---
title: "Berpindah dari API OpenAI: perbezaan kod dan ujian | BroadRouter"
description: "Perubahan kod untuk berpindah dari OpenAI ke API serasi OpenAI: persediaan klien, Responses ke Chat Completions, tools, penstriman, embeddings dan ujian asap."
url: https://broadrouter.com/ms/blog/migrate-from-openai-api-code-walkthrough/
lang: ms
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/blog/migrate-from-openai-api-code-walkthrough/) (dikemas kini 2026-11-15).

# Berpindah dari API OpenAI: panduan kod dalam Python, Node, cURL

Oleh pasukan BroadNet Inference · 6 minit bacaan · Diterbitkan 2026-11-15

Tukar base URL, kunci API dan ID model klien. Itu sudah cukup untuk panggilan Chat Completions. Kod pada Responses API mesti ditulis semula ke Chat Completions: input menjadi messages, output\_text menjadi choices\[0\].message.content, dan tools kehilangan satu tahap sarang. Kekalkan embeddings pada klien berasingan jika penyedia baharu tiada embeddings, kemudian jalankan ujian asap sebelum memindahkan trafik.

## Perkara utama

-   Untuk kod Chat Completions, pertukaran melibatkan tiga nilai: base\_url, api\_key dan model. Kedua-dua SDK rasmi juga membaca OPENAI\_BASE\_URL dan OPENAI\_API\_KEY daripada persekitaran.
-   Menetapkan OPENAI\_BASE\_URL memindahkan setiap panggilan, termasuk embeddings. Jika penyedia baharu tiada endpoint embeddings, beri embeddings klien sendiri.
-   Kod Responses API perlu ditulis semula: input ke messages, instructions ke mesej sistem, text.format ke response\_format, dan definisi tool rata ke definisi bersarang.
-   BroadNet Inference mendokumenkan /v1/chat/completions, /v1/audio/transcriptions dan GET /v1/models, dan tiada endpoint embeddings, fail atau batch. Dokumentasinya menyenaraikan tools dan output berstruktur untuk GLM 5.3 dan Qwen3.8 27B.
-   Uji sebelum bertukar: chat biasa, usage penstriman, bajet penaakulan dan satu kunci yang salah, serta satu panggilan tool jika anda menggunakan tool.

**Dalam halaman ini**

1.  Apakah yang berubah dalam persediaan klien?
2.  Bagaimana jika kod saya menggunakan Responses API?
3.  Bagaimanakah panggilan tool berubah?
4.  Bagaimana pula dengan output berstruktur?
5.  Apakah yang berlaku pada embeddings?
6.  Bagaimanakah kod penstriman berubah?
7.  Adakah pengendalian ralat dan cuba semula berubah?
8.  Parameter manakah yang berkelakuan berbeza?
9.  Bagaimanakah menguji pertukaran?
10.  Apakah yang paling kerap rosak?
11.  Di manakah BroadNet Inference sesuai

Memindahkan aplikasi dari OpenAI ke penyedia serasi OpenAI ialah perubahan kod yang kecil jika anda menggunakan Chat Completions, dan penulisan semula jika anda menggunakan Responses API. Artikel ini menunjukkan perbezaan kod yang tepat dalam Python, Node dan cURL, apa yang perlu dibuat tentang Responses, tools, output berstruktur dan embeddings, serta ujian asap untuk dijalankan sebelum anda memindahkan sebarang trafik. Contoh menggunakan BroadNet Inference di `https://inference.broadnet.ai/v1`; langkah yang sama terpakai untuk mana-mana penyedia.

Ini ialah pasangan kod kepada [senarai semak migrasi](https://broadrouter.com/ms/blog/openai-compatible-api-migration-checklist/), yang merangkumi had kadar, ralat dan perancangan pertukaran. Untuk base URL penyedia lain, lihat [base URL serasi OpenAI, disemak](https://broadrouter.com/ms/blog/openai-compatible-api-base-urls/).

