---
title: "Lumipat sa OpenAI-compatible API: migration checklist"
description: "Madali ang pagpalit ng base_url. Ang madalas masira: model ID, reasoning token, usage sa streaming, error, rate limit at key. Checklist na may code."
url: https://broadrouter.com/fil/blog/openai-compatible-api-migration-checklist/
lang: fil
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/blog/openai-compatible-api-migration-checklist/) (na-update noong 2026-11-16).

# Paglipat sa OpenAI-compatible API: checklist sa migration

Ng BroadNet Inference team · 5 minutong basa · Nailathala 2026-11-14 · Na-update 2026-11-16

Para lumipat sa OpenAI-compatible API, palitan ang tatlong setting (base\_url, api\_key at model), tapos suriin ang mga nagbabago: model ID, kung paano binibilang ang reasoning token sa max\_tokens, kung paano nag-uulat ng usage ang streaming, aling error ang ire-retry, rate limit at seguridad ng key. Para sa BroadNet Inference, https://inference.broadnet.ai/v1 ang base URL.

## Mga pangunahing punto

-   Tatlong setting ang nagbabago: `base_url`, `api_key` at `model`.
-   Ilista ang bawat endpoint at field na ginagamit ng app mo bago lumipat, tapos subukan ang bawat isa.
-   Binibilang ng mga reasoning model ang pag-iisip sa `max_tokens`; kapag maliit ang limit, walang laman ang sagot.
-   Humingi ng usage sa stream gamit ang `stream_options`, kung hindi ay bulag ang cost tracking mo.
-   I-map ang mga error code sa retry o fix bago ilipat ang production traffic.
-   Patakbuhin nang magkatabi ang luma at bagong provider sa totoong traffic nang isang araw bago tuluyang lumipat.

**Sa page na ito**

1.  0\. Ano ang ginagamit ng app mo ngayon?
2.  1\. Aling tatlong setting ang nagbabago?
3.  2\. Ano ang mga bagong model ID?
4.  3\. Bakit walang laman ang mga sagot pagkatapos lumipat?
5.  4\. Nag-uulat pa rin ba ng usage ang streaming?
6.  5\. Aling mga error ang dapat i-retry?
7.  6\. Ano ang mga bagong rate limit?
8.  7\. Kakasya pa ba ang mga prompt mo?
9.  8\. Paano naman ang mga key at data retention?
10.  9\. Paano lumipat nang ligtas?
11.  Ano ang mga karaniwang pagkakamali sa migration?
12.  Saan pumupuwesto ang BroadNet Inference

Gumagamit na ngayon ng [OpenAI API format](https://broadrouter.com/fil/glossary/openai-compatible-api/) ang karamihan ng LLM provider. Kaya mukhang isang linya lang ng code ang paglipat, at para makakuha ng unang sagot, totoo iyon. Pero para sa production traffic, dumaan sa listahang ito. Galing ang bawat item sa totoong paraan kung paano nasisira ang migration.

## 0\. Ano ang ginagamit ng app mo ngayon?

Bago ka magpalit ng kahit ano, isulat kung saan umaasa ang app mo. Hanapin sa code ang bawat tawag sa SDK at ilista ito. Kung tumatawag ka sa Whisper API ng OpenAI, tandaan na nakalista sa OpenAI na magsasara ang `whisper-1` sa Pebrero 26, 2027; nasa [mga alternatibo sa Whisper API](https://broadrouter.com/fil/blog/whisper-api-alternative/) ang tungkol sa audio.

| Feature | Saan titingin | Subukan pagkatapos lumipat |
| --- | --- | --- |
| Chat completions | Bawat `chat.completions.create` | Parehong prompt, ihambing ang mga sagot |
| Streaming | `stream=True` | Dumarating ang mga chunk, nagtatapos sa `[DONE]`, may usage |
| Tool calling | `tools=` | Nagpa-parse at tumatakbo ang mga tool call |
| Structured output | `response_format=` | Pumapasa ang JSON sa schema mo |
| Larawan | Mga image part sa messages | Tinatanggap ng model |
| Audio transcription | `audio.transcriptions` | Tama ang text at wika |
| Embeddings, files, batches | Ibang endpoint | Tingnan kung inaalok ba talaga ng provider |

Mahalaga ang huling row. Kadalasang chat completions muna ang saklaw ng “OpenAI-compatible”. Sa catalogue ng BroadNet Inference, nakalista ang mga chat model sa `/v1/chat/completions` at ang mga speech-to-text model sa `/v1/audio/transcriptions`; kung gumagamit ka ng ibang endpoint, iwan ang mga iyon sa kasalukuyan mong provider o maghanap ng kapalit.

