---
title: "Миграция с OpenAI API: изменения в коде и тесты | BroadRouter"
description: "Какие изменения в коде нужны для перехода с OpenAI на OpenAI-совместимый API: клиент, Responses → Chat Completions, инструменты, стриминг, эмбеддинги и smoke-тест."
url: https://broadrouter.com/ru/blog/migrate-from-openai-api-code-walkthrough/
lang: ru
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/blog/migrate-from-openai-api-code-walkthrough/) (обновлён 2026-11-15).

# Переход с OpenAI API: разбор кода на Python, Node и cURL

Команда BroadNet Inference · 6 мин чтения · Опубликовано 2026-11-15

Поменяйте в клиенте базовый URL, API-ключ и ID модели. Для вызовов Chat Completions этого достаточно. Код на Responses API придётся переписать под Chat Completions: input превращается в messages, output\_text — в choices\[0\].message.content, а у инструментов становится на уровень вложенности больше. Если у нового провайдера нет эмбеддингов, оставьте их на отдельном клиенте и прогоните smoke-тест, прежде чем переключать трафик.

## Главное

-   Для кода на Chat Completions переход сводится к трём значениям: base\_url, api\_key и model. Оба официальных SDK также читают OPENAI\_BASE\_URL и OPENAI\_API\_KEY из переменных окружения.
-   Если задать OPENAI\_BASE\_URL, переедут все вызовы, включая эмбеддинги. Если у нового провайдера нет эндпоинта эмбеддингов, выделите для них отдельный клиент.
-   Код на Responses API нужно переписать: input — в messages, instructions — в системное сообщение, text.format — в response\_format, а плоские описания инструментов — во вложенные.
-   BroadNet Inference документирует /v1/chat/completions, /v1/audio/transcriptions и GET /v1/models; эндпоинтов эмбеддингов, файлов и пакетной обработки нет. Инструменты и структурированный вывод в документации указаны для GLM 5.3 и Qwen3.8 27B.
-   Протестируйте до переключения: обычный чат, usage при стриминге, бюджет рассуждений и один неверный ключ, а также вызов инструмента, если вы используете инструменты.

**На этой странице**

1.  Что меняется в настройке клиента?
2.  Что делать, если код использует Responses API?
3.  Как меняются вызовы инструментов?
4.  А что со структурированным выводом?
5.  Что будет с эмбеддингами?
6.  Как меняется код стриминга?
7.  Меняются ли обработка ошибок и повторы?
8.  Какие параметры ведут себя иначе?
9.  Как протестировать переход?
10.  Что ломается чаще всего?
11.  Какое место здесь занимает BroadNet Inference

Перенести приложение с OpenAI на OpenAI-совместимого провайдера — небольшое изменение в коде, если вы используете Chat Completions, и переписывание, если Responses API. В этой статье — точные диффы на Python, Node и cURL, что делать с Responses, инструментами, структурированным выводом и эмбеддингами, а также smoke-тест, который стоит прогнать до переноса трафика. В примерах используется BroadNet Inference по адресу `https://inference.broadnet.ai/v1`; те же шаги подходят для любого провайдера.

Это практическое дополнение к [чек-листу миграции](https://broadrouter.com/ru/blog/openai-compatible-api-migration-checklist/), где разобраны лимиты запросов, ошибки и план переключения. Базовые URL других провайдеров — в статье [проверенные базовые URL OpenAI-совместимых API](https://broadrouter.com/ru/blog/openai-compatible-api-base-urls/).

## Что меняется в настройке клиента?

Три значения: базовый URL, API-ключ и ID модели.