## Apakah yang berubah dalam persediaan klien?

Tiga nilai: base URL, kunci API dan ID model.

**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."}]}'
```

Perhatikan laluannya: base URL sudah berakhir dengan `/v1`, jadi SDK menambah `/chat/completions`. Menggandakan `/v1` ialah ralat pertama yang paling biasa.

### Bolehkah saya bertukar tanpa menyentuh kod?

Boleh, untuk kod Chat Completions. SDK Python membaca `OPENAI_BASE_URL` apabila tiada `base_url` dihantar, dan klien Node menetapkan `baseURL` secara lalai kepada `process.env['OPENAI_BASE_URL']`. Kedua-duanya membaca `OPENAI_API_KEY`. Menetapkan dua pembolehubah persekitaran memindahkan setiap panggilan.

Itu juga risikonya. **Setiap panggilan** berpindah, termasuk embeddings, moderasi, muat naik fail dan apa-apa lagi yang mungkin tiada pada penyedia baharu. Gunakan pertukaran persekitaran hanya apabila aplikasi anda membuat panggilan chat dan tiada yang lain.

## Bagaimana jika kod saya menggunakan Responses API?

README SDK OpenAI kini memanggil Responses API sebagai API utama; README Python memanggil Chat Completions “the previous standard (supported indefinitely)” (Terjemahan: standard sebelumnya (disokong selama-lamanya)). Banyak penyedia serasi hanya melaksanakan Chat Completions. BroadNet mendokumenkan `POST /v1/chat/completions` dan `POST /v1/audio/transcriptions`, jadi panggilan Responses perlu ditulis semula. Pemetaannya:

| Responses API | Chat Completions |
| --- | --- |
| `client.responses.create(...)` | `client.chat.completions.create(...)` |
| `instructions="..."` | Mesej pertama `{"role": "system", "content": "..."}` |
| `input="..."` atau senarai item | `messages=[...]` |
| `response.output_text` | `response.choices[0].message.content` |
| `max_output_tokens` | `max_tokens` (dokumentasi BroadNet) atau `max_completion_tokens` |
| `text={"format": {...}}` | `response_format={...}` |
| `previous_response_id`, perbualan | Hantar semula sendiri keseluruhan sejarah mesej |
| Tool `{"type": "function", "name": ...}` | Tool `{"type": "function", "function": {"name": ...}}` |
| Item output `function_call`, balas dengan `function_call_output` dan `call_id` | `message.tool_calls`, balas dengan peranan `tool` dan `tool_call_id` |
| Tools terbina dalam (carian web, carian fail) | Tidak tersedia; jalankan tool anda sendiri |

Sebelum dan selepas untuk panggilan mudah:

```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
```

Perubahan struktur yang paling besar ialah keadaan. Responses boleh menyimpan keadaan perbualan di sebelah OpenAI dengan `previous_response_id`. Chat Completions tiada keadaan di sebelah pelayan, jadi kod anda menyimpan senarai mesej dan menghantar kesemuanya pada setiap giliran. Ambil kira dalam bajet: keseluruhan sejarah ialah token input pada setiap panggilan.

## Bagaimanakah panggilan tool berubah?

Dalam Chat Completions, definisi tool menyarangkan fungsi di bawah kunci `function`, dan jawapan dihantar balik sebagai mesej `tool`:

```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)
```

Model lebih penting daripada bentuknya. Dokumentasi BroadNet menyenaraikan tools untuk [GLM 5.3](https://broadrouter.com/ms/models/glm-5.3/) dan [Qwen3.8 27B](https://broadrouter.com/ms/models/qwen3.8-27b/) sahaja. Jangan halakan gelung tool kepada model yang dokumentasinya tidak menyenaraikan tools, dan sahkan argumen sebelum menjalankan apa-apa. [Panggilan tool dengan model terbuka](https://broadrouter.com/ms/blog/tool-calling-open-models/) ada gelung pengesahan yang lengkap.

## Bagaimana pula dengan output berstruktur?

`client.chat.completions.parse(..., response_format=MyPydanticModel)` dan `zodResponseFormat` Node kedua-duanya menghantar `response_format` dengan skema JSON. Ia hanya berfungsi jika penyedia menerima bentuk itu pada model tersebut. BroadNet menyenaraikan output berstruktur untuk GLM 5.3 dan Qwen3.8 27B tetapi tidak menamakan parameter permintaan. Jalankan ujian empat langkah dalam [JSON mode vs json\_schema](https://broadrouter.com/ms/blog/structured-output-json-schema/) sekali bagi setiap model, dan teruskan mengesahkan hasil yang dihuraikan walau apa pun yang dijanjikan penyedia.

## Apakah yang berlaku pada embeddings?

Jika anda menukar base URL pada klien yang dikongsi dan penyedia tiada endpoint embeddings, setiap panggilan `client.embeddings.create` gagal. BroadNet tidak menjual [embeddings](https://broadrouter.com/ms/glossary/embeddings/). Kekalkan dua klien:

```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)))
```

Jangan sekali-kali mencampurkan vektor daripada dua model embedding dalam satu indeks. Jika anda juga menukar penyedia embedding, jana semula embedding untuk keseluruhan korpus. [Kalkulator kos embedding](https://broadrouter.com/tools/embedding-cost-calculator/) mengira kosnya.

Perkara yang sama terpakai untuk apa-apa yang bukan chat: penjanaan imej, teks ke pertuturan, moderasi, Batch API dan storan fail. BroadNet tidak menawarkan satu pun daripadanya. Speech-to-text boleh dipindahkan: `client.audio.transcriptions.create` berfungsi dengan `/v1/audio/transcriptions` menggunakan WAV atau MP3 dan medan `language` ([panduan speech-to-text bahasa Arab](https://broadrouter.com/ms/guides/arabic-speech-to-text-api/)).

## Bagaimanakah kod penstriman berubah?

Responses API menstrim peristiwa berjenis, seperti `response.output_text.delta` dan `response.completed`. Chat Completions menstrim cebisan, dan teksnya berada dalam `choices[0].delta.content`. Usage tidak dihantar melainkan anda memintanya, dan kemudian ia tiba dalam cebisan terakhir dengan senarai `choices` yang kosong.

```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
}
```

Dua tabiat memastikan kod strim selamat selepas bertukar. Lindungi `choices[0]`, kerana cebisan usage tiada choices. Dan anggap strim yang tamat sebelum baris akhir `data: [DONE]` sebagai tidak lengkap; dokumentasi BroadNet menyatakan untuk merekodkan `X-Request-ID` dan memutuskan sama ada permintaan baharu selamat. [Penstriman chat completions](https://broadrouter.com/ms/guides/streaming-chat-completions/) ada corak penuh dalam Python.

## Adakah pengendalian ralat dan cuba semula berubah?

Kelas ralat SDK kekal sama: `AuthenticationError` untuk 401, `RateLimitError` untuk 429, `APIStatusError` untuk yang lain. Yang berubah ialah maksud setiap status di penyedia baharu. Di BroadNet, 401 boleh bermaksud elaun bayar ikut guna sudah habis, bukan hanya kunci yang salah, dan 402 bermaksud baki tidak mencukupi untuk pembelian. Kedua-duanya tidak pulih dengan cuba semula. 429 boleh datang daripada had kadar, keserentakan, kadar token atau perbelanjaan. Cuba semula 429 dan 5xx dengan backoff, dan betulkan yang lain. [Panduan ralat dan cuba semula](https://broadrouter.com/ms/guides/errors-and-retries/) ada jadual penuh.

SDK mencuba semula ralat sambungan, 408, 409, 429 dan 5xx dua kali secara lalai. Jika anda menambah gelung cuba semula sendiri, tetapkan `max_retries=0` pada klien supaya kedua-duanya tidak bertindih.

## Parameter manakah yang berkelakuan berbeza?

| Parameter | Apa yang perlu disemak |
| --- | --- |
| `max_tokens` / `max_completion_tokens` | OpenAI menamatkan `max_tokens`; dokumentasi BroadNet menggunakannya. Pada model penaakulan ia termasuk pemikiran, jadi nilai kecil memulangkan jawapan kosong ([sebabnya](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/)) |
| `reasoning_effort` | BroadNet mendokumenkan `low`; uji nilai lain sebelum bergantung padanya |
| `stream_options: {"include_usage": true}` | Didokumenkan oleh BroadNet; usage tiba dalam cebisan terakhir |
| `n`, `logprobs`, `seed`, `logit_bias` | Tiada dalam dokumentasi BroadNet; uji, atau buang |
| `store`, `metadata` | Ciri storan OpenAI; gugurkan |
| Bahagian kandungan `image_url` | Hanya pada model yang disenaraikan dengan imej: DeepSeek V4.1 Flash, Qwen3.8 27B, Gemma 4 VL 26B |

## Bagaimanakah menguji pertukaran?

Jalankan ujian asap yang ringkas terhadap penyedia baharu sebelum sebarang trafik dipindahkan. Ujian ini menyemak chat biasa, usage penstriman, bajet penaakulan dan pengesahan. Tambah kes panggilan tool jika anda menggunakan tools.

