La sortie structurée fait qu’un modèle de langage retourne du JSON que votre code peut analyser au lieu du texte libre. Le mode JSON renvoie un objet JSON syntaxiquement valide, et le schéma JSON va plus loin en faisant correspondre la réponse à un schéma que vous définissez, avec ses champs et types requis.
Les applications ont souvent besoin de la réponse d’un modèle sous forme de données: champs extraits d’une facture, une étiquette pour un ticket de support, les étapes d’un plan, un enregistrement à enregistrer. Demander du JSON dans l’invite fonctionne la plupart du temps, mais le texte libre peut arriver avec une explication avant le JSON, une clôture de code autour, un champ manquant ou un chiffre écrit sous forme de chaîne. Chacun de ces éléments casse un analyseur.
La sortie structurée limite la génération elle-même. La réponse est JSON valide, et avec un schéma elle a aussi exactement la forme que vous avez demandée.
Il y a deux niveaux, tous deux fixés par response_format:
{"type »: « json_object"} fait que le modèle renvoie un objet JSON valide. Vous décrivez les champs souhaités dans l’invite, et la forme n’est pas appliquée.{"type »: « json_schema », « json_schema »: {...}} prend un Nom, a Schéma et strict, et rend la sortie conforme à ce schéma JSON: champs obligatoires présents, types corrects, et aucune clé supplémentaire lors de la définition additionalProperties à faux.Utilisez le schéma JSON lorsque le modèle le supporte et que votre code dépend des champs exacts. Marquez chaque champ que votre code lit comme requis, utilisez enum pour les choix fixes, gardez le nidification superficielle, et ajoutez un court Description à tout domaine dont la signification n’est pas évidente à partir de son nom.
Pour un extracteur de factures, un schéma peut nécessiter Vendeur comme une corde, Total comme un numéro, Monnaie en tant que enum des codes que vous acceptez, et line_items comme un tableau d’objets avec Description et montant. Avec strict Fixer à Vrai, chaque réponse porte ces champs avec ces types, donc votre code lit les mêmes clés à chaque fois. Avec le mode JSON, mettez plutôt un petit objet d’exemple dans l’invite pour que le modèle ait une forme à suivre.
Le support est réglé par modèle. Le structured_output champ sur ALLEZ-/v1/models/{model} lectures json_schema lorsque le modèle prend en charge les schémas et json_object lorsqu’il ne prend en charge que le mode JSON, et que les modèles sur cette page indiquent le niveau de chacun. L’envoi d’un format que le modèle ne prend pas en charge retourne 400.
La même fonctionnalité fonctionne sur chaque point de terminaison textuel, dans la forme propre de ce point de terminaison:
/v1/chat/completions et /v1/completions: response_format./v1/responses: text.format./v1/messages: output_config.format, ou un response_format à côté du reste de la demande.Dans le Playground, les modèles de chat qui le supportent ont un mode Off, un mode JSON et un contrôle de schéma JSON, avec une case pour votre schéma. Le Guide de compatibilité contient des exemples complets de requêtes.
finish_reason Longueur, est JSON incomplet, donc défini max_tokens Assez haut pour le plus gros objet auquel vous vous attendez.response_format Réponses sans raisonnement à moins qu’elle ne définisse également considérer.Parcourir Modèles de texte pour comparer lesquels supportent chaque niveau.
62 modèles. La page de chaque modèle présente sa grille tarifaire, ses paramètres et du code.
| Modèle | Sortie structurée | Fenêtre de contexte |
|---|---|---|
| DeepSeek V4 Pro DeepSeek | JSON Schema | 1M tokens |
| DeepSeek V4 Pro 0813 DeepSeek | JSON Schema | 1M tokens |
| Fugu Max Sakana AI | JSON Schema | 1M tokens |
| Fugu Ultra v1.1 Sakana AI | JSON Schema | 1M tokens |
| Fugu Ultra v2.0 Sakana AI | JSON Schema | 1M tokens |
| Gemma 4 26B-A4B Google | JSON Schema | 256K tokens |
| Kimi K2.6 Moonshot AI | JSON Schema | 256K tokens |
| Kimi K2.7 Code Moonshot AI | JSON Schema | 256K tokens |
