---
title: "OpenAI API 전환 방법: 코드 변경점과 테스트 | BroadRouter"
description: "OpenAI에서 OpenAI 호환 API로 옮길 때 바꿔야 할 코드: 클라이언트 설정, Responses에서 Chat Completions로, 도구, 스트리밍, 임베딩, 스모크 테스트까지 정리했습니다."
url: https://broadrouter.com/ko/blog/migrate-from-openai-api-code-walkthrough/
lang: ko
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/blog/migrate-from-openai-api-code-walkthrough/) (2026-11-15 업데이트).

# OpenAI API에서 옮겨 가기: Python, Node, cURL 코드로 보는 전환 과정

BroadNet Inference 팀 · 6분 분량 · 게시 2026-11-15

클라이언트의 base URL, API 키, 모델 ID를 바꾸세요. Chat Completions 호출이라면 이것으로 충분합니다. Responses API 코드는 Chat Completions로 다시 작성해야 합니다. input은 messages로, output\_text는 choices\[0\].message.content로 바뀌고, 도구 정의는 중첩이 한 단계 줄어듭니다. 새 제공업체에 임베딩이 없다면 임베딩은 별도 클라이언트로 유지하고, 트래픽을 옮기기 전에 스모크 테스트를 돌리세요.

## 핵심 요약

-   Chat Completions 코드라면 바꿀 값은 base\_url, api\_key, model 세 가지입니다. 두 공식 SDK 모두 환경 변수 OPENAI\_BASE\_URL과 OPENAI\_API\_KEY도 읽습니다.
-   OPENAI\_BASE\_URL을 설정하면 임베딩을 포함한 모든 호출이 옮겨 갑니다. 새 제공업체에 임베딩 엔드포인트가 없다면 임베딩에는 별도 클라이언트를 두세요.
-   Responses API 코드는 다시 작성해야 합니다. input은 messages로, instructions는 system 메시지로, text.format은 response\_format으로, 평평한 도구 정의는 중첩된 형태로 바뀝니다.
-   BroadNet Inference는 /v1/chat/completions, /v1/audio/transcriptions, GET /v1/models를 문서화하며, 임베딩, 파일, 배치 엔드포인트는 없습니다. 문서에는 GLM 5.3과 Qwen3.8 27B에 도구와 구조화된 출력이 표시되어 있습니다.
-   전환 전에 테스트하세요. 일반 채팅, 스트리밍 usage, 추론 예산, 잘못된 키 1회를 확인하고, 도구를 쓴다면 도구 호출도 1회 확인합니다.

**이 페이지의 내용**

1.  클라이언트 설정에서는 무엇이 바뀌나요?
2.  코드가 Responses API를 쓰고 있다면요?
3.  도구 호출은 어떻게 바뀌나요?
4.  구조화된 출력은 어떻게 되나요?
5.  임베딩은 어떻게 되나요?
6.  스트리밍 코드는 어떻게 바뀌나요?
7.  오류 처리와 재시도도 바뀌나요?
8.  어떤 파라미터가 다르게 동작하나요?
9.  전환은 어떻게 테스트하나요?
10.  가장 자주 깨지는 것은 무엇인가요?
11.  BroadNet Inference는 어디에 적합한가요?

Chat Completions를 쓰고 있다면 OpenAI에서 OpenAI 호환 제공업체로 앱을 옮기는 것은 작은 코드 변경이고, Responses API를 쓰고 있다면 다시 작성하는 일입니다. 이 글에서는 Python, Node, cURL의 정확한 변경점, Responses, 도구, 구조화된 출력, 임베딩의 처리 방법, 그리고 트래픽을 옮기기 전에 돌릴 스모크 테스트를 보여 드립니다. 예제는 `https://inference.broadnet.ai/v1`의 BroadNet Inference를 사용하지만, 같은 단계가 어떤 제공업체에도 적용됩니다.

이 글은 속도 제한, 오류, 전환 계획을 다루는 [전환 체크리스트](https://broadrouter.com/ko/blog/openai-compatible-api-migration-checklist/)의 코드 편입니다. 다른 제공업체의 base URL은 [확인을 거친 OpenAI 호환 base URL 목록](https://broadrouter.com/ko/blog/openai-compatible-api-base-urls/)을 참고하세요.

