多模态理解大模型-30B (算法编码：8005400044)

协议类型：HTTPS

---

一、接入点

环境	地址
公网	https://api-maas.teleai.com.cn/aipaas/mllm/v1/telemm30b/completions

• API Path：/aipaas/mllm/v1/telemm30b/completions
• 请求方法：POST
• Content-Type：application/json

---

二、鉴权

采用请求头携带鉴权信息：

2.1 标准鉴权

Authorization: <鉴权信息>

• 鉴权规则请参见：开发指南 - 签名认证方式。
• 鉴权在线生成工具：API在线签名计算工具。

请求头	必填	说明
Content-Type	否	内容类型，固定 application/json
X-APP-ID	否	取值为控制台 → 应用及API Key → 创建应用 → AppID
Device-Uuid	否	设备管理 - 设备 uuid
Authorization	是	鉴权信息

2.2 Bearer Token 鉴权

Authorization: Bearer <用户申请的API-KEY>

• API Key 鉴权，请在 API Key 管理 页面，获取长效 API Key。

请求头	必填	说明
Content-Type	否	内容类型，固定 application/json
Device-Uuid	否	设备管理 - 设备 uuid
Authorization	是	Bearer <API_KEY>

---

三、能力简介

多模态理解与对话。支持纯文本对话、图文多模态理解、多轮对话与工具调用（Function Calling），支持流式与非流式返回。

• 请求协议：https
• 响应格式：统一采用 JSON 格式；stream 为 true 时按 SSE（text/event-stream）逐块返回

3.1 修订历史

修订日期	算法版本号	修订内容
2026-10-22	V2.1.0	调整输入图片分辨率和最大请求体限制，增加支持图片 url，添加代理功能
2026-10-21	V2.0.0	与 V1.0.0 保持一致
2026-09-08	V1.0.0	适配 telemm 30b

---

四、请求与响应

4.1 请求参数

请求报文为 JSON Object，字段按层级拆分说明如下。

4.1.1 顶层字段

字段	类型	必填	说明
traceId	string	否	接口跟踪 ID，每次调用需不同，可使用 UUID，用于日志排查与链路跟踪，长度小于 128 位
timestamp	long	否	当前时间戳（秒），示例 1749468686
model	string	否	要使用的模型 ID，可不填；若填写必须为 TeleAI/TeleMM
messages	array	是	对话内容，多轮对话时须严格按照 user → assistant → user 的顺序传参，字段见 4.1.2
stream	boolean	否	是否流式返回，默认 false；为 true 时按 SSE 增量返回
stream_options	object	否	流式响应选项，仅在 stream 为 true 时设置，字段见 4.1.3
max_completion_tokens	int	否	最大生成词元数量，取值范围 (0, 6144]；输入与生成词元总长受模型上下文长度限制；与 max_tokens 同时填写时以本字段为准
max_tokens	int	否	最大生成词元数量，取值范围 (0, 6144]；语义同 max_completion_tokens，两者都填时以 max_completion_tokens 为准
temperature	double	否	采样温度，建议范围 0 到 1，取值 [0, 2]；值越大输出越随机，越小越集中确定
top_p	double	否	核采样阈值，取值范围 (0, 1]
n	int	否	每条输入消息生成的补全数量，取值范围 [1, 5]；temperature 为 0.0 时必须为 1；将按所有选项生成的词元数计费
top_k	int	否	随机候选数，取值范围 [1, 120000]，建议保持默认 1000
frequency_penalty	double	否	频率惩罚，取值 [-2.0, 2.0]；正值按新生成词在已有文本中的频率降权，降低重复
presence_penalty	double	否	存在惩罚，取值 [-2.0, 2.0]，默认 0；正值增加模型谈论新主题的可能性
repetition_penalty	double	否	重复惩罚，取值 (0, 2]，默认 1.01，1.0 表示不惩罚；非 OpenAI 标准参数，Python SDK 调用时需放入 extra_body
seed	int	否	随机数种子
stop	string / array	否	停止词，支持单个字符串或字符串数组
logprobs	boolean	否	是否返回输出 token 的对数概率
top_logprobs	int	否	每步返回模型最大概率候选 token 个数，建议 [0, 5]，仅 logprobs 为 true 时生效
response_format	object	否	返回内容的格式，字段见 4.1.4
chat_template_kwargs	object	否	聊天模板参数，字段见 4.1.5
tools	array	否	工具列表，供模型在 Function Calling 中调用，字段见 4.1.6
tool_choice	string / object	否	工具选择策略：auto 模型自主选择；none 不进行工具调用；也可指定强制调用某工具 {"type":"function","function":{"name":"函数名"}}。配置 tools 后建议同时设置本参数，否则结果可能不被解析
parallel_tool_calls	boolean	否	是否开启并行工具调用，默认 false
thinking_budget	int	否	未生效，预留字段

