Главный эндпоинт Hubris — создаёт ответ языковой модели на цепочку сообщений. OpenAI-совместимый формат — без переписывания работают openai Python SDK, OpenAI TypeScript SDK, LangChain, Vercel AI SDK и любые другие клиенты под OpenAI Chat Completions API.

Эндпоинт

POSThttps://api.hubris.pw/v1/chat/completions

Заголовки:

Header	Значение
`Authorization`	`Bearer sk-gw-...` (обязательно)
`Content-Type`	`application/json` (обязательно для тела запроса)
`Accept`	`application/json` или `text/event-stream` (опционально; при `stream: true` — SSE)

Тело запроса

Обязательные поля помечены жирным. Остальное — опциональное.

Поле	Тип	По умолчанию	Описание
`model`	`string`	—	Идентификатор модели, например `anthropic/claude-haiku-4.5`. Список доступных — `GET /v1/models` или каталог.
`messages`	`array<Message>`	—	Цепочка сообщений диалога. Минимум 1. Структура — ниже.
`models`	`array<string>`	—	До 10 fallback-моделей. Если основная недоступна — пробует следующие по порядку. Биллинг по фактически использованной (см. `model` в ответе). См. Model fallbacks.
`temperature`	`number` 0–2	`1`	Температура сэмплирования. 0 — детерминизм, 2 — максимум разнообразия.
`top_p`	`number` 0–1	`1`	Nucleus sampling. Альтернатива `temperature` — обычно меняют что-то одно.
`n`	`integer` ≥ 1	`1`	Сколько вариантов ответа сгенерировать. Каждый вариант оплачивается отдельно.
`stop`	`string \| string[]`	—	До 4 стоп-последовательностей. Модель прекратит генерацию при их встрече.
`max_tokens`	`integer` > 0	—	Лимит токенов в ответе. OpenAI-совместимое имя.
`max_completion_tokens`	`integer` > 0	—	Новое имя `max_tokens` (OpenAI deprecated старое для reasoning-моделей). Можно использовать любой из двух.
`frequency_penalty`	`number` -2…2	`0`	Штраф за повторение токенов.
`presence_penalty`	`number` -2…2	`0`	Штраф за повторение тем.
`logit_bias`	`object`	—	Карта `token_id → bias` (от -100 до 100). Управление вероятностью отдельных токенов.
`seed`	`integer`	—	Сид для best-effort детерминизма. Не гарантирует идентичности на разных прогонах.
`logprobs`	`boolean`	`false`	Вернуть вероятности выбранных токенов.
`top_logprobs`	`integer` 0–20	—	Сколько top-альтернатив возвращать вместе с каждым выбранным токеном. Требует `logprobs: true`.
`tools`	`array<Tool>`	—	Определения функций, которые модель может вызвать. Структура — Tools.
`tool_choice`	`string \| object`	`"auto"`	Принудительный выбор инструмента. `"none"` / `"auto"` / `"required"` или `{type:"function", function:{name:"..."}}`.
`parallel_tool_calls`	`boolean`	`true`	Разрешить модели вызвать несколько tools в одном ответе.
`response_format`	`object`	`{type:"text"}`	Формат ответа. `text`, `json_object` или `json_schema`. См. Structured outputs.
`modalities`	`array<string>`	`["text"]`	Какие модальности возвращать. `["image","text"]` для image-gen моделей.
`image_config`	`object`	—	Параметры image-gen: `aspect_ratio`, `image_size` и model-specific. См. Image generation.
`stream`	`boolean`	`false`	Стриминг ответа через SSE. См. Стриминг.
`stream_options`	`object`	—	Hubris автоматически выставляет `include_usage: true` для всех стримов. Указывать не обязательно.
`user`	`string`	—	Идентификатор конечного пользователя для трекинга абьюза на стороне провайдера.
`reasoning_effort`	`"low" \| "medium" \| "high"`	—	Для reasoning-моделей: бюджет «думания». Подробности — Reasoning.

