---
title: "Instructor dengan base_url kompatibel OpenAI (Pydantic)"
description: "Ekstrak objek Pydantic dari BroadNet Inference dengan Instructor, memakai from_openai atau from_provider dengan base_url kustom, dan pilih Mode yang tepat."
url: https://broadrouter.com/id/guides/instructor-structured-output/
lang: id
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/guides/instructor-structured-output/) (diperbarui 2026-11-16).

# Mendapatkan output terstruktur dengan Instructor di BroadNet Inference

Diperbarui 2026-11-16

Bungkus klien OpenAI yang memakai base\_url https://inference.broadnet.ai/v1 dan kunci BroadNet Anda dengan instructor.from\_openai, lalu panggil chat.completions.create dengan response\_model berisi kelas Pydantic Anda dan model berisi broadnet/glm-5.3 atau broadnet/qwen3.8-27b. Itulah dua model yang dicantumkan BroadNet dengan tools dan output terstruktur. Mode.TOOLS adalah default; Mode.JSON\_SCHEMA juga berfungsi.

Instructor adalah library Python yang mengubah balasan LLM menjadi objek Pydantic yang tervalidasi dan bisa mencoba ulang saat validasi gagal. Library ini mem-patch klien OpenAI, dan dokumentasinya membahas server yang kompatibel dengan OpenAI lewat `base_url`. BroadNet Inference menyajikan chat completions di `https://inference.broadnet.ai/v1`, dan mencantumkan tools serta output terstruktur untuk GLM 5.3 dan Qwen3.8 27B. BroadRouter adalah situs milik BroadNet sendiri; panduan ini mengikuti dokumentasi Instructor per versi 1.17.0.

## Instalasi

```bash
pip install instructor
export BROADNET_API_KEY='your-broadnet-key'
```

## Mengekstrak objek

```python
import os
import instructor
from openai import OpenAI
from pydantic import BaseModel

class Invoice(BaseModel):
    vendor: str
    total: float
    currency: str

client = instructor.from_openai(
    OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"]),
    mode=instructor.Mode.TOOLS,
)

invoice = client.chat.completions.create(
    model="broadnet/glm-5.3",
    response_model=Invoice,
    max_tokens=4000,
    messages=[{"role": "user", "content": "Acme Trading invoice, total 1,250.00 SAR"}],
)
print(invoice)
```

Instructor mengubah `Invoice` menjadi skema tool, memaksa model memanggilnya dengan `tool_choice`, lalu memvalidasi argumennya. Atur `max_retries` untuk menentukan berapa kali Instructor bertanya lagi, dengan menyertakan error validasinya, saat objek tidak lolos validasi.

## Atau pakai from\_provider

```python
pclient = instructor.from_provider(
    "openai/broadnet/glm-5.3",
    base_url="https://inference.broadnet.ai/v1",
    api_key=os.environ["BROADNET_API_KEY"],
)
invoice = pclient.create(response_model=Invoice, max_tokens=4000,
                         messages=[{"role": "user", "content": "Acme Trading, 1,250.00 SAR"}])
```

Bagian `openai/` memilih kliennya. Sisanya, `broadnet/glm-5.3`, dikirim sebagai ID model.

## Mode mana

| Mode | Yang dikirim | Pakai dengan BroadNet |
| --- | --- | --- |
| `Mode.TOOLS` (default) | Tool call wajib dengan skema Anda | Ya, di GLM 5.3 atau Qwen3.8 27B |
| `Mode.JSON_SCHEMA` | `response_format` bertipe `json_schema` | Ya, di GLM 5.3 atau Qwen3.8 27B |
| `Mode.MD_JSON` | Permintaan biasa; JSON di-parse dari teks | Cadangan untuk model lain; uji dulu |
| `Mode.RESPONSES_TOOLS` | Responses API | Tidak: BroadNet menyajikan chat completions |

## Gambar

Qwen3.8 27B menerima gambar sekaligus tools, jadi model ini bisa membaca foto atau hasil scan langsung ke model Pydantic Anda:

```python
import base64
img = base64.b64encode(open("invoice.jpg", "rb").read()).decode()
invoice = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    response_model=Invoice,
    max_tokens=4000,
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "Extract the invoice fields."},
        {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + img}},
    ]}],
)
```

Pada kunci bayar sesuai pemakaian, gambar dihitung sebagai token input. Lihat [membaca invoice berbahasa Arab dengan vision](https://broadrouter.com/id/guides/read-arabic-invoices-with-vision/).

