DashScope OpenAI Responses API — compatible-mode/v1 теперь поддерживает Qwen с сохранением контекста и встроенными инструментами

Ключевое решение здесь — не выбор модели, а выбор API-поверхности для построения системы. Alibaba Cloud Model Studio (DashScope) официально объявила о поддержке OpenAI Responses API: команды, уже использующие client.responses.create(), могут теперь направить тот же SDK на модели Qwen, изменив только base_url и API-ключ.

Что произошло

В документации Alibaba Cloud Model Studio появилось полное руководство по вызову моделей Qwen через OpenAI Responses API — stateful-интерфейс нового поколения, ориентированный на agent-сценарии, который OpenAI представила в начале 2025 года как преемника Chat Completions. Поддерживаемые модели охватывают текущий рекомендуемый уровень: qwen3.7-max, qwen3.6-plus, qwen3.6-flash, qwen3.5-plus, qwen3.5-flash, qwen3-coder-plus, qwen3-coder-flash и несколько open-weight вариантов.

Эндпоинт доступен в четырёх регионах:

• Пекин (Китай): https://dashscope.aliyuncs.com/compatible-mode/v1
• Сингапур: https://dashscope-intl.aliyuncs.com/compatible-mode/v1
• США (Вирджиния): https://dashscope-us.aliyuncs.com/compatible-mode/v1
• Франкфурт: https://{WorkspaceId}.eu-central-1.maas.aliyuncs.com/compatible-mode/v1

Одновременно DashScope объявила об устаревании старого URL-пути /api/v2/apps/protocols/compatible-mode/v1/responses. Команды, использующие этот путь, должны перейти на /compatible-mode/v1/responses.

Почему это важно для AI-инженерных команд

Responses API отличается от Chat Completions в трёх операционно значимых аспектах.

Stateful-контекст через previous_response_id. Вместо того чтобы восстанавливать полную историю сообщений при каждом запросе, достаточно передать ID предыдущего ответа. DashScope хранит контекст на стороне сервера в течение семи дней. Это меняет логику подсчёта токенов: входные токены N-го хода включают накопленный контекст предыдущих ходов, но повторно передавать его не нужно. Для длительных agent-сессий это существенно сокращает размер payload каждого запроса.

Встроенные инструменты без кастомных function-схем. Responses API на DashScope предоставляет веб-поиск, парсинг страниц, интерпретатор кода, поиск по изображениям как инструменты первого класса — без необходимости описывать function schema. Для команд, строящих исследовательские или coding-агенты, это убирает целый слой prompt-инжиниринга и шаблонного кода для вызова инструментов.

reasoning.effort для управления глубиной рассуждений. Там, где Chat Completions использует нестандартный параметр enable_thinking (передаваемый через extra_body), Responses API использует reasoning.effort со значениями none, minimal и более высокими уровнями. Это более чистый интерфейс для управления глубиной рассуждений на уровне запроса, согласованный с тем, как OpenAI реализует тот же механизм в своих reasoning-моделях.

Практический вывод: если команда стандартизировала использование Responses API для OpenAI-нагрузок, теперь можно добавить Qwen как цель маршрутизации без поддержки отдельного кодового пути для Chat Completions.

Взгляд router/operator

Зависимость от provider и fallback-планирование. Реализация Responses API на DashScope пока не полностью паритетна с OpenAI. Важно: qwen3.6-max-preview и deepseek-v4-pro отсутствуют в списке поддерживаемых моделей Responses API — они доступны только через Chat Completions. Если политика маршрутизации выбирает модели динамически, необходимо отслеживать, какие модели поддерживают какую API-поверхность, а не только какой provider поддерживает какую модель.

Stateful-контекст создаёт новые режимы отказа. При использовании previous_response_id неудачный или просроченный ответ разрывает цепочку диалога. TTL в семь дней означает, что длительные agent-рабочие процессы, прерывающиеся более чем на неделю, потеряют контекст без явного уведомления. Операторы, строящие многодневные agent-циклы, нуждаются в явной логике контрольных точек, а не только в retry-on-failure.

Выбор региона влияет на задержку и хранение данных. Четыре региона DashScope Responses API не равнозначны: пекинский эндпоинт обслуживает трафик из Китая; Сингапур и США — международные нагрузки. Для команд с требованиями к локализации данных франкфуртский эндпоинт требует Workspace ID в URL — иная схема аутентификации по сравнению с тремя другими регионами. Политики маршрутизации, считающие все четыре эндпоинта взаимозаменяемыми, получат ошибки аутентификации на запросах к Франкфурту.

Изменение структуры биллинга. Объект ответа DashScope содержит массив x_details с полем x_billing_type: "response_api" — отдельная категория биллинга, отличная от Chat Completions. Если pipeline сверки затрат парсит объекты usage, необходимо обработать это новое поле. Токены рассуждений отражаются в output_tokens_details.reasoning_tokens — формат совпадает с OpenAI.

Устаревание старого URL-пути. Любой proxy или gateway, в котором жёстко прописан путь /api/v2/apps/protocols/compatible-mode/v1/responses, перестанет работать после его отключения DashScope. Проверьте конфигурации base URL прямо сейчас.

На что обратить внимание пользователям TheRouter

Если вы сейчас маршрутизируете трафик OpenAI Responses API через TheRouter к OpenAI, архитектурный вопрос — стоит ли добавить DashScope как fallback или цель оптимизации стоимости для той же API-поверхности. Ключевая проверка: убедитесь, что routing-слой передаёт previous_response_id к upstream-провайдеру без удаления — stateful-контекст работает только если session ID доходит до DashScope в неизменном виде.

Для команд, ещё не перешедших на Responses API, сейчас подходящий момент для оценки миграции. Chat Completions по-прежнему полностью поддерживается на DashScope, но встроенные инструменты и stateful-контекст Responses API сокращают шаблонный код для agent-рабочих процессов. Руководство по миграции в документации DashScope содержит сравнение форматов запросов Chat Completions и Responses API.

Следите за: расширением списка поддерживаемых моделей Responses API на DashScope — в частности, появлением qwen3.6-max-preview и семейства DeepSeek V4, которые пока доступны только через Chat Completions.