Весело
Весело

Чат: сообщения и параметры

Chat Completions API в рублях: сообщения, системная роль, история диалога, параметры temperature, max_tokens и stop. Примеры на Python и JS.

Обновлено:

Основной метод — POST https://veselo.ai/v1/chat/completions. Ему передаются модель и список сообщений, в ответ приходит следующее сообщение — ответ модели. Формат — как у OpenAI Chat Completions.

Сообщения

roleЧто это
systemинструкция модели: роль, тон, формат ответа. Обычно первое сообщение
userсообщение человека или твоей программы
assistantпрошлые ответы модели — для истории диалога
toolрезультат функции, которую вызвала модель, — см. Вызов функций

content — строка, а для картинок во входе — массив частей, см. Картинки во входе. В одном запросе — до 2000 сообщений.

curl

curl https://veselo.ai/v1/chat/completions \
  -H "Authorization: Bearer $VESELO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek/deepseek-v4.1-flash-ultrafast",
    "temperature": 0.3,
    "max_tokens": 200,
    "messages": [
      {"role": "system", "content": "Ты редактор. Отвечай коротко, по-русски, без вступлений."},
      {"role": "user", "content": "Сократи до одного предложения: «Мы рады сообщить, что наш магазин теперь работает каждый день с девяти до девяти»."}
    ]
  }'

Python

import os
from openai import OpenAI

client = OpenAI(base_url="https://veselo.ai/v1", api_key=os.environ["VESELO_API_KEY"])

r = client.chat.completions.create(
    model="deepseek/deepseek-v4.1-flash-ultrafast",
    messages=[
        {"role": "system", "content": "Ты редактор. Отвечай коротко, по-русски, без вступлений."},
        {"role": "user", "content": "Сократи до одного предложения: «Мы рады сообщить, что наш магазин теперь работает каждый день с девяти до девяти»."},
    ],
    temperature=0.3,
    max_tokens=200,
)
print(r.choices[0].message.content)

JavaScript

import OpenAI from 'openai';

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: process.env.VESELO_API_KEY });

const r = await client.chat.completions.create({
  model: 'deepseek/deepseek-v4.1-flash-ultrafast',
  messages: [
    { role: 'system', content: 'Ты редактор. Отвечай коротко, по-русски, без вступлений.' },
    { role: 'user', content: 'Сократи до одного предложения: «Мы рады сообщить, что наш магазин теперь работает каждый день с девяти до девяти».' },
  ],
  temperature: 0.3,
  max_tokens: 200,
});
console.log(r.choices[0].message.content);

Диалог

API не помнит прошлые запросы. Чтобы модель продолжила разговор, присылай всю историю: прошлые вопросы (user) и ответы (assistant). Вся история каждый раз оплачивается как вход, поэтому в длинных диалогах старую часть стоит сокращать.

Python

import os
from openai import OpenAI

client = OpenAI(base_url="https://veselo.ai/v1", api_key=os.environ["VESELO_API_KEY"])
history = [{"role": "system", "content": "Отвечай коротко."}]

while True:
    q = input("> ")
    if not q:
        break
    history.append({"role": "user", "content": q})
    r = client.chat.completions.create(model="deepseek/deepseek-v4.1-flash-ultrafast", messages=history, max_tokens=500)
    answer = r.choices[0].message.content
    history.append({"role": "assistant", "content": answer})
    print(answer, f"({r.usage.cost_rub} ₽)")

JavaScript

import OpenAI from 'openai';
import readline from 'node:readline';

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: process.env.VESELO_API_KEY });
const history = [{ role: 'system', content: 'Отвечай коротко.' }];

process.stdout.write('> ');
for await (const q of readline.createInterface({ input: process.stdin })) {
  if (!q) break;
  history.push({ role: 'user', content: q });
  const r = await client.chat.completions.create({ model: 'deepseek/deepseek-v4.1-flash-ultrafast', messages: history, max_tokens: 500 });
  const answer = r.choices[0].message.content;
  history.push({ role: 'assistant', content: answer });
  console.log(answer, `(${r.usage.cost_rub} ₽)`);
  process.stdout.write('> ');
}

Параметры

ПараметрЧто делает
max_tokensпотолок длины ответа в токенах; от него зависит удержание. Можно писать и max_completion_tokens
temperatureслучайность: 0 — предсказуемо, ближе к 1 и выше — разнообразнее. Обычно от 0 до 2
top_pдругой способ ограничить случайность; обычно меняют что-то одно — его или temperature
stopстрока или массив строк: встретив их, модель остановится
seedчисло для повторяемых ответов, если модель это поддерживает
frequency_penalty, presence_penaltyштраф за повторы слов и тем
top_k, min_p, top_a, repetition_penaltyтонкая настройка выборки у открытых моделей
reasoning_effort, reasoningсколько думать моделям с рассуждениями
tools, tool_choice, parallel_tool_callsвызов функций
response_formatответ в JSON
logprobs, top_logprobs, logit_biasвероятности токенов и их сдвиг
streamответ потоком
providerкакому провайдеру отдать запрос: order, only, ignore, allow_fallbacks, zdr, sort

Какие параметры понимает модель — в её supported_parameters в списке моделей. Параметр, которого модель не знает, она обычно пропускает. n — только 1: нужно несколько вариантов — сделай несколько запросов.

Поля, которых нет в справочнике, до модели не доходят и ошибки не вызывают: например, user, metadata, store, stream_options.

Ответ

ПолеЧто это
choices[0].message.contentтекст ответа
choices[0].message.tool_callsвызовы функций, если модель их попросила
choices[0].finish_reasonпочему модель остановилась: stop — закончила, length — упёрлась в max_tokens, tool_calls — ждёт результат функции, content_filter — ответ остановлен фильтром
usage.prompt_tokens, usage.completion_tokensтокены входа и выхода
usage.cost_rubцена запроса в рублях
providerкто ответил — провайдер модели
idномер ответа: chatcmpl- и тот же req_…, что в заголовке x-request-id

Если finish_reason — length, ответ обрезан: подними max_tokens или попроси модель отвечать короче.

Модели с рассуждениями могут вернуть ход мысли в поле reasoning сообщения. Эти токены входят в completion_tokens и оплачиваются как выход.

← Модели · Стриминг →

Вся документация одним текстом · Все модели и цены