**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."}]}'
```

Обратите внимание на путь: базовый URL уже заканчивается на `/v1`, поэтому SDK добавляет `/chat/completions`. Удвоенный `/v1` — самая частая первая ошибка.

### Можно ли переключиться, не трогая код?

Да, для кода на Chat Completions. Python SDK читает `OPENAI_BASE_URL`, если `base_url` не передан, а клиент для Node по умолчанию берёт `baseURL` из `process.env['OPENAI_BASE_URL']`. Оба читают `OPENAI_API_KEY`. Две переменные окружения переносят все вызовы.

В этом же и риск. Переезжают **все вызовы**, включая эмбеддинги, модерацию, загрузку файлов и всё остальное, чего у нового провайдера может не быть. Используйте переключение через окружение, только если ваше приложение делает исключительно чат-вызовы.

## Что делать, если код использует Responses API?

README SDK от OpenAI теперь называют Responses API основным, а README для Python называет Chat Completions “the previous standard (supported indefinitely)” (перевод: «предыдущий стандарт (поддерживается бессрочно)»). Многие совместимые провайдеры реализуют только Chat Completions. BroadNet документирует `POST /v1/chat/completions` и `POST /v1/audio/transcriptions`, поэтому вызовы Responses нужно переписать. Соответствие:

| Responses API | Chat Completions |
| --- | --- |
| `client.responses.create(...)` | `client.chat.completions.create(...)` |
| `instructions="..."` | Первое сообщение `{"role": "system", "content": "..."}` |
| `input="..."` или список элементов | `messages=[...]` |
| `response.output_text` | `response.choices[0].message.content` |
| `max_output_tokens` | `max_tokens` (в документации BroadNet) или `max_completion_tokens` |
| `text={"format": {...}}` | `response_format={...}` |
| `previous_response_id`, conversations | Отправляйте всю историю сообщений сами |
| Инструмент `{"type": "function", "name": ...}` | Инструмент `{"type": "function", "function": {"name": ...}}` |
| Элемент вывода `function_call`, ответ через `function_call_output` и `call_id` | `message.tool_calls`, ответ с ролью `tool` и `tool_call_id` |
| Встроенные инструменты (веб-поиск, поиск по файлам) | Недоступны; запускайте собственный инструмент |

Было и стало для простого вызова:

```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
```

Самое большое структурное изменение касается состояния. Responses может хранить состояние диалога на стороне OpenAI через `previous_response_id`. У Chat Completions нет состояния на сервере, поэтому ваш код хранит список сообщений и на каждом шаге отправляет его целиком. Заложите это в бюджет: вся история — это входные токены в каждом вызове.

## Как меняются вызовы инструментов?

В Chat Completions описание инструмента вкладывает функцию в ключ `function`, а результат возвращается сообщением с ролью `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)
```

Модель важнее формата. Документация BroadNet указывает инструменты только для [GLM 5.3](https://broadrouter.com/ru/models/glm-5.3/) и [Qwen3.8 27B](https://broadrouter.com/ru/models/qwen3.8-27b/). Не направляйте цикл с инструментами на модель, для которой инструменты в документации не указаны, и валидируйте аргументы, прежде чем что-либо запускать. Полный цикл с валидацией — в статье [вызов инструментов в открытых моделях](https://broadrouter.com/ru/blog/tool-calling-open-models/).

## А что со структурированным выводом?

`client.chat.completions.parse(..., response_format=MyPydanticModel)` и `zodResponseFormat` в Node отправляют `response_format` с JSON-схемой. Они работают, только если провайдер принимает такой формат на этой модели. BroadNet указывает структурированный вывод для GLM 5.3 и Qwen3.8 27B, но не называет параметр запроса. Прогоните тест из четырёх шагов из статьи [JSON mode или json\_schema](https://broadrouter.com/ru/blog/structured-output-json-schema/) по одному разу для каждой модели и продолжайте валидировать разобранный результат, что бы ни обещал провайдер.

## Что будет с эмбеддингами?

Если вы меняете базовый URL у общего клиента, а у провайдера нет эндпоинта эмбеддингов, каждый вызов `client.embeddings.create` будет падать. BroadNet не продаёт [эмбеддинги](https://broadrouter.com/ru/glossary/embeddings/). Держите два клиента:

```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)))
```

Никогда не смешивайте в одном индексе векторы от двух моделей эмбеддингов. Если вы меняете и провайдера эмбеддингов, пересчитайте эмбеддинги для всего корпуса. Сколько это стоит, покажет [калькулятор стоимости эмбеддингов](https://broadrouter.com/tools/embedding-cost-calculator/).

То же касается всего, что не является чатом: генерации изображений, синтеза речи, модерации, Batch API и хранения файлов. Ничего из этого BroadNet не предлагает. Распознавание речи переносится: `client.audio.transcriptions.create` работает с `/v1/audio/transcriptions` с файлами WAV или MP3 и полем `language` ([руководство по распознаванию арабской речи](https://broadrouter.com/ru/guides/arabic-speech-to-text-api/)).

