{"type": "function", "function": {"name": "…"}}`.
`response_format`	object	Nie	`{"type": "json_object"}` prosi o poprawny obiekt JSON, na modelach, które to obsługują. W prompcie napisz, co ma zawierać JSON.

Przykład: a short answer from DeepSeek V4 Pro

{
  "model": "deepseek-v4-pro",
  "messages": [
    {
      "role": "system",
      "content": "Answer in two sentences."
    },
    {
      "role": "user",
      "content": "What is a context window?"
    }
  ],
  "max_tokens": 200
}

Przykład: a JSON object from gpt-oss-120b, low temperature

{
  "model": "gpt-oss-120b",
  "messages": [
    {
      "role": "user",
      "content": "Return {\"city\": string, \"country\": string} for the Eiffel Tower."
    }
  ],
  "response_format": {
    "type": "json_object"
  },
  "temperature": 0.2,
  "max_tokens": 100
}

Odpowiedź `200`

{
  "id": "chatcmpl-8f2c41d0a7b94e1c",
  "object": "chat.completion",
  "created": 1792742400,
  "model": "deepseek-v4-pro",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "A context window is the maximum number of tokens a model can read and write in one request. Anything beyond it must be cut or summarized before the call."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 27,
    "completion_tokens": 34,
    "total_tokens": 61
  }
}

Przykłady kodu

curl

curl -s "https://llmwithcrypto.com/api/v1/chat/completions" \
  -H "Authorization: Bearer $LLMWITHCRYPTO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro",
    "messages": [
      {"role": "system", "content": "Answer in two sentences."},
      {"role": "user", "content": "What is a context window?"}
    ],
    "max_tokens": 200
  }'

Python

import os

from openai import OpenAI

client = OpenAI(
    base_url="https://llmwithcrypto.com/api/v1",
    api_key=os.environ["LLMWITHCRYPTO_API_KEY"],
)

resp = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {"role": "system", "content": "Answer in two sentences."},
        {"role": "user", "content": "What is a context window?"},
    ],
    max_tokens=200,
)
print(resp.choices[0].message.content)
print(resp.usage.prompt_tokens, "in,", resp.usage.completion_tokens, "out")

Node.js

import OpenAI from 'openai';

const client = new OpenAI({
  baseURL: 'https://llmwithcrypto.com/api/v1',
  apiKey: process.env.LLMWITHCRYPTO_API_KEY,
});

const resp = await client.chat.completions.create({
  model: 'deepseek-v4-pro',
  messages: [
    { role: 'system', content: 'Answer in two sentences.' },
    { role: 'user', content: 'What is a context window?' },
  ],
  max_tokens: 200,
});
console.log(resp.choices[0].message.content);
console.log(resp.usage.prompt_tokens, 'in,', resp.usage.completion_tokens, 'out');

Jak zapisać messages?

Za każdym razem wysyłaj całą rozmowę, od najstarszej wiadomości: API nie przechowuje pamięci między wywołaniami i nic z Twoich promptów nie jest zapisywane. Nie przechowujemy Twoich promptów ani odpowiedzi modelu: gdy odpowiedź zostanie wysłana, jej tekst znika. Każde wywołanie zostawia jedną linię logu z czasem, kontem, modelem i liczbą tokenów, usuwaną po 30 dniach.

system: instrukcje, które nadają ramy każdej odpowiedzi, takie jak ton, język czy format wyjścia. Umieść jedną na początku.
user: to, o co prosi osoba lub Twój program.
assistant: wcześniejsze odpowiedzi modelu, żeby mógł kontynuować rozmowę.
tool: wynik funkcji, którą model poprosił Cię o uruchomienie, wraz z tool_call_id, które Ci podał.

Każda wiadomość liczy się jako tokeny wejściowe, więc długie historie kosztują więcej przy każdej turze. Skracaj lub streszczaj stare tury, gdy rozmowa rośnie.

Jak długie może być zapytanie?

Wejście i wyjście razem muszą zmieścić się w oknie kontekstu modelu. Według stanu na 23 października 2026 DeepSeek V4 Pro odczytuje do 1M tokenów, gpt-oss-120b do 128K, a Qwen3 235B do 256K; strona modeli wymienia je wszystkie.

Zapytanie, które się nie mieści, wraca jako 400 z kodem context_length_exceeded i nic nie kosztuje. Ustaw max_tokens tak, aby prompt plus najdłuższa akceptowana przez Ciebie odpowiedź mieściły się w oknie.

Co mówi mi finish_reason?

`finish_reason`	Znaczenie	Co zrobić
`stop`	Model zakończył odpowiedź lub zapisał jedną z Twoich sekwencji `stop`	Nic: odpowiedź jest kompletna
`length`	Odpowiedź osiągnęła `max_tokens` lub okno kontekstu	Zwiększ `max_tokens` lub poproś o krótszą odpowiedź
`tool_calls`	Model chce, żebyś uruchomił jedną lub więcej funkcji	Uruchom je i odeślij wyniki, zobacz wywoływanie narzędzi

Które parametry OpenAI nie są obsługiwane?

Pola z powyższej tabeli to cały kontrakt. Inne z OpenAI API, takie jak n (kilka odpowiedzi na wywołanie), logprobs, audio czy dane wejściowe w postaci obrazów, nie są obsługiwane: wysyłaj tylko pola wymienione tutaj. Modele są tekstowe; żaden z nich nie przyjmuje obrazów przez ten endpoint.

Pole model przyjmuje tylko identyfikatory z naszej listy. Nie sprzedajemy dostępu do GPT, Claude, Gemini ani Grok: ich twórcy zabraniają odsprzedaży dostępu do API bez ich zgody, a my jej nie mamy.

Chat completions: najczęstsze pytania

Czy istnieje starszy endpoint completions?

Nie. Istnieje tylko format chat; pojedynczy prompt to tablica messages z jedną wiadomością user.

Ile kosztuje wywołanie?

Płacisz za token z salda: tokeny wejściowe i wyjściowe są liczone przez tokenizer danego modelu i rozliczane według ceny tego modelu za 1M tokenów. Wywołanie zakończone błędem nic nie kosztuje. Ceny poszczególnych modeli są na stronie cennika.

Czy mogę zobaczyć swoje poprzednie zapytania?

Nie, celowo. Nie przechowujemy Twoich promptów ani odpowiedzi modelu: gdy odpowiedź zostanie wysłana, jej tekst znika. Każde wywołanie zostawia jedną linię logu z czasem, kontem, modelem i liczbą tokenów, usuwaną po 30 dniach.

Dlaczego moja odpowiedź urwała się w połowie?

finish_reason jest wtedy length: odpowiedź osiągnęła max_tokens. Zwiększ ją, w granicach okna kontekstu modelu.