## 1\. Aling tatlong setting ang nagbabago?

```python
from openai import OpenAI
import os

client = OpenAI(
    base_url="https://inference.broadnet.ai/v1",
    api_key=os.environ["BROADNET_API_KEY"],
)
```

Iba-iba ang pangalan ng setting para sa [base URL](https://broadrouter.com/fil/glossary/base-url/) depende sa library: `base_url` sa Python SDK at sa ChatOpenAI ng LangChain, `baseURL` sa Node.js SDK. Binabasa rin ng Python SDK ang environment variable na `OPENAI_BASE_URL`, ayon sa [README](https://github.com/openai/openai-python) nito. Tingnan kung may lumang value sa environment mo, kung hindi ay puwedeng mapunta ang mga request sa lumang provider nang walang error.

Ilagay ang mga [API key](https://broadrouter.com/fil/glossary/api-key/) sa environment variable o secret manager, hindi kailanman sa code. Setup para sa bawat SDK: [Python](https://broadrouter.com/fil/guides/openai-python-sdk/), [Node.js](https://broadrouter.com/fil/guides/openai-node-sdk/), [LangChain](https://broadrouter.com/fil/guides/langchain-openai-base-url/). Para buuin at subukan nang mano-mano ang unang request, gamitin ang [API request builder](https://broadrouter.com/tools/api-request-builder/). Para ilapat ang pagbabago sa base URL, key at model sa kasalukuyang code, i-paste ito sa [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/), na naglilista rin ng mga dapat suriin.

## 2\. Ano ang mga bagong model ID?

May sariling paraan ng pagpapangalan sa model ang bawat provider. Sa BroadNet Inference:

| Model | ID |
| --- | --- |
| DeepSeek V4.1 Flash | `broadnet/deepseek-v4.1-flash` |
| GLM 5.3 | `broadnet/glm-5.3` |
| Qwen3.8 27B | `broadnet/qwen3.8-27b` |
| Gemma 4 VL 26B | `broadnet/gemma-4-26b-a4b` |

Ilagay ang model ID sa configuration, hindi sa code, para deploy na lang ang susunod na paglipat, hindi rewrite. Nasa page ng bawat model ang mga limit at presyo nito: [DeepSeek V4.1 Flash](https://broadrouter.com/fil/models/deepseek-v4.1-flash/), [GLM 5.3](https://broadrouter.com/fil/models/glm-5.3/), [Qwen3.8 27B](https://broadrouter.com/fil/models/qwen3.8-27b/) at [Gemma 4 VL 26B](https://broadrouter.com/fil/models/gemma-4-vl-26b/).

## 3\. Bakit walang laman ang mga sagot pagkatapos lumipat?

Ito ang pinakakaraniwang sorpresa. Nagre-reason muna bago sumagot ang DeepSeek V4.1 Flash, GLM 5.3 at Qwen3.8 27B, at **binibilang ang mga [reasoning token](https://broadrouter.com/fil/glossary/reasoning-tokens/) sa [`max_tokens`](https://broadrouter.com/fil/glossary/max-tokens/)**. Ang limit na 256 na gumana sa non-reasoning na model ay puwedeng maubos nang buo sa pag-iisip, kaya walang laman ang sagot. Mag-iwan ng 1,000 token o higit pa, o i-set ang `reasoning_effort` sa `low` para sa simpleng gawain. [Buong paliwanag](https://broadrouter.com/fil/guides/reasoning-tokens-empty-response/).

## 4\. Nag-uulat pa rin ba ng usage ang streaming?

Gumagamit ang mga [stream](https://broadrouter.com/fil/glossary/streaming/) ng Server-Sent Events at nagtatapos sa `data: [DONE]`. Dumarating lang ang token usage sa huling chunk kung hihilingin mo:

```python
stream = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash", messages=messages,
    stream=True, stream_options={"include_usage": True},
)
```

Kung wala ito, zero ang mababasa sa cost dashboard mo. Kung natapos ang stream bago ang `[DONE]`, ituring itong hindi kumpleto. [Gabay sa streaming](https://broadrouter.com/fil/guides/streaming-chat-completions/).