## Как меняется код стриминга?

Responses API стримит типизированные события, например `response.output_text.delta` и `response.completed`. Chat Completions стримит чанки, и текст находится в `choices[0].delta.content`. Usage не отправляется, пока вы его не запросите, и тогда приходит в последнем чанке с пустым списком `choices`.

```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
}
```

Две привычки делают код стриминга безопасным после перехода. Проверяйте наличие `choices[0]`, потому что в чанке с usage нет choices. И считайте незавершённым стрим, который закончился до финальной строки `data: [DONE]`; документация BroadNet советует записать `X-Request-ID` и решить, безопасно ли отправлять новый запрос. Полный шаблон на Python — в руководстве [стриминг chat completions](https://broadrouter.com/ru/guides/streaming-chat-completions/).

## Меняются ли обработка ошибок и повторы?

Классы ошибок SDK остаются прежними: `AuthenticationError` для 401, `RateLimitError` для 429, `APIStatusError` для остальных. Меняется то, что каждый код означает у нового провайдера. В BroadNet ошибка 401 может означать не только неверный ключ, но и исчерпанный лимит оплаты по факту, а 402 — недостаточный баланс для покупки. Ни одна из них не исчезнет при повторе. Ошибка 429 может быть вызвана лимитом запросов, параллельности, скорости расхода токенов или расходов. Повторяйте 429 и 5xx с задержкой, а всё остальное исправляйте. Полная таблица — в [руководстве по ошибкам и повторам](https://broadrouter.com/ru/guides/errors-and-retries/).

SDK по умолчанию дважды повторяет ошибки соединения, 408, 409, 429 и 5xx. Если вы добавляете собственный цикл повторов, задайте в клиенте `max_retries=0`, чтобы повторы не накладывались друг на друга.

## Какие параметры ведут себя иначе?

| Параметр | Что проверить |
| --- | --- |
| `max_tokens` / `max_completion_tokens` | OpenAI объявляет `max_tokens` устаревшим; в документации BroadNet используется именно он. У рассуждающих моделей он включает размышления, поэтому при маленьких значениях ответы приходят пустыми ([почему](https://broadrouter.com/ru/guides/reasoning-tokens-empty-response/)) |
| `reasoning_effort` | BroadNet документирует `low`; другие значения протестируйте, прежде чем на них полагаться |
| `stream_options: {"include_usage": true}` | Документирован BroadNet; usage приходит в последнем чанке |
| `n`, `logprobs`, `seed`, `logit_bias` | В документации BroadNet их нет; протестируйте или уберите |
| `store`, `metadata` | Функции хранения OpenAI; уберите их |
| Части контента `image_url` | Только на моделях, для которых указаны изображения: DeepSeek V4.1 Flash, Qwen3.8 27B, Gemma 4 VL 26B |

## Как протестировать переход?

Прежде чем переносить трафик, прогоните на новом провайдере короткий smoke-тест. Этот проверяет обычный чат, usage при стриминге, бюджет рассуждений и аутентификацию. Если вы используете инструменты, добавьте случай с вызовом инструмента.

```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")
```

Затем сравните качество, а не только формат. Прогоните выборку реальных промптов у обоих провайдеров и оцените ответы; как это сделать, показано в статье [как оценить LLM перед переходом](https://broadrouter.com/ru/blog/evaluate-llm-before-switching/). [Инструмент миграции с OpenAI на BroadNet](https://broadrouter.com/tools/openai-to-broadnet-migration/) помогает переписать фрагмент кода и показывает, какие функции в нём используются.

## Что ломается чаще всего?

-   **Глобальный базовый URL**, который заодно переносит вызовы эмбеддингов и файлов.
-   **Хелперы только для Responses**, например `output_text`, оставшиеся в коде, который теперь вызывает Chat Completions.
-   **ID моделей.** Имён `gpt-...` у других провайдеров нет. В BroadNet они выглядят как `broadnet/glm-5.3`.
-   **Пустые ответы** рассуждающих моделей при маленьком `max_tokens`.
-   **Лимиты запросов.** Ключ BroadNet с оплатой по факту допускает 30 запросов в минуту и 4 одновременно. Для больших заданий нужна очередь ([обработка ошибки 429](https://broadrouter.com/ru/blog/handle-llm-api-429-rate-limits/)).

