各大厂商大模型 API 格式对比

目前，有三种API在人工智能驱动的产品开发中占据主导地位：OpenAI 的 GPT-5 系列、Anthropic 的 Claude Opus 4.6，以及 Google 的 Gemini 3 Pro，以及国内的Kimi、DeepSeek、Qwen也凭借价格的优势在某些领域大放异彩。目前对于开发者来说，真正重要的差异不再是以那个模型的性能最好来评判，而是通过自己的任务和价格来综合考虑。
目前主流的大模型 API 以 OpenAI 的 Chat Completions 和 Anthropic 的 Messages API 影响力最大。由于 OpenAI 起步最早，其 messages 格式已成为事实上的行业标准，国内绝大多数厂商都兼容这一格式。
OpenAI 在生态系统复杂度、微调能力以及编码任务的吞吐量方面表现领先。Anthropic 则在推理测试、提示缓存效率以及智能编码质量方面表现出色。Gemini 则在原生多模态处理、上下文窗口的成熟度以及低价格水平下的 token 性价比方面具有优势。

本文将按时间线梳理各家 API 的演进与核心差异，帮助你在实际开发中快速判断该用哪种格式。

1. 起点：OpenAI Chat Completions API（2023.03）

2023 年 3 月，OpenAI 发布 ChatGPT 并同步推出 Chat Completions API，迅速成为行业事实标准。

请求示例

{
  "model": "gpt-4o",
  "messages": [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Hello!"}
  ]
}

核心设计

使用 messages 数组表示完整对话历史
每条消息由 role（system / user / assistant / tool）和 content 组成
模型通过 model 字段指定
返回路径：choices[0].message.content

这个设计虽然简单，但因为 ChatGPT 的巨大影响力，迅速成为“USB 接口”般的事实标准——不一定最优，但兼容性最好。后续加入 Function Calling 时，只是在 messages 中新增了 tool 角色和 tools 参数，整体骨架没有改变。

curl 示例

curl https://api.openai.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-4o",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "Hello!"}
    ]
  }'

主要请求参数

必填:

model：模型 ID（如 gpt-4o、o 系列等）
messages：消息数组。每条包含 role 和 content（字符串或 content parts 数组）。支持 system/developer、user、assistant、tool 等角色。
可选参数：
max_tokens / max_completion_tokens：最大生成 token 数，如果超过就会以length方式截断。
temperature：采样温度（0–2，越高越随机）
top_p：核采样
n：生成多少个候选（默认 1）
stream：是否流式
stop：停止序列
presence_penalty / frequency_penalty：惩罚已出现内容
tools：工具定义数组
tool_choice：控制是否/如何调用工具（none / auto / required / 指定工具）
response_format：输出格式（text / json_object / json_schema 结构化输出）
seed：尽量确定性
logprobs / top_logprobs：返回 log 概率
user：终端用户标识（防滥用）
metadata、service_tier、reasoning 相关参数（视模型）等

返回格式的主要字段

{
  "id": "chatcmpl-...",
  "object": "chat.completion",
  "created": 1234567890,
  "model": "...",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "回复文本",
        "tool_calls": [...],   // 若有工具调用
        "refusal": null
      },
      "finish_reason": "stop",  // stop | length | tool_calls | content_filter | ...
      "logprobs": null
    }
  ],
  "usage": {
    "prompt_tokens": ...,
    "completion_tokens": ...,
    "total_tokens": ...,
    "prompt_tokens_details": {...},
    "completion_tokens_details": {...}  // 可能含 reasoning_tokens 等
  },
  "system_fingerprint": "...",
  "service_tier": "..."
}

2. Anthropic Messages API（2024.03）

2024 年 3 月，Anthropic 发布 Claude 系列模型时，没有完全跟随 OpenAI，而是设计了自己的 Messages API。

请求示例

{
  "model": "claude-sonnet-4-20250514",
  "max_tokens": 1024,
  "system": "你是一个有用的助手。",
  "messages": [
    {"role": "user", "content": "你好"}
  ]
}

