POST /messages

ByteSpike 的原生协议。逐字讲 Anthropic Messages API，包括 tool_use、 cache_control、thinking 块。跨厂商模型（GPT、Gemini、DeepSeek、 Doubao 等）在底下被透明翻译 —— 不管你在 model 字段写哪个值，发出的请求都是 Anthropic 形状。

何时使用

以下情况选这个端点：

Anthropic SDK / Claude Code / Claude Desktop 想接入目录里任意模型
Tool use 要 schema 最干净的那一套（不像 OpenAI 的 tool_calls 那样套 JSON 字符串）
Prompt caching（cache_control 块）用在长且稳定的 system prompt 上
Extended thinking 用在 Opus / Sonnet 4.x

如果要严格 OpenAI 形状的请求，用 /chat/completions。如果要 Google Native，用 /v1beta/models/{model}:generateContent。

请求

curl https://llm.bytespike.ai/v1/messages \
  -H "x-api-key: $BYTESPIKE_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-4-6",
    "max_tokens": 1024,
    "system": "You are a helpful assistant.",
    "messages": [
      {"role": "user", "content": "Summarize the first chapter of Moby Dick."}
    ]
  }'

请求头

Header	是否必填	说明
`x-api-key`	是	你的 ByteSpike key（`sk-byts-…`）。
`anthropic-version`	是	固定 `2023-06-01`。
`content-type`	是	`application/json`。
`anthropic-beta`	否	转发给模型以启用 Anthropic beta 功能。

Body

字段	类型	是否必填	说明
`model`	string	是	模型 slug。目录中任意模型皆可 —— 见下文跨模型路由。
`messages`	array	是	对话历史（Anthropic 形状）。
`max_tokens`	integer	是	响应长度硬上限。
`system`	string \| array	否	system prompt（简单场景用 string，需要 `cache_control` 用 array）。
`tools`	array	否	工具定义（Anthropic `input_schema` 格式）。
`tool_choice`	object	否	`{"type": "auto"}` / `{"type": "any"}` / `{"type": "tool", "name": "…"}`。
`temperature`	number	否	默认 1.0。
`top_p`	number	否	Nucleus sampling。
`stop_sequences`	string[]	否	自定义 stop token。
`stream`	boolean	否	server-sent events。见流式。
`metadata`	object	否	`{"user_id": "..."}` —— 转发给模型，并在我方记录。

响应

{
  "id": "msg_01AbCdEf",
  "type": "message",
  "role": "assistant",
  "content": [
    {"type": "text", "text": "Ishmael, the narrator, signs onto a whaling ship..."}
  ],
  "model": "claude-sonnet-4-6",
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 23,
    "output_tokens": 87
  }
}

响应字段

字段	类型	说明
`id`	string	服务端生成的 id，前缀 `msg_`。
`type`	string	非错误响应恒为 `"message"`。
`role`	string	恒为 `"assistant"`。
`content`	array	内容块：`text`、`tool_use`、`thinking`（Opus / Sonnet 4.x）。
`stop_reason`	string	`end_turn`、`max_tokens`、`stop_sequence`、`tool_use`。
`usage.input_tokens`	integer	输入计费 token 数。
`usage.output_tokens`	integer	输出计费 token 数。
`usage.cache_read_input_tokens`	integer	来自缓存的 token 数（折扣价）。
`usage.cache_creation_input_tokens`	integer	写入缓存的 token 数（全价）。

计费类请求头

每个响应 —— 不论成功或失败、流式或非流式 —— 都附带网关的配额信封：

X-RateLimit-Limit: 50.00
X-RateLimit-Remaining: 42.18
X-RateLimit-Reset: 1716705600
X-Quota-Remaining-Credits: 192.40

X-RateLimit-Limit / Remaining —— 当前最紧的速率限制桶（5h / 1d / 7d 取最紧那一档）的 USD 预算。
X-RateLimit-Reset —— 该桶重置的 Unix 时间戳。
X-Quota-Remaining-Credits —— 该 key 终身剩余 credits（USD；1 USD = 1,000,000 credits）。失败请求不动这个数。
X-Org-Quota-Remaining-Credits —— 组织钱包剩余，仅对组织持有的 key 返回。

