Messages 差异

与 Anthropic 官方 /v1/messages 对齐：Anthropic SDK 把 base_url 指向 https://api.model-r.com/v1 即可。差异集中在流式事件的细节、system 字段的写法、缓存标记的处理、思考预算的换算（换算表在总览页）。

支持清单

✅ 按官方语义支持（行为不同处在说明里加注）；⊘ 不支持（说明写明实际发生什么）。

特性	状态	说明
顶层字段
`model`	✅	填模型名称，以 `/v1/models` 返回为准
`max_tokens`	✅	输出上限
`system`	✅	字符串或内容块数组；数组只读 text 块，见下文
`messages`	✅	至少一条；role 收 user、assistant、system（与官方一致，其余 role 返回 400）。system 指令两种写法都可用：顶层 `system` 字段，或 messages[] 里的 system 消息（Claude Code 等客户端的插入式写法）。工具结果用 user 消息里的 `tool_result` 块
`temperature` / `top_p` / `top_k` / `stop_sequences`	✅	原样发给模型
`tools` / `tool_choice`	✅	tool_choice 四种官方写法都收
`max_tool_calls`	✅	平台扩展：托管工具调用预算，与 Responses 同一种写法，平台自己消费，见下文
`thinking`	✅	budget_tokens 换算成档位（见总览页），原值保留、回显时还原，见下文
`output_config.effort`	✅	较新的档位写法；与 enabled / disabled / key 写法的 thinking 同时出现返回 400，与 `thinking: adaptive` 可并用（此时以 effort 为准）
`metadata` / `service_tier` / `truncate`	✅	原样发给模型
`stream_options`	⊘	不携带；usage 由平台计量后放在响应里
其余顶层字段（如 Claude Code 的 `context_management`）	⊘	不报错、不转发，静默忽略
内容块（messages[].content 里）
`text`	✅	文本
`image`	✅	base64 / URL / file_id 三种 source
`tool_use` / `tool_result`	✅	函数调用往返
`thinking`	✅	思考历史（thinking + signature）
`document`	✅	base64 文档
`server_tool_use` / `web_search_tool_result`	✅	服务端工具往返
`file`	✅	file_id / base64 两种 source
工具类型
`function`（custom）	✅	name、description、input_schema
托管工具	✅	type 不带日期后缀（写 `web_search`，不写 `web_search_20250305`）——平台侧执行，见平台函数页
MCP connector	⊘	`mcp_servers[]` / `mcp_toolset` 返回 400，见总览页
响应形态
流式 SSE	✅	不发 ping 事件，见下文
非流式 JSON	✅	带 content[]、stop_reason、usage 的完整 message 对象

与官方的差异

托管工具的 type 不带日期后缀

官方的托管工具 type 带版本日期（web_search_20250305）；平台按不带后缀的 type 识别（web_search）。带日期后缀的声明会被丢弃——模型收不到该工具，表现为模型回答没有联网搜索能力。声明、返回与流式形状见平台函数页。

max_tool_calls：托管工具调用预算

官方 Messages 请求结构没有这个字段；平台为两个接口保留同一种写法——顶层 max_tool_calls，与 Responses 一致。平台扩展字段，由平台自己消费，不发给模型；取值须为 ≥ 1 的整数（写 0 返回 400），不写时默认 8。预算按已执行的调用次数计：一轮并行发起的多个调用整批执行，可能一次花掉甚至超出剩余预算；预算用尽后的下一轮由平台强制收尾作答，强制收尾仍发起新调用则请求失败。

请求

{
  "model": "your-model",
  "messages": [{ "role": "user", "content": "查一下今天北京的天气" }],
  "tools": [{ "type": "web_search", "name": "web_search" }],
  "max_tool_calls": 5
}

流式不发 ping 事件

官方会周期性发 ping 事件作心跳；平台的流不发。按官方文档解析事件的客户端不受影响——ping 本来就是可忽略的事件。

平台的事件序列（开头）

event: message_start
data: { … }
 
event: content_block_start
data: { … }

message_start 里没有 model 字段

官方在 message_start 的 message 对象里带 model；平台不带。需要模型名时用请求里发的那一份。

返回（流的第一个事件）

event: message_start
data: {
  "type": "message_start",
  "message": { "id": "msg_…", "role": "assistant", "content": [], … }
}

tool_use 的参数逐段到达

content_block_start 里 tool_use 块的 input 是空字符串（官方是 {}），参数随后以 input_json_delta 增量到达。

返回（同一个工具调用的两帧）

event: content_block_start
data: {
  "type": "content_block_start",
  "index": 1,
  "content_block": { "type": "tool_use", "id": "toolu_…", "name": "get_weather", "input": "" }
}
 
event: content_block_delta
data: {
  "type": "content_block_delta",
  "index": 1,
  "delta": { "type": "input_json_delta", "partial_json": "{\"city\":" }
}

把收到的 partial_json 按顺序拼接成完整 JSON；不要依赖 content_block_start 里的 input 值。

cache_control 只在 tools 上有效

官方的缓存标记 cache_control 可以写在 messages、system、tools 上。平台只保留 tools 上的；messages 与 system 上的在解析时丢弃——请求不会失败，只是这些标记不被使用。

请求（messages 上的 cache_control 不生效）

{
  "model": "your-model",
  "max_tokens": 1024,
  "system": [{ "type": "text", "text": "你是一个助手", "cache_control": { "type": "ephemeral" } }],
  "messages": [ … ]
}

system 用数组时只读 text 块

system 传内容块数组时只有 text 块生效，其余块被跳过；响应回显时 system 恒为普通字符串。

thinking.budget_tokens 换算成档位

budget_tokens 按总览页的换算表折算成档位发给模型；原始数值保留，响应回显时逐字还原。另外 output_config.effort 与 thinking 是两代写法，同时出现返回 400；唯一例外是 thinking.type 写 adaptive（开与不开交给模型、不指深度，Claude Code 的官方搭配），可与 effort 并存，此时以 effort 为准。

请求

{
  "model": "your-model",
  "max_tokens": 1024,
  "thinking": { "type": "enabled", "budget_tokens": 8000 },
  "messages": [{ "role": "user", "content": "想清楚再回答" }]
}

8000 落在 ≤ 10240 一档，按 medium 发给模型；回显的 thinking.budget_tokens 仍是 8000。