## 클라이언트 설정에서는 무엇이 바뀌나요?

base URL, API 키, 모델 ID 세 가지입니다.

**Python**

```python
import os
from openai import OpenAI

# before: client = OpenAI()  # reads OPENAI_API_KEY, calls api.openai.com
client = OpenAI(
    base_url="https://inference.broadnet.ai/v1",
    api_key=os.environ["BROADNET_API_KEY"],
)
r = client.chat.completions.create(
    model="broadnet/gemma-4-26b-a4b",          # was e.g. "gpt-..."
    messages=[{"role": "user", "content": "Reply with one short sentence."}],
)
print(r.choices[0].message.content)
```

**Node**

```javascript
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://inference.broadnet.ai/v1",
  apiKey: process.env.BROADNET_API_KEY,
});
const r = await client.chat.completions.create({
  model: "broadnet/gemma-4-26b-a4b",
  messages: [{ role: "user", content: "Reply with one short sentence." }],
});
console.log(r.choices[0].message.content);
```

**cURL**

```bash
curl https://inference.broadnet.ai/v1/chat/completions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"broadnet/gemma-4-26b-a4b","messages":[{"role":"user","content":"Reply with one short sentence."}]}'
```

경로에 주의하세요. base URL이 이미 `/v1`로 끝나므로 SDK는 `/chat/completions`만 덧붙입니다. `/v1`을 두 번 붙이는 것이 가장 흔한 첫 오류입니다.

### 코드를 건드리지 않고 전환할 수 있나요?

Chat Completions 코드라면 가능합니다. Python SDK는 `base_url`이 전달되지 않으면 `OPENAI_BASE_URL`을 읽고, Node 클라이언트는 `baseURL`의 기본값을 `process.env['OPENAI_BASE_URL']`로 둡니다. 둘 다 `OPENAI_API_KEY`를 읽습니다. 환경 변수 두 개만 설정하면 모든 호출이 옮겨 갑니다.

이것이 바로 위험 요소이기도 합니다. 임베딩, 모더레이션, 파일 업로드 등 새 제공업체에 없을 수 있는 기능까지 **모든 호출**이 옮겨 갑니다. 환경 변수 방식은 앱이 채팅 호출만 하고 다른 것은 하지 않을 때만 쓰세요.

## 코드가 Responses API를 쓰고 있다면요?

OpenAI SDK의 README는 이제 Responses API를 기본 API라고 부릅니다. Python README는 Chat Completions를 “the previous standard (supported indefinitely)“(번역: 이전 표준(무기한 지원))라고 부릅니다. 많은 호환 제공업체가 Chat Completions만 구현합니다. BroadNet은 `POST /v1/chat/completions`와 `POST /v1/audio/transcriptions`를 문서화하므로, Responses 호출은 다시 작성해야 합니다. 대응 관계는 다음과 같습니다.

| Responses API | Chat Completions |
| --- | --- |
| `client.responses.create(...)` | `client.chat.completions.create(...)` |
| `instructions="..."` | 첫 메시지 `{"role": "system", "content": "..."}` |
| `input="..."` 또는 항목 목록 | `messages=[...]` |
| `response.output_text` | `response.choices[0].message.content` |
| `max_output_tokens` | `max_tokens`(BroadNet 문서) 또는 `max_completion_tokens` |
| `text={"format": {...}}` | `response_format={...}` |
| `previous_response_id`, 대화(conversations) | 전체 메시지 이력을 직접 다시 전송 |
| 도구 `{"type": "function", "name": ...}` | 도구 `{"type": "function", "function": {"name": ...}}` |
| 출력 항목 `function_call`, `function_call_output`과 `call_id`로 응답 | `message.tool_calls`, role `tool`과 `tool_call_id`로 응답 |
| 내장 도구(웹 검색, 파일 검색) | 사용 불가. 도구를 직접 실행 |

간단한 호출의 전후 비교:

```python
# Before: Responses API
r = client.responses.create(model="gpt-...", instructions="Be brief.", input="What is RAG?")
text = r.output_text

# After: Chat Completions
r = client.chat.completions.create(
    model="broadnet/gemma-4-26b-a4b",
    messages=[{"role": "system", "content": "Be brief."},
              {"role": "user", "content": "What is RAG?"}],
)
text = r.choices[0].message.content
```

가장 큰 구조적 변화는 상태입니다. Responses는 `previous_response_id`로 대화 상태를 OpenAI 쪽에 유지할 수 있습니다. Chat Completions에는 서버 쪽 상태가 없으므로, 코드가 메시지 목록을 저장하고 매 턴 전부 보내야 합니다. 이 비용을 예산에 반영하세요. 매 호출마다 전체 이력이 입력 토큰이 됩니다.

