Familia Qwen

Los modelos de texto Tongyi Qianwen (Qwen) de Alibaba Cloud, que incluyen las series Qwen3.8, Qwen3.7 y Qwen3.6, además de Qwen Flash y Qwen Plus. Se llaman a través de la API compatible con OpenAI, y la serie Qwen3.x también admite el endpoint nativo de Anthropic. Los modelos de generación de imágenes están en Qwen-Image.

Tareas habituales

Modelos

La lista completa de modelos y los precios en tiempo real están en la página de modelos ; también puede consultarlos con la Models API. El ID de modelo puede omitir el prefijo qwen/.

Los modelos Qwen los ofrece Alibaba Cloud Model Studio (Bailian) a través de dos proveedores, el sitio de China (aliyun) y el sitio internacional (alicloud), con selección automática por defecto. Cómo seleccionarlos: Enrutamiento de proveedores.

Ejemplos de llamada

import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.chat.completions.create(
    model="qwen/qwen3.8-flash",
    messages=[{"role": "user", "content": "Explica en una frase qué es la idempotencia."}],
    extra_body={"enable_thinking": False},
)
print(resp.choices[0].message.content)

curl https://api.ofox.io/v1/chat/completions \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen/qwen3.8-flash",
    "messages": [{"role": "user", "content": "Explica en una frase qué es la idempotencia."}],
    "enable_thinking": false
  }'

Modo thinking

En nuestras mediciones con un mismo problema matemático, Qwen3.8 Flash pensó por defecto unos 5800 tokens y tardó aproximadamente 1,5 minutos, y Qwen3.6 Flash pensó más de 30.000 tokens y tardó más de 4 minutos; con el thinking desactivado, ambos respondieron en pocos segundos.

Limitar la longitud del thinking

Si necesita thinking pero quiere controlar el tiempo y el coste, envíe thinking_budget (límite de tokens de thinking):

import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.chat.completions.create(
    model="qwen/qwen3.8-flash",
    messages=[{"role": "user", "content": "Encuentra todos los enteros positivos n menores que 50 para los que n² + n + 41 no es primo."}],
    extra_body={"enable_thinking": True, "thinking_budget": 1000},
)
msg = resp.choices[0].message
details = getattr(msg, "reasoning_details", None) or []
print("[Thinking]", "".join(d.get("text", "") for d in details)[:200], "…")
print("[Respuesta]", msg.content)
print("Tokens de thinking:", resp.usage.completion_tokens_details.reasoning_tokens)

• En nuestras mediciones, thinking_budget se aplica de forma estricta: con 200, los tokens de thinking fueron exactamente 200.
• enable_thinking y thinking_budget no son parámetros estándar del SDK de OpenAI, así que colóquelos en extra_body; al enviar la petición HTTP directamente, van en el nivel superior del cuerpo.
• Los tokens de thinking se facturan al precio de salida; su número figura en usage.completion_tokens_details.reasoning_tokens.

Leer el contenido del thinking

• En las respuestas en streaming, el contenido del thinking está en delta.reasoning_content, igual que en la API oficial de Alibaba Cloud Model Studio.
• En las respuestas sin streaming, el contenido del thinking está en message.reasoning_details; concatene por orden el text de cada elemento (consulte el ejemplo anterior).

Entrada de imágenes

Los modelos que admiten entrada de imágenes usan el bloque de contenido estándar image_url:

import base64
import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
img_b64 = base64.b64encode(open("photo.png", "rb").read()).decode()
 
resp = client.chat.completions.create(
    model="qwen/qwen3.8-flash",
    messages=[{"role": "user", "content": [
        {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{img_b64}"}},
        {"type": "text", "text": "Describe esta imagen."},
    ]}],
    extra_body={"enable_thinking": False},
)
print(resp.choices[0].message.content)

Qwen3.7 Max, Qwen Plus y Qwen Flash solo admiten texto; use uno de los modelos de la tabla anterior que admiten entrada de imágenes.

Uso en Claude Code

La serie Qwen3.x y Qwen Flash admiten el endpoint nativo de Anthropic, con la URL https://api.ofox.io/anthropic:

• Al llamar a través del endpoint de Anthropic, el contenido del thinking se devuelve en bloques thinking.
• La serie Qwen3.8 piensa bastante, así que configure un max_tokens suficientemente grande. En nuestras mediciones, con max_tokens en 4000 la respuesta podía contener solo el bloque thinking sin respuesta.
• Qwen Plus no admite el endpoint de Anthropic; la llamada devuelve protocol_not_supported.

Los pasos completos de configuración de Claude Code están en Configuración de Claude Code.

Salida JSON y llamadas a herramientas

response_format admite {"type": "json_object"} y {"type": "json_schema", ...}; las llamadas a herramientas usan el parámetro estándar tools. Al usar json_object, indique en el prompt «devuelve en JSON» y los campos que necesita. Formas de uso: Salida estructurada y Llamadas a funciones.

Caché de prompts

Qwen almacena en caché automáticamente los prefijos de petición repetidos, sin cambiar la petición. La cantidad acertada figura en usage.prompt_tokens_details.cached_tokens, y la parte acertada se factura al precio de lectura de caché. La caché funciona según el principio de mejor esfuerzo; incluso peticiones con el mismo prefijo pueden no acertar.

Errores habituales

Otros errores generales: Gestión de errores.

Documentación oficial

• Alibaba Cloud Model Studio · Lista de modelos 
• Alibaba Cloud Model Studio · Deep thinking 
• Alibaba Cloud Model Studio · Compatibilidad con OpenAI 

La documentación oficial describe el comportamiento al llamar directamente a Alibaba Cloud Model Studio. Al llamar a través de OfoxAI, los IDs de modelo y las URL de los endpoints son los de esta página.

Preguntas frecuentes