当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > Minimax大模型API返回数据格式 JSON参数字段详细解释【文档】

Minimax大模型API返回数据格式 JSON参数字段详细解释【文档】

2026-05-02 21:54:37 0浏览 收藏

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)。

Minimax大模型API返回数据格式 JSON参数字段详细解释【文档】

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
融光— 开源全流程 AI 视频创作平台,自动化工作流
下一篇
融光— 开源全流程 AI 视频创作平台,自动化工作流
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    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
    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
    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
    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
    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
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    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:开源LLM大模型评估与排行榜工具
    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是什么?伯克利AI模型评估平台使用指南与功能解析
    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
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    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详解:多模态大模型基准测试、功能特点与使用指南
    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