## 도구 호출은 어떻게 바뀌나요?

Chat Completions에서는 도구 정의가 함수를 `function` 키 아래에 중첩하며, 응답은 `tool` 메시지로 돌려보냅니다.

```python
import json

tools = [{
    "type": "function",
    "function": {
        "name": "get_order",
        "description": "Look up an order by ID.",
        "parameters": {"type": "object",
                       "properties": {"order_id": {"type": "string"}},
                       "required": ["order_id"]},
    },
}]
messages = [{"role": "user", "content": "Where is order A-1042?"}]
r = client.chat.completions.create(model="broadnet/glm-5.3", messages=messages, tools=tools)
msg = r.choices[0].message
if msg.tool_calls:
    messages.append(msg)                                   # keep the assistant turn
    for call in msg.tool_calls:
        args = json.loads(call.function.arguments)         # a JSON string: parse and validate it
        messages.append({"role": "tool", "tool_call_id": call.id,
                         "content": json.dumps(lookup_order(args["order_id"]))})
    r = client.chat.completions.create(model="broadnet/glm-5.3", messages=messages, tools=tools)
```

형식보다 중요한 것은 모델입니다. BroadNet 문서에는 [GLM 5.3](https://broadrouter.com/ko/models/glm-5.3/)과 [Qwen3.8 27B](https://broadrouter.com/ko/models/qwen3.8-27b/)에만 도구가 표시되어 있습니다. 문서에 도구가 표시되지 않은 모델에는 도구 루프를 연결하지 말고, 무엇이든 실행하기 전에 인수를 검증하세요. 검증까지 포함한 전체 루프는 [오픈 모델의 도구 호출](https://broadrouter.com/ko/blog/tool-calling-open-models/)에 있습니다.

## 구조화된 출력은 어떻게 되나요?

`client.chat.completions.parse(..., response_format=MyPydanticModel)`과 Node의 `zodResponseFormat`은 둘 다 JSON 스키마를 담은 `response_format`을 보냅니다. 제공업체가 해당 모델에서 그 형식을 받을 때만 동작합니다. BroadNet은 GLM 5.3과 Qwen3.8 27B에 구조화된 출력을 표시하지만 요청 파라미터 이름은 밝히지 않습니다. [JSON 모드 vs json\_schema](https://broadrouter.com/ko/blog/structured-output-json-schema/)의 4단계 테스트를 모델마다 한 번씩 돌리고, 제공업체가 무엇을 약속하든 파싱 결과는 계속 검증하세요.

## 임베딩은 어떻게 되나요?

공유 클라이언트의 base URL을 바꿨는데 제공업체에 임베딩 엔드포인트가 없다면, 모든 `client.embeddings.create` 호출이 실패합니다. BroadNet은 [임베딩](https://broadrouter.com/ko/glossary/embeddings/)을 판매하지 않습니다. 클라이언트를 두 개 두세요.

```python
chat = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
embed = OpenAI(api_key=os.environ["OPENAI_API_KEY"])   # or any embeddings provider

vec = embed.embeddings.create(model="text-embedding-3-small", input=query).data[0].embedding
answer = chat.chat.completions.create(model="broadnet/glm-5.3", messages=build_prompt(query, search(vec)))
```

서로 다른 두 임베딩 모델의 벡터를 한 인덱스에 섞지 마세요. 임베딩 제공업체도 바꾼다면 전체 코퍼스를 다시 임베딩하세요. 그 비용은 [임베딩 비용 계산기](https://broadrouter.com/tools/embedding-cost-calculator/)로 계산할 수 있습니다.

