Qu’est-ce que l’appel de fonction ?

L’appel de fonction, également appelé appel d’outil, permet à un modèle de langage demander à votre application d’exécuter une fonction. Vous décrivez chaque fonction avec un schéma JSON, le modèle répond par un nom de fonction et des arguments, votre code l’exécute, et le modèle utilise le résultat pour continuer ou répondre.

Concepts

Comment fonctionne l’appel de fonction

Un modèle de langage à lui seul ne génère que du texte. L’appel de fonction lui donne une manière structurée de demander quelque chose qu’il ne peut pas faire seul, comme lire une base de données, vérifier une commande ou appeler une autre API. Un cycle ressemble à ceci:

  1. Vous envoyez la conversation avec Outils. Chaque outil possède un Nom, a Description et Paramètres écrit sous le nom de schéma JSON.
  2. Le modèle décide si un outil aiderait. Si c’est le cas, la réponse est portée tool_calls avec le nom de la fonction et les arguments JSON, et finish_reason est tool_calls.
  3. Votre code vérifie les arguments et exécute la fonction.
  4. Vous envoyez la conversation à nouveau avec le résultat ajouté sous forme de message avec le outil rôle.
  5. Le modèle répond à partir du résultat, ou appelle un autre outil.

Par exemple, avec un get_order_status fonction qui prend un order_id, le message Vérifier le statut de la commande 1042 produit un appel à get_order_status avec {"order_id »: « 1042"}. Votre code recherche l’ordre, retourne son statut, et le modèle transforme ce statut en réponse.

Le modèle n’exécute jamais le code lui-même. Il propose un appel, et votre application décide si et comment l’exécuter, ce qui garde les permissions et les effets secondaires sous votre contrôle.

Contrôle de l’utilisation des outils

  • tool_choice Définit comment le modèle utilise les outils: Auto laissons la décision: aucune empêche les appels, obligatoire fait qu’il appelle un outil, et un objet qui nomme une fonction force cette fonction. Certains modèles n’acceptent que Auto, ou Auto et aucune; Chaque page de modèle indique ce qu’elle accepte.
  • parallel_tool_calls, sur les modèles qui l’offrent, permet au modèle de demander plusieurs appels en un seul tour. Exécutez-les, puis retournez un résultat pour chaque appel.
  • Les descriptions guident le choix. Le modèle choisit les outils à partir de leurs noms et descriptions, précise donc ce que fait chaque fonction et quand l’utiliser, et maintient les schémas de paramètres stricts concernant les champs obligatoires et enum valeurs.
  • Les définitions sont saisies. Les définitions d’outils sont envoyées à chaque requête et comptent comme des jetons d’entrée. Incluez uniquement les outils dont une tâche a besoin, et gardez la liste identique entre les requêtes afin de mise en cache des prompts peut s’appliquer aux modèles qui le supportent.

Sur certains modèles de raisonnement, une requête qui force un appel d’outil s’exécute sans raisonnement, sauf si elle définit également considérer.

Appel de fonction entre les points de terminaison

EmpirioLabs AI accepte des outils sous la forme de chaque API avec laquelle elle est compatible:

  • /v1/chat/completions Prises Outils et tool_choice comme décrit ci-dessus et retour tool_calls.
  • /v1/responses renvoie les appels comme function_call éléments de sortie.
  • /v1/messages Aller-retour tool_use et tool_result Blocs de contenu.
  • Voix en temps réel les modèles qui le supportent appellent des fonctions lors d’une conversation en direct: vous déclarez les outils dans session.update et retourner chaque résultat sous forme de function_call_output Article.

Le Référence des complétions de chat inclut une demande complète d’appel d’outil.

Outils fonctionnels et outils intégrés

Certains modèles proposent également des outils intégrés, tels que la recherche web ou un interpréteur de code, qui s’exécutent pendant la requête sans avoir à aller jusqu’à votre code. Vous les activez avec un paramètre de modèle tel que tool_web_search, ou avec un web_search outil activé /v1/responses et /v1/messages, sur les modèles qui l’offrent. Un outil intégré peut ajouter ses propres frais par appel ou par demande, indiqués dans les prix du modèle, tandis qu’un outil fonctionnel s’exécute dans votre propre application.

Sur certains modèles, un outil intégré n’est pas utilisé lorsque la même requête comporte également des outils de fonction, donc vérifiez la page du modèle avant de les combiner. Parcourir Modèles de texte pour voir quelle fonction de support appelle, ou essayez un modèle dans le Playground.

