# Endpoint chat completions: POST /api/v1/chat/completions > Dokumentacja endpointu chat completions: każde pole body POST /api/v1/chat/completions, odpowiedź, powody zakończenia i zużycie tokenów. Zgodny z OpenAI. - URL: https://llmwithcrypto.com/pl/docs/chat-completions/ - Ostatnia aktualizacja: 2026-10-23 - Wydawca: LLMwithCrypto (https://llmwithcrypto.com) 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. **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 | Atrybut | Wartość | | --- | --- | | 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](https://llmwithcrypto.com/pl/docs/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](https://llmwithcrypto.com/pl/docs/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* ```json { "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* ```json { "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` ```json { "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 } } ``` *curl* ```bash 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* ```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* ```javascript 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](https://llmwithcrypto.com/pl/models/) 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](https://llmwithcrypto.com/pl/docs/tool-calling/) | ## 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](https://llmwithcrypto.com/pl/pricing/). ### 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. --- LLMwithCrypto: LLMwithCrypto to zgodne z OpenAI API LLM dla modeli z otwartymi wagami — DeepSeek V4 Pro, DeepSeek V4.1 Flash, DeepSeek R1, Qwen3.5 397B A17B, Qwen3 235B A22B Instruct, gpt-oss-120b, gpt-oss-20b, GLM-4.7, Llama 3.3 70B Instruct, Gemma 4 31B, Mistral Large 3, Mistral Small 4 — płatne za token z przedpłaconego salda kryptowalutowego, o 5% poniżej mediany ceny publicznych hostów. Bez KYC: bez dowodu, bez selfie, bez dokumentów. Prompty i odpowiedzi nie są przechowywane.