Dokumentacja API i Punkty końcowe

Uwierzytelnianie i URL bazowy

API wymaga ważnego klucza dla każdego żądania. Generujesz ten klucz natychmiast podczas rejestracji za pomocą Google lub adresu e-mail. Przekaż klucz w Authorization Nagłówek przy użyciu Bearer schemat. Bazowy URL dla wszystkich żądań to HTTPS://api.qwenaipricing.com/v1. Ten URL działa z oficjalnymi SDK OpenAI i dowolnym kompatybilnym klientem, po prostu aktualizując konfigurację bazową.

Punkt końcowy Uzupełnień Czat

Głównym punktem końcowym jest POST /v1/chat/completions.Akceptuje ciało JSON z messages tablica i model pole. Ustaw identyfikator modelu na "uncensored", aby uzyskać dostęp do dużego modelu językowego dostosowanego do nieograniczonych wyników. Możesz zdefiniować role systemową, użytkownika i asystenta, aby strukturyzować kontekst rozmowy.

Copycurl https://api.qwenaipricing.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "What is the monthly cost for the 72B model?"}]
  }'

Odpowiedź zawiera wygenerowaną treść, statystyki użycia i powód zakończenia. Błędy zwracają standardowe kody HTTP, takie jak 401 dla nieprawidłowych kluczy lub 402, jeśli Twój kredyt z góry opłacony został wyczerpany. API nie obsługuje osadzania (embeddings), generowania obrazów ani endpointów do dostrajania (fine-tuning).

Integracja SDK Python

Użyj oficjalnego openai Pakiet Python do interakcji z API. Zainicjuj klienta, podając swój klucz API i ustawiając adres bazowy na nasz punkt końcowy. Pozwala to używać znanych metod, takich jak chat.completions.create() bez przepisywania logiki klienta. Biblioteka automatycznie obsługuje serializację JSON i parsowanie odpowiedzi.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.qwenaipricing.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)

Przekazuj swoje wiadomości jako listę słowników. SDK obsługuje wszystkie standardowe parametry, takie jak temperatura i top_p. Podejście to zapewnia kompatybilność z istniejącymi bazami kodu, które oczekują interfejsu zgodnego z OpenAI.

Integracja SDK Node.js

SDK Node.js działa podobnie jak wersja Pythona. Zainstaluj openai pakiet i skonfiguruj adres URL bazowy i klucz API. Następnie możesz wywołać punkt końcowy uzupełnień czatu z żądanymi parametrami. Ta metoda jest idealna dla aplikacji serwerowych lub usług backendowych, które muszą generować tekst asynchronicznie.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.qwenaipricing.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);

Obsłuż strumień odpowiedzi lub obietnicę do przetworzenia wygenerowanych tokenów. SDK zarządza połączeniem HTTP i obsługą błędów za Ciebie. Możesz również użyć GET /v1/models endpoint do weryfikacji dostępnego identyfikatora modelu.

Strumieniowanie i zużycie

Włącz strumieniowanie, ustawiając stream: true w Twoim żądaniu. API zwraca strumień zdarzeń wysłanych przez serwer (SSE) z częściowymi odpowiedziami. Każdy fragment zawiera fragment wygenerowanego tekstu. Jest to przydatne dla interfejsów użytkownika w czasie rzeczywistym, które wyświetlają tekst w miarę jego generowania.

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)

Ostatni fragment w strumieniu zawiera całkowite zużycie tokenów dla żądania. Możesz śledzić zużycie kredytu prepay, monitorując te statystyki użycia. Błędy podczas strumieniowania mogą zakończyć połączenie wcześniej.

Limity, Błędy i Okno Kontekstu

Model obsługuje okno kontekstowe o rozmiarze 100 000 tokenów dla łącznego promptu i uzupełnienia. Maksymalna liczba tokenów wyjściowych na żądanie wynosi 16 000. Jeśli nie ustawisz max_tokens, limit wynosi 2 048 tokenów. Jesteś ograniczony do 300 żądań na minutę i 8 równoczesnych żądań na klucz. Błąd 429 oznacza, że przekroczyłeś te limity. Żądania z błędami lub odrzuceniami nie zużywają kredytu. API nie oferuje gwarancji SLA ani certyfikacji.