## 5\. Aling mga error ang dapat i-retry?

| Status | Kahulugan | Gagawin |
| --- | --- | --- |
| 401 | Mali o na-revoke na key, o ubos na ang pay-as-you-go allowance | Ayusin, huwag i-retry |
| 402 | Balance o budget | Mag-top up, huwag i-retry |
| 403 | Tinanggihan ng policy ng model, route o IP | Ayusin ang hindi pagtutugma |
| 413 | Masyadong malaki ang request | Paliitin, huwag i-retry |
| 429 | Limit sa rate, concurrency o gastos | Mag-back off at i-retry |
| 5xx | Problema sa server | I-retry gamit ang may-hangganang backoff |

Nagre-retry na ng ilang error ang opisyal na Python SDK: sabi ng README nito, nire-retry nang dalawang beses bilang default ang mga connection error, 408, 409, 429 at 5xx na response, na may maikling exponential backoff. I-set nang tahasan ang `max_retries` para desisyon mo ang behaviour, hindi default. I-log ang request ID mula sa bawat response para ma-trace ng support ang problema. [Lahat ng code](https://broadrouter.com/fil/guides/errors-and-retries/).

## 6\. Ano ang mga bagong rate limit?

Alamin ang mga bagong limit bago dumating ang traffic. Pinapayagan ng pay-as-you-go key ng BroadNet ang 30 request kada minuto at 4 na sabay-sabay. Isang request sa bawat pagkakataon kada session ang mga unlimited plan. Itugma ang laki ng worker pool mo, kung hindi ay makakakita ka ng 429 sa unang araw pa lang; ang [rate limit calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/) ang bahala sa sizing. [Sizing para sa parallel agents](https://broadrouter.com/fil/blog/run-parallel-coding-agents-flat-rate/).

## 7\. Kakasya pa ba ang mga prompt mo?

Tingnan ang context window: 1,048,576 token sa DeepSeek V4.1 Flash at GLM 5.3, 262,144 sa Qwen3.8 27B, 32,768 sa Gemma 4 VL 26B. Ang prompt na kumasya sa luma mong model ay puwedeng hindi kumasya sa mas maliit na window; suriin gamit ang [context window calculator](https://broadrouter.com/tools/context-window-calculator/). Ilagay muna ang hindi nagbabagong nilalaman ng prompt para makinabang sa [presyo ng cached input](https://broadrouter.com/fil/blog/cached-input-tokens-explained/).

## 8\. Paano naman ang mga key at data retention?

I-lock ang mga production key sa IP ng mga server mo gamit ang [IP allow-list](https://broadrouter.com/fil/guides/api-keys-ip-allow-lists/). Tanungin ang bagong provider kung ano ang itinatago nito; tingnan ang [ZDR checklist](https://broadrouter.com/fil/blog/zero-data-retention-llm-api-checklist/).

## 9\. Paano lumipat nang ligtas?

1.  Magpadala ng kopya ng totoong request ng isang araw sa dalawang provider.
2.  Ihambing ang mga sagot sa isang sample, pati latency, error at gastos kada request.
3.  Ilipat ang 10% ng traffic, bantayan nang isang araw, tapos ilipat ang natitira.
4.  Panatilihing naka-configure ang lumang provider bilang fallback nang isang linggo.

Kung marami kang service, hinahayaan ka ng proxy gaya ng [LiteLLM](https://broadrouter.com/fil/guides/litellm-proxy-custom-provider/) na magpalit ng provider sa iisang lugar sa halip na sa bawat app.

## Ano ang mga karaniwang pagkakamali sa migration?

-   **Walang `/v1` sa base URL.** 404 ang balik ng mga request. Gamitin ang buong URL.
-   **Lumang pangalan ng model sa config.** Hindi ito kilala ng bagong provider.
-   **Naiwang field na pang-provider lang sa mga request.** Puwedeng tanggihan o i-ignore ang mga field na ang lumang provider lang ang nakakaintindi. Tanggalin ang mga ito sa mga generic na client.
-   **Isang prompt lang ang sinubukan.** Patakbuhin ang inventory mula sa step 0, feature kada feature.
-   **Paglipat sa araw ng Biyernes.** Maglaan ng oras para bantayan ang isang buong araw ng totoong traffic.