要拿到本次请求的实际成本，查 GET /api/v1/usage —— 它返回每次调用的 prompt + completion tokens 以及最终计费 credits。

流式 [#streaming]

设 "stream": true。响应是标准 Anthropic 格式的 SSE：

event: message_start
data: {"type":"message_start","message":{...}}

event: content_block_start
data: {"type":"content_block_start","index":0,"content_block":{"type":"text","text":""}}

event: content_block_delta
data: {"type":"content_block_delta","index":0,"delta":{"type":"text_delta","text":"Ishmael"}}

…

event: message_delta
data: {"type":"message_delta","delta":{"stop_reason":"end_turn"},"usage":{"output_tokens":87}}

event: message_stop
data: {"type":"message_stop"}

完整 SSE 事件序列 —— message_start → 一个或多个（content_block_start → content_block_delta× → content_block_stop）→ message_delta → message_stop —— 与 Anthropic Messages 规范一致。工具调用通过 input_json_delta 以 tool_use 内容块分块流式到达。

Tool use（多轮）

工具调用通过两次请求轮转完成。第一次带上工具 schema；模型回 tool_use 块；你在本地执行工具，再把结果 POST 回去作为第二次请求。

第一轮 —— 提供工具

{
  "model": "claude-sonnet-4-6",
  "max_tokens": 1024,
  "tools": [
    {
      "name": "get_weather",
      "description": "Get current weather for a city.",
      "input_schema": {
        "type": "object",
        "properties": {
          "city": {"type": "string", "description": "Name of the city."}
        },
        "required": ["city"]
      }
    }
  ],
  "messages": [
    {"role": "user", "content": "What's the weather in Tokyo?"}
  ]
}

响应：

{
  "id": "msg_01...",
  "role": "assistant",
  "content": [
    {"type": "text", "text": "Let me check that for you."},
    {
      "type": "tool_use",
      "id": "toolu_01ABC",
      "name": "get_weather",
      "input": {"city": "Tokyo"}
    }
  ],
  "stop_reason": "tool_use"
}

第二轮 —— 回传工具结果

本地执行 get_weather({city: "Tokyo"})，再用 tool_result 块带上原始 tool_use.id 回传：

{
  "model": "claude-sonnet-4-6",
  "max_tokens": 1024,
  "tools": [ /* same schema */ ],
  "messages": [
    {"role": "user", "content": "What's the weather in Tokyo?"},
    {
      "role": "assistant",
      "content": [
        {"type": "text", "text": "Let me check that for you."},
        {
          "type": "tool_use",
          "id": "toolu_01ABC",
          "name": "get_weather",
          "input": {"city": "Tokyo"}
        }
      ]
    },
    {
      "role": "user",
      "content": [
        {
          "type": "tool_result",
          "tool_use_id": "toolu_01ABC",
          "content": "18°C, partly cloudy"
        }
      ]
    }
  ]
}

模型现在会返回最终文本答案，stop_reason: "end_turn"。

图像 / 多模态内容

把图片作为 image 内容块发送。base64 和 URL 两种 source 都行；网关把字节直接转发给支持视觉的模型（Claude Sonnet/Opus 4.x、GPT-5-x、Gemini、Doubao Vision 等）。

{
  "model": "claude-sonnet-4-6",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "image",
          "source": {
            "type": "base64",
            "media_type": "image/jpeg",
            "data": "/9j/4AAQSkZJRg..."
          }
        },
        {"type": "text", "text": "What's in this image?"}
      ]
    }
  ]
}

URL 输入：

{
  "type": "image",
  "source": {"type": "url", "url": "https://example.com/photo.jpg"}
}

非视觉模型对图像块返回 400；通过 GET /v1/models 查看模型的能力标签。

跨模型路由 [#cross-model-routing]

