流式输出

加上 "stream": true，回答就会以服务器发送事件的形式到达，每次几个词。每种格式都按它自己的方式流式输出，和它的官方 API 完全一致，所以 SDK 照常读取即可。

为什么要用流式输出复制标题链接

• 时间上限更长。 流式调用最多可以运行 30 分钟。非流式调用在 13 分钟时停止。
• 连接更稳定。 有些网络会断开长时间没有数据的连接。流式输出能让连接保持活跃。
• 感觉更快。 在快速模型上，用户远不到一秒就能看到最初的几个词。

Claude Code、Codex、OpenClaw 和 Hermes 默认使用流式输出。

流式调用的费用复制标题链接

在 Chat Completions 上，加上 stream_options 就能收到最后一个带有 usage 的数据块，其中包括这次调用的费用：

{
  "model": "google/gemini-3.8-flash",
  "messages": [{ "role": "user", "content": "Hello" }],
  "max_tokens": 256,
  "stream": true,
  "stream_options": { "include_usage": true }
}

data: [DONE] 之前的最后一个事件：

{
  "choices": [],
  "usage": { "prompt_tokens": 9, "completion_tokens": 12, "cost": 0.000062 }
}

在 Responses 上，response.completed 事件带有 usage.cost。Messages 的流带有 Token 数，但不带费用；扣费会在一分钟内出现在你的调用记录页面上。

流中断时复制标题链接

• 已经收到部分内容后出错，会以该格式自己的错误事件发送，所以 SDK 会抛出错误，而不是一直挂起。这次调用按已经写出的内容扣费。
• 如果你断开连接， 模型会停止，你需要为它在此之前写出的内容付费。我们从不把断开连接按零计费，因为有些服务商会对已经完成的工作收费。
• 到达时间上限时， 流会在被切断前 5 秒以一个规范的错误事件结束。

在调试台中试一试：“原始数据”标签页会显示每个事件及其时间。