Alibaba Cloud Model Studio:API Responses yang Kompatibel dengan OpenAI

Python

import os
from openai import OpenAI

client = OpenAI(
    # Jika variabel lingkungan belum diatur, ganti baris berikut dengan: api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1",
)

response = client.responses.create(
    model="qwen3.5-plus",
    input="What can you do?"
)

# Dapatkan respons model
# print(response.model_dump_json())
print(response.output_text)

Node.js

import OpenAI from "openai";

const openai = new OpenAI({
    // Jika variabel lingkungan belum diatur, ganti baris berikut dengan: apiKey: "sk-xxx"
    apiKey: process.env.DASHSCOPE_API_KEY,
    baseURL: "https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1"
});

async function main() {
    const response = await openai.responses.create({
        model: "qwen3.5-plus",
        input: "What can you do?"
    });

    // Dapatkan respons model
    console.log(response.output_text);
}

main();

curl

curl -X POST https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.5-plus",
    "input": "What can you do?"
}'

Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1",
)

# Putaran pertama
response1 = client.responses.create(
    model="qwen3.5-plus",
    input="My name is John, please remember it."
)
print(f"First response: {response1.output_text}")

# Putaran kedua - gunakan previous_response_id untuk menghubungkan konteks
# ID respons kedaluwarsa dalam 7 hari
response2 = client.responses.create(
    model="qwen3.5-plus",
    input="Do you remember my name?",
    previous_response_id=response1.id
)
print(f"Second response: {response2.output_text}")

Node.js

import OpenAI from "openai";

const openai = new OpenAI({
    apiKey: process.env.DASHSCOPE_API_KEY,
    baseURL: "https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1"
});

async function main() {
    // Putaran pertama
    const response1 = await openai.responses.create({
        model: "qwen3.5-plus",
        input: "My name is John, please remember it."
    });
    console.log(`First response: ${response1.output_text}`);

    // Putaran kedua - gunakan previous_response_id untuk menghubungkan konteks
    // ID respons kedaluwarsa dalam 7 hari
    const response2 = await openai.responses.create({
        model: "qwen3.5-plus",
        input: "Do you remember my name?",
        previous_response_id: response1.id
    });
    console.log(`Second response: ${response2.output_text}`);
}

main();

curl

# Putaran pertama
curl -X POST https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.5-plus",
    "input": "My name is John, please remember it."
}'

# Putaran kedua - gunakan id dari respons pertama sebagai previous_response_id
curl -X POST https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.5-plus",
    "input": "Do you remember my name?",
    "previous_response_id": "response_id_from_first_round"
}'

Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1",
)

stream = client.responses.create(
    model="qwen3.5-plus",
    input="Please briefly introduce artificial intelligence.",
    stream=True
)

print("Receiving stream output:")
for event in stream:
    # print(event.model_dump_json())  # Hapus komentar untuk melihat respons event mentah
    if event.type == 'response.output_text.delta':
        print(event.delta, end='', flush=True)
    elif event.type == 'response.completed':
        print("\nStream completed")
        print(f"Total tokens: {event.response.usage.total_tokens}")

Node.js

import OpenAI from "openai";

const openai = new OpenAI({
    apiKey: process.env.DASHSCOPE_API_KEY,
    baseURL: "https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1"
});

async function main() {
    const stream = await openai.responses.create({
        model: "qwen3.5-plus",
        input: "Please briefly introduce artificial intelligence.",
        stream: true
    });

    console.log("Receiving stream output:");
    for await (const event of stream) {
        // console.log(JSON.stringify(event));  // Hapus komentar untuk melihat respons event mentah
        if (event.type === 'response.output_text.delta') {
            process.stdout.write(event.delta);
        } else if (event.type === 'response.completed') {
            console.log("\nStream completed");
            console.log(`Total tokens: ${event.response.usage.total_tokens}`);
        }
    }
}

main();

curl

curl -X POST https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.5-plus",
    "input": "Please briefly introduce artificial intelligence.",
    "stream": true
}'

Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1",
)

response = client.responses.create(
    model="qwen3.5-plus",
    input="Find the Alibaba Cloud website and extract key information",
    # Untuk hasil terbaik, aktifkan semua tool bawaan
    tools=[
        {"type": "web_search"},
        {"type": "code_interpreter"},
        {"type": "web_extractor"}
    ],
    extra_body={"enable_thinking": True}
)