核心差异

对比项	OpenAI	Anthropic
system 提示词	放在 messages 数组里（role=system）	独立顶层字段 `system`
max_tokens	可选	必填
认证方式	`Authorization: Bearer`	`x-api-key` + `anthropic-version`
返回内容路径	`choices[0].message.content`	`content[0].text`
content 格式	字符串或数组	始终是数组（天然支持多模态）

Anthropic 把 system 独立出来，认为它是对模型行为的全局指令，而不是对话历史的一部分。这种设计在多轮对话和长上下文场景下更清晰，也便于后续优化。

curl 示例

curl https://api.anthropic.com/v1/messages \
  -H "content-type: application/json" \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1000,
    "messages": [
      {
        "role": "user",
        "content": "What should I search for to find the latest developments in renewable energy?"
      }
    ]
  }'

主要请求参数

必填：

model：模型 ID（如 claude-sonnet-4-5-…）
max_tokens：最大生成 token 数（必填）
messages：消息数组。每条 {role: “user”|”assistant”, content: string | content blocks[]}

常用可选参数：

system：系统提示（字符串或文本块数组，独立于 messages）
temperature：0–1（部分新模型可能限制）
top_p / top_k：采样控制（top_k 是 Anthropic 特色）
stop_sequences：自定义停止序列
stream：是否流式
tools：工具定义（name + description + input_schema）
tool_choice：控制工具使用策略
metadata：如 user_id
thinking：扩展思考相关配置（部分模型）
cache_control：提示缓存控制
其他：output_config（结构化输出）、service_tier、container 等高级字段

内容块类型丰富：text、image、tool_use、tool_result、thinking、document 等。

返回格式

{
  "id": "msg_...",
  "type": "message",
  "role": "assistant",
  "model": "...",
  "content": [
    {
      "type": "text",
      "text": "回复文本"
    }
    // 也可能有 tool_use、thinking 等块
  ],
  "stop_reason": "end_turn",  // end_turn | max_tokens | tool_use | stop_sequence | refusal | ...
  "stop_sequence": null,
  "usage": {
    "input_tokens": ...,
    "output_tokens": ...,
    "cache_creation_input_tokens": ...,
    "cache_read_input_tokens": ...
  }
}

3. OpenAI Responses API（2025.03）

2025 年 3 月，OpenAI 推出 Responses API，定位为 Chat Completions 的下一代替代方案。

请求示例

{
  "model": "gpt-4o",
  "instructions": "你是一个有用的助手。",
  "input": "你好"
}

主要变化

messages → input（可以是字符串或数组）
system 提示词改为独立的 instructions 字段
返回路径变为 output[0].content[0].text
内置了 web_search、file_search 等工具能力
上下文管理支持通过 previous_response_id 自动串联，无需手动维护完整历史

可以看出，OpenAI 自己也开始把 system 指令从对话历史中独立出来，向 Anthropic 的设计靠拢。

4. Google Gemini API

Google Gemini 提供了原生格式，同时也支持 OpenAI 兼容接口。原生格式如下：

{
  "system_instruction": {
    "parts": [{"text": "你是一个有用的助手。"}]
  },
  "contents": [
    {
      "role": "user",
      "parts": [{"text": "你好"}]
    }
  ]
}

核心特点

使用 contents 而不是 messages
每条消息的内容必须放在 parts 数组中（为多模态设计）
system 提示词使用独立的 system_instruction
角色只有 user 和 model 两种
模型名称写在 URL 路径中，而不是请求体里
认证支持两种方式：
- Query 参数：?key=$GEMINI_API_KEY
- Header：x-goog-api-key: $GEMINI_API_KEY（更推荐）

parts 设计天然支持多模态（文本、图片、音频、视频可自由组合），但纯文本场景下会显得稍显啰嗦。

curl 示例（原生格式）

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -X POST \
  -d '{
    "contents": [{
      "parts": [{"text": "Write a story about a magic backpack."}]
    }]
  }'

注意：模型 ID（如 gemini-2.0-flash）直接写在路径中。

5. 国内主流大模型

国内厂商几乎全部兼容 OpenAI Chat Completions 格式，只需更换 base_url 和 API Key 即可：

平台	兼容 OpenAI 格式	端点
阿里云百炼（通义千问）	✅	`https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions`
DeepSeek	✅	`https://api.deepseek.com/v1/chat/completions`
智谱 AI（GLM）	✅	`https://open.bigmodel.cn/api/paas/v4/chat/completions`
月之暗面（Kimi）	✅	`https://api.moonshot.cn/v1/chat/completions`