## Какое место здесь занимает BroadNet Inference

BroadNet Inference подходит приложениям, которые используют OpenAI для чата и транскрибации: ассистентам, извлечению данных, суммаризации, переводу и арабской речи. Подходит он и приложениям, которым для агентов нужны тарифы на [DeepSeek V4.1 Flash](https://broadrouter.com/ru/models/deepseek-v4.1-flash/) с фиксированной ценой. Это неподходящий выбор, если вы зависите от состояния на сервере в Responses API, встроенных инструментов, эмбеддингов, генерации изображений, синтеза речи, голосового режима в реальном времени или Batch API. Перенесите их к провайдерам, которые это предлагают, или оставьте на OpenAI и перенесите только чат-вызовы. Gemma 4 VL 26B и обе модели транскрибации работают на стартовом гранте $5; для GLM 5.3, Qwen3.8 27B и DeepSeek V4.1 Flash сначала нужно пополнить баланс.

Бесплатные инструменты по теме (на английском)

-   [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.

[Бесплатные инструменты (на английском)](https://broadrouter.com/tools/)

## Термины в этой статье

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

Chat Completions API — это HTTP-эндпоинт OpenAI, POST /v1/chat/completions, который принимает имя модели и список сообщений с ролями и возвращает следующее сообщение модели. Формат его запроса и ответа стал общим стандартом, который повторяют OpenAI-совместимые провайдеры и SDK.

[Вызов инструментов (tool calling)](https://broadrouter.com/ru/glossary/tool-calling/)

Вызов инструментов (function calling) — это функция LLM API, при которой модель возвращает структурированный запрос на выполнение функции, заданной разработчиком, с аргументами в JSON. Приложение выполняет функцию и отправляет результат обратно; сама модель код никогда не выполняет.

[Лимит запросов (rate limit)](https://broadrouter.com/ru/glossary/rate-limit/)

Лимит запросов (rate limit) — это ограничение, которое API накладывает на объём использования клиентом за отрезок времени, например число запросов или токенов в минуту. Запросы сверх лимита отклоняются, обычно с HTTP 429 Too Many Requests, пока использование снова не опустится ниже порога.

[Оплата по факту (pay-as-you-go)](https://broadrouter.com/ru/glossary/pay-as-you-go/)

Оплата по факту (pay-as-you-go) — это модель ценообразования, при которой вы платите только за то, что использовали, по счётчику в единицах вроде токенов, запросов или минут аудио, без подписки и минимальных обязательств. Так тарифицирует большинство LLM API — с предоплаченного баланса или по периодическому счёту.

[Параллельность (concurrency)](https://broadrouter.com/ru/glossary/concurrency/)

Параллельность (concurrency) — это число запросов, которые клиент одновременно держит в работе. LLM API часто ограничивают её на ключ или тариф отдельно от лимита запросов в минуту, потому что каждый открытый запрос занимает мощности GPU, пока ответ не будет готов.

[Эмбеддинги (embeddings)](https://broadrouter.com/ru/glossary/embeddings/)

Эмбеддинги — это списки чисел с плавающей точкой (векторы), которые модель выдаёт для фрагмента текста, изображения или другого входа. Близкие по смыслу входы получают близкие векторы, поэтому расстояние между векторами позволяет ранжировать результаты поиска, группировать документы или находить похожие объекты.

[Batch API (пакетная обработка запросов)](https://broadrouter.com/ru/glossary/batch-api/)

Batch API — это асинхронный эндпоинт LLM, который принимает сразу много запросов, обычно в виде файла, обрабатывает их не немедленно, а в пределах заданного окна, и возвращает результаты вместе. Такие провайдеры, как OpenAI и Anthropic, берут за пакетные запросы меньше, чем в своих стандартных API.

[Входные и выходные токены (input and output tokens)](https://broadrouter.com/ru/glossary/input-and-output-tokens/)

Входные токены — это токены, которые языковая модель читает в запросе: системный промпт, история диалога, описания инструментов и изображения. Выходные токены — это токены, которые она генерирует в ответ, включая рассуждения. LLM API обычно тарифицируют их по отдельности, и выход, как правило, дороже.

## Вопросы и ответы

### Нужен ли другой SDK для работы с OpenAI-совместимым API?

Нет. Оставьте официальный пакет openai и передайте другой base\_url (Python) или baseURL (Node), а также ключ нового провайдера. Объекты запросов и ответов остаются прежними для тех эндпоинтов, которые поддерживает провайдер.

