Saltar al contenido principal
OpenAI ha proporcionado recientemente una interfaz para crear respuestas de modelos. Proporcione entradas de texto o imágenes para generar salidas de texto o imágenes. Permita que el modelo llame a su propio código personalizado o utilice herramientas integradas, como búsqueda web o búsqueda de archivos, para usar sus propios datos como entrada para las respuestas del modelo. Este documento presenta principalmente el proceso de uso de las operaciones de la API Responses de OpenAI; con ella podemos utilizar fácilmente la función oficial de OpenAI para crear respuestas de modelos.

GPT-6.1 Sol

Use model: "gpt-6.1-sol" para seleccionar este modelo. Admite salida en streaming, llamadas a funciones, salida estructurada y entrada de imágenes. Durante la primera semana de disponibilidad, solo estará abierto a titulares verificados de ACE T1+ (al menos 100.000 ACE) o usuarios autorizados; el horario específico de disponibilidad estará sujeto al aviso de acceso de la consola. Los niveles de razonamiento admiten low, medium, high, xhigh y max; por el momento no se admiten none ni minimal. Se recomienda comenzar con reasoning: {"effort": "low"}. Cuando la entrada supere los 272.000 tokens, se aplicará el precio de contexto largo a toda la solicitud; las tarifas estarán sujetas al precio actual de la consola.

Proceso de solicitud

Para usar la API Responses de OpenAI, primero vaya a la consola de Ace Data Cloud para obtener su API Token y guárdelo como respaldo. Si aún no ha iniciado sesión o no se ha registrado, será redirigido automáticamente a la página de inicio de sesión para invitarle a registrarse e iniciar sesión; al completarlo, regresará automáticamente a la página actual. Un solo API Token puede llamar a todos los servicios de la plataforma, sin necesidad de solicitar uno por separado para cada servicio. La primera solicitud incluye créditos gratuitos, que permiten una experiencia gratuita; cuando los créditos sean insuficientes, puede recargar saldo general en la consola.
📘 Documentación completa: OpenAI Responses API →

Uso básico

A continuación, puede completar el contenido correspondiente en la interfaz, como se muestra en la imagen:

Al utilizar esta interfaz por primera vez, al menos necesitamos completar tres contenidos: uno es authorization, que se puede seleccionar directamente en la lista desplegable. Otro parámetro es model; model es la categoría de modelo del sitio web oficial de OpenAI ChatGPT que elegimos usar. Aquí tenemos principalmente 20 modelos; para más detalles puede consultar los modelos que proporcionamos. El último parámetro es input; input es el arreglo de palabras de consulta que introducimos. Es un arreglo, lo que indica que se pueden cargar varias palabras de consulta al mismo tiempo; cada palabra de consulta contiene role y content, donde role indica el rol de quien realiza la consulta. Proporcionamos tres identidades: user, assistant y system. El otro content es el contenido específico de nuestra consulta. Al mismo tiempo, puede observar que a la derecha se genera el código de llamada correspondiente; puede copiar el código y ejecutarlo directamente, o hacer clic directamente en el botón «Try» para realizar pruebas. Parámetros opcionales comunes:
  • max_tokens: limita el número máximo de tokens de una sola respuesta.
  • temperature: aleatoriedad de generación, entre 0 y 2; cuanto mayor sea el valor, más disperso será.
  • n: cuántas respuestas candidatas se generan de una vez.
  • response_format: configuración del formato de retorno.
  • tools: definición de llamadas a funciones/herramientas.
  • background: si se ejecuta de forma asíncrona en segundo plano.

Después de realizar la llamada, encontramos que el resultado devuelto es el siguiente:
El resultado devuelto tiene varios campos, que se presentan a continuación:
  • id, el ID de la tarea de conversación generada esta vez, utilizado para identificar de forma única esta tarea de conversación.
  • model , el modelo del sitio web oficial de OpenAI ChatGPT seleccionado.
  • output, la información de respuesta proporcionada por ChatGPT para la palabra de consulta.
  • usage : información estadística de tokens para esta sesión de preguntas y respuestas.
Entre ellos, output contiene la información de respuesta de ChatGPT; el output dentro de él es ChatGPT, como se puede observar en la imagen.

Puede verse que el campo content dentro de output contiene el contenido específico de la respuesta de ChatGPT.

Respuesta en streaming

Esta interfaz también admite respuestas en streaming, lo que resulta muy útil para la integración con páginas web y permite lograr un efecto de visualización palabra por palabra. Si desea devolver respuestas en streaming, puede cambiar el parámetro stream en los encabezados de la solicitud a true. La modificación se muestra en la imagen; sin embargo, el código de llamada debe modificarse de forma correspondiente para admitir respuestas en streaming.