这也是 OpenAI 格式成为事实标准的最大价值——学会一套，国内模型几乎通吃。

6. 快速对比总结

特性	OpenAI Chat Completions	Anthropic Messages	OpenAI Responses	Gemini 原生
对话字段	messages	messages	input	contents
system 位置	messages 内	独立 system	独立 instructions	独立 system_instruction
内容格式	string / array	始终 array	string / array	parts 数组
模型位置	body	body	body	URL 路径
国内兼容性	✅ 广泛	❌	❌	❌
推荐场景	通用、国内模型	直接调 Claude	OpenAI 新能力	需要原生多模态能力

如何选择模型

7. 该学哪个格式？

针对不同阶段开发者的建议：

刚入门 → 先掌握 OpenAI Chat Completions
它是事实标准，国内平台全部兼容，学一次就能到处用。
需要调用 Claude → 必须了解 Anthropic Messages API
Claude 能力强，且 system 独立设计更清晰。
Responses API 和 Gemini 原生格式
知道有这回事即可，真正用到时再查文档。
做 Agent 开发
Function Calling（工具调用）是基础中的基础，建议优先在 OpenAI 格式下熟练掌握。

8. 一个有意思的趋势

后出的 API 格式几乎都把 system 提示词从对话历史中独立出来：

Anthropic → system
OpenAI Responses → instructions
Gemini → system_instruction

这不是巧合。实践中发现，把 system 和用户消息混在 messages 里，在多轮长对话时容易被“挤”到很远的位置，模型可能逐渐忽略它。独立出来后语义更清晰，也更利于服务端优化。

Chat Completions 把 system 放在 messages 里，其实是早期的历史包袱——就像 JavaScript 的 var，能用，但新设计已不再推荐。

9. 官方文档入口

平台	文档地址
OpenAI Chat Completions	platform.openai.com/docs/api-reference/chat
OpenAI Responses	platform.openai.com/docs/api-reference/responses
Anthropic Messages	docs.anthropic.com/en/api/messages
Google Gemini	ai.google.dev/api
阿里云百炼	help.aliyun.com/zh/model-studio
DeepSeek	api-docs.deepseek.com
智谱 AI	open.bigmodel.cn/dev/api
月之暗面	platform.moonshot.cn/docs/api

参考链接

ZhangZhengYu

https://welcomemonth.github.io/2026/04/17/%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%8E%A5%E5%8F%A3%E6%A0%BC%E5%BC%8F/%E5%A4%A7%E6%A8%A1%E5%9E%8B%20API%20%E6%A0%BC%E5%BC%8F/

本博客所有文章除特別声明外，均采用 CC BY 4.0 许可协议。转载请注明来源 ZhangZhengYu !

OpenAI Anthropic Google 大模型API LLM Claude Gemini

Vibe Coding 实战流程

如何清晰描述需求、让 AI 先出方案再拆小任务，并审查验证它生成的代码。

2026-05-07 AI工具

Claude Code Vibe Coding AI 编程

Go代码如何测试？

如何保证自己的代码质量？如何对上线后的项目所出现的bug进行提前预演，而不是等待部署上线后崩溃，这就是测试的必要性，每个人都要对自己写的代码负责！

2026-04-09 代码测试测试驱动开发

Golang Testing

各大厂商大模型 API 格式对比：OpenAI、Claude、Gemini 与国内模型

各大厂商大模型 API 格式对比

1. 起点：OpenAI Chat Completions API（2023.03）

请求示例

核心设计

curl 示例

主要请求参数

返回格式的主要字段

2. Anthropic Messages API（2024.03）

请求示例

核心差异

curl 示例

主要请求参数

返回格式

3. OpenAI Responses API（2025.03）

请求示例

主要变化

4. Google Gemini API

核心特点

curl 示例（原生格式）

5. 国内主流大模型

6. 快速对比总结

如何选择模型

7. 该学哪个格式？

8. 一个有意思的趋势

9. 官方文档入口