本端点的 model 字段接受任意 ByteSpike 目录模型 —— 网关在底下透明地把请求翻译成各模型的原生协议。按你想要的延迟 / 成本 / 能力组合挑选：

{"model": "claude-opus-4-8", "messages": [...]}
{"model": "gpt-5-4", "messages": [...]}
{"model": "gemini-3-5-flash", "messages": [...]}
{"model": "deepseek-v4-pro", "messages": [...]}
{"model": "doubao-seed-2-0-pro", "messages": [...]}

注意：

模型特有、无法翻译的特性（例如 OpenAI 的 response_format: {"type": "json_schema"}）需要走对应的协议端点。
stop_reason 和 usage 字段不论用哪个模型，都归一化为 Anthropic 形状。

完整模型清单：GET /v1/models。按模型计价：bytespike.ai/pricing。

Cache control

cache_control 块的行为与 Anthropic Messages 规范完全一致。命中时按缓存读取折扣价计费；价格见 pricing table 的 “cache read” 一栏。

{
  "model": "claude-sonnet-4-6",
  "system": [
    {
      "type": "text",
      "text": "<long static system prompt>",
      "cache_control": {"type": "ephemeral"}
    }
  ],
  "messages": [...]
}

响应中的 usage.cache_read_input_tokens 和 usage.cache_creation_input_tokens 分别报告命中和写入。

速率限制和配额头

Header	说明
`x-ratelimit-limit-requests`	你的 tier 的 requests/min 上限。
`x-ratelimit-remaining-requests`	当前窗口内剩余。
`x-ratelimit-reset-requests`	桶充满还需多少秒。
`x-ratelimit-limit-tokens`	tokens/min 上限。
`x-ratelimit-remaining-tokens`	当前窗口剩余 token 数。

遇到 429 时，查 x-ratelimit-reset-* 头来决定何时重试。

错误

所有非 2xx 响应免费 —— 失败不计费。

Status	`error.type`	触发
400	`invalid_request_error`	Body 校验失败（按 Anthropic schema）。message 会指出哪个字段。
400	`unsupported_model`	`model` slug 不在你的范围内或已下线。
400	`unsupported_feature`	例如向只支持文本的模型发图像块，或向不支持 tool-use 的模型发 `tools`。
401	`authentication_error`	key 缺失 / 已撤销。
402	`insufficient_credits`	钱包用尽。去 console.bytespike.ai/billing 充值。
403	`permission_error`	范围拒绝、IP 未在白名单、模型受限。
404	`not_found_error`	路径打错（`/v1/messages` vs `/messages`）或未知 model id。
429	`rate_limit_error`	tier 速率限制。按 `x-ratelimit-reset-*` 退避。
5xx	`api_error` / `overloaded_error`	上游 provider 问题。免费 + 自动重试信封。

Body 形状：

{
  "type": "error",
  "error": {
    "type": "rate_limit_error",
    "message": "You have exceeded your requests-per-minute budget."
  }
}

总览

协议端点

OpenAI

Anthropic

DeepSeek

Moonshot

智谱

MiniMax

图像

视频

账户与账单

工具接口

何时使用

请求

请求头

Body

响应

响应字段

计费类请求头

流式 [#streaming]

Tool use（多轮）

第一轮 —— 提供工具

第二轮 —— 回传工具结果

图像 / 多模态内容

跨模型路由 [#cross-model-routing]

Cache control

速率限制和配额头

错误

​何时使用

​请求

​请求头

​Body

​响应

​响应字段

​计费类请求头

​流式 [#streaming]

​Tool use（多轮）

​第一轮 —— 提供工具

​第二轮 —— 回传工具结果

​图像 / 多模态内容

​跨模型路由 [#cross-model-routing]

​Cache control

​速率限制和配额头

​错误

何时使用

请求

请求头

Body

响应

响应字段

计费类请求头

流式 [#streaming]

Tool use（多轮）

第一轮 —— 提供工具

第二轮 —— 回传工具结果

图像 / 多模态内容

跨模型路由 [#cross-model-routing]

Cache control

速率限制和配额头

错误