Démarrage rapide de l'API IA Qwen

Authentification & Configuration de l'URL de base

Commencez par générer votre clé API sur le tableau de bord. L'URL de base est https://api.qwenaiapi.com/v1 et vous passez votre clé dans le Authorization header. Cette configuration fonctionne avec n'importe quel client SDK OpenAI standard sans modification de code. Vous recevez une clé active par compte ; en générer une nouvelle invalide immédiatement la précédente. Aucun numéro de téléphone n'est requis pour l'inscription.

Première demande

Envoyez une requête POST à /v1/chat/completions avec votre clé et l'ID du modèle. L'identifiant du modèle est uncensored et il répond aux messages de chat standard. Vous pouvez tester la connectivité avec une invite système simple pour vérifier la latence et le format de réponse. Les erreurs comme 401 indiquent une clé invalide, tandis que 402 signifie que votre crédit prépayé est épuisé.

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"}]
  }'

Intégration du SDK Python

Utilisez le client Python officiel pour interagir avec le point de terminaison. Définissez l'URL de base et la clé API dans vos paramètres d'initialisation. Le SDK gère automatiquement la tokenisation et la sérialisation JSON. Cette approche préserve la logique de votre application existante tout en changeant le fournisseur de modèle sous-jacent. Le client prend en charge les opérations synchrones et asynchrones.

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)

Utilisation du SDK Node

Initialisez le client Node.js avec votre URL de base et votre clé. Le package prend en charge les requêtes standard de complétion de chat. Vous pouvez configurer l'ID du modèle pour vous assurer de toucher le point de terminaison uncensored. Cette intégration est idéale pour les applications côté serveur nécessitant un accès programmatique. Le SDK gère efficacement le pool de connexions pour les requêtes à fort volume.

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);

Réponses en streaming

Activez le streaming en définissant le stream parameter à true. Vous recevez des server-sent events (SSE) au fur et à mesure de la génération des jetons. Le dernier chunk contient l'utilisation totale des jetons à des fins de facturation. Cela réduit la latence perçue pour les utilisateurs en affichant le texte progressivement. Vous devez traiter le flux correctement pour capturer les données d'utilisation finales.

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)

Fenêtre de Contexte & Limites

Le modèle prend en charge une fenêtre de contexte de 100 000 tokens pour l'ensemble de la requête et de la réponse. Vous pouvez envoyer jusqu'à 16 000 tokens en sortie par requête. Les limites de débit permettent 300 requêtes par minute et 8 requêtes simultanées par clé. Les corps de requête sont limités à 8 Mo. Comprendre ces limites vous aide à regrouper efficacement les requêtes sans déclencher d'erreurs 429. Les erreurs ne consomment pas votre crédit prépayé.