4.1.2 messages 对话消息

字段	类型	必填	说明
role	string	是	角色：system 系统消息、user 用户消息、assistant 助手消息
content	string / array	是	消息内容。纯文本可直接传字符串；需要传图片时传数组，格式为 [{"type":"text","text":"..."}] 或 [{"type":"image_url","image_url":{"url":"..."}}]
content[].type	string	否	content 为数组时必填：text 文本、image_url 图片
content[].text	string	否	type 为 text 时必填
content[].image_url	object	否	type 为 image_url 时必填，格式为 {"url":"..."}；图片限制见 4.1.7
content[].image_url.url	string	否	图片数据，支持 base64（需以 data:image 开头）或公网 http(s) url；url 方式仅支持公网可访问地址

4.1.3 stream_options 流式选项

字段	类型	必填	说明
include_usage	boolean	否	是否包含统计信息。为 true 时，在 data: [DONE] 之前的一块返回整个请求的 token 使用统计

4.1.4 response_format 返回内容格式

字段	类型	必填	说明
type	string	否	text 输出文字回复；json_object 输出标准格式 JSON 字符串；json_schema 输出指定格式 JSON 字符串
json_schema	object	否	type 为 json_schema 时必填
json_schema.name	string	否	Schema 唯一标识名称，仅支持字母（不区分大小写）、数字、下划线和短横线；type 为 json_schema 时必填
json_schema.description	string	否	描述 Schema 的用途
json_schema.schema	object	否	定义模型输出的数据结构；type 为 json_schema 时必填

4.1.5 chat_template_kwargs 聊天模板参数

字段	类型	必填	说明
enable_thinking	boolean	否	是否开启思考模式，不填默认开启

4.1.6 tools 工具定义

字段	类型	必填	说明
type	string	否	工具类型，当前仅支持 function
function	object	否	定义一个可被模型调用的函数（工具）
function.name	string	否	工具名称，仅支持字母（不区分大小写）、数字、下划线和短横线
function.description	string	否	函数用途、适用场景及参数语义说明，供模型自动选择与调用工具时参考
function.parameters	object	否	函数参数结构（JSON Schema），模型据此生成调用参数

4.1.7 图片输入限制

项目	限制说明
单图大小	base64 与 url 两种方式，单图均不超过 40M
图片分辨率	短边大于 28，且 h*w < 4096*2160（V2.1.0 口径；V1.0.0 为大于 20*20、小于 8192*8192）
单上下文图片数量	单个上下文窗口合计不超过 50 张，具体可传数量受模型上下文窗口限制

4.2 响应体

• 返回结果：成功 (200)，JSON Object；stream 为 true 时以 SSE 流式返回
• 响应结果说明：非流式一次性返回完整结果；流式按增量分块返回，开启思考模式时先返回 reasoning、reasoning_content 内容，再返回 content 正式结果

4.2.1 流式返回字段

字段	类型	必填	说明
id	string	是	聊天补全的唯一标识符（uuid4）
object	string	是	对象类型，流式返回为 chat.completion.chunk
created	long	是	时间戳
model	string	是	用于生成补全的模型
choices	array	否	聊天补全选项的列表
choices[].index	int	否	选项在列表中的索引
choices[].delta	object	否	本次增量内容
choices[].delta.role	string	否	消息作者角色，首块通常为 assistant
choices[].delta.content	string	否	增量文本内容
choices[].delta.reasoning	string	否	思考过程内容，开启思考模式时先于 content 返回
choices[].delta.reasoning_content	string	否	思考过程内容，与 reasoning 同义
choices[].delta.tool_calls	array	否	模型生成的工具调用
choices[].delta.refusal	string	否	未生效，预留字段
choices[].finish_reason	string	否	停止原因：stop 自然停止或命中停止序列；length 达到最大词元数；content_filter 内容被过滤；tool_calls 调用了工具；function_call 调用了函数（已弃用）
choices[].stop_reason	string	否	模型内部的停止原因
choices[].logprobs	object	否	输出 token 的对数概率，未开启时为 null
usage	object	否	token 统计。仅 stream_options.include_usage 为 true 时，最后一块携带，其余块为 null；未开启时整体不返回
usage.completion_tokens	int	否	生成的 token 数
usage.prompt_tokens	int	否	prompt 的 token 数
usage.total_tokens	int	否	总 token 数
usage.completion_tokens_details	object	否	未生效，预留字段

