GPT-5.6 Sol 如何通过 OpenAI 兼容的 Responses API 实现 SSE 流式输出？

作者：袖梨 2026-09-19

通过 OpenAI 兼容的 Responses API 调用 GPT-5.6 Sol 时，只要向 /v1/responses 提交请求并把 stream 设为 true，服务端就会用服务器发送事件（Server-Sent Events，SSE）持续返回响应事件。客户端不应把每一行都当成最终文本，而要解析事件类型，只累加 response.output_text.delta 的 delta 字段，并在完成事件或流结束后收尾。

先分清 Responses 流与 Chat Completions 流

OpenAI 兼容描述的是请求和响应的协议形状，而不是说两个接口的数据结构完全相同。Chat Completions 通常从 choices[0].delta.content 取增量；Responses API 则发送带 type 的语义事件，文本增量常见于 response.output_text.delta。如果把旧接口的解析循环原样搬过来，即使连接成功，也可能一直打印空字符串。

Responses API 的请求主体使用 input，而不是必须构造 messages。简单文本可直接传字符串；需要区分角色或提交多段内容时，再使用结构化输入数组。GPT-5.6 Sol 支持 Responses 端点和流式输出，因此关键不在模型名称的特殊写法，而在兼容服务是否声明该模型具备 Responses 能力，以及客户端是否按 Responses 事件协议消费数据。

调用前准备

示例把密钥和兼容服务地址放进环境变量，避免硬编码到源码。服务地址应是兼容服务提供的 API 根地址，是否包含 /v1 要以服务商说明为准；拼接时应确保最终请求路径只有一段 /v1/responses。还要确认当前账户可以使用 gpt-5.6-sol，因为“接口兼容”并不自动代表每个模型都已开通。

export COMPAT_API_KEY="替换为实际密钥"
export COMPAT_BASE_URL="替换为兼容服务的 API 根地址"

生产环境应通过密钥管理服务或部署平台注入变量，不要把真实密钥提交到 Git、日志或前端代码中。Responses API 必须从可信后端调用；浏览器直连会把长期密钥暴露给访问者。

使用 Python SDK 获取流式文本

OpenAI Python SDK 可以代为处理 SSE 分帧和 JSON 解码。创建客户端时设置兼容服务的 base_url，调用 responses.create 并开启流式模式，然后按事件类型提取文本。下面的代码只输出文本增量，同时保留错误事件和完成状态的处理位置。

import os
import sys
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["COMPAT_API_KEY"],
    base_url=os.environ["COMPAT_BASE_URL"].rstrip("/"),
    timeout=60.0,
)

try:
    stream = client.responses.create(
        model="gpt-5.6-sol",
        input="用三点说明 SSE 流式输出适合哪些场景。",
        stream=True,
    )

    for event in stream:
        if event.type == "response.output_text.delta":
            print(event.delta, end="", flush=True)
        elif event.type == "response.failed":
            print("n响应生成失败", file=sys.stderr)
        elif event.type == "error":
            print(f"n流错误: {event}", file=sys.stderr)
    print()
except Exception as exc:
    print(f"请求失败: {exc}", file=sys.stderr)
    raise

flush=True 很重要。终端、容器日志和部分 Web 框架会缓冲标准输出，不主动刷新时，服务端虽然逐段发送，用户却可能在最后一刻才看到全部内容。不要依赖某个 SDK 版本必然暴露完全相同的事件类属性；升级依赖后，应先打印测试事件的 type，确认兼容服务与 SDK 的组合仍符合预期。

使用 Node.js SDK消费事件

Node.js SDK 返回可异步迭代的流。循环主体同样按 event.type 分派，而不是读取 Chat Completions 的 choices。服务端程序还应下游连接是否关闭，避免用户离开页面后仍持续消耗模型额度。

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.COMPAT_API_KEY,
  baseURL: process.env.COMPAT_BASE_URL.replace(//$/, ""),
  timeout: 60_000,
});

const stream = await client.responses.create({
  model: "gpt-5.6-sol",
  input: "给出一个简短的 SSE 健康检查清单。",
  stream: true,
});

for await (const event of stream) {
  if (event.type === "response.output_text.delta") {
    process.stdout.write(event.delta);
  } else if (event.type === "response.failed") {
    console.error("响应生成失败", event.response?.error);
  } else if (event.type === "error") {
    console.error("流错误", event);
  }
}

process.stdout.write("n");

若使用 TypeScript，可让 SDK 提供的事件联合类型完成类型收窄。不要为图省事而把所有事件强制转换成任意类型，否则事件名称拼错、字段层级变化等问题会延迟到运行时才暴露。

不用 SDK 时如何解析 SSE

需要调试代理、核对原始帧或在不支持官方 SDK 的运行环境中接入时，可以直接发送 HTTP 请求。请求头至少包含 Bearer 鉴权和 JSON 内容类型，并建议声明接受 text/event-stream。响应成功后，客户端必须按空行切分 SSE 消息，再逐行处理 event: 与 data: 字段。

