Сравнение архитектур мультимодального API-маршрутизирования 2026: как gateway обрабатывают чат, изображения, видео и TTS через единый endpoint

Ответ за 30 секунд: если вам нужны все модальности (чат, генерация изображений, видео, TTS, STT, embeddings) под одним API-ключом и в одном счёте, OpenRouter — самый полный единый gateway на сегодня. Если вы строите приложение в Китае и вам нужны модели Qwen плюс CosyVoice TTS плюс Wanx для генерации изображений, DashScope обеспечивает самое широкое покрытие мультимодальных сервисов в рамках одного аккаунта Alibaba Cloud — но с отдельными task-specific API, а не единым endpoint. Gemini идёт третьим путём: вместо агрегации сторонних моделей он расширяет собственный endpoint чата встроенными инструментами (code execution, computer use, Google Search), стирая границу между «модальностями» и «возможностями». Мы считаем, что продакшен-системы не должны проталкивать все модальности через один gateway. Маршрутизируйте текст и генерацию изображений через gateway, подходящий для каждой нагрузки, и используйте TheRouter для unified billing и fallback между провайдерами вне зависимости от модальности.

Сводная таблица

OpenAI-совместимость означает, что провайдер предоставляет endpoint chat-completions, чей контракт запроса и ответа достаточно близок к API OpenAI, чтобы немодифицированный вызов OpenAI SDK работал после замены трёх значений: API key, base URL, название модели. Минимальная поверхность на практике —POST /v1/chat/completions с messages, model и потоковым ответом в форме OpenAI.

Как каждый gateway маршрутизирует мультимодальные запросы

OpenRouter: один base URL, строка модели определяет модальность

OpenRouter предоставляет единый base URL (https://openrouter.ai/api/v1), обслуживающий все модальности. Вы переключаетесь между ними, меняя строку модели и путь endpoint. Их блог-пост от июля 2026 года «Every Modality Through One API» описывает архитектуру: текст/чат, vision-ввод, PDF и аудио-ввод идут через /chat/completions с разными content type в массиве сообщений; генерация изображений, видео, TTS, STT и embeddings получают выделенные endpoint под тем же base URL.

Ключевой момент: routing-контроли — failover, предпочтения провайдера, сортировка по стоимости/задержке, data_collection: "deny" — работают одинаково для всех модальностей. Вызов embeddings получает ту же retry-логику, что и чат-запрос. Один API-ключ, один счёт.

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="sk-or-...",
)

# Chat completion — тот же base URL
chat = client.chat.completions.create(
    model="anthropic/claude-sonnet-4",
    messages=[{"role": "user", "content": "Кратко изложи этот документ."}],
)

# Генерация изображений — тот же base URL, другой endpoint
image = client.images.generate(
    model="openai/gpt-image-1",
    prompt="Маршрутизатор, расщепляющий свет на разные длины волн",
    size="1024x1024",
)

# TTS — тот же base URL, другой endpoint
speech = client.audio.speech.create(
    model="openai/tts-1",
    input="Мультимодальный routing уже здесь.",
    voice="alloy",
)

# Embeddings — тот же base URL, другой endpoint
embedding = client.embeddings.create(
    model="openai/text-embedding-3-small",
    input="Архитектура мультимодального API routing",
)

Компромиссы: OpenRouter агрегирует множество провайдеров, но сам модели не хостит. Задержка зависит от upstream-провайдера. Генерация видео асинхронна (отправка задания, polling результата). Не все провайдеры поддерживают все модальности — перед маршрутизацией нужно проверять возможности модели.

DashScope: раздельные task API под одним аккаунтом Alibaba Cloud

DashScope (Alibaba Cloud Model Studio) использует другой подход. Chat completions работают через OpenAI-совместимый endpoint https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions (или новые домены для конкретных workspace). Но генерация изображений (Wanx, Flux), генерация видео (Wan), TTS (CosyVoice) и embeddings используют нативные DashScope task API с разными форматами запросов.

OpenAI-совместимый слой покрывает Qwen LLM, Qwen-VL, Qwen-Coder, Qwen-Omni, DeepSeek, Kimi, GLM и MiniMax для чата. Но когда нужна генерация изображений или TTS, вы переключаетесь на нативные DashScope endpoint с другим форматом запросов. Один API-ключ и один billing-аккаунт по-прежнему покрывают всё, но кодовые пути расходятся.

from openai import OpenAI
import dashscope

# Чат — OpenAI-совместимый endpoint
client = OpenAI(
    api_key="sk-...",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
chat = client.chat.completions.create(
    model="qwen-plus",
    messages=[{"role": "user", "content": "Объясни мультимодальный routing."}],
)

# Генерация изображений — нативный DashScope API (другой SDK, другой формат)
from dashscope import ImageSynthesis
result = ImageSynthesis.call(
    model="wanx-v1",
    input={"prompt": "Маршрутизатор, расщепляющий свет на разные длины волн"},
    parameters={"size": "1024*1024", "n": 1},
)

# TTS — нативный DashScope API
from dashscope.audio.tts_v2 import SpeechSynthesizer
synthesizer = SpeechSynthesizer(model="cosyvoice-v2", voice="longxiaochun")
audio = synthesizer.call("Мультимодальный routing уже здесь.")