Después de cambiar stream a true, la API devolverá los datos JSON correspondientes línea por línea; a nivel de código, debemos realizar las modificaciones correspondientes para obtener los resultados línea por línea. Código de llamada de ejemplo en Python:
El efecto de salida es el siguiente:
Se puede ver que hay muchos data en la respuesta, y el delta dentro de data es el contenido de respuesta más reciente, lo cual es coherente con el contenido presentado anteriormente. delta es el contenido de respuesta añadido, y puede conectarlo a su sistema según el resultado. La respuesta en streaming usa response.completed o response.incomplete como estado final; el usage en el estado final es el uso final de tokens de esta solicitud y también la base de facturación. Si el cliente desconecta antes de que llegue el estado final, esta solicitud se registra como cliente cerrado (499), y no se facturará utilizando la estimación local de tokens; si la conexión termina normalmente pero no se recibe el estado final ni el usage final, esta solicitud se registra como respuesta incompleta (502), y tampoco se facturará utilizando la estimación de tokens. Cuando se encuentre con estas dos situaciones, vuelva a iniciar la solicitud. El resultado data devuelto tiene varios campos, que se presentan a continuación:
  • item_id, el ID de la tarea de conversación generada esta vez, utilizado para identificar de forma única esta tarea de conversación.
  • type, el tipo de la tarea Responses de conversación generada esta vez.
  • model , el modelo del sitio web oficial de OpenAI ChatGPT seleccionado.
  • delta, la información de respuesta proporcionada por ChatGPT para la pregunta.
JavaScript también es compatible; por ejemplo, el código de llamada en streaming de Node.js es el siguiente:
Código de ejemplo de Java:
Otros lenguajes pueden modificarse por separado, el principio es el mismo.

Conversación de múltiples turnos

Si desea integrar la función de conversación de múltiples turnos, necesita cargar múltiples preguntas en el campo input; el ejemplo específico de múltiples preguntas se muestra en la siguiente imagen:

Código de llamada de ejemplo en Python:
Al cargar múltiples preguntas, se puede implementar fácilmente una conversación de múltiples turnos y obtener la siguiente respuesta:
Se puede ver que la información contenida en output es coherente con el contenido del uso básico; esto contiene el contenido específico de las respuestas de ChatGPT a múltiples conversaciones, de esta manera se pueden responder las preguntas correspondientes según los contenidos de múltiples conversaciones.

Modelo visual

gpt-4o es un modelo de lenguaje grande multimodal desarrollado por OpenAI; añade capacidades de comprensión visual sobre la base de GPT-4. Este modelo puede procesar simultáneamente entradas de texto e imágenes, logrando comprensión y generación multimodales. El procesamiento de texto utilizando el modelo gpt-4o es consistente con el contenido básico de uso anterior; a continuación se presentará brevemente cómo utilizar la capacidad de procesamiento de imágenes del modelo. La capacidad de procesamiento de imágenes del modelo gpt-4o se utiliza principalmente agregando un campo type sobre la base del contenido original de content; mediante este campo se puede saber si se ha cargado texto o una imagen, para así utilizar la capacidad de procesamiento de imágenes del modelo gpt-4o. A continuación se explica principalmente cómo llamar a esta función mediante Curl y Python.
  • Método de script Curl
  • Método de script Python
Luego se puede obtener el siguiente resultado; la información de los campos en el resultado es consistente con la anterior, específicamente como sigue:
Se puede ver que el contenido de la respuesta se basa en la imagen; por lo tanto, mediante los dos métodos anteriores se pueden utilizar fácilmente las capacidades de procesamiento de texto e imágenes del modelo gpt-4.1. Además de gpt-4.1, hay otro modelo de menor costo llamado gpt-4o-mini. gpt-4o-mini es la última generación de modelos de lenguaje grandes desarrollada por OpenAI; no solo tiene una velocidad de respuesta rápida, sino que también es más económico y admite multimodalidad. Para el uso de la función vision, se puede consultar el contenido anterior sobre el uso del modelo gpt-4.1.

Creación del modelo de procesamiento de archivos

Ejemplo de solicitud:
Resultado de ejemplo:
Se puede ver que también hemos procesado el archivo de entrada, y el resultado es similar al anterior.

Manejo de errores

Al llamar a la API, si se produce un error, la API devolverá el código de error y la información correspondientes. Por ejemplo:
  • 400 token_mismatched:Solicitud incorrecta, posiblemente debido a parámetros faltantes o no válidos.
  • 400 api_not_implemented:Solicitud incorrecta, posiblemente debido a parámetros faltantes o no válidos.
  • 401 invalid_token:No autorizado, token de autorización no válido o faltante.
  • 429 too_many_requests:Demasiadas solicitudes, ha superado el límite de frecuencia.
  • 500 api_error:Error interno del servidor, algo salió mal en el servidor.

Ejemplo de respuesta de error

Conclusión

A través de este documento, ya ha aprendido cómo utilizar la OpenAI Responses API para implementar fácilmente la funcionalidad oficial de creación de Responses de OpenAI. Esperamos que este documento pueda ayudarle a integrar y utilizar mejor esta API. Si tiene alguna pregunta, no dude en ponerse en contacto con nuestro equipo de soporte técnico.