# Hapus komentar baris di bawah ini untuk melihat output antara
# print(response.output)
print(response.output_text)

Node.js

import OpenAI from "openai";

const openai = new OpenAI({
    apiKey: process.env.DASHSCOPE_API_KEY,
    baseURL: "https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1"
});

async function main() {
    const response = await openai.responses.create({
        model: "qwen3.5-plus",
        input: "Find the Alibaba Cloud website and extract key information",
        tools: [
            { type: "web_search" },
            { type: "code_interpreter" },
            { type: "web_extractor" }
        ],
        enable_thinking: true
    });

    for (const item of response.output) {
        if (item.type === "reasoning") {
            console.log("Model is thinking...");
        } else if (item.type === "web_search_call") {
            console.log(`Search query: ${item.action.query}`);
        } else if (item.type === "web_extractor_call") {
            console.log("Extracting web content...");
        } else if (item.type === "message") {
            console.log(`Response: ${item.content[0].text}`);
        }
    }
}

main();

curl

curl -X POST https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.5-plus",
    "input": "Find the Alibaba Cloud website and extract key information",
    "tools": [
        {
            "type": "web_search"
        },
        {
            "type": "code_interpreter"
        },
        {
            "type": "web_extractor"
        }
    ],
    "enable_thinking": true
}'

Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1",
    # Aktifkan session cache melalui default_headers
    default_headers={"x-dashscope-session-cache": "enable"}
)

# Buat teks panjang lebih dari 1.024 token untuk memastikan pembuatan cache.
# Jika teks kurang dari 1.024 token, cache akan dibuat ketika konteks percakapan terakumulasi melebihi 1.024 token.
long_context = "Artificial intelligence is an important branch of computer science, dedicated to researching and developing theories, methods, technologies, and application systems that can simulate, extend, and expand human intelligence." * 50

# Putaran pertama
response1 = client.responses.create(
    model="qwen3.5-plus",
    input=long_context + "\n\nBased on the background knowledge above, please briefly introduce the random forest algorithm in machine learning.",
)
print(f"First response: {response1.output_text}")

# Putaran kedua: Hubungkan konteks menggunakan previous_response_id. Cache ditangani secara otomatis oleh server.
response2 = client.responses.create(
    model="qwen3.5-plus",
    input="What are the main differences between it and GBDT?",
    previous_response_id=response1.id,
)
print(f"Second response: {response2.output_text}")

# Periksa status cache hit
usage = response2.usage
print(f"Input Tokens: {usage.input_tokens}")
print(f"Cached Tokens: {usage.input_tokens_details.cached_tokens}")

Node.js

import OpenAI from "openai";

const openai = new OpenAI({
    apiKey: process.env.DASHSCOPE_API_KEY,
    baseURL: "https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1",
    // Aktifkan session cache melalui defaultHeaders
    defaultHeaders: {"x-dashscope-session-cache": "enable"}
});

// Buat teks panjang lebih dari 1.024 token untuk memastikan pembuatan cache.
// Jika teks kurang dari 1.024 token, cache akan dibuat ketika konteks percakapan terakumulasi melebihi 1.024 token.
const longContext = "Artificial intelligence is an important branch of computer science, dedicated to researching and developing theories, methods, technologies, and application systems that can simulate, extend, and expand human intelligence.".repeat(50);

async function main() {
    // Putaran pertama
    const response1 = await openai.responses.create({
        model: "qwen3.5-plus",
        input: longContext + "\n\nBased on the background knowledge above, please briefly introduce the random forest algorithm in machine learning, including its basic principles and application scenarios."
    });
    console.log(`First response: ${response1.output_text}`);

    // Putaran kedua: Hubungkan konteks menggunakan previous_response_id. Cache ditangani secara otomatis oleh server.
    const response2 = await openai.responses.create({
        model: "qwen3.5-plus",
        input: "What are the main differences between it and GBDT?",
        previous_response_id: response1.id
    });
    console.log(`Second response: ${response2.output_text}`);

    // Periksa status cache hit
    console.log(`Input Tokens: ${response2.usage.input_tokens}`);
    console.log(`Cached Tokens: ${response2.usage.input_tokens_details.cached_tokens}`);
}

main();

curl

# Putaran pertama
# Ganti input dengan teks panjang lebih dari 1.024 token untuk memastikan pembuatan cache.
curl -X POST https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "x-dashscope-session-cache: enable" \
-d '{
    "model": "qwen3.5-plus",
    "input": "Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia. Kecerdasan buatan adalah cabang penting dari ilmu komputer, yang didedikasikan untuk meneliti dan mengembangkan teori, metode, teknologi, dan sistem aplikasi yang dapat mensimulasikan, memperluas, dan mengembangkan kecerdasan manusia.\n\nBerdasarkan pengetahuan latar belakang di atas, tolong jelaskan secara singkat algoritma random forest dalam pembelajaran mesin, termasuk prinsip-prinsip dasar dan skenario aplikasinya."
}'

# Putaran kedua - gunakan ID dari tanggapan pertama sebagai previous_response_id
curl -X POST https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "x-dashscope-session-cache: enable" \
-d '{
    "model": "qwen3.5-plus",
    "input": "Apa perbedaan utama antara itu dan GBDT?",
    "previous_response_id": "id_tanggapan_dari_putaran_pertama"
}'

