Qwen AI-API-Schnellstart

Authentifizierung & Basis-URL-Einrichtung

Erstellen Sie zunächst Ihren API-Schlüssel im Dashboard. Die Base-URL ist https://api.qwenaiapi.com/v1 und Sie übergeben Ihren Schlüssel im Authorization header. Diese Konfiguration funktioniert mit jedem Standard-OpenAI-SDK-Client ohne Codeänderungen. Sie erhalten einen aktiven Schlüssel pro Konto; das Generieren eines neuen Schlüssels macht den vorherigen sofort ungültig. Für die Anmeldung wird keine Telefonnummer benötigt.

Erste Anfrage

Senden Sie eine POST-Anfrage an /v1/chat/completions mit Ihrem Schlüssel und der Modell-ID. Die Modell-ID ist uncensored und es reagiert auf Standard-Chat-Nachrichten. Sie können die Konnektivität mit einer einfachen Systemabfrage testen, um Latenz und Antwortformat zu überprüfen. Fehler wie 401 deuten auf einen ungültigen Schlüssel hin, während 402 bedeutet, dass Ihr vorausbezahltes Guthaben aufgebraucht ist.

Copycurl https://api.qwenaiapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Summarize this pull request diff"}]
  }'

Python SDK-Integration

Verwenden Sie den offiziellen Python-Client, um mit dem Endpunkt zu interagieren. Legen Sie die Basis-URL und den API-Schlüssel in Ihren Initialisierungsparametern fest. Das SDK verarbeitet die Tokenisierung und JSON-Serialisierung automatisch. Dieser Ansatz bewahrt Ihre bestehende Anwendungslogik, während Sie den zugrunde liegenden Modellanbieter wechseln. Der Client unterstützt sowohl synchrone als auch asynchrone Operationen.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.qwenaiapi.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Node SDK-Nutzung

Initialisieren Sie den Node.js-Client mit Ihrer Basis-URL und Ihrem Schlüssel. Das Paket unterstützt standardmäßige Chat-Vervollständigungsanfragen. Sie können die Modell-ID konfigurieren, um sicherzustellen, dass Sie den unzensierten Endpunkt treffen. Diese Integration ist ideal für serverseitige Anwendungen, die einen programmatischen Zugriff benötigen. Das SDK verwaltet Connection-Pooling effizient für Anfragen mit hohem Volumen.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.qwenaiapi.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

Streaming-Antworten

Aktivieren Sie das Streaming, indem Sie den stream Parameter auf true setzen. Sie erhalten Server-Sent Events (SSE), während Tokens generiert werden. Der letzte Chunk enthält die gesamte Token-Nutzung zur Abrechnung. Dies reduziert die wahrgenommene Latenz für Benutzer, indem Text progressiv angezeigt wird. Sie müssen den Stream korrekt verarbeiten, um die finalen Nutzungsdaten zu erfassen.

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Kontextfenster & Grenzen

Das Modell unterstützt einen Kontextfenster von 100.000 Token für die Kombination aus Prompt und Completion. Sie können bis zu 16.000 Output-Token pro Anfrage senden. Rate-Limits erlauben 300 Anfragen pro Minute und 8 gleichzeitige Anfragen pro Schlüssel. Anfragekörper sind auf 8 MB begrenzt. Das Verständnis dieser Grenzwerte hilft Ihnen, Anfragen effektiv zu bündeln, ohne 429-Fehler zu erhalten. Fehler verbrauchen Ihr vorausbezahltes Guthaben nicht.