テキスト生成 API

OpenAI Chat Completions API と互換です。base_url のプロバイダを差し替えるだけで利用できます。

エンドポイント

POST https://api.lykuro.ai/deepseek/v1/chat/completions          # DeepSeek
POST https://api.lykuro.ai/alibaba/compatible-mode/v1/chat/completions   # Alibaba/Qwen

model には上流ネイティブのモデル名を指定します（プロバイダは base_url 側で指定済み）。

リクエストパラメータ

パラメータ	型	必須	説明
model	string	✓	上流ネイティブのモデル名（例: deepseek-chat, qwen-turbo）。モデル一覧 参照
messages	array	✓	会話履歴。role（system / user / assistant）と content を持つオブジェクトの配列
stream	boolean		true でSSEストリーミング。デフォルト: false
max_tokens	integer		最大出力トークン数
temperature	number		0.0〜2.0。高いほどランダム。デフォルト: 1.0
top_p	number		Nucleus sampling。デフォルト: 1.0
tools	array		Function Calling の定義リスト
tool_choice	string / object		"auto" / "none" / {"type":"function","function":{"name":"xxx"}}
response_format	object		{"type":"json_object"} で JSON 出力モード（対応モデルのみ）
thinking	object		{"type":"enabled","budget_tokens":5000} Thinking mode（対応モデルのみ）

その他のパラメータも上流にそのまま透過されます（未知のパラメータも含む）。

messages の形式

テキスト

[
  { "role": "system", "content": "あなたは優秀なアシスタントです。" },
  { "role": "user",   "content": "Pythonでクイックソートを書いてください" }
]

画像入力（ビジョンモデル）

[
  {
    "role": "user",
    "content": [
      { "type": "image_url", "image_url": { "url": "https://example.com/image.jpg" } },
      { "type": "text",      "text": "この画像を説明してください" }
    ]
  }
]

音声入力（Omniモデル）

[
  {
    "role": "user",
    "content": [
      { "type": "input_audio", "input_audio": { "data": "<base64>", "format": "mp3" } },
      { "type": "text",        "text": "この音声を文字起こしして要約してください" }
    ]
  }
]

レスポンス（非ストリーミング）

上流の応答がそのまま返ります。

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "created": 1748000000,
  "model": "qwen-turbo",
  "choices": [
    {
      "index": 0,
      "message": { "role": "assistant", "content": "こんにちは！何かお手伝いできますか？" },
      "finish_reason": "stop"
    }
  ],
  "usage": { "prompt_tokens": 20, "completion_tokens": 15, "total_tokens": 35 }
}

レスポンス（ストリーミング SSE）

data: {"id":"chatcmpl-abc","object":"chat.completion.chunk","choices":[{"delta":{"content":"こん"},"index":0}]}
data: {"id":"chatcmpl-abc","object":"chat.completion.chunk","choices":[{"delta":{"content":"にちは"},"index":0}]}
data: [DONE]

---

サンプル

curl — 基本

curl https://api.lykuro.ai/alibaba/compatible-mode/v1/chat/completions \
  -H "Authorization: Bearer sk-jp-YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-turbo",
    "messages": [
      {"role": "system", "content": "あなたは優秀なアシスタントです。"},
      {"role": "user",   "content": "Pythonでクイックソートを書いてください"}
    ]
  }'

curl — ストリーミング

curl https://api.lykuro.ai/alibaba/compatible-mode/v1/chat/completions \
  -H "Authorization: Bearer sk-jp-YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-turbo",
    "messages": [{"role": "user", "content": "日本の歴史を教えてください"}],
    "stream": true
  }'

Python（OpenAI SDK）— 基本

from openai import OpenAI

client = OpenAI(
    api_key="sk-jp-YOUR_KEY",
    base_url="https://api.lykuro.ai/alibaba/compatible-mode/v1",
)

response = client.chat.completions.create(
    model="qwen-turbo",
    messages=[
        {"role": "system", "content": "あなたは優秀なアシスタントです。"},
        {"role": "user",   "content": "Pythonでクイックソートを書いてください"},
    ],
)
print(response.choices[0].message.content)

Python — ストリーミング

stream = client.chat.completions.create(
    model="qwen-turbo",
    messages=[{"role": "user", "content": "長い物語を書いてください"}],
    stream=True,
)
for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Python — Thinking mode（qwen3-max / qwq-plus / deepseek-reasoner 等）

response = client.chat.completions.create(
    model="qwen3-max",
    messages=[{"role": "user", "content": "この数学の問題を解いてください: ..."}],
    extra_body={"thinking": {"type": "enabled", "budget_tokens": 8000}},
)
print(response.choices[0].message.reasoning_content)  # 思考過程
print(response.choices[0].message.content)             # 最終回答

Python — Function Calling

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "指定した都市の天気を取得する",
            "parameters": {
                "type": "object",
                "properties": {"city": {"type": "string", "description": "都市名"}},
                "required": ["city"],
            },
        },
    }
]

response = client.chat.completions.create(
    model="qwen-turbo",
    messages=[{"role": "user", "content": "東京の天気は？"}],
    tools=tools,
    tool_choice="auto",
)
tool_call = response.choices[0].message.tool_calls[0]
print(tool_call.function.name)       # get_weather
print(tool_call.function.arguments)  # {"city": "東京"}

Python — JSON 出力モード

response = client.chat.completions.create(
    model="qwen-turbo",
    messages=[{"role": "user", "content": "東京・大阪・名古屋の人口をJSON形式で返してください"}],
    response_format={"type": "json_object"},
)
import json
print(json.loads(response.choices[0].message.content))

Python — 画像解析

import base64

with open("image.jpg", "rb") as f:
    image_data = base64.b64encode(f.read()).decode()

response = client.chat.completions.create(
    model="qwen-vl-max",
    messages=[{
        "role": "user",
        "content": [
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{image_data}"}},
            {"type": "text", "text": "画像の内容を日本語で説明してください"},
        ],
    }],
)
print(response.choices[0].message.content)

Python — DeepSeek を使う

deepseek = OpenAI(
    api_key="sk-jp-YOUR_KEY",
    base_url="https://api.lykuro.ai/deepseek/v1",
)
response = deepseek.chat.completions.create(
    model="deepseek-chat",          # または deepseek-reasoner
    messages=[{"role": "user", "content": "高速なソートアルゴリズムを説明して"}],
)
print(response.choices[0].message.content)

Node.js（OpenAI SDK）

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "sk-jp-YOUR_KEY",
  baseURL: "https://api.lykuro.ai/alibaba/compatible-mode/v1",
});

const response = await client.chat.completions.create({
  model: "qwen-turbo",
  messages: [
    { role: "system", content: "あなたは優秀なアシスタントです。" },
    { role: "user",   content: "TypeScriptでソートアルゴリズムを書いてください" },
  ],
});
console.log(response.choices[0].message.content);