チャット生成モデルの仕様

[更新: 2026年11月18日]

チャット補完API( https://api.ai.sakura.ad.jp/v1/chat/completions )で利用できるチャット生成モデルの仕様と、APIの互換性について説明します。

モデルごとの仕様

モデル名

context 長

max_tokens の上限

vision

tool call

reasoning

gpt-oss-120b

131,072

32,000

✕ ※3

✓

✓

preview/gemma-4-31B-it

262,144

32,000 ※2

✓

✓

✓

llm-jp-3.1-8x13b-instruct4

4,096

※1

✕

✕

✕

preview/Phi-4-mini-instruct-cpu

4,096

※1

✕

✕

✕

preview/Qwen3-0.6B-cpu

40,960

※1

✕

✕

✕

preview/Qwen3-VL-30B-A3B-Instruct

262,144

32,000

✓(1リクエストあたり画像3枚まで)

✕

✕

preview/Qwen3.6-35B-A3B

262,144

32,000

✓

✓

✓

preview/Kimi-K2.7-Code

262,144

32,000 ※2

✓

✓

✓

preview/GLM-5.3-Flash

1,048,575

32,000

✓

✓

✓

preview/DeepSeek-V4.1-Flash-1017

1,048,575

32,000

✓

✓

✓

✓ = 対応、✕ = 非対応

  • ※1 固定の上限はありません。「context 長 − 入力トークン数」まで指定できます。

  • ※2 生成速度によっては、上限に達する前に処理時間の上限(約5分)で打ち切られることがあります。

  • ※3 画像を送ってもエラーにはならず、画像は無視されます。

  • max_tokens の上限は指定できる最大値で、その量の生成を保証するものではありません。

API の互換性

/v1/chat/completions は、 OpenAI Chat Completions API と互換性のある API です。 各パラメータに指定できる値は、OpenAI Chat Completions API に準じます。 ただし、すべてのパラメータの互換性を保証するものではありません。挙動はモデルによって異なる場合があります。

使えるパラメータ

パラメータ

説明

model (必須)

使うモデルの名前

messages (必須)

会話のメッセージの配列

max_tokens

生成する最大トークン数

temperature

出力のランダム性

stream

ストリーミングで返すかどうか

tools

モデルが呼び出せる関数の定義

tool_choice

関数を呼び出すかどうかの指定

response_format

出力の形式(JSON など)

reasoning_effort

reasoning の量( reasoning の制御 を参照)

chat_template_kwargs

モデルのチャットテンプレートに渡す値( reasoning の制御 を参照)

OpenAI Chat Completions API との違い

エラー(400)になるもの

  • 入力トークン数と max_tokens の合計が context 長を超えるリクエスト

  • vision に対応していないモデルへの画像の入力( gpt-oss-120b を除く)

  • tool call に対応していないモデルでの tools の指定

  • gpt-oss-120b での reasoning_effort: "none" の指定

無視されるもの (エラーにはなりません)

  • 「使えるパラメータ」にないパラメータ

    • 例: max_completion_tokens 、 top_p 、 top_k 、 stop 、 seed 、 n 、 logprobs

    • 出力の長さは max_tokens で指定してください。

  • functions / function_call (旧形式)。 tools / tool_choice を使ってください。

  • gpt-oss-120b に送った画像

注意事項

max_tokens

  • 生成されるトークン数の最大値は、「context 長 − 入力トークン数」「指定した max_tokens 」「モデルごとの上限」のうち最も小さい値です。

  • max_tokens を省略した場合も、上の最大値まで生成します。

  • reasoning 対応モデルでは、思考の過程に使われたトークンも max_tokens に含まれます。

処理時間の上限

  • 1リクエストの処理時間の上限は約5分です。ストリーミングでも同じです。

  • 長い文章を生成すると、 max_tokens の上限に達する前に打ち切られることがあります。特に preview/gemma-4-31B-it と preview/Kimi-K2.7-Code で起こりやすくなっています。

reasoning の制御

  • 思考の過程は、レスポンスの message.reasoning (ストリーミングでは delta.reasoning )に返ります。

  • 制御の方法はモデルによって違います。

モデル名

既定の状態

無効にできるか

制御の方法

gpt-oss-120b

有効

できない

reasoning_effort に "low" / "medium" / "high" を指定して、思考の量を調整します。 "none" を指定するとエラー(400)になります。

preview/Qwen3.6-35B-A3B

有効

できる

reasoning_effort: "none" または chat_template_kwargs: {"enable_thinking": false} で無効になります。

preview/gemma-4-31B-it

無効

―

reasoning_effort に "low" / "medium" / "high" のいずれかを指定するか、 chat_template_kwargs: {"enable_thinking": true} で有効になります。

preview/Kimi-K2.7-Code

有効

できない

reasoning_effort: "none" や chat_template_kwargs: {"enable_thinking": false} は指定しないでください。思考の過程が回答本文( content )に混ざって返ります。

  • reasoning に対応していないモデルでは reasoning_effort を指定しないでください。モデルによってはエラー(400)になったり、回答の内容が変わったりします。

preview モデル

  • 名前が preview/ で始まるモデルは、仕様が予告なく変わったり、提供を終了したりすることがあります。