Qwen3.5-OCR DashScope routing: OpenAI-compatible document AI и выбор протокола

Qwen3.5-OCR DashScope routing становится практическим вопросом для команд, которые используют document AI как production API, а не как разовую демонстрацию распознавания. Alibaba Cloud Model Studio указывает qwen3.5-ocr как релиз от 16 июня, а официальный Qwen-OCR guide описывает его как обновленный путь для document parsing, text localization, key information extraction, таблиц, формул, multilingual OCR и PDF workflows. Важна не только новая модель. Один и тот же model ID можно вызывать через OpenAI-compatible Chat Completions, OpenAI-compatible Responses и native DashScope SDK, но эти пути дают разные уровни контроля.

Что изменилось

Alibaba Cloud Model Studio описывает Qwen-OCR как семейство vision models для извлечения текста и структурированных данных из сканов, форм, билетов, таблиц, счетов, документов и multilingual images. В guide сказано, что qwen3.5-ocr основан на архитектуре Qwen3.5, улучшает document parsing, text localization и information extraction, поддерживает multi-turn conversation и может разбирать PDF documents. Он также указан как предпочтительный путь после более ранних Qwen-VL-OCR snapshots.

Эта официальная страница важна для routing design, потому что в ней описаны три API surfaces:

• OpenAI-compatible Chat Completions с model: "qwen3.5-ocr" и multimodal image_url content.
• OpenAI-compatible Responses с model: "qwen3.5-ocr", image/PDF inputs и input_text prompts.
• Native DashScope SDK / HTTP через MultiModalConversation, где доступны OCR-specific options, например image rotation handling и built-in OCR tasks.

Alibaba также фиксирует ограничение: команды с OpenAI SDK могут быстро мигрировать, но advanced OCR features вроде image rotation correction и built-in task controls не доступны напрямую через обычные OpenAI-compatible parameters. Их приходится имитировать prompt-ом или разбирать на стороне приложения. Именно эту границу операторам нужно отразить в policy.

Почему это важно для AI-инженерных команд

OCR workloads часто остаются незаметными до момента инцидента. Receipt, ID card, contract scan или bank statement проходят через extraction model; downstream business logic ожидает структурированный и корректный output; затем region mismatch, token ceiling, повернутое изображение или слабый fallback портит весь workflow. Qwen3.5-OCR DashScope routing дает больше вариантов, но требует от gateway capability-aware поведения.

Главное изменение в том, что document AI теперь похож на model routing, а не на batch ETL. Request несет modality, image pixel budgets, PDF eligibility, ожидаемую JSON shape, maximum output length, region и требование к built-in OCR task metadata. Generic /v1/chat/completions proxy может пропустить простой screenshot, но не обязан сохранить более богатые DashScope controls, которые нужны production document pipeline.

Region policy тоже критична. OCR API reference Alibaba разделяет Beijing, Singapore и Virginia endpoints, а для некоторых regions использует workspace-specific hostnames. Provider key, работающий с Beijing-compatible endpoint, может не подходить для Singapore workspace endpoint. Для regulated document workflows это не деталь деплоя, а часть data residency и auditability.

Взгляд со стороны роутинга и эксплуатации

Главный урок Qwen3.5-OCR DashScope routing для router — разделять document extraction на capability lanes, а не относиться к OCR как к одному model ID. Безопасная policy должна различать как минимум четыре случая.

1. Simple image-to-text extraction. Используйте OpenAI-compatible Chat Completions, если вход — обычное изображение, caller требует plain text или prompt-shaped JSON, а совместимость с существующими SDK важнее native task controls.
2. PDF and Responses-native agents. Используйте Responses surface, если приложение уже стандартизировалось на responses.create, нуждается в image/PDF inputs внутри agent workflow и может принять более простой OCR control surface.
3. High-precision document parsing. Предпочитайте native DashScope, если workload требует ocr_options, image rotation handling, text localization, table/formula parsing или явного built-in OCR task output, который нельзя надежно заменить только prompt-ом.
4. Fallback and exception handling. Не делайте silent fallback с native OCR на обычную vision chat model, если caller не пометил задачу как best-effort. Потеря rotation correction, PDF support или structured OCR fields может быть хуже, чем typed failure.

Operational metadata должны быть видны в logs: API surface, region, model alias, pixel budget, PDF usage, requested task type, fallback outcome и то, был ли output получен через native OCR task или prompt-only workaround. TheRouter AI routing documentation можно использовать как базу для превращения этих полей в route policy, а async media job guide полезен, когда document ingestion становится queued pipeline с retries и operator-visible job states.

Что стоит проверить или попробовать пользователям TheRouter

Сначала соберите Qwen3.5-OCR DashScope routing matrix до отправки production documents. Для каждого workload зафиксируйте document type, разрешены ли PDFs, ожидаемый output format, required region, rotation tolerance, maximum output length и нужен ли native OCR task metadata. Затем сопоставьте каждую строку с Chat Completions, Responses или native DashScope, а не позволяйте приложению выбирать случайно.

Затем добавьте fallback rules, которые сохраняют смысл задачи. Повернутый ID scan не должен fallback-иться на дешевую модель без orientation correction. PDF extraction request не должен переходить на image-only path без видимой ошибки. JSON extraction workflow должен проверять schema до того, как downstream systems примут результат.

Наконец, тестируйте pinned и floating aliases отдельно. qwen3.5-ocr удобен для постоянных обновлений, но document extraction чувствителен к небольшим изменениям поведения. Если workflow отправляет invoices, compliance forms или identity documents в automation, закрепляйте проверенный model snapshot там, где он доступен, и держите небольшой regression set из реальных документов. Qwen3.5-OCR DashScope routing снижает friction интеграции только тогда, когда gateway сохраняет protocol, region и OCR-specific controls, которые делают модель пригодной для production.