Les modèles sur EmpirioLabs AI

82 modèles, du moins cher au plus cher lorsqu'ils partagent une unité de facturation. La page de chaque modèle présente sa grille tarifaire complète, ses paramètres et du code.

Endpoints

POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1/completions POST /v1/audio/speech POST /v1/audio/speech:stream WEBSOCKET /v1/realtime

Par million de tokens, selon le tarif d'entrée

ModèleEntréeSortie
GLM 4.5 Flash Z.aiGratuitGratuit
GLM 4.6V Flash Z.aiGratuitGratuit
GLM 4.7 Flash Z.aiGratuitGratuit
Qwen3.7 Flash Alibaba Cloud<=32K $0.03 32K-256K $0.10 256K-1M $0.20<=32K $0.13 32K-256K $0.40 256K-1M $0.80
Qwen3.5 4B Alibaba Cloud$0.04$0.07
Nova Micro 1.0 Amazon$0.040$0.16
GLM 4.6V FlashX Z.ai$0.04$0.40
Gemma 4 26B-A4B Google$0.15$0.05$0.50$0.29
Afficher les 70 modèles
ModèleEntréeSortie
Qwen3.5 35B-A3B Alibaba Cloud$0.25 <=128K $0.057 $0.25 128K-256K $0.229$2.00 <=128K $0.459 $2.00 128K-256K $1.835
Nova Lite 1.0 Amazon$0.069$0.28
GLM 4.7 FlashX Z.ai$0.07$0.40
Qwen3.6 35B A3B Alibaba Cloud$0.248$0.07$1.485$0.42
GLM 5.3 Flash Z.ai$0.075$0.25
Qwen3.5 27B Alibaba Cloud$0.30 <=128K $0.086 $0.30 128K-256K $0.258$2.40 <=128K $0.688 $2.40 128K-256K $2.064
Qwen3.5 9B Alibaba Cloud$0.10$0.09$0.15$0.13
Qwen3.5 Flash Alibaba Cloud$0.10$0.090$0.40$0.368
Step 3.5 Flash StepFun$0.10$0.30
Step 3.5 Flash 2603 StepFun$0.10$0.30
MiniMax M3.1 Flash MiniMax$0.15$0.1125$0.60$0.45
Qwen3.5 122B-A10B Alibaba Cloud$0.40 <=128K $0.115 $0.40 128K-256K $0.287$3.20 <=128K $0.917 $3.20 128K-256K $2.294
Seed 2.0 Mini ByteDance<=128K $0.12 128K-256K $0.24<=128K $0.50 128K-256K $1.00
MiMo V2.6 Flash Xiaomi$0.14$0.28
Mistral Small 4 Mistral AI$0.15$0.60
Qwen3.8 Flash Alibaba Cloud$0.16$0.47
Qwen3.8 27B Alibaba Cloud$0.45$0.17$3.20$0.50
Qwen3.5 397B-A17B Alibaba Cloud$0.60 <=128K $0.172 $0.60 128K-256K $0.43$3.60 <=128K $1.032 $3.60 128K-256K $2.58
DeepSeek V4.1 Flash 1017 DeepSeek$0.20$0.80
Muse Glimmer 30B Meta AI$0.35$0.20$1.50$0.80
Step 3.7 Flash StepFun$0.20$1.15
MiniMax M3 MiniMax$0.30 <=512K $0.225 $0.60 >512K $0.45$1.20 <=512K $0.90 $2.40 >512K $1.80
Qwen3.6 Flash Alibaba Cloud<=256K $0.25 256K-1M $1.00<=256K $1.50 256K-1M $4.00
Qwen3.8 Omni Flash Alibaba Cloud$0.30$0.94
Seed 2.0 Lite ByteDance<=128K $0.31 128K-256K $0.62<=128K $2.50 128K-256K $5.00
Qwen3.5 Plus Alibaba Cloud$0.40 <=256K $0.36 $0.50 256K-1M $0.45$2.40 <=256K $2.21 $3.00 256K-1M $2.76
Nova Lite 2 Amazon$0.38$3.16
Qwen3.7 Plus Alibaba Cloud<=256K $0.40 256K-1M $1.20<=256K $1.60 256K-1M $4.80
Seed 2.0 Code ByteDance<=128K $0.40 128K-256K $0.80<=128K $2.40 128K-256K $4.80
Qwen3.6 27B Alibaba Cloud$0.60$0.412564$3.60$2.475384
DeepSeek V4 Flash 0731 DeepSeek$0.424$1.272
MiMo V2.6 Pro Xiaomi$0.435$0.87
Qwen3.6 Plus Alibaba Cloud<=256K $0.50 256K-1M $2.00<=256K $3.00 256K-1M $6.00
Seed 2.1 Turbo ByteDance$0.63$3.13
Seed 2.0 Pro ByteDance<=128K $0.63 128K-256K $1.26<=128K $3.79 128K-256K $7.58
Qwen3.5 Omni Flash Alibaba Cloud$0.80$4.40
GLM 5.1 Z.ai$1.40 <=32K $0.825 $1.40 32K-200K $1.10$4.40 <=32K $3.301 $4.40 32K-200K $3.851
Kimi K2.6 Moonshot AI$0.95$0.8939$4.00$3.7131
Kimi K2.7 Code Moonshot AI$0.95$4.00
Step 5 Preview StepFun$1.00$2.70
Muse Spark 1.1 Meta AI$1.25$4.25
Muse Spark 1.2 Meta AI$1.25$4.25
Muse Spark 1.3 Meta AI$1.25$4.25
DeepSeek V4 Pro 0813 DeepSeek$1.32$3.96
GLM 5.2 Z.ai$1.40$4.40
GLM 5.3 Z.ai$1.40$4.40
StepAudio 3 Chat StepFun$1.50$3.50
Qwen4 Max Alibaba Cloud$1.50$4.50
DeepSeek V4 Pro DeepSeek$1.74$1.65$3.48$3.30
Kimi K2.7 Code Highspeed Moonshot AI$1.90$8.00
Fugu Max Sakana AI$2.00$6.00
Qwen3.8 Max Alibaba Cloud$2.00$6.00
Qwen3.8 Max 0902 Alibaba Cloud$2.00$6.00
Kimi K3.1 Pro Moonshot AI$2.00$10.00
Nova Pro 1.0 Amazon$2.40$9.60
Qwen3.7 Max Alibaba Cloud$2.50$7.50
Qwen3.5 Omni Plus Alibaba Cloud$2.80$16.60
Kimi K3 Moonshot AI$3.00$15.00
MiMo V2.6 Pro UltraSpeed Xiaomi$4.35$8.70
Fugu Ultra v1.1 Sakana AI<=272K $5.00 >272K $10.00<=272K $30.00 >272K $45.00
Fugu Ultra v2.0 Sakana AI<=272K $5.00 >272K $10.00<=272K $30.00 >272K $45.00
Fugu Ultra v1.0 Sakana AI<=272K $7.50 >272K $15.00<=272K $45.00 >272K $67.50

