Текстовая генерация Chat Completions

Один OpenAI-совместимый эндпоинт даёт доступ к 301 моделям — GPT, Claude, Gemini, DeepSeek, Qwen, Kimi и другим. Диалоги, генерация и анализ текста, ролевые сценарии, код, извлечение данных — всё через единый ключ и формат запроса.

Эндпоинт

Быстрый старт

# pip install openai
from openai import OpenAI

client = OpenAI(
    api_key="sk-...",
    base_url="https://megaapi.ru/v1",
)

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "user", "content": "Расскажи об истории искусственного интеллекта"}
    ],
)

print(response.choices[0].message.content)

cURL

curl https://megaapi.ru/v1/chat/completions \
  -H "Authorization: Bearer sk-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o",
    "messages": [{"role": "user", "content": "Привет!"}]
  }'

Многоходовой диалог и роли

Контекст передаётся массивом messages. Каждое сообщение имеет роль и содержимое:

messages = [
    {"role": "system", "content": "Ты — профессиональный ассистент по Python."},
    {"role": "user", "content": "Как прочитать CSV-файл?"},
    {"role": "assistant", "content": "Используйте pandas.read_csv()..."},
    {"role": "user", "content": "А как отфильтровать колонки?"}
]

Память диалога: как это работает

Модель не имеет памяти — она не помнит предыдущие реплики. «Многоходовой диалог» означает, что вы сами передаёте полную историю в каждом запросе. На каждом шаге добавляйте в конец массива messages и вопрос пользователя, и предыдущий ответ ассистента, после чего отправляете весь массив целиком:

Шаг 1: отправили [вопрос1]                              → получили [ответ1]
Шаг 2: отправили [вопрос1, ответ1, вопрос2]             → получили [ответ2]
Шаг 3: отправили [вопрос1, ответ1, вопрос2, ответ2, …]  → получили [ответ3]

messages.append({"role": "assistant",
                 "content": resp.choices[0].message.content})
# reasoning_content в историю НЕ добавляем

Основные параметры

Рассуждающие модели и веб-поиск

• Глубина рассуждения. У reasoning-моделей управляйте «бюджетом размышления» параметром reasoning_effort (minimal/low/medium/high). Для обычных моделей он не нужен — оставьте «авто».
• Kimi K2.5. Режим Thinking включается отдельно: "enable_thinking": true в теле запроса (по умолчанию — быстрый Instant). Подробнее — на странице Kimi K2.5.
• Веб-поиск. В OpenAI-совместимом режиме /v1/chat/completions онлайн-поиск не выполняется — модель отвечает по обучающим данным. Для актуальных данных подайте контекст сами (через RAG) или используйте специализированные каналы.

JSON-режим (структурированный вывод)

Многие модели умеют возвращать строго JSON — удобно для извлечения данных:

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "Ты — экстрактор данных. Всегда отвечай в формате JSON."},
        {"role": "user", "content": "Извлеки: Иван, мужчина, 30 лет, инженер"}
    ],
    response_format={"type": "json_object"},
)

Потоковая выдача

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Напиши статью об ИИ"}],
    stream=True,
)
for chunk in response:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

Какую модель выбрать

Почему ответ обрывается

Проверяйте поле finish_reason в ответе:

Лучшие практики

• Чёткий промпт. Укажите задачу, формат, длину и тон. Дайте 1–2 примера «вход → выход».
• Контроль стоимости. Ставьте max_tokens, выбирайте экономную модель, обрезайте старую историю диалога.
• Память диалога. Храните историю на стороне приложения и передавайте в messages.
• Обработка ошибок. Делайте retry с экспоненциальной задержкой на 5xx и таймауты.

Открыть в Студии → Полный справочник API Все модели