이미지 생성, 텍스트 음성 변환(TTS), 모더레이션, Batch API, 파일 저장소처럼 채팅이 아닌 기능에도 같은 원칙이 적용됩니다. BroadNet은 이 중 어느 것도 제공하지 않습니다. 음성 인식은 옮길 수 있습니다. `client.audio.transcriptions.create`는 WAV 또는 MP3와 `language` 필드로 `/v1/audio/transcriptions`에서 동작합니다([아랍어 음성 인식 가이드](https://broadrouter.com/ko/guides/arabic-speech-to-text-api/)).

## 스트리밍 코드는 어떻게 바뀌나요?

Responses API는 `response.output_text.delta`, `response.completed` 같은 타입이 지정된 이벤트를 스트리밍합니다. Chat Completions는 청크를 스트리밍하며, 텍스트는 `choices[0].delta.content`에 담깁니다. usage는 요청하지 않으면 전송되지 않고, 요청하면 `choices` 목록이 빈 마지막 청크에 담겨 옵니다.

```javascript
// Before (Responses): for await (const e of stream) if (e.type === "response.output_text.delta") out(e.delta);
const stream = await client.chat.completions.create({
  model: "broadnet/gemma-4-26b-a4b",
  messages: [{ role: "user", content: "Count from one to three." }],
  stream: true,
  stream_options: { include_usage: true },
});
for await (const chunk of stream) {
  const text = chunk.choices[0]?.delta?.content;
  if (text) process.stdout.write(text);
  if (chunk.usage) console.log("\ntokens:", chunk.usage.total_tokens);   // last chunk
}
```

전환 후 스트림 코드를 안전하게 지키는 습관이 두 가지 있습니다. usage 청크에는 choices가 없으므로 `choices[0]`에 방어 코드를 두세요. 그리고 마지막 `data: [DONE]` 줄 전에 끝난 스트림은 불완전한 것으로 취급하세요. BroadNet 문서는 `X-Request-ID`를 기록하고 새 요청을 보내도 안전한지 판단하라고 안내합니다. Python 전체 패턴은 [Chat Completions 스트리밍](https://broadrouter.com/ko/guides/streaming-chat-completions/)에 있습니다.

## 오류 처리와 재시도도 바뀌나요?

SDK의 오류 클래스는 그대로입니다. 401은 `AuthenticationError`, 429는 `RateLimitError`, 나머지는 `APIStatusError`입니다. 바뀌는 것은 새 제공업체에서 각 상태 코드가 뜻하는 바입니다. BroadNet에서 401은 잘못된 키만이 아니라 종량제 허용량 소진을 뜻할 수도 있고, 402는 구매에 필요한 잔액 부족을 뜻합니다. 둘 다 재시도로는 해결되지 않습니다. 429는 요청 속도, 동시 처리, 토큰 속도, 지출 한도 중 어디서든 올 수 있습니다. 429와 5xx는 백오프로 재시도하고, 나머지는 원인을 고치세요. 전체 표는 [오류와 재시도 가이드](https://broadrouter.com/ko/guides/errors-and-retries/)에 있습니다.

SDK는 연결 오류, 408, 409, 429, 5xx를 기본적으로 두 번 재시도합니다. 자체 재시도 루프를 추가한다면 둘이 겹치지 않도록 클라이언트에 `max_retries=0`을 설정하세요.

## 어떤 파라미터가 다르게 동작하나요?

| 파라미터 | 확인할 것 |
| --- | --- |
| `max_tokens` / `max_completion_tokens` | OpenAI는 `max_tokens`를 지원 중단했지만 BroadNet 문서는 이를 씁니다. 추론 모델에서는 사고 과정이 포함되므로 값이 작으면 빈 답변이 반환됩니다([이유](https://broadrouter.com/ko/guides/reasoning-tokens-empty-response/)) |
| `reasoning_effort` | BroadNet은 `low`를 문서화합니다. 다른 값은 의존하기 전에 테스트하세요 |
| `stream_options: {"include_usage": true}` | BroadNet이 문서화. usage는 마지막 청크에 담겨 옴 |
| `n`, `logprobs`, `seed`, `logit_bias` | BroadNet 문서에 없음. 테스트하거나 제거 |
| `store`, `metadata` | OpenAI 저장 기능. 제거 |
| `image_url` 콘텐츠 파트 | 이미지 지원이 표시된 모델에서만: DeepSeek V4.1 Flash, Qwen3.8 27B, Gemma 4 VL 26B |

