Семейство Qwen

Текстовые модели Tongyi Qianwen от Alibaba Cloud: серии Qwen3.8, Qwen3.7, Qwen3.6, а также Qwen Flash и Qwen Plus. Они вызываются через OpenAI-совместимый API; серия Qwen3.x также поддерживает нативный API Anthropic. Модели генерации изображений описаны в разделе Qwen-Image.

Типичные задачи

Модели

Полный список моделей и актуальные цены см. на странице моделей ; их также можно получить через Models API. Префикс qwen/ в ID модели можно опустить.

Модели Qwen предоставляет Alibaba Cloud Model Studio (Bailian) через двух провайдеров — китайскую площадку (aliyun) и международную (alicloud); по умолчанию провайдер выбирается автоматически. Как указать провайдера, см. в разделе Маршрутизация провайдеров.

Примеры вызова

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": "Объясни одним предложением, что такое идемпотентность."}],
    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": "Объясни одним предложением, что такое идемпотентность."}],
    "enable_thinking": false
  }'

Режим thinking

Замеры на одной и той же математической задаче: Qwen3.8 Flash по умолчанию тратит на thinking около 5800 токенов и около 1,5 минуты, Qwen3.6 Flash — больше 30 тысяч токенов и больше 4 минут; с отключённым thinking обе модели отвечают за несколько секунд.

Ограничение длины thinking

Если thinking нужен, но вы хотите контролировать время и стоимость, передайте thinking_budget (лимит токенов 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": "Найди все натуральные n меньше 50, при которых n² + n + 41 не является простым числом."}],
    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("[Ответ]", msg.content)
print("Токены thinking:", resp.usage.completion_tokens_details.reasoning_tokens)

• По нашим замерам, thinking_budget соблюдается строго: при значении 200 число токенов thinking ровно 200.
• enable_thinking и thinking_budget не входят в стандартные параметры OpenAI SDK, поэтому передавайте их в extra_body; при прямой отправке HTTP-запроса размещайте их на верхнем уровне тела запроса.
• Токены thinking оплачиваются по цене вывода, их число указано в usage.completion_tokens_details.reasoning_tokens.

Чтение содержимого thinking

• В потоковом ответе содержимое thinking находится в delta.reasoning_content, как и в официальном API Alibaba Cloud Model Studio.
• В непотоковом ответе содержимое thinking находится в message.reasoning_details; склейте поля text всех элементов по порядку (см. пример выше).

Ввод изображений

Модели с поддержкой ввода изображений используют стандартный блок содержимого 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": "Опиши это изображение."},
    ]}],
    extra_body={"enable_thinking": False},
)
print(resp.choices[0].message.content)

Qwen3.7 Max, Qwen Plus и Qwen Flash работают только с текстом — используйте одну из моделей с поддержкой ввода изображений из таблицы выше.

Использование в Claude Code

Серия Qwen3.x и Qwen Flash поддерживают нативный API Anthropic по адресу https://api.ofox.io/anthropic:

• При вызове через Anthropic API содержимое thinking возвращается блоками thinking.
• Серия Qwen3.8 расходует на thinking много токенов, поэтому задавайте достаточно большой max_tokens. По нашим замерам, при max_tokens 4000 ответ может содержать только блок thinking без самого ответа.
• Qwen Plus не поддерживает Anthropic API: вызов возвращает protocol_not_supported.

Полный порядок настройки Claude Code см. в разделе Настройка Claude Code.

JSON-вывод и вызов инструментов

response_format поддерживает {"type": "json_object"} и {"type": "json_schema", ...}; для вызова инструментов используется стандартный параметр tools. При использовании json_object явно укажите в промпте «верни в формате JSON» и перечислите нужные поля. Подробнее см. в разделах Структурированный вывод и Вызов функций.

Кэширование промптов

Qwen автоматически кэширует повторяющиеся префиксы запросов, менять запросы не нужно. Объём попадания показывает usage.prompt_tokens_details.cached_tokens; попавшая в кэш часть оплачивается по цене чтения из кэша. Кэширование работает по принципу best effort: даже запросы с одинаковым префиксом могут не попасть в кэш.

Типичные ошибки

Прочие общие ошибки: Обработка ошибок.

Официальная документация

• Alibaba Cloud Model Studio · Список моделей 
• Alibaba Cloud Model Studio · Глубокое мышление (deep thinking) 
• Alibaba Cloud Model Studio · Совместимость с OpenAI 

Официальная документация описывает поведение при прямом обращении к Alibaba Cloud Model Studio. При вызове через OfoxAI ID моделей и адреса API указывайте так, как описано на этой странице.

Часто задаваемые вопросы