Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Responses API vs. Chat Completions: Warum migrieren

Lektion 2 von 22 Aktualisiert am 29. Juli 2026 Entwickler
Auf dieser Seite
  1. Responses API vs. Chat Completions
  2. Fundamentale Änderungen
  3. Serverseitige Sitzungsverwaltung
  4. Garantiertes JSON, nicht hoffentliches JSON
  5. Funktionsaufrufe und Streaming
  6. Kurzanleitung zur Migration
  7. Sollten Sie sofort migrieren?
  8. Kernaussagen

Responses API vs. Chat Completions

Die Chat Completions API diente über Jahre als Standard, und ein Großteil des im Internet verfügbaren Codes nutzt sie noch. Seit 2025 hat OpenAI sie jedoch als legacy (veraltet) klassifiziert und empfiehlt die Responses API für alle neuen Projekte. In dieser Lektion werden die beiden Schnittstellen verglichen, wobei der Fokus auf Unterschieden liegt, die Ihren Code tatsächlich beeinflussen.

Fundamentale Änderungen

Bei der Chat Completions API erstellten Sie eine Liste von Nachrichten und sandten diese gesamte Liste bei jedem Aufruf. Der Gesprächszustand lebte in Ihrer Anwendung, niemals auf dem Server:

from openai import OpenAI
client = OpenAI()

# Altes Modell — Chat Completions (legacy)
response = client.chat.completions.create(
    model="gpt-5.6-terra",
    messages=[
        {"role": "system", "content": "Sie sind eine hilfreiche Assistentin."},
        {"role": "user", "content": "Was ist die Hauptstadt Frankreichs?"},
    ]
)
print(response.choices[0].message.content)
# Ergebnis: "Die Hauptstadt Frankreichs ist Paris."

Die Responses API reduziert diesen gleichen Aufruf auf zwei Parameter und bietet direkten Zugriff auf den generierten Text. Die Systemnachricht wird zum instructions-Parameter, und das Extrahieren von Inhalten erfordert keine Navigation mehr über choices[0].message.content:

from openai import OpenAI
client = OpenAI()

# Neues Modell — Responses API
response = client.responses.create(
    model="gpt-5.6-terra",
    input="Was ist die Hauptstadt Frankreichs?"
)
print(response.output_text)
# Ergebnis: "Die Hauptstadt Frankreichs ist Paris."

Serverseitige Sitzungsverwaltung

Dies bietet den unmittelbarsten Vorteil. Die API verwaltet den Gesprächszustand, sodass Sie lediglich auf die vorherige Antwort über ihre ID verweisen müssen. Stellen Sie sich einen Support-Assistenten vor: Beim zehnten Durchgang zwang der Chat Completions-Ansatz Sie, die vorherigen neun Austauschvorgänge erneut zu senden, was bedeutet, dass Sie für diese Tokens erneut bezahlen mussten. Hier genügt ein einziges Feld:

# Erste Frage
response = client.responses.create(
    model="gpt-5.6-terra",
    input="Mein Name ist Marie."
)

# Zweite Frage — der Kontext wird automatisch erhalten
followup = client.responses.create(
    model="gpt-5.6-terra",
    input="Wie ist mein Name?",
    previous_response_id=response.id
)
print(followup.output_text)
# Ergebnis: "Ihr Name ist Marie."

Garantiertes JSON, nicht hoffentliches JSON

Die zweite wesentliche Verbesserung betrifft die strukturierte Ausgabe. Sie beschreiben das erwartete Format, und die Responses API garantiert, dass die Antwort Ihrem JSON-Schema entspricht – Sie können die Daten ohne Sicherheitsnetze deserialisieren. Ein Registrierungsformular, das Informationen aus freiem Text extrahiert, bricht nicht mehr einfach, weil das Modell beschließt, eine einleitende Sätze vor sein JSON zu setzen:

from pydantic import BaseModel

class City(BaseModel):
    name: str
    country: str
    population: int

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Geben Sie mir Informationen über Paris.",
    text={"format": {"type": "json_schema", "json_schema": {
        "name": "stadt",
        "strict": True,
        "schema": City.model_json_schema()
    }}}
)
print(response.output_text)
# Ergebnis: {"name": "Paris", "country": "Frankreich", "population": 2161000}

Funktionsaufrufe und Streaming

Die Deklaration von Tools folgt der gleichen Vereinfachungslogik: Der Funktionsbeschreiber wird flach in tools deklariert, und der vom Modell angeforderte Aufruf erscheint direkt in response.output, ohne zusätzliche Verschachtelungsebenen.

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Wie ist das Wetter in Lyon?",
    tools=[{
        "type": "function",
        "name": "get_meteo",
        "description": "Holen Sie sich das Wetter für eine Stadt",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "Name der Stadt"}
            },
            "required": ["city"]
        }
    }]
)

# Die API gibt den Funktionsaufruf zur Ausführung direkt zurück
for item in response.output:
    if item.type == "function_call":
        print(f"Funktion: {item.name}, Argumente: {item.arguments}")
# Ergebnis: Funktion: get_meteo, Argumente: {"city": "Lyon"}

Streaming liefert nicht mehr einen Strom ununterschiedener Blöcke, sondern typisierte Ereignisse. Sie filtern nach event.type und wissen genau, was Sie verarbeiten – ein Textfragment, ein Funktionsargument oder das Ende der Generierung:

stream = client.responses.create(
    model="gpt-5.6-terra",
    input="Erzählen Sie eine kurze Geschichte.",
    stream=True
)

for event in stream:
    if event.type == "response.output_text.delta":
        print(event.delta, end="", flush=True)

Kurzanleitung zur Migration

Chat CompletionsResponses API
client.chat.completions.create()client.responses.create()
messages=[...]input="..." oder input=[...]
response.choices[0].message.contentresponse.output_text
Manuelle Historieprevious_response_id
response_formattext={"format": {...}}
tools + tool_choicetools (vereinfacht)

Sollten Sie sofort migrieren?

Die Chat Completions API bleibt funktionsfähig und wird nicht entfernt. Bestehender Code, der läuft, keine Änderungen erfordert und auf eine Testpipeline basiert, die um das alte Format herum aufgebaut ist, gewinnt von einer dringenden Neuschreibung nichts. Ebenso sollten Sie warten, wenn Sie von einer Drittanbieter-Bibliothek abhängig sind, die die Responses API noch nicht unterstützt, und auf deren Update warten. Für jedes neue Projekt ist die Antwort jedoch klar: Die Responses API ist der Ausgangspunkt, und der Rest dieses Kurses geht von dieser Annahme aus.

Kernaussagen

  • Die Responses API ersetzt die Chat Completions durch eine einfachere Schnittstelle
  • Die serverseitige Sitzungsverwaltung eliminiert die Notwendigkeit, die Historie erneut zu senden
  • Strukturierte Ausgabe und Funktionsaufrufe sind nativ integriert
  • Die Migration ist einfach: Die Konzepte bleiben gleich, nur die Syntax ändert sich