大模型chat/completions和completions区别解析实用指南

作者：袖梨 2026-08-21

平时做技术实践时，很多问题不是概念不会，而是细节没串起来。拿“大模型chat/completions和completions区别解析”来说，它看着像小点，放到项目里常会牵出环境、配置、兼容性和维护成本。下面按实际采用顺序，把思路、关键写法和容易踩坑的地方讲清楚，便于大家直接对照操作。

completions 端点

用途:

落到代码里，常用来生成文本补全。你提供一个提示（prompt），模型会基于这个提示生成后续的文本。

交互模式:

单次请求-响应模式。你发送一个提示，模型得到一个补全结果。

适用场景:

适用来需连续生成文本的场景，如编写文章、代码补全、生成故事等。

示例请求:

{
    "model": "text-davinci-003",
    "prompt": "Once upon a time, in a land far, far away,",
    "max_tokens": 100
}

示例响应:

{
    "id": "cmpl-5eU3oZz1w9Q8Jt3B3o5Q5Z5Z1",
    "object": "text_completion",
    "created": 1609459200,
    "model": "text-davinci-003",
    "choices": [
        {
            "text": " there lived a wise old owl who knew all the secrets of the forest...",
            "index": 0,
            "logprobs": null,
            "finish_reason": "length"
        }
    ],
    "usage": {
        "prompt_tokens": 10,
        "completion_tokens": 100,
        "total_tokens": 110
    }
}

chat/completions 端点

用途:

在这个场景下，常用来对话生成。你提供一系列对话消息，模型会基于这些消息生成下一条回复。

交互模式:

在这个场景下，多轮对话模式。你能够提供一个包含多轮对话的消息列表，模型会基于整个对话上下文生成回复。

适用场景:

适用来需多轮对话的场景，如聊天机器人、客户服务、对话系统等。

示例请求:

{
    "model": "gpt-4",
    "messages": [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Who won the world series in 2020?"},
        {"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},
        {"role": "user", "content": "Where was it played?"}
    ]
}

示例响应:

{
    "id": "chatcmpl-5eU3oZz1w9Q8Jt3B3o5Q5Z5Z1",
    "object": "chat.completion",
    "created": 1609459200,
    "model": "gpt-4",
    "choices": [
        {
            "message": {
                "role": "assistant",
                "content": "The 2020 World Series was played at Globe Life Field in Arlington, Texas."
            },
            "index": 0,
            "finish_reason": "stop"
        }
    ],
    "usage": {
        "prompt_tokens": 50,
        "completion_tokens": 20,
        "total_tokens": 70
    }
}