4.2.2 非流式返回字段

字段	类型	必填	说明
id	string	是	聊天补全的唯一标识符（uuid4）
object	string	是	对象类型，固定 chat.completion
created	long	是	时间戳
model	string	是	用于生成补全的模型，如 TeleAI/TeleMM
choices	array	否	聊天补全选项的列表
choices[].index	int	否	选项在列表中的索引
choices[].message	object	否	模型生成的聊天补全消息
choices[].message.role	string	否	消息作者角色，通常为 assistant
choices[].message.content	string	否	消息内容
choices[].message.reasoning	string	否	思考过程
choices[].message.reasoning_content	string	否	思考过程，同 reasoning
choices[].message.tool_calls	array	否	模型生成的工具调用
choices[].message.refusal	string	否	未生效，预留字段
choices[].message.audio	string	否	未生效，预留字段
choices[].message.annotations	string	否	未生效，预留字段
choices[].finish_reason	string	否	停止原因：stop 自然停止或命中停止序列；length 达到最大词元数；content_filter 内容被过滤；tool_calls 调用了工具；function_call 调用了函数（已弃用）
choices[].stop_reason	string	否	模型内部的停止原因
choices[].logprobs	object	否	输出 token 的对数概率，未开启时为 null
usage	object	是	token 统计
usage.completion_tokens	int	是	生成的 token 数
usage.prompt_tokens	int	是	prompt 的 token 数
usage.total_tokens	int	是	总 token 数
usage.completion_tokens_details	object	是	未生效，预留字段
prompt_logprobs	string	否	未生效，预留字段

4.2.3 失败返回字段

字段	类型	必填	说明
seq_id	string	是	请求异常时，返回该请求的 traceId（即请求入参中的 traceId）
code	string	是	状态响应码，参考错误编码规范
message	string	是	调用结果描述，参考错误编码规范
created	string	是	时间戳
details	string	是	详细错误信息

---

五、状态码说明

5.1 算法状态码

状态码	状态描述	说明	解决方法
1000	请求成功	请求正常处理完成	执行下一步操作
1001	内部服务错误	服务内部异常	重试或联系服务台
1002	参数错误	入参校验未通过	按接口文档校验入参
1003	数据库没有查询到入库数据	未查询到对应的入库记录	检查请求是否已正确入库
1004	数据库设置收藏失败	收藏状态写入失败	重试或联系服务台
1005	大模型请求失败	模型推理请求失败	重试或联系服务台

5.2 公共状态码

• 接口响应的公共状态码由网关统一定义，一般用于标识鉴权失败、限流或服务异常，具体业务错误码、错误信息及排查建议请参考：开发指南-公共信息及状态码。

---

六、调用示例

6.1 请求示例

6.1.1 流式请求（纯文本）

{
  "traceId": "955B307469CE4C749F0A964FEBAA6D1A",
  "timestamp": 1749468686,
  "model": "TeleAI/TeleMM",
  "stream": true,
  "stream_options": {
    "include_usage": true
  },
  "chat_template_kwargs": {
    "enable_thinking": false
  },
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "1+2+3+4等于几"
        }
      ]
    }
  ]
}

6.1.2 流式请求（多模态）

{
  "traceId": "955B307469CE4C749F0A964FEBAA6D1A",
  "timestamp": 1749468686,
  "model": "TeleAI/TeleMM",
  "stream": true,
  "stream_options": {
    "include_usage": true
  },
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "What's in this image?"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "data:image/jpeg;base64,<图片 base64 编码>"
          }
        }
      ]
    }
  ]
}

6.1.3 非流式请求

{
  "traceId": "955B307469CE4C749F0A964FEBAA6D1A",
  "timestamp": 1749468686,
  "model": "TeleAI/TeleMM",
  "stream": false,
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "1+2+3+4等于几"
        }
      ]
    }
  ]
}

6.1.4 多轮对话

{
  "traceId": "955B307469CE4C749F0A964FEBAA6D1A",
  "timestamp": 1749468686,
  "model": "TeleAI/TeleMM",
  "stream": false,
  "messages": [
    {
      "role": "user",
      "content": "1+1=?"
    },
    {
      "role": "assistant",
      "content": "2"
    },
    {
      "role": "user",
      "content": "1+2?"
    }
  ]
}