## 전환은 어떻게 테스트하나요?

트래픽을 옮기기 전에 새 제공업체를 대상으로 짧은 스모크 테스트를 돌리세요. 아래 테스트는 일반 채팅, 스트리밍 usage, 추론 예산, 인증을 확인합니다. 도구를 쓴다면 도구 호출 케이스를 추가하세요.

```python
import os, openai
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"], max_retries=0)
FAST, REASONING = "broadnet/gemma-4-26b-a4b", "broadnet/qwen3.8-27b"
msg = [{"role": "user", "content": "Reply with the word ok."}]

# 1. Plain chat returns text and usage
r = client.chat.completions.create(model=FAST, messages=msg)
assert r.choices[0].message.content and r.usage.prompt_tokens > 0

# 2. Streaming reports usage in the last chunk
chunks = list(client.chat.completions.create(model=FAST, messages=msg, stream=True,
                                             stream_options={"include_usage": True}))
assert chunks[-1].usage is not None

# 3. A reasoning model needs room: a tiny budget can come back empty
r = client.chat.completions.create(model=REASONING, messages=msg, max_tokens=2000)
assert r.choices[0].finish_reason == "stop" and r.choices[0].message.content

# 4. A bad key raises AuthenticationError (401), which you should not retry
bad = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key="invalid", max_retries=0)
try:
    bad.chat.completions.create(model=FAST, messages=msg)
    raise AssertionError("expected 401")
except openai.AuthenticationError:
    pass
print("smoke test passed")
```

그다음에는 형식만이 아니라 품질을 비교하세요. 실제 프롬프트 샘플을 두 제공업체에서 다시 실행하고 답변을 채점합니다. 방법은 [모델을 바꾸기 전에 LLM을 평가하는 방법](https://broadrouter.com/ko/blog/evaluate-llm-before-switching/)에 있습니다. [OpenAI에서 BroadNet으로 전환 도구](https://broadrouter.com/tools/openai-to-broadnet-migration/)는 코드 조각을 다시 작성해 주고 어떤 기능을 쓰는지 알려 줍니다.

## 가장 자주 깨지는 것은 무엇인가요?

-   **전역 base URL.** 임베딩과 파일 호출까지 함께 옮겨 갑니다.
-   **Responses 전용 헬퍼.** 이제 Chat Completions를 호출하는 코드에 `output_text` 같은 것이 남아 있는 경우입니다.
-   **모델 ID.** `gpt-...` 이름은 다른 곳에는 없습니다. BroadNet에서는 `broadnet/glm-5.3` 같은 형태입니다.
-   **빈 답변.** `max_tokens`가 작은 추론 모델에서 나옵니다.
-   **속도 제한.** BroadNet 종량제 키는 분당 요청 30개, 동시 요청 4개까지 허용합니다. 대량 작업에는 큐가 필요합니다([429 처리](https://broadrouter.com/ko/blog/handle-llm-api-429-rate-limits/)).

## BroadNet Inference는 어디에 적합한가요?

BroadNet Inference는 OpenAI 사용 범위가 채팅과 전사인 앱에 적합합니다. 어시스턴트, 추출, 요약, 번역, 아랍어 음성 인식 같은 경우입니다. 에이전트용으로 [DeepSeek V4.1 Flash](https://broadrouter.com/ko/models/deepseek-v4.1-flash/) 정액 플랜을 원하는 앱에도 맞습니다. Responses API의 서버 쪽 상태, 내장 도구, 임베딩, 이미지 생성, 텍스트 음성 변환, 실시간 음성, Batch API에 의존한다면 맞지 않습니다. 그런 기능은 이를 제공하는 제공업체로 옮기거나, OpenAI에 남겨 두고 채팅 호출만 옮기세요. Gemma 4 VL 26B와 두 전사 모델은 $5 상당의 초기 크레딧으로 쓸 수 있고, GLM 5.3, Qwen3.8 27B, DeepSeek V4.1 Flash는 먼저 충전이 필요합니다.

관련 무료 도구 (영어)

-   [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.

[무료 도구 (영어)](https://broadrouter.com/tools/)

## 이 글의 용어

[임베딩(embedding)](https://broadrouter.com/ko/glossary/embeddings/)

임베딩은 모델이 텍스트, 이미지 등의 입력을 표현하기 위해 만드는 부동소수점 숫자 목록(벡터)입니다. 의미가 비슷한 입력은 서로 가까운 벡터를 얻으므로, 벡터 사이의 거리로 검색 결과의 순위를 매기거나 문서를 군집화하거나 관련 항목을 찾을 수 있습니다.

