Minimax大模型API返回数据格式 JSON参数字段详细解释【文档】
积累知识,胜过积蓄金银!毕竟在科技周边开发的过程中,会遇到各种各样的问题,往往都是一些细节知识点还没有掌握好而导致的,因此基础知识点的积累是很重要的。下面本文《Minimax大模型API返回数据格式 JSON参数字段详细解释【文档】》,就带大家讲解一下知识点,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~
Minimax大模型API响应为JSON格式,成功时含response(含id、choices、usage)、choices含message(role="assistant"、content为纯文本)和finish_reason("stop"/"length"/"tool_calls"),失败时直接返回error(含code和message)。

当调用Minimax大模型API时,响应体以JSON格式返回,其结构包含固定字段与模型生成内容嵌套字段。以下是各JSON参数字段的逐项说明:
一、response字段
该字段为顶层对象,封装全部响应数据,类型为JSON对象,是所有返回内容的根容器。
1、response字段内必定包含id、choices、usage三个子字段。
2、response字段不包含error字段;若发生错误,整个响应结构将被替换为独立的error对象,不再嵌套于response中。
二、id字段
标识本次请求的唯一追踪ID,由服务端生成,用于日志关联与问题排查,字符串类型,长度固定为32位十六进制字符。
1、id值在同一次HTTP请求生命周期内全局唯一。
2、该字段不可为空,且不随重试请求变化而重复。
三、choices字段
承载模型实际生成结果的数组,每个元素代表一个完成选项(completion choice),即使仅配置了n=1,也始终为长度为1的数组。
1、choices数组中每个对象包含index、message、finish_reason三个必选字段。
2、index从0开始递增,用于匹配并行生成的多个输出顺序。
四、message字段
位于choices[i]内部,表示单条生成消息的内容与角色声明,类型为JSON对象。
1、message字段必含role和content两个键。
2、role取值严格限定为"assistant",不会出现"user"或"system"。
3、content为字符串类型,即模型输出的纯文本结果,不含前导空格、换行符或Markdown标记,除非显式启用相关参数。
五、finish_reason字段
指示本次生成终止的原因,字符串类型,用于判断输出是否完整或因外部条件中断。
1、合法取值包括"stop"、"length"、"tool_calls"三种。
2、"stop"表示触发了stop序列;"length"表示达到max_tokens限制;"tool_calls"表示模型主动发起工具调用。
六、usage字段
记录本次请求消耗的token统计信息,类型为JSON对象,仅在请求成功时存在。
1、usage字段包含prompt_tokens、completion_tokens、total_tokens三个整数字段。
2、prompt_tokens计数包含系统提示、用户输入及历史对话轮次的全部编码token。
3、completion_tokens仅统计message.content中实际生成的token数量,不含分隔符或控制符号。
七、error字段(错误响应专属)
当API调用失败时,响应体不再包含response字段,而是直接返回error对象,类型为JSON对象。
1、error对象必含code和message两个字段。
2、code为字符串,取值如"invalid_api_key"、"rate_limit_exceeded"、"bad_request"等标准化错误码。
3、message为面向开发者的简明错误描述,不包含HTML、换行或占位符变量。
今天关于《Minimax大模型API返回数据格式 JSON参数字段详细解释【文档】》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!
win11如何在WSL中安装Arch Linux_win11WSL中安装Arch Linux完整教程与操作步骤
- 上一篇
- win11如何在WSL中安装Arch Linux_win11WSL中安装Arch Linux完整教程与操作步骤
- 下一篇
- 融光— 开源全流程 AI 视频创作平台,自动化工作流
-
- 科技周边 · 人工智能 | 1天前 |
- Tokenizer padding_side 影响批量生成的对齐
- 206浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | python · 人工智能 · 数据迭代 Hugging Face Datasets streaming IterableDataset 大语料
- Datasets streaming 读取大语料的迭代方式
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 | python · Transformers generate 停止条件 批量输出
- Transformers generate 的停止条件与批量输出
- 133浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 | 人工智能 · LoRa 显存优化 bitsandbytes QLoRA 4-bit量化
- bitsandbytes 量化模型配合 LoRA 训练的显存边界
- 249浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 | 人工智能 · LoRa PEFT load_adapter set_adapter 适配器切换
- PEFT LoRA 适配器按任务切换的加载方案
- 268浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 | 人工智能 · LoRa PEFT merge_and_unload 适配器合并
- PEFT 适配器合并后为什么输出会变化
- 221浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 |
- Tokenizer 左填充和右填充应该怎么选
- 399浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 |
- Safetensors 为什么支持按需读取权重切片
- 258浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 |
- MLflow Model Alias 怎么替代固定版本号部署
- 360浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 | 索引优化 · 向量数据库 · 向量检索 FAISS Index Factory IVF PQ
- FAISS Index Factory 字符串怎么组合索引结构
- 100浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 |
- 知识库切片重叠率怎么影响检索结果
- 268浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 279次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 333次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 326次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 297次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 116次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览