6.1.5 工具调用

{
  "traceId": "955B307469CE4C749F0A964FEBAA6D1A",
  "timestamp": 1749468686,
  "model": "TeleAI/TeleMM",
  "stream": false,
  "n": 1,
  "temperature": 0.1,
  "frequency_penalty": 0,
  "messages": [
    {
      "role": "user",
      "content": "北京天气如何?"
    }
  ],
  "tool_choice": "auto",
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_current_weather",
        "description": "获取指定地点的天气",
        "parameters": {
          "type": "object",
          "properties": {
            "location": {
              "type": "string",
              "description": "城市名"
            },
            "unit": {
              "type": "string",
              "enum": ["celsius", "fahrenheit"],
              "description": "温度单位"
            }
          },
          "required": ["location"]
        }
      }
    }
  ]
}

6.2 响应示例

6.2.1 非流式响应（有思考过程）

{
  "id": "955B307469CE4C749F0A964FEBAA6D1A_chatcmpl-8ea040c5c2e4c7ee",
  "choices": [
    {
      "index": 0,
      "logprobs": null,
      "finish_reason": "stop",
      "stop_reason": null,
      "message": {
        "role": "assistant",
        "content": "\n\n1+2+3+4 等于 10。",
        "reasoning": "Thinking Process:\n\n1. Analyze the Request: ...\n2. Perform the Calculation: ...\n3. Formulate the Answer: ...",
        "reasoning_content": "Thinking Process:\n\n1. Analyze the Request: ...\n2. Perform the Calculation: ...\n3. Formulate the Answer: ...",
        "refusal": null,
        "annotations": null,
        "audio": null,
        "tool_calls": []
      }
    }
  ],
  "created": 1778812819,
  "model": "TeleAI/TeleMM",
  "object": "chat.completion",
  "usage": {
    "prompt_tokens": 19,
    "completion_tokens": 344,
    "total_tokens": 363,
    "completion_tokens_details": null
  },
  "prompt_logprobs": null
}

说明：reasoning / reasoning_content 中的思考过程已用省略号压缩展示，实际返回为完整文本。

6.2.2 非流式响应（无思考过程）

{
  "id": "955B307469CE4C749F0A964FEBAA6D1A_chatcmpl-a10e15315d4e7667",
  "choices": [
    {
      "index": 0,
      "logprobs": null,
      "finish_reason": "stop",
      "stop_reason": null,
      "message": {
        "role": "assistant",
        "content": "计算 $1+2+3+4$ 的过程如下：\n\n1. 先算前两个数：$1 + 2 = 3$\n2. 加上第三个数：$3 + 3 = 6$\n3. 最后加上第四个数：$6 + 4 = 10$\n\n所以，$1+2+3+4$ 等于 **10**。",
        "reasoning": null,
        "reasoning_content": null,
        "refusal": null,
        "annotations": null,
        "audio": null,
        "tool_calls": []
      }
    }
  ],
  "created": 1778812948,
  "model": "TeleAI/TeleMM",
  "object": "chat.completion",
  "usage": {
    "prompt_tokens": 21,
    "completion_tokens": 88,
    "total_tokens": 109,
    "completion_tokens_details": null
  },
  "prompt_logprobs": null
}

6.2.3 流式响应

开启思考模式时，先返回 reasoning / reasoning_content 分块，再返回 content 正式结果；设置 stream_options.include_usage 为 true 时，data: [DONE] 前最后一块携带 usage。

data: {"id":"955B307469CE4C749F0A964FEBAA6D1A_chatcmpl-bdacf1313cea6b45","choices":[{"delta":{"content":"","reasoning":null,"reasoning_content":null,"refusal":null,"role":"assistant","tool_calls":null},"index":0,"logprobs":null,"finish_reason":null,"stop_reason":null}],"created":1778812976,"model":"TeleAI/TeleMM","object":"chat.completion.chunk","usage":null}
data: {"id":"955B307469CE4C749F0A964FEBAA6D1A_chatcmpl-bdacf1313cea6b45","choices":[{"delta":{"content":null,"reasoning":"Thinking","reasoning_content":"Thinking","refusal":null,"role":null,"tool_calls":null},"index":0,"logprobs":null,"finish_reason":null,"stop_reason":null}],"created":1778812976,"model":"TeleAI/TeleMM","object":"chat.completion.chunk","usage":null}
data: {"id":"955B307469CE4C749F0A964FEBAA6D1A_chatcmpl-bdacf1313cea6b45","choices":[{"delta":{"content":"\n\n","reasoning":null,"reasoning_content":null,"refusal":null,"role":null,"tool_calls":null},"index":0,"logprobs":null,"finish_reason":null,"stop_reason":null}],"created":1778812981,"model":"TeleAI/TeleMM","object":"chat.completion.chunk","usage":null}
data: {"id":"955B307469CE4C749F0A964FEBAA6D1A_chatcmpl-bdacf1313cea6b45","choices":[{"delta":{"content":"1","reasoning":null,"reasoning_content":null,"refusal":null,"role":null,"tool_calls":null},"index":0,"logprobs":null,"finish_reason":null,"stop_reason":null}],"created":1778812981,"model":"TeleAI/TeleMM","object":"chat.completion.chunk","usage":null}
<!-- 省略：中间为逐块增量返回 -->
data: {"id":"955B307469CE4C749F0A964FEBAA6D1A_chatcmpl-bdacf1313cea6b45","choices":[],"created":1778812981,"model":"TeleAI/TeleMM","object":"chat.completion.chunk","usage":{"completion_tokens":40,"prompt_tokens":23,"total_tokens":63,"completion_tokens_details":null}}
data: [DONE]