Сообщения

Каждый элемент messages — объект с обязательным полем role и зависящими от роли остальными полями.

system

{ "role": "system", "content": "Ты — лаконичный ассистент." }

Поле	Тип	Описание
`role`	`"system"`	Роль.
`content`	`string`	Системная инструкция.
`name`	`string`	Опциональное имя автора.

user

{ "role": "user", "content": "Привет! Как дела?" }

Content может быть строкой ИЛИ массивом мультимодальных частей (текст + картинки):

{
  "role": "user",
  "content": [
    { "type": "text", "text": "Что на картинке?" },
    { "type": "image_url", "image_url": { "url": "https://example.com/photo.jpg" } }
  ]
}

Поддерживаемые type: text, image_url. URL может быть https://... или data:image/<mime>;base64,.... Подробности — Vision.

assistant

{ "role": "assistant", "content": "Привет! Хорошо, спасибо." }

С tool calls:

{
  "role": "assistant",
  "content": null,
  "tool_calls": [
    {
      "id": "call_abc",
      "type": "function",
      "function": { "name": "get_weather", "arguments": "{\"city\":\"Москва\"}" }
    }
  ]
}

tool

Результат вызова функции (отправляется после assistant-сообщения с tool_calls):

{
  "role": "tool",
  "tool_call_id": "call_abc",
  "content": "{\"temp\": -5, \"condition\": \"snow\"}"
}

Tools

Каждый элемент tools — function (определение пользовательской функции) или server (server-side tool провайдера: web search, code interpreter и т.д.; зависит от модели).

Function tool

{
  "type": "function",
  "function": {
    "name": "get_weather",
    "description": "Получить текущую погоду по городу",
    "parameters": {
      "type": "object",
      "properties": { "city": { "type": "string" } },
      "required": ["city"]
    },
    "strict": true
  }
}

Поле	Тип	Описание
`type`	`"function"`	Дискриминатор.
`function.name`	`string`	Имя функции. Только латиница, цифры, `_` и `-`.
`function.description`	`string`	Описание для модели — что делает функция и когда её вызывать.
`function.parameters`	`object`	JSON Schema аргументов функции.
`function.strict`	`boolean`	Если `true`, модель гарантированно вернёт arguments, валидные по схеме.

Полный гайд с примерами обработки — Tool calling.

Structured outputs

Поле response_format принимает три формы:

{ "type": "text" }

{ "type": "json_object" }

{
  "type": "json_schema",
  "json_schema": {
    "name": "city_info",
    "schema": {
      "type": "object",
      "properties": {
        "name":       { "type": "string" },
        "country":    { "type": "string" },
        "population": { "type": "number" }
      },
      "required": ["name", "country", "population"]
    },
    "strict": true
  }
}

При json_schema модель гарантированно вернёт валидный JSON по вашей схеме. Подробности и примеры — Structured output.

Минимальный пример

curl -s https://api.hubris.pw/v1/chat/completions \
-H "Authorization: Bearer sk-gw-..." \
-H "Content-Type: application/json" \
-d '{
  "model": "anthropic/claude-haiku-4.5",
  "messages": [{"role": "user", "content": "Привет!"}],
  "max_tokens": 50
}'

curl -s https://api.hubris.pw/v1/chat/completions \-H "Authorization: Bearer sk-gw-..." \-H "Content-Type: application/json" \-d '{  "model": "anthropic/claude-haiku-4.5",  "messages": [{"role": "user", "content": "Привет!"}],  "max_tokens": 50}'

from openai import OpenAI

client = OpenAI(
  base_url="https://api.hubris.pw/v1",
  api_key="sk-gw-...",
)

response = client.chat.completions.create(
  model="anthropic/claude-haiku-4.5",
  messages=[{"role": "user", "content": "Привет!"}],
  max_tokens=50,
)
print(response.choices[0].message.content)

from openai import OpenAIclient = OpenAI(  base_url="https://api.hubris.pw/v1",  api_key="sk-gw-...",)response = client.chat.completions.create(  model="anthropic/claude-haiku-4.5",  messages=[{"role": "user", "content": "Привет!"}],  max_tokens=50,)print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
baseURL: "https://api.hubris.pw/v1",
apiKey: "sk-gw-...",
});

const response = await client.chat.completions.create({
model: "anthropic/claude-haiku-4.5",
messages: [{ role: "user", content: "Привет!" }],
max_tokens: 50,
});
console.log(response.choices[0].message.content);

import OpenAI from "openai";const client = new OpenAI({baseURL: "https://api.hubris.pw/v1",apiKey: "sk-gw-...",});const response = await client.chat.completions.create({model: "anthropic/claude-haiku-4.5",messages: [{ role: "user", content: "Привет!" }],max_tokens: 50,});console.log(response.choices[0].message.content);