## Cara kami mengujinya

Pada 2026-11-15 kami menginstal instructor 1.17.0 bersama openai 3.3.0 di virtual environment yang bersih dan menjalankan contoh-contoh di atas terhadap mock server lokal yang meniru format chat completions BroadNet. Kami membaca log permintaannya. `Mode.TOOLS` mengirim skema sebagai tool dengan `tool_choice` wajib, `Mode.JSON_SCHEMA` mengirim format respons `json_schema`, dan keduanya mengembalikan `Invoice` yang valid. `from_provider` mengirim ID model tanpa perubahan. Mock kami tidak menulis JSON dalam teks bebas, jadi `Mode.MD_JSON` tidak kami uji, dan contoh gambar tidak kami kirim. Kami tidak punya kunci BroadNet, jadi output model sungguhan tidak kami uji.

## Pemecahan masalah

-   **Percobaan ulang validasi yang tidak pernah berhasil.** Pada GLM 5.3 dan Qwen3.8 27B, penalaran ikut dihitung dalam `max_tokens`. Batas yang rendah bisa memotong argumen tool. Naikkan nilainya. [Kenapa jawaban kembali kosong](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/).
-   **400 pada permintaan.** Pastikan Anda memakai GLM 5.3 atau Qwen3.8 27B. Jika `tool_choice` wajib ditolak, coba `Mode.JSON_SCHEMA`.
-   **401.** Kuncinya salah, kedaluwarsa, atau jatahnya habis.
-   **404.** `base_url` harus diakhiri `/v1`. GLM 5.3 dan Qwen3.8 27B memerlukan top up; kredit $5 tidak mencakupnya.
-   **429 saat ekstraksi batch.** Kunci bayar sesuai pemakaian mengizinkan 30 permintaan per menit dan 4 permintaan yang berjalan bersamaan. Setiap percobaan ulang validasi adalah satu permintaan lagi. Lihat [panduan error dan percobaan ulang](https://broadrouter.com/id/guides/errors-and-retries/).

## Istilah dalam panduan ini

[Bayar sesuai pemakaian (pay-as-you-go)](https://broadrouter.com/id/glossary/pay-as-you-go/)

Bayar sesuai pemakaian (pay-as-you-go) adalah model harga di mana Anda hanya membayar yang Anda pakai, dihitung per satuan seperti token, permintaan, atau menit audio, tanpa langganan atau komitmen minimum. Sebagian besar API LLM menagih dengan cara ini, dari saldo prabayar atau tagihan berkala.

[Chat Completions API](https://broadrouter.com/id/glossary/chat-completions-api/)

Chat Completions API adalah endpoint HTTP milik OpenAI, POST /v1/chat/completions, yang menerima nama model dan daftar pesan bertanda peran lalu mengembalikan pesan berikutnya dari model. Bentuk request dan response-nya menjadi format umum yang dipakai ulang oleh penyedia dan SDK yang kompatibel dengan OpenAI.

[Konkurensi (concurrency)](https://broadrouter.com/id/glossary/concurrency/)

Konkurensi (concurrency) adalah jumlah permintaan yang sedang berjalan dari sebuah client pada saat yang sama. API LLM sering membatasinya per kunci atau per paket, terpisah dari batas permintaan per menit, karena setiap permintaan yang terbuka menahan kapasitas GPU sampai responsnya selesai.

[Rate limit (batas laju)](https://broadrouter.com/id/glossary/rate-limit/)

Rate limit adalah batas yang diterapkan API pada seberapa banyak client boleh memakainya dalam rentang waktu tertentu, misalnya permintaan per menit atau token per menit. Permintaan yang melebihi batas ditolak, biasanya dengan HTTP 429 Too Many Requests, sampai pemakaian kembali di bawah batas.