| Modèle | Sortie structurée | Fenêtre de contexte |
|---|---|---|
| Kimi K2.7 Code Highspeed Moonshot AI | JSON Schema | 256K tokens |
| Kimi K3 Moonshot AI | JSON Schema | 1M tokens |
| Kimi K3.1 Pro Moonshot AI | JSON Schema | 1M tokens |
| MiMo V2.6 Flash Xiaomi | JSON Schema | 1M tokens |
| MiMo V2.6 Pro Xiaomi | JSON Schema | 1M tokens |
| MiMo V2.6 Pro UltraSpeed Xiaomi | JSON Schema | 1M tokens |
| Mistral Small 3.1 Mistral AI | JSON Schema | 89.6K tokens |
| Muse Glimmer 30B Meta AI | JSON Schema | 128K tokens |
| Muse Spark 1.1 Meta AI | JSON Schema | 1M tokens |
| Muse Spark 1.2 Meta AI | JSON Schema | 1M tokens |
| Muse Spark 1.3 Meta AI | JSON Schema | 1M tokens |
| Qwen3.5 4B Alibaba Cloud | JSON Schema | 256K tokens |
| Qwen3.5 9B Alibaba Cloud | JSON Schema | 256K tokens |
| Qwen3.5 Omni Plus Alibaba Cloud | JSON Schema | 192K tokens |
| Qwen3.6 35B A3B Alibaba Cloud | JSON Schema | 128K tokens |
| Qwen3.7 Flash Alibaba Cloud | JSON Schema | 983.6K tokens |
| Qwen3.7 Max Alibaba Cloud | JSON Schema | 983.6K tokens |
| Qwen3.7 Plus Alibaba Cloud | JSON Schema | 983.6K tokens |
| Qwen3.8 27B Alibaba Cloud | JSON Schema | 256K tokens |
| Qwen3.8 Flash Alibaba Cloud | JSON Schema | 983.6K tokens |
| Qwen3.8 Max Alibaba Cloud | JSON Schema | 983.6K tokens |
| Qwen3.8 Max 0902 Alibaba Cloud | JSON Schema | 983.6K tokens |
| Qwen3.8 Omni Flash Alibaba Cloud | JSON Schema | 1.01M tokens |
| Qwen4 Max Alibaba Cloud | JSON Schema | 983.6K tokens |
| Seed 2.0 Lite ByteDance | JSON Schema | 229.1K tokens |
| Seed 2.0 Mini ByteDance | JSON Schema | 229.2K tokens |
| Seed 2.0 Pro ByteDance | JSON Schema | 229.1K tokens |
| Seed 2.1 Turbo ByteDance | JSON Schema | 229.1K tokens |
| Step 5 Preview StepFun | JSON Schema | 1.02M tokens |
| DeepSeek V4 Flash 0731 DeepSeek | Mode JSON | 1M tokens |
| DeepSeek V4.1 Flash 1017 DeepSeek | Mode JSON | 1M tokens |
| Fugu Ultra v1.0 Sakana AI | Mode JSON | 1M tokens |
| GLM 4.5 Flash Z.ai | Mode JSON | 128K tokens |
| GLM 4.6V Flash Z.ai | Mode JSON | 128K tokens |
| GLM 4.6V FlashX Z.ai | Mode JSON | 128K tokens |
| GLM 4.7 Flash Z.ai | Mode JSON | 202.8K tokens |
| GLM 4.7 FlashX Z.ai | Mode JSON | 202.8K tokens |
| GLM 5.1 Z.ai | Mode JSON | 202.7K tokens |
| GLM 5.2 Z.ai | Mode JSON | 1M tokens |
| GLM 5.3 Z.ai | Mode JSON | 1M tokens |
| GLM 5.3 Flash Z.ai | Mode JSON | 1M tokens |
| Mistral Small 4 Mistral AI | Mode JSON | 256K tokens |
| Qwen3.5 122B-A10B Alibaba Cloud | Mode JSON | 258K tokens |
| Qwen3.5 27B Alibaba Cloud | Mode JSON | 258K tokens |
| Qwen3.5 35B-A3B Alibaba Cloud | Mode JSON | 258K tokens |
| Qwen3.5 397B-A17B Alibaba Cloud | Mode JSON | 258K tokens |
| Qwen3.5 Flash Alibaba Cloud | Mode JSON | 995.9K tokens |
| Qwen3.5 Plus Alibaba Cloud | Mode JSON | 983.6K tokens |
| Qwen3.6 27B Alibaba Cloud | Mode JSON | 224K tokens |
| Qwen3.6 Flash Alibaba Cloud | Mode JSON | 983.6K tokens |
| Qwen3.6 Plus Alibaba Cloud | Mode JSON | 983.6K tokens |
| Step 3.7 Flash StepFun | Mode JSON | 256K tokens |
| StepAudio 2.5 Chat StepFun | Mode JSON | 256K tokens |
| StepAudio 3 Chat StepFun | Mode JSON | 256K tokens |
Le mode JSON renvoie un objet JSON valide mais laisse sa forme à votre prompt. Le schéma JSON fait correspondre la réponse à un schéma que vous fournissez, incluant les champs et types obligatoires.
Le support est fait par modèle. Le champ structured_output de chaque modèle indique json_schema pour le support du schéma ou json_object uniquement pour le mode JSON, et une demande pour un format non pris en charge renvoie une erreur 400.
Oui. Une réponse peut être coupée par la limite de sortie, et votre application peut avoir des règles qu’un schéma ne peut pas exprimer, donc analysez et validez chaque réponse.
Oui. Le point de terminaison Réponses utilise text.format, et le point de terminaison Messages accepte output_config.format ou un champ response_format.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.