网络数据块与 SSE 消息没有一一对应关系。一次读取可能只得到半行，也可能包含多个事件。因此不能对每个网络数据块直接调用 JSON 解析；必须保留未完成的尾部缓冲区，等遇到消息分隔符后再解析完整帧。还要兼容换行符差异，并忽略 SSE 注释行。

const endpoint = `${process.env.COMPAT_BASE_URL.replace(//$/, "")}/responses`;
const response = await fetch(endpoint, {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.COMPAT_API_KEY}`,
    "Content-Type": "application/json",
    Accept: "text/event-stream",
  },
  body: JSON.stringify({
    model: "gpt-5.6-sol",
    input: "解释什么是事件增量。",
    stream: true,
  }),
});

if (!response.ok) {
  const detail = await response.text();
  throw new Error(`HTTP ${response.status}: ${detail}`);
}
if (!response.body) throw new Error("响应体为空");

const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = "";

while (true) {
  const { value, done } = await reader.read();
  buffer += decoder.decode(value || new Uint8Array(), { stream: !done });
  const messages = buffer.split(/r?nr?n/);
  buffer = messages.pop() || "";

  for (const message of messages) {
    const data = message
      .split(/r?n/)
      .filter((line) => line.startsWith("data:"))
      .map((line) => line.slice(5).trimStart())
      .join("n");

    if (!data || data === "[DONE]") continue;
    const event = JSON.parse(data);
    if (event.type === "response.output_text.delta") {
      process.stdout.write(event.delta);
    }
    if (event.type === "error" || event.type === "response.failed") {
      console.error("流中出现错误", event);
    }
  }
  if (done) break;
}

示例中的根地址应按服务商约定配置。如果根地址已经以 /v1 结尾，拼接 /responses 即可；如果配置的是域名根路径，则应在统一的客户端配置层补齐版本段，避免业务代码到处猜测地址形式。

转发给浏览器时保留流式语义

常见架构是浏览器请求自己的应用后端，再由后端调用兼容 Responses API。此时后端既可以把上游 SSE 原样透传，也可以解析上游事件后，只向前端发送业务需要的文本事件。原样透传保留信息最完整；转换后再发送则更容易屏蔽供应商差异，但必须定义稳定的内部事件协议。

无论采用哪种方式，都要避免中间层缓冲。反向代理、压缩中间件、Serverless 网关和框架响应封装都可能攒够一定字节才下发。后端应设置正确的 SSE 内容类型，关闭不必要的响应缓存，并在每次写入后及时刷新。前端若用 fetch 发 POST 请求，需要读取 ReadableStream；浏览器原生 EventSource 更适合 GET，不能直接满足带 JSON 请求体和自定义鉴权头的常见调用。

完成、失败与中断要分别处理

流式连接建立成功只代表服务器开始处理，不代表整个生成成功。应用至少要区分正常完成、模型生成失败、协议错误、HTTP 错误和客户端主动取消。文本已经输出一部分后仍可能出现失败事件，因此业务层不能仅以“收到过 delta”判定成功。

用户点击停止时，应通过取消信号终止下游读取，并尽可能把取消传递给上游请求。若应用需要审计完整回答，应在服务端同步累积 delta，并且只在收到完成事件后把记录标记为完成；连接意外断开时可保留为中断状态，不能把不完整文本冒充最终答案。

超时和重试策略

连接前错误与流中断的重试策略不同。对于尚未收到任何输出的临时网络错误或限流，可以采用带随机抖动的指数退避；一旦已经把部分文本展示给用户，自动重试可能产生重复段落、重复计费或两条回答拼接，因此通常应提示中断，让用户明确选择重新生成。

鉴权失败、模型不可用、请求字段不合法等确定性错误不应盲目重试。遇到 401 或 403，应检查密钥与权限；遇到 400，应核对模型是否支持 Responses、参数名是否正确；遇到 429，应遵循服务端的重试提示并限制并发；遇到网关超时，应同时检查客户端超时、代理读取超时和供应商请求期限。

验证流式输出是否真的生效

首先记录请求开始、收到响应头、首个文本 delta、完成事件四个时间点。首个 delta 明显早于完整响应完成，才能说明用户确实获得了流式体验。其次，在开发环境记录事件类型和序号，但不要记录密钥或敏感提示词。最后，用包含多段输出的提示进行测试，观察终端或页面是否连续更新，而不是结束时一次性出现。

若 HTTP 状态为 200 却没有文字，优先检查是否误读了 choices、是否过滤错事件类型，以及返回的是否只有推理或生命周期事件。若所有内容最后一起出现，重点检查输出刷新和代理缓冲。若 JSON 偶发解析失败，通常是把网络数据块误当成了完整 SSE 帧，应修复缓冲和分帧逻辑。

上线前检查清单

上线前应确认模型列表或服务说明明确包含 GPT-5.6 Sol 的 Responses 能力；最终路径指向 /v1/responses；请求使用 input 和 stream: true；消费者按 Responses 事件类型解析；密钥只保存在后端；代理不会缓存事件流；应用能处理失败、取消和超时；日志能够定位首字节延迟与完成状态，又不会泄露敏感数据。

把这些环节逐一验证后，SSE 实现就不只是“能看到逐字输出”，而是具备清晰的协议边界、可靠的错误状态和可观测性。真正需要长期维护的是事件解析与连接生命周期，而不是把某个非流式示例简单加上 stream: true。

相关文章

精彩推荐