The Will Will Web

最近我在整理「頁問」串接 Ollama Cloud 的 Token 用量資訊，先釐清了一個容易混淆的問題：使用 deepseek-v4.1-flash:1017 時，是不是一定要傳入 stream_options.include_usage: true，才拿得到輸入與輸出的 Token 數？

接著延伸到 Responses API，才發現這個問題不能只看模型名稱。同樣是串流回應，Chat Completions 與 Responses API 的用量回傳方式並不相同。如果把兩套 API 當成同一種格式處理，就可能收到完整回答，卻漏掉最後的用量資訊。

這篇文章整理我查核官方文件與原始碼後確認的差異，並提供請求與解析範例。重點是先辨識端點，再決定要送什麼參數，以及從哪個事件讀取用量。

先確認你呼叫的是哪一個 API

Chat Completions 串流應明確要求回傳用量；Responses API 則不需要 stream_options.include_usage，用量放在完成回應中。

我會先用下表判斷應該檢查哪一段程式：

前三種用量格式不要混用。尤其 Responses 串流的取值路徑是 event.response.usage，並不是 event.usage。

依照 Ollama 的 OpenAI 相容性文件，直接呼叫雲端時，Base URL 使用 https://ollama.com/v1，也支援無狀態的 Responses 請求。不過，支援 OpenAI 相容介面並不代表所有 OpenAI 功能都能使用；目前文件仍列有雲端 Responses 的功能限制。

使用 Chat Completions 時，明確要求串流用量

假設已將 Ollama API 金鑰設定在 OLLAMA_API_KEY 環境變數，請求可以這樣寫：

curl --no-buffer --fail-with-body https://ollama.com/v1/chat/completions \
    -H "Authorization: Bearer ${OLLAMA_API_KEY}" \
    -H 'Content-Type: application/json' \
    -d '{
        "model": "deepseek-v4.1-flash:1017",
        "messages": [
            { "role": "user", "content": "請用一句話介紹 Ollama。" }
        ],
        "stream": true,
        "stream_options": {
            "include_usage": true
        }
    }'

這裡真正影響串流用量回傳的是 stream_options.include_usage。Ollama 在 Chat Completions 支援欄位中列出了這個選項；我會明確傳入，避免依賴 SDK 或中介服務替我補上參數。

回應中最後的用量區塊可能像這樣，以下僅保留重點欄位：

data: {"choices":[],"usage":{"prompt_tokens":20,"completion_tokens":12,"total_tokens":32}}

data: [DONE]

choices 是空陣列，仍然可能是一筆重要的用量回應。 如果程式一看到 choices.length === 0 就跳過，最後的統計就會被自己丟掉。

另一個細節是，文字輸出結束的 finish_reason 與用量區塊可能分開送達。收到 finish_reason 時就停止讀取，也可能漏掉後面的 usage。這個行為可從 Ollama 的 Chat Completions 串流轉換實作確認。

改用 Responses API 時，讀取完成事件

Responses API 的請求不必加上 stream_options.include_usage：

curl --no-buffer --fail-with-body https://ollama.com/v1/responses \
    -H "Authorization: Bearer ${OLLAMA_API_KEY}" \
    -H 'Content-Type: application/json' \
    -d '{
        "model": "deepseek-v4.1-flash:1017",
        "input": "請用一句話介紹 Ollama。",
        "stream": true
    }'

這套 API 使用具名的 Server-Sent Events（SSE，伺服器傳送事件）。文字增量與完成事件有不同的 type，完成事件中的用量格式如下，同樣只保留重點欄位：

event: response.completed
data: {"type":"response.completed","response":{"status":"completed","usage":{"input_tokens":20,"output_tokens":12,"total_tokens":32}}}

我查到的 Ollama Responses 實作會在 processCompletion 建立用量物件，再放進 response.completed 事件的 response 中，這段流程沒有以 include_usage 作為開關。

因此，如果 Responses API 的完成事件沒有用量，我會先檢查原始事件、SDK 與中介轉換流程，確認欄位是否被丟掉。加入 Chat Completions 的用量參數，並不是 Responses API 的標準解法。

讓解析程式分別處理文字與用量

下面示範的是 SSE 已經完成分幀、data 已解析成 JSON 之後的事件處理。它不是完整的網路串流解析器：單次 reader.read() 取得的資料，可能只有半筆事件，也可能包含多筆事件，不能直接對每次讀到的字串呼叫 JSON.parse()。

如果專案已有 SSE 解析器，我會在事件處理層保留 API 差異，再統一成應用程式使用的欄位：

let tokenUsage = null;

function handleChatCompletionChunk(chunk) {
    // 先處理用量，避免 choices 為空時漏掉統計。
    if (chunk.usage) {
        tokenUsage = {
            inputTokens: chunk.usage.prompt_tokens,
            outputTokens: chunk.usage.completion_tokens,
            totalTokens: chunk.usage.total_tokens
        };
    }

    const text = chunk.choices?.[0]?.delta?.content;
    if (typeof text === 'string') {
        console.log(text);
    }
}

function handleResponsesEvent(event) {
    if (event.type === 'response.output_text.delta') {
        console.log(event.delta);
    }

    if (event.type === 'response.completed' && event.response?.usage) {
        const usage = event.response.usage;
        tokenUsage = {
            inputTokens: usage.input_tokens,
            outputTokens: usage.output_tokens,
            totalTokens: usage.total_tokens
        };
    }
}

這兩個函式是兩種 API 的獨立處理入口，每次請求開始時都應重設 tokenUsage。Chat Completions 的 [DONE] 則交由外層 SSE 讀取流程辨識，不要當成 JSON 傳進來。

我會讓「尚未取得用量」保留為 null。如果一開始就填入 0，串流中斷、使用者取消，或服務沒有回傳統計時，畫面就會把未知用量顯示成零。

完整回答文字已到齊，不代表用量資訊也已到齊。 取消或中斷時可能收不到最後的統計，介面應顯示「未取得用量」，避免把缺少資料當成沒有消耗 Token。

使用原生 API 時，改看 Ollama 的計數欄位

如果呼叫的是原生 /api/chat，就不適用上述兩套 OpenAI 用量欄位。

Ollama 原生 Chat API 文件列出的欄位是：

• prompt_eval_count：輸入 Token 數。
• eval_count：輸出 Token 數。
• done：是否已完成。

原生串流使用 NDJSON，每行是一筆 JSON。用量應從最後完成的物件讀取，不要套用 SSE 的 data: 或 event: 解析規則。若兩個計數都有提供，才將它們相加作為總 Token 數。

驗證時，同時檢查有資料與缺少資料的情境

實際整合時，我會先保存已遮蔽敏感資訊的原始回應，確認伺服器有沒有回傳用量，再對照應用程式解析後的結果。可以依照下表檢查：

這份表格是後續實測清單，並不是本文已完成的測試紀錄。若要確認特定模型與端點的實際行為，仍須使用自己的帳號執行請求。

總結

這次整理最值得記錄的地方，是取得 Token 用量需要同時對齊請求設定與回應解析方式。對 Ollama 的 Chat Completions 串流，我會明確設定 stream_options.include_usage: true，並持續讀取到最後的用量區塊。

改用 Responses API 時，就直接處理 response.completed 中的 response.usage。兩套 API 的欄位名稱也不同，要分別讀取後再轉成應用程式的共用格式。

相關連結

• Ollama：OpenAI compatibility
• Ollama：Generate a chat message
• Ollama：Streaming
• Ollama Chat Completions 相容層原始碼
• Ollama Responses 相容層原始碼