Ответ

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "created": 1714000000,
  "model": "anthropic/claude-haiku-4.5",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Привет! Чем могу помочь?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 12,
    "completion_tokens": 7,
    "total_tokens": 19,
    "cost": 24
  }
}

Поля ответа

Поле	Тип	Описание
`id`	`string`	Уникальный идентификатор completion. Префикс `chatcmpl-`.
`object`	`"chat.completion"`	Тип объекта. Для стрима — `"chat.completion.chunk"`.
`created`	`integer`	Unix-timestamp (секунды).
`model`	`string`	Фактически использованная модель (отличается от запрошенной при срабатывании `models` fallback).
`choices[]`	`array<Choice>`	Варианты ответа. Длина равна `n` из запроса (по умолчанию 1).
`choices[].index`	`integer`	Индекс варианта (0-based).
`choices[].message`	`object`	Сообщение модели с `role: "assistant"`, `content` и/или `tool_calls`.
`choices[].finish_reason`	`string`	Почему генерация завершилась: `stop` / `length` / `tool_calls` / `content_filter` / `function_call`.
`choices[].logprobs`	`object`	Если в запросе был `logprobs: true`.
`usage.prompt_tokens`	`integer`	Токены ввода.
`usage.completion_tokens`	`integer`	Токены вывода.
`usage.total_tokens`	`integer`	Сумма.
`usage.cost`	`integer`	Стоимость запроса в копейках. Hubris-расширение поверх стандартного OpenAI ответа.
`system_fingerprint`	`string`	Метка конфигурации модели у провайдера (для отладки воспроизводимости).

Стриминг

С stream: true ответ приходит chunk-ами через Server-Sent Events:

curl -N -s https://api.hubris.pw/v1/chat/completions \
  -H "Authorization: Bearer sk-gw-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "anthropic/claude-haiku-4.5",
    "messages": [{"role": "user", "content": "Расскажи короткую историю"}],
    "stream": true
  }'

Формат каждого chunk, отслеживание usage и обработка [DONE] — на странице Стриминг.

Tool calling

curl -s https://api.hubris.pw/v1/chat/completions \
  -H "Authorization: Bearer sk-gw-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "anthropic/claude-haiku-4.5",
    "messages": [{"role": "user", "content": "Какая погода в Москве?"}],
    "tools": [{
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Получить текущую погоду по городу",
        "parameters": {
          "type": "object",
          "properties": {"city": {"type": "string"}},
          "required": ["city"]
        }
      }
    }]
  }'

Модель вернёт tool_calls вместо обычного content — выполните функцию у себя и отправьте результат вторым запросом с role: "tool". Полный сценарий — Tool calling.

Vision

curl -s https://api.hubris.pw/v1/chat/completions \
  -H "Authorization: Bearer sk-gw-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "anthropic/claude-haiku-4.5",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "Что на картинке?"},
        {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
      ]
    }]
  }'

Поддерживается только моделями с image в input_modalities — см. GET /v1/models и страницу Vision.

HTTP-коды

Код	Когда	Полный список —
`200`	Успешный ответ	—
`400`	Тело запроса не соответствует схеме	Ошибки
`401`	Ключ отсутствует / отозван / невалиден	Ошибки
`402`	Недостаточно средств на балансе	Биллинг
`404`	Модели с таким `model` не существует	Каталог
`429`	Превышен дневной лимит на ключе	Rate limits
`502 / 503 / 504`	Транзиентные сбои у провайдера или курса ЦБ	Обработка ошибок

Формат тела ошибки и стратегия retry — Ошибки.

Что дальше

Стриминг — формат SSE и обработка в клиенте.
Tool calling — пошаговый сценарий с многократными итерациями.
Structured output — JSON Schema validation.
Ошибки — таблица всех кодов и retry-стратегий.
Цены — как считается usage.cost.

Обновлено: 24 мая 2026 г.

POST /v1/chat/completions