说明：SSE 流中以 data: 开头的行连续推送，此处省略了中间的增量分块；未开启 include_usage 时，最后一块不携带 usage。

6.3 Python

import requests

# 配置环境变量
X_APP_ID = "yourAppId"
AUTHORIZATION = "yourAuthorization"

# 请求地址
url = "https://api-maas.teleai.com.cn/aipaas/mllm/v1/telemm30b/completions"

request_data = {
    "traceId": "955B307469CE4C749F0A964FEBAA6D1A",
    "timestamp": 1749468686,
    "model": "TeleAI/TeleMM",
    "stream": True,
    "stream_options": {"include_usage": True},
    "chat_template_kwargs": {"enable_thinking": False},
    "messages": [
        {
            "role": "user",
            "content": [{"type": "text", "text": "1+2+3+4等于几"}]
        }
    ]
}

# 构建请求头
headers = {
    "Content-Type": "application/json",
    "X-APP-ID": X_APP_ID,
    "Authorization": AUTHORIZATION
}


def sse_client():
    try:
        response = requests.post(url, headers=headers, json=request_data, stream=True)
        response.raise_for_status()
        print("SSE连接已建立，开始接收事件...")
        for line in response.iter_lines(decode_unicode=True):
            if line:
                print(f"收到数据: {line}")
    except requests.exceptions.RequestException as e:
        print(f"SSE请求异常: {e}")
    except Exception as e:
        print(f"处理异常: {e}")


if __name__ == "__main__":
    sse_client()

6.4 Java

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.io.OutputStream;
import java.net.HttpURLConnection;
import java.net.URL;
import java.nio.charset.StandardCharsets;

public class Example {

    public static void main(String[] args) {
        try {
            // 算法调用地址
            URL url = new URL("https://api-maas.teleai.com.cn/aipaas/mllm/v1/telemm30b/completions");

            // 设置请求头
            HttpURLConnection connection = (HttpURLConnection) url.openConnection();
            connection.setRequestMethod("POST");
            connection.setRequestProperty("Content-Type", "application/json");
            connection.setRequestProperty("X-APP-ID", "你的AppId");
            connection.setRequestProperty("Authorization", "你的Authorization");
            connection.setConnectTimeout(5000);
            connection.setReadTimeout(60000);
            connection.setDoOutput(true);

            // 请求体参数
            String requestBody = "{"
                    + "\"traceId\":\"955B307469CE4C749F0A964FEBAA6D1A\","
                    + "\"timestamp\":1749468686,"
                    + "\"model\":\"TeleAI/TeleMM\","
                    + "\"stream\":true,"
                    + "\"stream_options\":{\"include_usage\":true},"
                    + "\"chat_template_kwargs\":{\"enable_thinking\":false},"
                    + "\"messages\":[{\"role\":\"user\",\"content\":[{\"type\":\"text\",\"text\":\"1+2+3+4等于几\"}]}]"
                    + "}";

            try (OutputStream os = connection.getOutputStream()) {
                byte[] input = requestBody.getBytes(StandardCharsets.UTF_8);
                os.write(input, 0, input.length);
            }

            // 读取 SSE 流
            BufferedReader reader = new BufferedReader(
                    new InputStreamReader(connection.getInputStream(), StandardCharsets.UTF_8));
            String line;
            while ((line = reader.readLine()) != null) {
                System.out.println("收到数据: " + line);
            }
            reader.close();
            connection.disconnect();

        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}