Documentação · referência da API

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

Q: Existe um endpoint de completions legado?

Não. Só existe o formato chat; um único prompt é um array messages com uma mensagem user.

Q: Por que minha resposta parou no meio?

finish_reason então é length: a resposta atingiu max_tokens. Aumente, dentro da janela de contexto do modelo.

Um único endpoint responde por todos os modelos. Ele recebe o mesmo body da API de chat completions da OpenAI e retorna o mesmo objeto, então uma integração existente só precisa de uma nova base URL, uma nova chave e um id de modelo da nossa lista.

Última atualização: 23 de outubro de 2026 · 6 min de leitura

Resposta rápida

Quais campos o endpoint de chat completions do LLMwithCrypto aceita?

Ele aceita o body de chat completions da OpenAI: model e messages são obrigatórios; max_tokens, temperature, top_p, stop, stream, stream_options, tools, tool_choice e response_format são opcionais. LLMwithCrypto retorna um objeto chat.completion com a contagem de usage, cobrada por token a partir do seu crédito, conforme documentado em 23 de outubro de 2026. Tool calling e saída JSON dependem do modelo.

O endpoint em resumo

Método e URL	`POST https://llmwithcrypto.com/api/v1/chat/completions`
Autenticação	Passe sua chave de API como Bearer token no header Authorization, como o SDK da OpenAI faz
Body	JSON, `Content-Type: application/json`
Resposta	Objeto `chat.completion`, ou server-sent events com `stream: true`
Cobrança	Você paga por token a partir do seu saldo: tokens de entrada e de saída são contados pelo tokenizer do próprio modelo e cobrados ao preço daquele modelo por 1M de tokens. Uma chamada que termina em erro não custa nada
Recursos	O streaming funciona em todos os modelos; tool calling e saída em JSON seguem o que cada modelo suporta por si

Criar uma chat completion

POST/api/v1/chat/completions

Envia uma conversa para um modelo e retorna a resposta com as contagens de tokens. O exemplo faz uma pergunta curta ao DeepSeek V4 Pro com limite de 200 tokens; ids, horários e contagens na resposta são ilustrativos.

Autenticação: chave de API no cabeçalho Authorization: Bearer API_KEY.

Corpo da requisição

Campo	Tipo	Obrigatório	Descrição
`model`	string	Sim	O id do modelo, como `deepseek-v4-pro` ou `gpt-oss-120b`. `GET /api/v1/models` retorna todos os ids que sua chave pode chamar.
`messages`	object[]	Sim	A conversa, da mensagem mais antiga para a mais recente. Cada item tem um `role` (`system`, `user`, `assistant` ou `tool`) e uma string `content`; mensagens `tool` também carregam um `tool_call_id`.
`max_tokens`	integer	Não	O número máximo de tokens que a resposta pode usar. Sem isso, o modelo pode escrever até encher a janela de contexto, e você paga por cada token que ele escrever.
`temperature`	number	Não	0 a 2. Mais baixo é mais previsível, mais alto é mais variado. O padrão depende do modelo.
`top_p`	number	Não	0 a 1, amostragem nucleus. Altere `temperature` ou `top_p`, não ambos.
`stop`	string or string[]	Não	Até 4 sequências que encerram a resposta quando o modelo as escreve. Elas não são incluídas na resposta.
`stream`	boolean	Não	`true` envia a resposta como server-sent events, peça por peça. Veja streaming.
`stream_options`	object	Não	`{"include_usage": true}` adiciona um último evento com o `usage` de uma chamada em streaming.
`tools`	object[]	Não	Funções que o modelo pode pedir para você chamar, no formato da OpenAI. Funciona nos modelos que suportam tool calling. Veja tool calling.
`tool_choice`	string or object	Não	`auto` (padrão quando `tools` está definido), `none`, `required` ou `{"type": "function", "function": {"name": "…"}}`.
`response_format`	object	Não	`{"type": "json_object"}` pede um objeto JSON válido, nos modelos que suportam isso. Diga no seu prompt o que o JSON deve conter.

Exemplo: 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
}

Exemplo: 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
}

Resposta `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
  }
}

Exemplos de código

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');

Como escrevo as mensagens?

Envie a conversa inteira toda vez, da mensagem mais antiga para a mais recente: a API não guarda memória entre chamadas, e nada dos seus prompts é armazenado. Não armazenamos seus prompts nem as respostas do modelo: assim que uma resposta é enviada, o texto dela se vai. Cada chamada deixa uma linha de log com o horário, a conta, o modelo e as contagens de tokens, apagada após 30 dias.

system: instruções que enquadram toda resposta, como tom, idioma ou formato de saída. Coloque uma no topo.
user: o que a pessoa ou seu programa pede.
assistant: as respostas anteriores do modelo, para que ele possa continuar a conversa.
tool: o resultado de uma função que o modelo pediu para você executar, com o tool_call_id que ele forneceu.

Toda mensagem conta como tokens de entrada, então históricos longos custam mais a cada turno. Corte ou resuma os turnos antigos quando a conversa crescer.

Qual é o tamanho máximo de uma requisição?

Entrada e saída juntas precisam caber na janela de contexto do modelo. Em 23 de outubro de 2026, o DeepSeek V4 Pro lê até 1M tokens, o gpt-oss-120b até 128K e o Qwen3 235B até 256K; a página de modelos lista todos eles.

Uma requisição que não cabe volta como 400 com o código context_length_exceeded e não custa nada. Defina max_tokens para que o prompt mais a resposta mais longa que você aceita caibam na janela.

O que finish_reason me diz?

`finish_reason`	Significado	O que fazer
`stop`	O modelo encerrou a resposta, ou escreveu uma das suas sequências de `stop`	Nada: a resposta está completa
`length`	A resposta atingiu `max_tokens` ou a janela de contexto	Aumente `max_tokens`, ou peça uma resposta mais curta
`tool_calls`	O modelo quer que você execute uma ou mais funções	Execute-as e envie os resultados de volta, veja tool calling

Quais parâmetros da OpenAI não são suportados?

Os campos da tabela acima são o contrato inteiro. Outros da API da OpenAI, como n (várias respostas por chamada), logprobs, audio ou entradas de imagem, não são suportados: envie apenas os campos listados aqui. Os modelos são de texto; nenhum deles recebe imagens por este endpoint.

O campo model só aceita os ids da nossa lista. Não vendemos acesso ao GPT, Claude, Gemini ou Grok: seus criadores proíbem a revenda de acesso à API sem a aprovação deles, e nós não temos essa aprovação.

Chat completions: perguntas frequentes

Existe um endpoint de completions legado?

Não. Só existe o formato chat; um único prompt é um array messages com uma mensagem user.

Quanto custa uma chamada?

Você paga por token a partir do seu saldo: tokens de entrada e de saída são contados pelo tokenizer do próprio modelo e cobrados ao preço daquele modelo por 1M de tokens. Uma chamada que termina em erro não custa nada. Os preços por modelo estão na página de preços.

Posso ver minhas requisições passadas?

Não, por design. Não armazenamos seus prompts nem as respostas do modelo: assim que uma resposta é enviada, o texto dela se vai. Cada chamada deixa uma linha de log com o horário, a conta, o modelo e as contagens de tokens, apagada após 30 dias.

Por que minha resposta parou no meio?

finish_reason então é length: a resposta atingiu max_tokens. Aumente, dentro da janela de contexto do modelo.