Компромиссы: Вы получаете самое широкое покрытие китайских AI-моделей (Qwen, DeepSeek, GLM, Kimi, MiniMax) под одним аккаунтом с оптимизированной задержкой для Китая. Но OpenAI-совместимый слой покрывает только чат — медиа-endpoint требуют изучения нативного API DashScope. Если вы мигрируете с OpenAI, только чат-путь встраивается без изменений.

Gemini: встроенные инструменты расширяют endpoint чата

Google использует принципиально иной подход. Вместо агрегации нескольких провайдеров за одним URL, Gemini расширяет собственный endpoint generateContent встроенными инструментами: code execution, computer use, Google Search grounding и managed agents. Это не отдельные модальности с отдельными endpoint — это объявления инструментов в чат-запросе, которые модель может вызывать в процессе генерации.

В changelog Gemini API отмечено, что computer use запущен в 2026 году с «упрощёнными действиями с интентами, встроенной поддержкой браузера, мобильного и десктопного окружений». Code execution запускает Python в серверной песочнице и возвращает результаты inline. Эти расширения означают, что один вызов Gemini может искать в вебе, выполнять код и взаимодействовать с браузером — возможности, которые в других gateway маршрутизировались бы к отдельным сервисам.

from google import genai

client = genai.Client()

# Чат со встроенным инструментом code execution
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="Рассчитай сложные проценты на 10 000 при ставке 5% за 10 лет",
    config={
        "tools": [{"code_execution": {}}],
    },
)

# Чат со встроенным инструментом Google Search grounding
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="Какие последние изменения в ценах AI API произошли в июле 2026?",
    config={
        "tools": [{"google_search": {}}],
    },
)

Компромиссы: Встроенные инструменты Gemini мощны, но привязаны к моделям Google. Нельзя перенаправить запрос Gemini computer use на fallback Anthropic или OpenAI. Есть слой OpenAI-совместимости, но он не предоставляет доступ к встроенным инструментам. Если вам нужен multi-provider fallback, расширения инструментов Gemini не переносимы.

Матрица покрытия модальностей

Сравнение цен

Ценообразование мультимодальных сервисов существенно различается по модальностям и провайдерам. Цены на токены чата хорошо задокументированы; цены на генерацию медиа часто считаются за запрос или за секунду.

Ключевое отличие в ценообразовании — структурное: OpenRouter транслирует цены провайдера без наценки по всем модальностям. DashScope и Gemini устанавливают собственные цены первой стороны. Для чата это значит, что цена OpenRouter равна цене upstream-провайдера; для DashScope цена — та, которую Alibaba установила для каждой модели Qwen.

Rate limits

Для мультимодальных нагрузок rate limits обычно считаются по endpoint и по модели раздельно. Rate limit чата и rate limit генерации изображений, как правило, независимы, но это зависит от конкретного провайдера. Проверяйте документацию endpoint перед проектированием batch-пайплайнов.

Матрица выбора: вам нужно X — выбирайте Y

Что это значит для архитектуры routing

Три подхода представляют разные философии проектирования:

1. Агрегационный gateway (OpenRouter): маршрутизация любой модальности к любому провайдеру через один API. Максимальная гибкость, но вы зависите от доступности gateway и добавляете дополнительный hop.

2. Платформенный мультимодальный стек (DashScope): один облачный аккаунт покрывает чат, изображения, видео, TTS, embeddings — но с раздельными API-поверхностями для каждой модальности и ограничением экосистемой Alibaba.

3. Модельное расширение инструментами (Gemini): модель сама обрабатывает несколько «модальностей» через встроенные инструменты. Мощно для команд на Google-стеке, но не переносимо между провайдерами.

Для продакшен-систем мы считаем, что правильный ответ — обычно комбинация. Используйте агрегационный gateway или TheRouter для чата и vision, где важен multi-provider fallback. Используйте платформенные API для генерации медиа, где задержка и региональный доступ важнее разнообразия провайдеров. Не проталкивайте генерацию видео через чат-gateway только ради одного API-ключа.

Тренд, который мы наблюдаем: команды начинают с одного gateway для чата (где частая смена моделей), затем добавляют прямые интеграции с провайдерами для генерации медиа (где выбирают одну модель и закрепляются). Gateway берёт на себя сложную часть — failover, billing, model deprecation — а прямые интеграции обрабатывают стабильную часть.

Связанные материалы

• Сравнение мультимодальных моделей API routing 2026 — наше сравнение на уровне моделей (какую модель выбрать для vision-задач)
• Руководство по Doubao Seedance Video API — генерация видео через Volcengine Ark
• Полное руководство по серии DashScope Qwen3.7 — глубокое погружение в DashScope chat API
• Руководство по Aliyun Bailian API — обзор платформы DashScope
• Руководство по Gemini 3.5 Flash Computer Use — глубокое погружение во встроенные инструменты Gemini
• Быстрый старт TheRouter — unified routing и billing между провайдерами

---

Данные получены 2026-07-22. Цены, rate limits и доступность моделей часто меняются. Проверяйте актуальную документацию провайдеров перед принятием решений для продакшена.