Xử lý dữ liệu phản hồi

Trang này giải thích cách phân tích đúng dữ liệu phản hồi mà 4ALL API trả về, áp dụng cho tất cả các mô hình được gọi qua Chat Completions.

Cấu trúc phản hồi không streaming

{
  "id": "chatcmpl-xxx",
  "object": "chat.completion",
  "model": "gpt-5.5",
  "choices": [
    {
      "index": 0,
      "message": { "role": "assistant", "content": "……" },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 12,
    "completion_tokens": 46,
    "total_tokens": 58
  }
}

Xử lý finish_reason

Giá trị	Ý nghĩa	Cách xử lý khuyến nghị
stop	Kết thúc bình thường	Dùng trực tiếp
length	Bị cắt do đạt giới hạn max_tokens	Tăng max_tokens hoặc chia đoạn để tiếp tục viết
tool_calls	Mô hình yêu cầu gọi hàm	Thực thi hàm rồi trả kết quả về, xem FC 函数调用
content_filter	Nội dung bị chặn bởi chính sách an toàn của tầng trên	Điều chỉnh prompt

Trường usage

• usage là căn cứ để đối soát: tính phí theo prompt_tokens / completion_tokens riêng biệt;
• Khối dữ liệu cuối cùng của cuộc gọi streaming cũng mang usage (xem chi tiết tại 流式输出);
• Khi khớp với bộ nhớ đệm prompt, prompt_tokens_details.cached_tokens đánh dấu phần được lưu trong cache, tính phí theo hệ số cache, xem 缓存计费。

Đề xuất khi phân tích

• Luôn đọc choices[0].message.content, đừng giả định choices có độ dài lớn hơn 1;
• Các mô hình dạng suy luận (-thinking) có thể kèm trường reasoning_content, khi hiển thị cần phân biệt với phần nội dung chính, xem 推理模型输出;
• Khi có lỗi, phản hồi sẽ có cấu trúc {"error": {...}}, cách xử lý xem 错误码与重试】【。