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

종량제(pay-as-you-go)는 구독이나 최소 약정 없이 토큰, 요청, 오디오 분 같은 단위로 사용량을 측정해 쓴 만큼만 내는 요금 방식입니다. 대부분의 LLM API가 선불 잔액에서 차감하거나 정기 청구서를 발행하는 식으로 이렇게 과금합니다.

[음성 합성(TTS, text-to-speech)](https://broadrouter.com/ko/glossary/text-to-speech/)

TTS(text-to-speech), 즉 음성 합성은 글로 쓴 텍스트를 음성 오디오로 변환합니다. TTS API는 텍스트, 목소리, MP3나 WAV 같은 출력 형식을 받아 생성된 음성을 반환합니다. 오디오를 텍스트로 바꾸는 음성 인식(STT)의 반대 방향입니다.

[base URL(베이스 URL)](https://broadrouter.com/ko/glossary/base-url/)

base URL은 https://api.example.com/v1처럼 API의 고정된 루트 주소로, 클라이언트가 /chat/completions 같은 모든 엔드포인트 경로 앞에 붙입니다. OpenAI 호환 SDK에서는 base URL을 API 키, 모델 ID와 함께 바꾸면 같은 코드로 다른 제공업체를 호출할 수 있습니다.

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

Chat Completions API는 OpenAI의 HTTP 엔드포인트인 POST /v1/chat/completions로, 모델 이름과 역할이 붙은 메시지 목록을 받아 모델의 다음 메시지를 반환합니다. 이 요청과 응답 구조는 OpenAI 호환 제공업체와 SDK가 재사용하는 공통 형식이 되었습니다.

[도구 호출(tool calling)](https://broadrouter.com/ko/glossary/tool-calling/)

도구 호출(tool calling)은 함수 호출(function calling)이라고도 하며, 모델이 개발자가 정의한 함수를 실행해 달라는 구조화된 요청을 JSON 인자와 함께 반환하는 LLM API 기능입니다. 함수는 애플리케이션이 실행하고 그 결과를 다시 보냅니다. 모델이 직접 코드를 실행하지는 않습니다.

[동시 처리(concurrency)](https://broadrouter.com/ko/glossary/concurrency/)

동시 처리(concurrency)는 클라이언트가 같은 시점에 진행 중인 요청 수입니다. LLM API는 분당 요청 수와 별도로 키나 플랜마다 이를 제한하는 경우가 많습니다. 열려 있는 요청은 응답이 끝날 때까지 GPU 용량을 차지하기 때문입니다.

[음성 인식(Speech-to-text, STT)](https://broadrouter.com/ko/glossary/speech-to-text/)

음성 인식(STT)은 자동 음성 인식(ASR)이라고도 하며, 말소리 오디오를 글로 변환하는 기술입니다. 음성 인식 API는 오디오 파일이나 스트림을 받아 전사 텍스트를 반환하며, 보통 오디오 분당 요금이 붙습니다. 정확도는 단어 오류율로 측정하며 억양, 방언, 녹음 품질에 따라 달라집니다.

## 자주 묻는 질문

### OpenAI 호환 API를 쓰려면 다른 SDK가 필요한가요?

아닙니다. 공식 openai 패키지를 그대로 쓰고, base\_url(Python) 또는 baseURL(Node)과 새 제공업체의 키만 바꿔 넘기세요. 제공업체가 지원하는 엔드포인트에서는 요청과 응답 객체가 그대로입니다.

### OpenAI 호환 API도 Responses API를 지원하나요?

지원하는 곳도 있지만, 많은 곳이 Chat Completions만 지원합니다. 제공업체의 엔드포인트 목록을 확인하세요. BroadNet Inference는 /v1/chat/completions와 /v1/audio/transcriptions를 문서화하므로, Responses 코드는 Chat Completions로 다시 작성해야 합니다.