## Saan pumupuwesto ang BroadNet Inference

Ang BroadNet Inference ay drop-in na target para sa mga app na gumagamit ng chat completions at audio transcription sa pamamagitan ng OpenAI SDK: palitan ang tatlong setting at dumaan sa listahan sa itaas. Chat at speech-to-text model lang ang nasa catalogue nito, kaya kung umaasa ka sa ibang endpoint, gaya ng embeddings o file storage, iwan ang mga iyon sa ibang provider. Nagsisimula ang mga bagong account sa $5 na credit. Sa mga chat model, Gemma 4 VL 26B lang ang tumatakbo rito (sakop din nito ang dalawang Transcribe model), kaya kailangan ng top-up para sa shadow test sa DeepSeek, GLM o Qwen.

Mga libreng tool para rito (Ingles)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Libreng tools (Ingles)](https://broadrouter.com/tools/)

## Mga termino sa artikulong ito

[API key](https://broadrouter.com/fil/glossary/api-key/)

Ang API key ay isang lihim na string na kumikilala at nagpapahintulot sa client na tumatawag sa isang API. Kadalasang hinihingi ito ng mga LLM API sa Authorization: Bearer header, at ang sinumang may hawak ng key ay makakagawa ng mga request na sisingilin sa account na may-ari nito.

[Context window](https://broadrouter.com/fil/glossary/context-window/)

Ang context window ay ang pinakamaraming token na kayang hawakan ng isang language model sa iisang request. Sakop nito ang prompt, history ng usapan, tool definitions, mga larawan at ang nabuong output, kasama ang anumang reasoning tokens. Ang hindi kasya ay kailangang bawasan, ibuod o hatiin sa ilang request.

[Speech-to-text (STT)](https://broadrouter.com/fil/glossary/speech-to-text/)

Ang speech-to-text, na tinatawag ding automatic speech recognition (ASR), ay teknolohiyang ginagawang nakasulat na text ang binigkas na audio. Tumatanggap ang speech-to-text API ng audio file o stream at nagbabalik ng transcript, kadalasang may presyo kada minuto ng audio. Sinusukat ang accuracy gamit ang word error rate, at nag-iiba ito ayon sa accent, dialect at kalidad ng recording.

[Tool calling (function calling)](https://broadrouter.com/fil/glossary/tool-calling/)

Ang tool calling, tinatawag ding function calling, ay feature ng LLM API kung saan nagbabalik ang model ng structured na request para magpatakbo ng function na tinukoy ng developer, kasama ang JSON arguments. Ang application ang nagpapatakbo ng function at nagpapadala pabalik ng resulta; hindi kailanman nagpapatakbo ng code ang model mismo.

[Embeddings](https://broadrouter.com/fil/glossary/embeddings/)

Ang embeddings ay mga listahan ng floating-point na numero (vector) na binubuo ng isang model para kumatawan sa isang piraso ng text, larawan o ibang input. Magkakalapit ang vector ng mga input na magkatulad ang kahulugan, kaya magagamit ang layo ng mga vector para i-rank ang search results, i-cluster ang mga dokumento o hanapin ang magkakaugnay na item.

[Pay-as-you-go](https://broadrouter.com/fil/glossary/pay-as-you-go/)

Ang pay-as-you-go ay paraan ng pagpepresyo kung saan ang nagamit mo lang ang binabayaran mo, sinusukat kada yunit gaya ng token, request o minuto ng audio, nang walang subscription o minimum na commitment. Ganito naniningil ang karamihan ng LLM API, mula sa prepaid na balance o sa pana-panahong invoice.

[Streaming](https://broadrouter.com/fil/glossary/streaming/)

Ang streaming ay paraan ng pagbabalik ng sagot ng language model nang paunti-unting chunk habang binubuo pa ito, sa halip na iisang sagot sa dulo. Sa mga OpenAI-compatible na API, dumadaan ang streaming sa server-sent events kapag naka-set sa true ang stream sa request.

[Token](https://broadrouter.com/fil/glossary/token/)

Ang token ay ang yunit ng text na binabasa at isinusulat ng isang language model: isang salita, bahagi ng salita, bantas o byte sequence na ginawa ng tokenizer ng model. Sa token binibilang, nililimitahan at kadalasang sinisingil ng mga LLM API ang paggamit.

