OpenAI、Claude、Gemini结构化输出对比：97/167模型支持

结构化输出：AI API 的"合同"能力

在构建 AI 应用时，让模型稳定输出 JSON 往往比生成内容本身更棘手。结构化输出（Structured Outputs）通过强制模型遵循 JSON Schema，将这种不确定性转化为可预测的"合同"。根据最新统计，在我们追踪的 167 个模型中，有 97 个能够强制执行 JSON Schema。这意味着超过四成的模型尚未提供原生支持，开发者在选型时需要仔细甄别。

结构化输出对比概览

本文基于多平台 API 文档与实测数据，横向对比 OpenAI、Claude、Gemini 和 Mistral 在请求形态、Schema 限制以及拒绝处理上的差异，帮助你在不同场景下做出更合适的选择。

请求形态：四家各显神通

OpenAI：response_format 与 json_schema

OpenAI 采用 response_format 参数，其中 type: "json_schema" 指定严格模式。开发者需要提供 schema 名称、描述以及 strict: true 标志。这种设计将 schema 作为请求的一等公民，与函数调用（function calling）的 schema 复用同一套校验逻辑。

JSON Schema 是一种用于描述和验证 JSON 文档结构的声明式语言，本身是一份 JSON 文档，通过 type、properties、required、enum 等关键字定义数据的形状与约束。它由 IETF 标准化（最新草案为 2020-12 版），并不绑定任何编程语言或厂商。在结构化输出场景中，JSON Schema 充当模型与开发者之间的“数据契约”：开发者用 Schema 精确描述期望的输出格式，平台在解码阶段施加约束，使模型只能生成符合该 Schema 的 token 序列。需要注意的是，各 AI 厂商通常只实现 JSON Schema 的一个子集，并可能引入自己的扩展关键字，所以同一份 Schema 在不同平台上的行为可能存在差异。

Claude：工具调用即结构化

Anthropic 的 Claude 没有独立的"结构化输出"参数，而是通过工具调用（tool use）实现。开发者定义一个输入 schema，模型被要求调用该工具时，输出自然遵循 schema。这种方式灵活但需要额外的工具定义，且模型可能选择不调用工具，需要提示词配合。

工具调用（Tool Use / Function Calling） 是大模型的一种能力：开发者在请求中声明一组工具，每个工具包含名称、描述和输入参数的 JSON Schema；模型在推理时可以选择调用某个工具，并生成符合该 Schema 的调用参数。平台随后可对这些参数进行校验，从而间接实现结构化输出。与专用的结构化输出参数相比，工具调用路径的约束强度取决于平台是否强制执行 Schema 校验，以及模型是否被强制选择工具（例如通过 tool_choice 参数）。此外，工具描述本身会占用上下文 token，工具数量过多时可能影响模型的选择准确率。

Gemini：responseSchema 内嵌

Google Gemini 在 generationConfig 中提供 responseMimeType: "application/json" 和 responseSchema 字段，直接内嵌 schema。这种方式与 OpenAI 类似，但 schema 的表达能力受限于 Gemini 支持的 OpenAPI 子集。

OpenAPI 规范 是一种用于描述 REST API 的标准化格式，其 3.0 版本中的 Schema Object 基于 JSON Schema 的一个子集，并做了若干调整（如 nullable 关键字、不支持某些组合关键字）。Google 的 responseSchema 采用 OpenAPI 3.0 子集作为表达语言，因此其表达能力与标准 JSON Schema 并不完全对等：例如 $ref 外部引用、部分组合关键字（oneOf、anyOf、allOf）以及递归结构在 Gemini 中可能不被支持或行为受限。开发者在跨平台迁移 Schema 时，需要特别检查这些差异，避免因关键字不被识别而导致校验失败或输出不符合预期。

Mistral：轻量但有限

Mistral 同样支持 response_format，但仅支持 json_object 类型，不强制 schema。这意味着输出是合法 JSON，但字段结构需要模型自行推断，可靠性低于前两者。

Schema 限制：细节决定成败

结构化输出的实际可用性，往往取决于各平台对 JSON Schema 的支持范围。

OpenAI 支持大部分 JSON Schema 关键字，但对 oneOf、anyOf 等复杂组合限制较多，且要求所有字段必须为 required（可通过 nullable 模拟可选）。
Claude 的工具 schema 支持嵌套对象和数组，但对递归结构支持有限，且 schema 描述会消耗上下文 token。
Gemini 的 responseSchema 基于 OpenAPI 3.0 子集，不支持 $ref 外部引用，数组嵌套深度也有限制。
Mistral 几乎不校验 schema，仅保证 JSON 语法正确。

这些限制直接影响复杂数据结构的建模。例如，需要多态字段时，OpenAI 可能需要拆分为多个独立 schema，而 Claude 则可以通过工具描述引导。

拒绝处理：当模型说"不"

结构化输出并非万能。当输入无法满足 schema 时，模型可能拒绝生成。OpenAI 会返回 refusal 字段并附带原因；Claude 可能返回工具调用错误或文本拒绝；Gemini 则可能抛出 API 错误。开发者需要针对不同平台编写错误处理逻辑，而不是假设输出永远合法。

Mistral 由于不强制 schema，几乎不会因结构问题拒绝，但输出质量更依赖提示词。

拒绝（Refusal） 在结构化输出语境下指模型因安全策略、输入歧义或无法满足 Schema 约束而拒绝生成预期内容的行为。不同平台对拒绝的暴露方式不同：OpenAI 在响应中提供独立的 refusal 字段，与内容字段互斥，便于程序化判断；Claude 可能表现为工具调用缺失、返回文本解释或工具参数校验失败；Gemini 则可能直接返回 API 错误码。生产系统应将这些信号统一抽象为可重试、可降级、可告警的错误分类，而不是仅依赖 HTTP 状态码。对于不强制 Schema 的 Mistral，拒绝率虽低，但输出结构错误的概率更高，需要在应用层增加 JSON Schema 校验作为兜底。

选型建议与趋势

对于需要严格数据契约的生产系统，OpenAI 和 Claude 是更稳妥的选择，前者 schema 表达更直接，后者在工具生态中更自然。Gemini 适合已在使用 Google Cloud 且 schema 不复杂的场景。Mistral 则适用于对成本敏感、结构简单的轻量任务。

随着 97/167 的模型支持率逐步提升，结构化输出正从"高级特性"变为"基础能力"。但各平台的 schema 方言和错误语义仍不统一，跨平台迁移时需要重新验证。建议在架构中抽象一层 schema 适配器，以降低供应商锁定风险。