### 전환하면 임베딩은 어떻게 되나요?

새 제공업체에 임베딩 엔드포인트가 없는데 base URL을 전역으로 바꿨다면 깨집니다. BroadNet은 임베딩을 판매하지 않으므로, 임베딩 클라이언트는 기존 임베딩 제공업체를 가리키도록 유지하세요. 서로 다른 두 임베딩 모델의 벡터를 한 인덱스에 섞지 마세요.

### max\_tokens와 max\_completion\_tokens 중 무엇을 보내야 하나요?

OpenAI는 max\_tokens를 지원 중단으로 표시하고 max\_completion\_tokens를 권장합니다. 많은 호환 제공업체는 max\_tokens를 문서화하며, BroadNet 문서도 max\_tokens를 씁니다. 제공업체가 문서화한 것을 보내고, 스모크 테스트에서 한도가 실제로 적용되는지 확인하세요.

### OpenAI의 구조화된 출력 헬퍼도 그대로 동작하나요?

사용하는 모델에서 제공업체가 json\_schema를 담은 response\_format을 받는 경우에만 동작합니다. BroadNet은 GLM 5.3과 Qwen3.8 27B에 구조화된 출력을 표시하지만 요청 파라미터 이름은 밝히지 않으므로, 테스트해 보고 파싱 결과도 계속 검증하세요.

## 이어서 읽기

-   [OpenAI 호환 API로 전환하기: 마이그레이션 체크리스트](https://broadrouter.com/ko/blog/openai-compatible-api-migration-checklist/)
-   [OpenAI 호환 API base\_url 목록: 제공업체 14곳 직접 확인](https://broadrouter.com/ko/blog/openai-compatible-api-base-urls/)
-   [오픈 모델 도구 호출: 스키마, 병렬 호출, 재시도](https://broadrouter.com/ko/blog/tool-calling-open-models/)
-   [JSON 모드 vs json\_schema: 믿고 쓸 수 있는 구조화된 출력](https://broadrouter.com/ko/blog/structured-output-json-schema/)
-   [제공업체를 바꾸기 전에 LLM을 평가하는 방법](https://broadrouter.com/ko/blog/evaluate-llm-before-switching/)
-   [BroadNet의 GPU 하드웨어와 서빙 방식: BroadNet이 밝힌 내용](https://broadrouter.com/ko/blog/broadnet-gpu-fleet-and-serving/)
-   [LLM API 응답 캐싱으로 비용 줄이기: Python 정확 일치 캐시](https://broadrouter.com/ko/blog/cache-llm-responses-cut-cost/)
-   [가이드: BroadNet Inference에서 OpenAI Python SDK 사용하기](https://broadrouter.com/ko/guides/openai-python-sdk/)
-   [가이드: BroadNet Inference에서 OpenAI Node.js SDK 사용하기](https://broadrouter.com/ko/guides/openai-node-sdk/)
-   [가이드: curl로 BroadNet Inference에 첫 요청 보내기](https://broadrouter.com/ko/guides/curl-quickstart/)
-   [가이드: 추론 모델이 빈 답변을 반환하는 이유](https://broadrouter.com/ko/guides/reasoning-tokens-empty-response/)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

[시작하기](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-migrate-from-openai-api-code-walkthrough&utm_content=page-cta) ·

**출처**

-   [BroadNet Inference API 레퍼런스: 엔드포인트, 모델 ID, 기능, 스트리밍 usage, 오류(2026-11-15 확인) (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-migrate-from-openai-api-code-walkthrough&utm_content=sources)
-   [openai-python README: Responses가 기본 API, Chat Completions는 무기한 지원, 재시도(2026-11-15 확인)](https://github.com/openai/openai-python)
-   [openai-node 클라이언트 소스: baseURL 기본값은 OPENAI\_BASE\_URL(2026-11-15 확인)](https://github.com/openai/openai-node/blob/master/src/client.ts)
-   [OpenAI, Responses API로 마이그레이션: 구조화된 출력, 도구, 저장 방식의 차이(2026-11-15 확인)](https://developers.openai.com/api/docs/guides/migrate-to-responses)
-   [OpenAI 함수 호출 가이드: 두 API의 도구 형식(2026-11-15 확인)](https://developers.openai.com/api/docs/guides/function-calling)
-   [OpenAI Chat Completions 레퍼런스: max\_tokens는 지원 중단, max\_completion\_tokens 권장(2026-11-15 확인)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
