文本对话

POST /v1/chat/completions

调用平台的文本大模型。与生图/生视频不同，这个接口是同步的：一次往返就拿到结果，不需要轮询任务。请求与响应形状对齐 OpenAI 的 chat/completions，包括 stream 流式；任何 OpenAI SDK 只改 baseURL 即可直接调用。

请求参数

参数	类型	说明
model	string	必填。模型 id，取自 /v1/models 里 type=text 的项
messages	object[]	必填。每项 {role, content}；role 取 system \| user \| assistant。单次最多 64 条
stream	boolean	可选。true 走 SSE 增量返回，默认 false 一次性返回
temperature	number	可选。原样透传给上游模型
top_p	number	可选。原样透传
max_tokens	integer	可选。原样透传
stop	string\|string[]	可选。原样透传
presence_penalty / frequency_penalty	number	可选。原样透传

model 必填，没有默认值——不同文本模型的语气、长度与价格差得远，替你默默挑一个等于替你做了你不知道的决定。

请求示例

bash

curl https://open.pikpikgo.com/v1/chat/completions \
  -H "Authorization: Bearer $PIKPIK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-fast-1",
    "messages": [
      { "role": "system", "content": "你是一位擅长短剧的编剧。" },
      { "role": "user", "content": "给我一个都市悬疑短剧的开场，三句话以内。" }
    ]
  }'

返回示例

json

{
  "id": "chatcmpl-2608102214300000123456",
  "object": "chat.completion",
  "created": 1786372470,
  "model": "text-fast-1",
  "choices": [
    {
      "index": 0,
      "message": { "role": "assistant", "content": "深夜的电梯停在 13 楼，可这栋楼只有 12 层。" },
      "finish_reason": "stop"
    }
  ],
  "usage": { "prompt_tokens": 38, "completion_tokens": 126, "total_tokens": 164 },
  "credits": 4
}

字段	说明
choices[0].message.content	模型回复正文
choices[0].finish_reason	stop 正常结束 \| length 触达 max_tokens
usage	token 用量。文本按 token 计费，这就是计费依据
credits	本次实际扣除的算力（非 OpenAI 标准字段）

文本按 token 计费，不按次：算力 = 输入 token × 输入单价 + 输出 token × 输出单价，向上取整、每次至少 1 点。单价按百万 token 标注，在「模型定价」页可查。

流式返回

传 stream: true，响应变成 text/event-stream，逐帧下发 chat.completion.chunk：首帧只声明 role，正文一帧一段，随后一帧带 finish_reason，最后一帧 choices 为空数组、带 usage 与 credits，然后以 data: [DONE] 收尾。

bash

curl -N https://open.pikpikgo.com/v1/chat/completions \
  -H "Authorization: Bearer $PIKPIK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-fast-1",
    "messages": [
      { "role": "user", "content": "给我一个都市悬疑短剧的开场，三句话以内。" }
    ],
    "stream": true
  }'

text

data: {"id":"chatcmpl-2608102214300000123456","object":"chat.completion.chunk","created":1786372470,"model":"text-fast-1","choices":[{"index":0,"delta":{"role":"assistant"},"finish_reason":null}]}

data: {"id":"chatcmpl-2608102214300000123456","object":"chat.completion.chunk","created":1786372470,"model":"text-fast-1","choices":[{"index":0,"delta":{"content":"深夜的电梯停"},"finish_reason":null}]}

data: {"id":"chatcmpl-2608102214300000123456","object":"chat.completion.chunk","created":1786372470,"model":"text-fast-1","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}

data: {"id":"chatcmpl-2608102214300000123456","object":"chat.completion.chunk","created":1786372470,"model":"text-fast-1","choices":[],"usage":{"prompt_tokens":38,"completion_tokens":126,"total_tokens":164},"credits":4}

data: [DONE]

用 OpenAI 官方 SDK 就不必自己解析 SSE：

javascript

import OpenAI from 'openai'

const client = new OpenAI({
  apiKey: process.env.PIKPIK_API_KEY,
  baseURL: 'https://open.pikpikgo.com/v1',
})

// 流式：逐帧拿增量，末帧带 usage 与本次扣费
const stream = await client.chat.completions.create({
  model: 'text-fast-1',
  messages: [{ role: 'user', content: '给我一个都市悬疑短剧的开场，三句话以内。' }],
  stream: true,
})

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content || '')
}

流式的计费依据是上游在末帧回的 usage。上游若不回 usage，本次按最低 1 点收。另外流式一旦开始下发（HTTP 已经是 200），中途出错不会再变成 4xx/5xx——错误会作为流内的一帧 {"error": {...}} 送出，随后照样以 [DONE] 收尾，请在读流时一并判断这种帧。