Python

# Chat Completions API
completion = client.chat.completions.create(
    model="qwen3.5-plus",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"}
    ]
)
print(completion.choices[0].message.content)

# Responses API - can use the same message format
response = client.responses.create(
    model="qwen3.5-plus",
    input=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"}
    ]
)
print(response.output_text)

# Responses API - or use a more concise format
response = client.responses.create(
    model="qwen3.5-plus",
    input="Hello!"
)
print(response.output_text)

Node.js

// Chat Completions API
const completion = await client.chat.completions.create({
    model: "qwen3.5-plus",
    messages: [
        { role: "system", content: "You are a helpful assistant." },
        { role: "user", content: "Hello!" }
    ]
});
console.log(completion.choices[0].message.content);

// Responses API - can use the same message format
const response = await client.responses.create({
    model: "qwen3.5-plus",
    input: [
        { role: "system", content: "You are a helpful assistant." },
        { role: "user", content: "Hello!" }
    ]
});
console.log(response.output_text);

// Responses API - or use a more concise format
const response2 = await client.responses.create({
    model: "qwen3.5-plus",
    input: "Hello!"
});
console.log(response2.output_text);

curl

# Chat Completions API
curl -X POST https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.5-plus",
    "messages": [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"}
    ]
}'

# Responses API - use a more concise format
curl -X POST https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.5-plus",
    "input": "Hello!"
}'

Python

# Chat Completions - manual message history management
messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "What is the capital of France?"}
]
res1 = client.chat.completions.create(
    model="qwen3.5-plus",
    messages=messages
)

# Manually add response to history
messages.append(res1.choices[0].message)
messages.append({"role": "user", "content": "What is its population?"})

res2 = client.chat.completions.create(
    model="qwen3.5-plus",
    messages=messages
)

# Responses API - automatic linking with previous_response_id
res1 = client.responses.create(
    model="qwen3.5-plus",
    input="What is the capital of France?"
)

# Just pass the previous response ID
res2 = client.responses.create(
    model="qwen3.5-plus",
    input="What is its population?",
    previous_response_id=res1.id
)

Node.js

// Chat Completions - manual message history management
let messages = [
    { role: "system", content: "You are a helpful assistant." },
    { role: "user", content: "What is the capital of France?" }
];
const res1 = await client.chat.completions.create({
    model: "qwen3.5-plus",
    messages
});

// Manually add response to history
messages = messages.concat([res1.choices[0].message]);
messages.push({ role: "user", content: "What is its population?" });

const res2 = await client.chat.completions.create({
    model: "qwen3.5-plus",
    messages
});

// Responses API - automatic linking with previous_response_id
const res1 = await client.responses.create({
    model: "qwen3.5-plus",
    input: "What is the capital of France?"
});

// Just pass the previous response ID
const res2 = await client.responses.create({
    model: "qwen3.5-plus",
    input: "What is its population?",
    previous_response_id: res1.id
});

Python

# Chat Completions - need to implement tool functions yourself
def web_search(query):
    # Need to implement web search logic yourself
    import requests
    r = requests.get(f"https://api.example.com/search?q={query}")
    return r.json().get("results", [])

completion = client.chat.completions.create(
    model="qwen3.5-plus",
    messages=[{"role": "user", "content": "Who is the current president of France?"}],
    functions=[{
        "name": "web_search",
        "description": "Search the web for information",
        "parameters": {
            "type": "object",
            "properties": {"query": {"type": "string"}},
            "required": ["query"]
        }
    }]
)

# Responses API - use built-in tools directly
response = client.responses.create(
    model="qwen3.5-plus",
    input="Who is the current president of France?",
    tools=[{"type": "web_search"}]  # Enable web search directly
)
print(response.output_text)

Node.js

// Chat Completions - need to implement tool functions yourself
async function web_search(query) {
    const fetch = (await import('node-fetch')).default;
    const res = await fetch(`https://api.example.com/search?q=${query}`);
    const data = await res.json();
    return data.results;
}

const completion = await client.chat.completions.create({
    model: "qwen3.5-plus",
    messages: [{ role: "user", content: "Who is the current president of France?" }],
    functions: [{
        name: "web_search",
        description: "Search the web for information",
        parameters: {
            type: "object",
            properties: { query: { type: "string" } },
            required: ["query"]
        }
    }]
});

// Responses API - use built-in tools directly
const response = await client.responses.create({
    model: "qwen3.5-plus",
    input: "Who is the current president of France?",
    tools: [{ type: "web_search" }]  // Enable web search directly
});
console.log(response.output_text);

curl

# Chat Completions - need to implement tools yourself
# Example of calling an external search API
curl https://api.example.com/search \
  -G \
  --data-urlencode "q=current president of France" \
  --data-urlencode "key=$SEARCH_API_KEY"

# Responses API - use built-in tools directly
curl -X POST https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.5-plus",
    "input": "Who is the current president of France?",
    "tools": [{"type": "web_search"}]
}'