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

Tool calling, disebut juga function calling, adalah fitur API LLM di mana model mengembalikan permintaan terstruktur untuk menjalankan fungsi yang didefinisikan developer, lengkap dengan argumen JSON. Aplikasi yang menjalankan fungsi itu dan mengirim hasilnya kembali; model tidak pernah menjalankan kode sendiri.

[API kompatibel OpenAI](https://broadrouter.com/id/glossary/openai-compatible-api/)

API kompatibel OpenAI adalah API HTTP yang menerima format permintaan dan respons yang sama dengan API OpenAI, seperti POST /v1/chat/completions, sehingga SDK dan tool OpenAI bisa memakainya hanya dengan mengganti base URL, kunci API, dan nama model.

[Kredit prabayar (prepaid credit)](https://broadrouter.com/id/glossary/prepaid-credit/)

Kredit prabayar adalah uang yang diisi ke akun API sebelum dipakai. Setiap request memotong biayanya dari saldo, dan saat saldo habis, request berbayar per pemakaian berhenti sampai Anda melakukan top up. Dengan begitu, pengeluaran dibatasi sebesar uang yang sudah Anda setor.

[Output terstruktur (structured output)](https://broadrouter.com/id/glossary/structured-output/)

Output terstruktur adalah fitur API LLM yang membatasi balasan model pada format yang ditentukan developer, biasanya JSON Schema, agar kode bisa mem-parse-nya dengan andal. Fitur ini lebih ketat daripada JSON mode, yang menjamin JSON valid tetapi tidak menjamin bentuk tertentu.

## Pertanyaan umum

### Mode Instructor mana yang dipakai dengan BroadNet?

Mode.TOOLS, default-nya, di GLM 5.3 atau Qwen3.8 27B, yang dicantumkan BroadNet dengan tools dan output terstruktur. Mode.JSON\_SCHEMA mengirim response\_format bertipe json\_schema sebagai gantinya. Keduanya menghasilkan objek yang valid dalam uji kami dengan mock server.

### Bisakah saya memakai Mode.RESPONSES\_TOOLS?

Tidak. Dokumentasi Instructor melarang memilihnya kecuali server mengimplementasikan Responses API. BroadNet hanya menyajikan chat completions.

### Apakah Instructor berfungsi dengan DeepSeek V4.1 Flash atau Gemma di BroadNet?

BroadNet tidak mencantumkan tools atau output terstruktur untuk model-model itu. Mode.MD\_JSON meminta JSON dalam teks biasa lalu mem-parse-nya, yang mungkin berhasil, tetapi uji dulu dengan data Anda sendiri sebelum mengandalkannya.

### Bagaimana menulis string model untuk from\_provider?

Gunakan openai/broadnet/glm-5.3. Instructor memisahkan segmen pertama sebagai provider, dan dalam uji kami ia mengirim broadnet/glm-5.3 ke server tanpa perubahan.

## Panduan terkait

-   [Memakai OpenAI Python SDK dengan BroadNet Inference](https://broadrouter.com/id/guides/openai-python-sdk/)
-   [Pydantic AI dengan BroadNet Inference (OpenAICompatibleProvider)](https://broadrouter.com/id/guides/pydantic-ai-openai-compatible/)
-   [Membaca faktur dan struk berbahasa Arab dengan model vision](https://broadrouter.com/id/guides/read-arabic-invoices-with-vision/)
-   [Kenapa model reasoning mengembalikan jawaban kosong](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/)
-   [Semua alat yang bisa dipakai dengan BroadNet Inference (bahasa Inggris)](https://broadrouter.com/integrations/): SDK, agen coding, antarmuka chat, dan alat otomatisasi, lengkap dengan pengaturan persis untuk masing-masing

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-guides-instructor-structured-output&utm_content=page-cta) ·

**Sumber**

-   [Dokumentasi Instructor, OpenAI dan server yang kompatibel dengan OpenAI (diperiksa 2026-11-15)](https://python.useinstructor.com/integrations/openai/)
-   [PyPI, instructor 1.17.0 (diperiksa 2026-11-15)](https://pypi.org/project/instructor/)
-   [Referensi API BroadNet Inference (diperiksa 2026-11-15) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-guides-instructor-structured-output&utm_content=sources)