## Mga tanong

### Kailangan ko ba ng ibang SDK?

Hindi. Tumatanggap ng custom na base URL ang mga opisyal na OpenAI SDK para sa Python at Node.js. Tumatanggap din nito ang mga framework na nakabatay sa kanila, gaya ng ChatOpenAI ng LangChain.

### Paano ko papalitan ang base URL sa OpenAI SDK?

Ipasa ang base\_url sa client sa Python o ang baseURL sa Node.js, o i-set ang environment variable na OPENAI\_BASE\_URL. Para sa BroadNet Inference, https://inference.broadnet.ai/v1 ang value, at sa api\_key ilalagay ang key.

### Bakit walang laman ang response pagkatapos kong lumipat?

Nag-iisip muna bago sumagot ang mga reasoning model gaya ng DeepSeek V4.1 Flash, GLM 5.3 at Qwen3.8 27B, at binibilang ang pag-iisip sa max\_tokens. Itaas ang max\_tokens sa 1,000 o higit pa, o i-set ang reasoning\_effort sa low.

### Bakit ako nakakakuha ng 404 o model not found pagkatapos lumipat?

Kadalasan, pangalan pa rin ng lumang provider ang model ID, o kulang ng /v1 path ang base URL. Gamitin ang eksaktong model ID ng bagong provider at ang buong base URL.

### Aling mga error ang dapat kong i-retry?

I-retry ang 429 at 5xx gamit ang may-hangganang exponential backoff. Ayusin muna ang 401, 402 at 413 bago mag-retry. Nakalista ang bawat code sa errors guide ng site na ito.

### Pareho ba ang OpenAI-compatible sa magkapareho talaga?

Hindi. Tugma ang hugis ng request at response, pero puwedeng magkaiba ang model ID, mga suportadong parameter, limit, usage field at detalye ng error. Subukan ang bawat feature na ginagamit ng app mo.

## Magbasa pa

-   [Base URL ng OpenAI-compatible API: 14 na provider, sinuri](https://broadrouter.com/fil/blog/openai-compatible-api-base-urls/)
-   [OpenRouter vs flat-rate plan para sa AI agent: alin ang mas mura?](https://broadrouter.com/fil/blog/openrouter-alternative-flat-rate/)
-   [Kailan sulit ang 1M-token na context window (at kailan hindi)](https://broadrouter.com/fil/blog/million-token-context-window-guide/)
-   [Zero data retention sa LLM API: checklist na may 10 tanong](https://broadrouter.com/fil/blog/zero-data-retention-llm-api-checklist/)
-   [GPU hardware at paraan ng serving ng BroadNet, ayon sa BroadNet](https://broadrouter.com/fil/blog/broadnet-gpu-fleet-and-serving/)
-   [I-cache ang LLM API response, makatipid: exact-match cache sa Python](https://broadrouter.com/fil/blog/cache-llm-responses-cut-cost/)
-   [Gabay: Paano gamitin ang OpenAI Python SDK sa BroadNet Inference](https://broadrouter.com/fil/guides/openai-python-sdk/)
-   [Gabay: Paano gamitin ang OpenAI Node.js SDK sa BroadNet Inference](https://broadrouter.com/fil/guides/openai-node-sdk/)
-   [Gabay: Paano gamitin ang LangChain sa BroadNet Inference](https://broadrouter.com/fil/guides/langchain-openai-base-url/)
-   [Gabay: Mga error code ng BroadNet Inference at kailan dapat mag-retry](https://broadrouter.com/fil/guides/errors-and-retries/)
-   [Gabay: Paano mag-stream ng chat completions at ayusin ang naputol na stream](https://broadrouter.com/fil/guides/streaming-chat-completions/)
-   [Gabay: Bakit walang laman ang sagot ng isang reasoning model](https://broadrouter.com/fil/guides/reasoning-tokens-empty-response/)
-   [Gabay: Paano i-route ang LiteLLM sa BroadNet Inference (SDK at proxy)](https://broadrouter.com/fil/guides/litellm-proxy-custom-provider/)

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

[Magsimula](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-openai-compatible-api-migration-checklist&utm_content=page-cta) ·

**Mga source**

-   [API reference ng BroadNet Inference (Ingles)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-openai-compatible-api-migration-checklist&utm_content=sources)
-   [README ng OpenAI Python SDK (base\_url, OPENAI\_BASE\_URL, retry; sinuri noong 2026-11-14)](https://github.com/openai/openai-python)
