Model OpenAI và DeepSeek

Ngoài Gemini, gateway còn cung cấp model của OpenAI và DeepSeek. Cách gọi y hệt các trang trước: cùng base_url="https://api.thucchien.ai", cùng API key, chỉ cần đổi model.

Danh sách model

Tác vụ	Model	Endpoint
Sinh văn bản (reasoning)	`gpt-6.1-sol`, `gpt-6-astra`, `gpt-6-sol`, `gpt-6-luna`, `gpt-5.6-sol`, `gpt-5.6-terra`, `gpt-5.6-luna`, `o3`, `o4-mini`	`/chat/completions`, `/responses`
Sinh văn bản (DeepSeek)	`deepseek-flash`, `deepseek-v4-pro`	`/chat/completions`
Tạo ảnh	`gpt-image-2.5-flare`, `gpt-image-2.5-sunburst`	`/images/generations`
Text-to-speech	`gpt-4o-mini-tts`	`/audio/speech`
Speech-to-text	`gpt-4o-transcribe`, `gpt-4o-mini-transcribe`, `gpt-transcribe`, `whisper-1`	`/audio/transcriptions`
Embedding	`text-embedding-3-small` (1536 chiều), `text-embedding-3-large` (3072 chiều). Embedding của Gemini xem ở Embedding	`/embeddings`
Kiểm duyệt nội dung	`omni-moderation-latest` (miễn phí)	`/moderations`

Giá từng model xem ở Bảng giá model.

OpenAI

Model reasoning (`gpt-5.6-`, `gpt-6`, `o3`, `o4-mini`)

Mọi model sinh văn bản của OpenAI trên gateway đều là model reasoning. Model reasoning "suy nghĩ" trước khi trả lời. Token suy nghĩ không hiển thị nhưng vẫn tính tiền như output và vẫn tính vào giới hạn độ dài.

Dùng max_completion_tokens thay cho max_tokens. Mọi model gpt-6* (gpt-6.1-sol, gpt-6-astra, gpt-6-sol, gpt-6-luna) báo lỗi 400 nếu gửi max_tokens:
```
Unsupported parameter: 'max_tokens' is not supported with this model. Use 'max_completion_tokens' instead.
```
gpt-5.6-*, o3, o4-mini vẫn nhận max_tokens, nhưng dùng max_completion_tokens cho mọi model là an toàn nhất. Với /responses, tham số tương ứng là max_output_tokens.
Đừng đặt max_completion_tokens quá nhỏ. Ví dụ với giới hạn 50 token, model có thể dùng hết 50 token để suy nghĩ và trả về content rỗng. Nên để trống, hoặc đặt từ vài nghìn trở lên.
temperature, top_p không có tác dụng. Gateway tự bỏ các tham số này thay vì báo lỗi.

Mức suy nghĩ (`reasoning_effort`)

reasoning_effort quyết định model suy nghĩ bao lâu trước khi trả lời. Mức cao trả lời tốt hơn với bài khó nhưng chậm hơn và tốn nhiều token output hơn. Mặc định là medium.

/chat/completions: gửi reasoning_effort="low".
/responses: gửi reasoning={"effort": "low"}.

Mức mỗi model nhận (kiểm tra qua /responses):

Model	`none`	`low` / `medium` / `high`	`xhigh` / `max`
`gpt-6-sol`, `gpt-6-luna`, `gpt-5.6-sol`, `gpt-5.6-terra`, `gpt-5.6-luna`	✅	✅	✅
`gpt-6.1-sol`, `gpt-6-astra`	❌	✅	✅
`o3`, `o4-mini`	❌	✅	❌

none tắt hẳn suy nghĩ, vừa nhanh vừa rẻ với câu hỏi đơn giản (phân loại, trích xuất, viết lại…).
Không model nào nhận minimal.
Gửi mức model không hỗ trợ qua /responses sẽ bị lỗi 400 Unsupported value: '...' is not supported with the '<model>' model. Qua /chat/completions request vẫn thành công nhưng mức đó có thể bị bỏ qua mà không báo lỗi, nên hãy chọn mức trong bảng trên.
Số token suy nghĩ đã dùng nằm ở usage.completion_tokens_details.reasoning_tokens (/chat/completions) hoặc usage.output_tokens_details.reasoning_tokens (/responses).

from openai import OpenAI

client = OpenAI(api_key="<your_api_key>", base_url="https://api.thucchien.ai")

response = client.chat.completions.create(
  model="gpt-6-luna",
  messages=[{"role": "user", "content": "Tóm tắt luật chơi cờ tướng trong 3 câu."}],
  reasoning_effort="low",
  max_completion_tokens=4000,
)

print(response.choices[0].message.content)
print(response.usage.completion_tokens_details.reasoning_tokens, "token suy nghĩ")

Cùng yêu cầu qua Responses API:

response = client.responses.create(
  model="gpt-6-luna",
  input="Tóm tắt luật chơi cờ tướng trong 3 câu.",
  reasoning={"effort": "low"},
  max_output_tokens=4000,
)

print(response.output_text)
print(response.usage.output_tokens_details.reasoning_tokens, "token suy nghĩ")

Tạo ảnh (`gpt-image-*`)

Gọi /images/generations như trang Tạo ảnh. Khác với Nano Banana:

Chọn kích thước bằng size (1024x1024, 1536x1024, 1024x1536) và chất lượng bằng quality (low, medium, high). quality="low" rẻ nhất.
Giá tính theo image token, nên phụ thuộc size và quality. Ảnh gpt-image-2.5-flare 1024×1024 low tốn khoảng $0.006.
Ảnh trả về dạng base64 trong data[0].b64_json.

import base64
from openai import OpenAI

client = OpenAI(api_key="<your_api_key>", base_url="https://api.thucchien.ai")

result = client.images.generate(
  model="gpt-image-2.5-flare",
  prompt="Một chú mèo đội nón lá, phong cách tranh Đông Hồ",
  size="1024x1024",
  quality="low",
)

with open("cat.png", "wb") as f:
  f.write(base64.b64decode(result.data[0].b64_json))

Âm thanh

Text-to-speech: gpt-4o-mini-tts dùng giọng của OpenAI (alloy, echo, fable, onyx, nova, shimmer…), không dùng giọng Gemini như Kore. File trả về là mp3.
Speech-to-text: gọi giống trang Speech-to-Text. Riêng gpt-transcribe bắt buộc gửi response_format="json", nếu không sẽ lỗi 400.

with open("speech.mp3", "rb") as audio_file:
  transcript = client.audio.transcriptions.create(
      model="gpt-transcribe",
      file=audio_file,
      response_format="json",
  )
print(transcript.text)

Embedding và kiểm duyệt

emb = client.embeddings.create(model="text-embedding-3-small", input=["xin chào", "tạm biệt"])
print(len(emb.data[0].embedding))  # 1536

mod = client.moderations.create(model="omni-moderation-latest", input="nội dung cần kiểm tra")
print(mod.results[0].flagged)

DeepSeek

Model	Đặc điểm
`deepseek-flash`	Nhanh, rẻ. Hợp với phần lớn tác vụ văn bản.
`deepseek-v4-pro`	Mạnh hơn, giá gấp khoảng 4 lần.

Tên model deepseek-flash

Hãy dùng deepseek-flash làm tên model. Theo DeepSeek, hai tên cũ deepseek-v4-flash và deepseek-v4-flash-vision-exp vẫn được API DeepSeek chấp nhận, nhưng các model tương ứng đã ngừng hoạt động: request gửi tới hai tên này do model DeepSeek-V4.1-Flash xử lý và tính theo giá Flash. Gateway không mở hai tên cũ này (trả lỗi 403), chỉ gọi bằng deepseek-flash. Xem bảng giá DeepSeek.

Chế độ suy nghĩ (thinking) bật sẵn. Phần suy nghĩ trả về riêng trong message.reasoning_content, còn câu trả lời vẫn nằm trong message.content. Token suy nghĩ tính tiền như output.

Tắt thinking khi không cần suy luận nhiều (phân loại, trích xuất, viết lại…). Chi phí giảm khoảng 10 lần:

from openai import OpenAI

client = OpenAI(api_key="<your_api_key>", base_url="https://api.thucchien.ai")

response = client.chat.completions.create(
  model="deepseek-flash",
  messages=[{"role": "user", "content": "Phân loại cảm xúc: 'Đồ ăn ngon, phục vụ chậm'"}],
  extra_body={"thinking": {"type": "disabled"}},  # bỏ dòng này để bật lại thinking
)

print(response.choices[0].message.content)

Khi bật thinking, đọc phần suy nghĩ như sau:

msg = response.choices[0].message
print(getattr(msg, "reasoning_content", None))  # quá trình suy nghĩ
print(msg.content)                              # câu trả lời

Lưu ý khác:

JSON mode: response_format={"type": "json_object"} hoạt động. Trong prompt phải có chữ "JSON" và mô tả cấu trúc mong muốn.
Không hỗ trợ ảnh đầu vào, tạo ảnh, âm thanh hay tìm kiếm web. Với các tác vụ này, hãy dùng Gemini hoặc OpenAI.
DeepSeek giới hạn theo số request đồng thời trên toàn gateway, không theo từng đội. Đừng bắn hàng trăm request song song cùng lúc.

Lưu ý chung

Model OpenAI và DeepSeek dùng chung một tài khoản cho tất cả các đội. Nếu nhận lỗi 429, hãy chờ vài giây rồi thử lại (SDK openai tự thử lại 2 lần).
Cần thông tin mới trên Internet? Xem Tìm kiếm web.

Tham khảo

Reasoning models — OpenAI
API reference: Chat Completions — OpenAI (reasoning_effort, max_completion_tokens)
API reference: Responses — OpenAI (reasoning.effort, max_output_tokens)
Reasoning content — LiteLLM (cách gateway chuyển reasoning_effort tới từng nhà cung cấp)
Web search — OpenAI
Tài liệu API DeepSeek
Thinking mode — DeepSeek
Models & Pricing — DeepSeek

Danh sách model​

OpenAI​

Model reasoning (gpt-5.6-*, gpt-6*, o3, o4-mini)​

Mức suy nghĩ (reasoning_effort)​

Tạo ảnh (gpt-image-*)​

Âm thanh​

Embedding và kiểm duyệt​

DeepSeek​

Lưu ý chung​

Tham khảo​