### Поддерживают ли OpenAI-совместимые API Responses API?

Некоторые да, но многие поддерживают только Chat Completions. Проверьте список эндпоинтов провайдера. BroadNet Inference документирует /v1/chat/completions и /v1/audio/transcriptions, поэтому код на Responses нужно переписать под Chat Completions.

### Что будет с эмбеддингами при переходе?

Они сломаются, если у нового провайдера нет эндпоинта эмбеддингов, а вы поменяли базовый URL глобально. BroadNet не продаёт эмбеддинги, поэтому оставьте клиент эмбеддингов направленным на вашего провайдера эмбеддингов. Никогда не смешивайте в одном индексе векторы от двух разных моделей эмбеддингов.

### Что передавать — max\_tokens или max\_completion\_tokens?

OpenAI помечает max\_tokens как устаревший в пользу max\_completion\_tokens. Многие совместимые провайдеры документируют max\_tokens, и в документации BroadNet тоже используется max\_tokens. Передавайте то, что документирует провайдер, и убедитесь в smoke-тесте, что лимит действительно применяется.

### Будут ли работать хелперы OpenAI для структурированного вывода?

Только если провайдер принимает response\_format с json\_schema на используемой вами модели. BroadNet указывает структурированный вывод для GLM 5.3 и Qwen3.8 27B, но не называет параметр запроса, поэтому протестируйте его и продолжайте валидировать разобранный результат.

## Читайте также

-   [Переход на OpenAI-совместимый API: чек-лист миграции](https://broadrouter.com/ru/blog/openai-compatible-api-migration-checklist/)
-   [Базовые URL OpenAI-совместимых API: 14 провайдеров с проверкой](https://broadrouter.com/ru/blog/openai-compatible-api-base-urls/)
-   [Вызов инструментов в открытых моделях: схемы, параллельность, повторы](https://broadrouter.com/ru/blog/tool-calling-open-models/)
-   [JSON mode или json\_schema: надёжный структурированный вывод LLM](https://broadrouter.com/ru/blog/structured-output-json-schema/)
-   [Как оценить LLM перед сменой провайдера](https://broadrouter.com/ru/blog/evaluate-llm-before-switching/)
-   [GPU-парк и подход к инференсу BroadNet — по описанию самой BroadNet](https://broadrouter.com/ru/blog/broadnet-gpu-fleet-and-serving/)
-   [Кэширование ответов LLM API: кэш точных совпадений на Python](https://broadrouter.com/ru/blog/cache-llm-responses-cut-cost/)
-   [Руководство: OpenAI Python SDK и BroadNet Inference](https://broadrouter.com/ru/guides/openai-python-sdk/)
-   [Руководство: OpenAI Node.js SDK и BroadNet Inference](https://broadrouter.com/ru/guides/openai-node-sdk/)
-   [Руководство: Первый запрос к BroadNet Inference через curl](https://broadrouter.com/ru/guides/curl-quickstart/)
-   [Руководство: Почему рассуждающая модель возвращает пустой ответ](https://broadrouter.com/ru/guides/reasoning-tokens-empty-response/)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

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

**Источники**

-   [Справочник API BroadNet Inference: эндпоинты, ID моделей, возможности, usage при стриминге, ошибки (проверено 2026-11-15) (на английском)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-migrate-from-openai-api-code-walkthrough&utm_content=sources)
-   [README openai-python: Responses — основной API, Chat Completions поддерживается бессрочно, повторы (проверено 2026-11-15)](https://github.com/openai/openai-python)
-   [Исходный код клиента openai-node: baseURL по умолчанию берётся из OPENAI\_BASE\_URL (проверено 2026-11-15)](https://github.com/openai/openai-node/blob/master/src/client.ts)
-   [OpenAI, Migrate to the Responses API: различия в структурированном выводе, инструментах и хранении (проверено 2026-11-15)](https://developers.openai.com/api/docs/guides/migrate-to-responses)
-   [Руководство OpenAI по function calling: формат инструментов в обоих API (проверено 2026-11-15)](https://developers.openai.com/api/docs/guides/function-calling)
-   [Справочник OpenAI по Chat Completions: max\_tokens устарел в пользу max\_completion\_tokens (проверено 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