```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")
```

Kemudian bandingkan kualiti, bukan sekadar bentuk. Mainkan semula sampel prompt sebenar pada kedua-dua penyedia dan beri skor kepada jawapannya; [nilai LLM sebelum bertukar](https://broadrouter.com/ms/blog/evaluate-llm-before-switching/) menunjukkan caranya. [Alat migrasi OpenAI ke BroadNet](https://broadrouter.com/tools/openai-to-broadnet-migration/) membantu anda menulis semula snippet dan menyenaraikan ciri yang digunakannya.

## Apakah yang paling kerap rosak?

-   **Base URL global** yang turut memindahkan panggilan embeddings dan fail.
-   **Pembantu khusus Responses** seperti `output_text` yang tertinggal dalam kod yang kini memanggil Chat Completions.
-   **ID model.** Nama `gpt-...` tidak wujud di tempat lain. Di BroadNet ia kelihatan seperti `broadnet/glm-5.3`.
-   **Jawapan kosong** daripada model penaakulan dengan `max_tokens` yang kecil.
-   **Had kadar.** Kunci bayar ikut guna BroadNet membenarkan 30 permintaan seminit dan 4 serentak. Kerja pukal memerlukan baris gilir ([pengendalian 429](https://broadrouter.com/ms/blog/handle-llm-api-429-rate-limits/)).

## Di manakah BroadNet Inference sesuai

BroadNet Inference sesuai untuk aplikasi yang penggunaan OpenAInya ialah chat dan transkripsi: pembantu, pengekstrakan, peringkasan, terjemahan dan pertuturan bahasa Arab. Ia juga sesuai untuk aplikasi yang mahukan pelan kadar tetap [DeepSeek V4.1 Flash](https://broadrouter.com/ms/models/deepseek-v4.1-flash/) untuk ejen. Ia bukan sasaran yang tepat jika anda bergantung pada keadaan sebelah pelayan Responses API, tools terbina dalam, embeddings, penjanaan imej, teks ke pertuturan, suara masa nyata atau Batch API. Pindahkan semua itu ke penyedia yang menawarkannya, atau kekalkannya di OpenAI dan pindahkan panggilan chat sahaja. Gemma 4 VL 26B dan kedua-dua model transkripsi berjalan pada kredit permulaan $5; GLM 5.3, Qwen3.8 27B dan DeepSeek V4.1 Flash memerlukan tambah nilai terlebih dahulu.

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [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.

[Alatan percuma (Bahasa Inggeris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Embedding (vektor teks)](https://broadrouter.com/ms/glossary/embeddings/)

Embedding ialah senarai nombor titik terapung (vektor) yang dihasilkan oleh model untuk mewakili sekeping teks, imej atau input lain. Input yang maknanya serupa mendapat vektor yang berdekatan, jadi jarak antara vektor boleh digunakan untuk menyusun hasil carian, mengelompokkan dokumen atau mencari item berkaitan.

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

Chat Completions API ialah endpoint HTTP OpenAI, POST /v1/chat/completions, yang menerima nama model dan senarai mesej bertanda peranan, lalu memulangkan mesej seterusnya daripada model. Bentuk permintaan dan responsnya menjadi format biasa yang digunakan semula oleh penyedia dan SDK yang serasi OpenAI.

[Tool calling (panggilan alatan)](https://broadrouter.com/ms/glossary/tool-calling/)