Également disponibles : Mistral Small 3.1, StepAudio 3 Realtime, StepAudio 2.5 Realtime, Qwen3.5 Omni Flash Realtime, Qwen3.5 Omni Plus Realtime, Qwen3.8 Omni Flash Realtime, Qwen Audio 3.1 Realtime Plus, Gemini 3.8 Live, Gemini 3.8 Live Extended Thinking, Qwen Audio 3.1 Realtime Flash, Qwen Audio 3.0 Realtime Plus, Qwen Audio 3.0 Realtime Flash

Questions fréquentes

Le modèle exécute-t-il mes fonctions ?

Non. Le modèle renvoie le nom de la fonction et les arguments, et votre application exécute la fonction et renvoie le résultat. Rien ne s’exécute à moins que votre code ne l’exécute.

Quelle est la différence entre l’appel de fonction et la sortie structurée ?

La sortie structurée renvoie du JSON comme réponse finale. L’appel de fonction renvoie une demande pour que votre code agisse rapidement, puis continue une fois que vous avez renvoyé le résultat.

Un modèle peut-il appeler plusieurs fonctions simultanément ?

Les modèles qui offrent parallel_tool_calls peuvent demander plusieurs appels en un seul tour. Exécutez chacun d’eux et retournez un résultat pour chaque appel.

Les définitions d’outils coûtent-elles des jetons ?

Oui. Les définitions d’outils font partie de la requête et comptent comme des jetons d’entrée à chaque appel, incluez donc uniquement les outils dont une tâche a besoin.

Prêt à utiliser de meilleurs points de terminaison ?

Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.