Famille Qwen

Les modèles de texte Tongyi Qianwen d’Alibaba Cloud, qui comprennent les séries Qwen3.8, Qwen3.7 et Qwen3.6 ainsi que Qwen Flash et Qwen Plus. Ils s’appellent via l’API compatible OpenAI ; la série Qwen3.x prend aussi en charge l’API native Anthropic. Les modèles de génération d’images sont présentés dans Qwen-Image.

Tâches courantes

Modèles

La liste complète des modèles et les prix en vigueur figurent sur la page des modèles  ; vous pouvez aussi les interroger via la Models API. Le préfixe qwen/ de l’ID de modèle est facultatif.

Les modèles Qwen sont servis par Alibaba Cloud Model Studio (Bailian), via deux fournisseurs : le site chinois (aliyun) et le site international (alicloud), sélectionnés automatiquement par défaut. Pour en choisir un, voir Routage des fournisseurs.

Exemples d’appel

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": "Explique en une phrase ce qu’est l’idempotence."}],
    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": "Explique en une phrase ce qu’est l’idempotence."}],
    "enable_thinking": false
  }'

Mode thinking

Lors de nos tests sur un même problème de mathématiques : Qwen3.8 Flash a produit par défaut environ 5800 tokens de thinking en environ 1 minute 30, et Qwen3.6 Flash plus de 30 000 tokens de thinking en plus de 4 minutes ; thinking désactivé, les deux répondent en quelques secondes.

Limiter la longueur du thinking

Si vous avez besoin du thinking mais souhaitez maîtriser le temps et le coût, passez thinking_budget (plafond 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": "Trouve tous les entiers strictement positifs n inférieurs à 50 tels que n² + n + 41 ne soit pas premier."}],
    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("[Réponse]", msg.content)
print("Tokens de thinking :", resp.usage.completion_tokens_details.reasoning_tokens)

• Lors de nos tests, thinking_budget est appliqué strictement : avec une valeur de 200, le thinking compte exactement 200 tokens.
• enable_thinking et thinking_budget ne sont pas des paramètres standard du SDK OpenAI : placez-les dans extra_body ; en requête HTTP directe, placez-les au premier niveau du corps de la requête.
• Les tokens de thinking sont facturés au prix unitaire de sortie ; leur nombre figure dans usage.completion_tokens_details.reasoning_tokens.

Lire le contenu du thinking

• Dans une réponse streamée, le contenu du thinking se trouve dans delta.reasoning_content, comme dans l’API officielle d’Alibaba Cloud Model Studio.
• Dans une réponse non streamée, le contenu du thinking se trouve dans message.reasoning_details ; concaténez le text de chaque élément dans l’ordre (voir l’exemple ci-dessus).

Images en entrée

Les modèles qui acceptent les images utilisent le bloc de contenu standard 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": "Décris cette image."},
    ]}],
    extra_body={"enable_thinking": False},
)
print(resp.choices[0].message.content)

Qwen3.7 Max, Qwen Plus et Qwen Flash ne prennent en charge que le texte ; utilisez l’un des modèles du tableau ci-dessus qui acceptent les images.

Utiliser avec Claude Code

La série Qwen3.x et Qwen Flash prennent en charge l’API native Anthropic, à l’adresse https://api.ofox.io/anthropic :

• Via l’API Anthropic, le contenu du thinking est renvoyé dans des blocs thinking.
• La série Qwen3.8 produit beaucoup de thinking : réglez un max_tokens suffisamment grand. Lors de nos tests, avec max_tokens à 4000, la réponse pouvait ne contenir qu’un bloc thinking, sans réponse.
• Qwen Plus ne prend pas en charge l’API Anthropic ; l’appel renvoie protocol_not_supported.

Les étapes complètes de configuration de Claude Code sont décrites dans Configuration de Claude Code.

Sortie JSON et appel d’outils

response_format accepte {"type": "json_object"} et {"type": "json_schema", ...} ; l’appel d’outils utilise le paramètre standard tools. Avec json_object, indiquez explicitement dans le prompt « Renvoie en JSON » ainsi que les champs attendus. Voir Sortie structurée et Appel de fonctions.

Mise en cache des prompts

Qwen met automatiquement en cache les préfixes de requête répétés, sans modifier la requête. Le volume concerné figure dans usage.prompt_tokens_details.cached_tokens, et cette partie est facturée au prix unitaire de lecture du cache. Le cache fonctionne au mieux : une requête au préfixe identique peut ne pas y accéder.

Erreurs courantes

Les autres erreurs générales sont décrites dans Gestion des erreurs.

Documentation officielle

• Alibaba Cloud Model Studio · Liste des modèles 
• Alibaba Cloud Model Studio · Deep thinking 
• Alibaba Cloud Model Studio · Compatibilité OpenAI 

La documentation officielle décrit le comportement en appel direct à Alibaba Cloud Model Studio. Via OfoxAI, les ID de modèle et les adresses d’endpoint de cette page font foi.

FAQ