Tool calling, juga dipanggil function calling, ialah ciri API LLM di mana model memulangkan permintaan berstruktur untuk menjalankan fungsi yang ditakrifkan oleh pembangun, bersama argumen JSON. Aplikasi menjalankan fungsi itu dan menghantar hasilnya kembali; model sendiri tidak pernah menjalankan kod.

[Base URL (URL asas)](https://broadrouter.com/ms/glossary/base-url/)

Base URL ialah alamat akar tetap sesuatu API, seperti https://api.example.com/v1, yang diletakkan oleh klien di hadapan setiap laluan endpoint, seperti /chat/completions. Dalam SDK serasi OpenAI, menukar base URL, bersama kunci API dan ID model, menghalakan kod yang sama kepada penyedia lain.

[API kelompok (batch API)](https://broadrouter.com/ms/glossary/batch-api/)

Batch API ialah endpoint LLM tak segerak yang menerima banyak permintaan sekali gus, biasanya sebagai fail, memprosesnya dalam tempoh yang ditetapkan dan bukan serta-merta, dan memulangkan hasilnya bersama-sama. Penyedia seperti OpenAI dan Anthropic mengenakan harga diskaun untuk permintaan kelompok berbanding API standard mereka.

[Bayar ikut guna (pay-as-you-go)](https://broadrouter.com/ms/glossary/pay-as-you-go/)

Bayar ikut guna ialah model harga di mana anda hanya membayar apa yang anda guna, dimeter mengikut unit seperti token, permintaan atau minit audio, tanpa langganan atau komitmen minimum. Kebanyakan API LLM mengebil dengan cara ini, daripada baki prabayar atau invois berkala.

[Keserentakan (concurrency)](https://broadrouter.com/ms/glossary/concurrency/)

Keserentakan ialah bilangan permintaan yang sedang berjalan serentak daripada satu klien. API LLM sering mengehadkannya bagi setiap kunci atau pelan, berasingan daripada permintaan seminit, kerana setiap permintaan yang terbuka memegang kapasiti GPU sehingga responsnya selesai.

[Output berstruktur (structured output)](https://broadrouter.com/ms/glossary/structured-output/)

Output berstruktur ialah ciri API LLM yang mengehadkan balasan model kepada format yang ditetapkan oleh pembangun, biasanya JSON Schema, supaya kod boleh menghuraikannya dengan boleh dipercayai. Ia lebih ketat daripada JSON mode, yang menjamin JSON yang sah tetapi bukan bentuk tertentu.

## Soalan lazim

### Adakah saya memerlukan SDK berbeza untuk menggunakan API serasi OpenAI?

Tidak. Kekalkan pakej openai rasmi dan hantar base\_url (Python) atau baseURL (Node) yang berbeza, serta kunci penyedia baharu. Objek permintaan dan respons kekal sama untuk endpoint yang disokong penyedia.

### Adakah API serasi OpenAI menyokong Responses API?

Sesetengahnya ya; banyak yang hanya menyokong Chat Completions. Semak senarai endpoint penyedia. BroadNet Inference mendokumenkan /v1/chat/completions dan /v1/audio/transcriptions, jadi kod Responses mesti ditulis semula ke Chat Completions.

### Apakah yang berlaku pada embeddings saya apabila saya bertukar?

Ia akan rosak jika penyedia baharu tiada endpoint embeddings dan anda menukar base URL secara global. BroadNet tidak menjual embeddings, jadi kekalkan klien embeddings yang menghala ke penyedia embeddings anda. Jangan sekali-kali mencampurkan vektor daripada dua model embedding dalam satu indeks.

