ストリーミング応答を有効にする

W&B Inference でストリーミング出力を使用する方法

モデルが応答を生成するのに時間がかかることがあります。 stream オプションを true に設定すると、応答をチャンクのストリームとして受け取ることができ、 応答がすべて生成されるのを待つのではなく、結果を段階的に表示できるようになります。

ストリーミング出力は、すべてのホスト型モデルでサポートされています。特に reasoning models での使用を推奨します。ストリーミングしないリクエストでは、モデルが出力を開始する前に長時間「思考」した場合にタイムアウトする可能性があるためです。

Python

import openai

client = openai.OpenAI(
    base_url='https://api.inference.wandb.ai/v1',
    api_key="<your-api-key>",  # https://wandb.ai/settings で APIキー を作成
)

stream = client.chat.completions.create(
    model="openai/gpt-oss-120b",
    messages=[
        {"role": "user", "content": "Tell me a rambling joke"}
    ],
    stream=True,
)

for chunk in stream:
    if chunk.choices:
        print(chunk.choices[0].delta.content or "", end="", flush=True)
    else:
        print(chunk) # CompletionUsage オブジェクトを表示

Bash

curl https://api.inference.wandb.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <your-api-key>" \
  -d '{
    "model": "openai/gpt-oss-120b",
    "messages": [
      { "role": "user", "content": "Tell me a rambling joke" }
    ],
    "stream": true
  }'