在Vercel AI SDK中使用兼容模式对接第三方大模型的经验分享
在使用Vercel AI SDK开发聊天应用时,很多开发者会遇到需要对接非OpenAI官方模型的情况。本文将分享一个实际案例,介绍如何正确使用@ai-sdk/openai-compatible模块来对接阿里云通义千问模型,并解决自定义参数传递的问题。
问题背景
当开发者尝试使用@ai-sdk/openai模块的兼容模式对接阿里云DashScope平台的通义千问模型时,发现无法通过providerOptions传递模型特定的参数。例如,想设置enable_thinking参数来控制模型是否显示思考过程,但该参数在最终请求中并未生效。
错误做法分析
开发者最初尝试了以下方式:
import { createOpenAI } from '@ai-sdk/openai';
const qwen = createOpenAI({
name: 'qwen',
apiKey: 'xxxxx',
baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
compatibility: 'compatible',
});
const stream = streamText({
model: qwen('qwen3-235b-a22b'),
prompt: 'who are you?',
providerOptions: {
qwen: {
enable_thinking: false,
},
},
});
这种方法的问题在于,@ai-sdk/openai模块主要是为OpenAI官方API设计的,虽然提供了兼容模式,但对于第三方模型的特有参数支持不够完善。
正确解决方案
Vercel AI SDK团队专门提供了@ai-sdk/openai-compatible模块来处理这类需求。该模块专为兼容OpenAI API的第三方服务设计,能够更好地支持各种自定义参数。
正确做法如下:
import { createOpenAICompatible } from '@ai-sdk/openai-compatible';
const qwen = createOpenAICompatible({
apiKey: 'xxxxx',
baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
});
const stream = streamText({
model: qwen('qwen3-235b-a22b'),
prompt: 'who are you?',
providerOptions: {
qwen: {
enable_thinking: false,
},
},
});
技术要点解析
-
模块选择:
@ai-sdk/openai-compatible是专门为兼容OpenAI API的第三方服务设计的,相比@ai-sdk/openai的兼容模式,它提供了更灵活的参数传递机制。 -
参数传递:通过
providerOptions可以传递服务商特定的参数,这些参数会直接合并到最终的API请求中。 -
兼容性处理:该模块会自动处理与OpenAI API的兼容性问题,开发者无需关心底层实现细节。
实际应用建议
-
对于完全兼容OpenAI API的服务,优先使用
@ai-sdk/openai模块。 -
对于需要传递特定参数或有不完全兼容情况的第三方服务,使用
@ai-sdk/openai-compatible模块。 -
在对接新模型时,建议先查阅服务商的API文档,了解其特有的参数和功能。
-
可以通过网络请求调试工具验证最终发出的请求参数是否符合预期。
总结
Vercel AI SDK提供了灵活的模块化设计,使开发者能够轻松对接各种大模型服务。通过正确选择和使用@ai-sdk/openai-compatible模块,开发者可以充分利用第三方模型的特有功能,同时保持代码的简洁性和可维护性。这一经验不仅适用于阿里云通义千问模型,也可推广到其他兼容OpenAI API的第三方模型服务。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00