### Patutkah saya menghantar max\_tokens atau max\_completion\_tokens?

OpenAI menandakan max\_tokens sebagai ditamatkan dan menggantikannya dengan max\_completion\_tokens. Banyak penyedia serasi mendokumenkan max\_tokens, dan dokumentasi BroadNet menggunakan max\_tokens. Hantar apa yang didokumenkan penyedia dan sahkan had itu berkesan dalam ujian asap anda.

### Adakah pembantu output berstruktur OpenAI masih berfungsi?

Hanya jika penyedia menerima response\_format dengan json\_schema pada model yang anda gunakan. BroadNet menyenaraikan output berstruktur untuk GLM 5.3 dan Qwen3.8 27B tetapi tidak menamakan parameter permintaan, jadi ujinya, dan teruskan mengesahkan hasil yang dihuraikan.

## Teruskan membaca

-   [Beralih ke API serasi OpenAI: senarai semak migrasi](https://broadrouter.com/ms/blog/openai-compatible-api-migration-checklist/)
-   [Base URL API serasi OpenAI: 14 penyedia, telah disemak](https://broadrouter.com/ms/blog/openai-compatible-api-base-urls/)
-   [Tool calling pada model terbuka: skema, panggilan selari, cuba semula](https://broadrouter.com/ms/blog/tool-calling-open-models/)
-   [JSON mode vs json\_schema: output berstruktur yang boleh diharap](https://broadrouter.com/ms/blog/structured-output-json-schema/)
-   [Cara menilai LLM sebelum bertukar penyedia](https://broadrouter.com/ms/blog/evaluate-llm-before-switching/)
-   [Perkakasan GPU dan pendekatan penyajian BroadNet, menurut BroadNet](https://broadrouter.com/ms/blog/broadnet-gpu-fleet-and-serving/)
-   [Cache respons API LLM untuk jimat kos: cache padanan tepat Python](https://broadrouter.com/ms/blog/cache-llm-responses-cut-cost/)
-   [Panduan: Cara guna OpenAI Python SDK dengan BroadNet Inference](https://broadrouter.com/ms/guides/openai-python-sdk/)
-   [Panduan: Cara guna OpenAI Node.js SDK dengan BroadNet Inference](https://broadrouter.com/ms/guides/openai-node-sdk/)
-   [Panduan: Permintaan pertama ke BroadNet Inference dengan curl](https://broadrouter.com/ms/guides/curl-quickstart/)
-   [Panduan: Mengapa model penaakulan memulangkan jawapan kosong](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

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

**Sumber**

-   [Rujukan API BroadNet Inference: endpoint, ID model, keupayaan, usage penstriman, ralat (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-migrate-from-openai-api-code-walkthrough&utm_content=sources)
-   [README openai-python: Responses ialah API utama, Chat Completions disokong selama-lamanya, cuba semula (disemak 2026-11-15)](https://github.com/openai/openai-python)
-   [Sumber klien openai-node: baseURL lalai kepada OPENAI\_BASE\_URL (disemak 2026-11-15)](https://github.com/openai/openai-node/blob/master/src/client.ts)
-   [OpenAI, Migrate to the Responses API: perbezaan output berstruktur, tools dan storan (disemak 2026-11-15)](https://developers.openai.com/api/docs/guides/migrate-to-responses)
-   [Panduan function calling OpenAI: bentuk tool dalam kedua-dua API (disemak 2026-11-15)](https://developers.openai.com/api/docs/guides/function-calling)
-   [Rujukan Chat Completions OpenAI: max\_tokens ditamatkan dan diganti max\_completion\_tokens (disemak 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
