Qwen-Reihe

Die Textmodelle von Alibaba Cloud Tongyi Qianwen, darunter die Reihen Qwen3.8, Qwen3.7 und Qwen3.6 sowie Qwen Flash und Qwen Plus. Der Aufruf erfolgt über die OpenAI-kompatible API; die Qwen3.x-Reihe unterstützt zusätzlich den nativen Anthropic-Endpunkt. Modelle zur Bildgenerierung finden Sie unter Qwen-Image.

Häufige Aufgaben

Modelle

Die vollständige Modellliste und aktuelle Preise finden Sie auf der Modellseite ; alternativ können Sie sie über die Models API abfragen. Das Präfix qwen/ kann entfallen.

Qwen-Modelle werden von Alibaba Cloud Model Studio (Bailian) bereitgestellt, über zwei Anbieter: die chinesische Plattform (aliyun) und die internationale Plattform (alicloud); standardmäßig wird automatisch gewählt. Wie Sie einen Anbieter festlegen, lesen Sie unter Provider-Routing.

Aufrufbeispiele

import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.chat.completions.create(
    model="qwen/qwen3.8-flash",
    messages=[{"role": "user", "content": "Erkläre in einem Satz, was Idempotenz ist."}],
    extra_body={"enable_thinking": False},
)
print(resp.choices[0].message.content)

curl https://api.ofox.ai/v1/chat/completions \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen/qwen3.8-flash",
    "messages": [{"role": "user", "content": "Erkläre in einem Satz, was Idempotenz ist."}],
    "enable_thinking": false
  }'

Thinking-Modus

Gemessen an derselben Mathematikaufgabe: Qwen3.8 Flash denkt standardmäßig etwa 5800 Tokens lang und braucht rund 1,5 Minuten, Qwen3.6 Flash denkt standardmäßig über 30.000 Tokens lang und braucht mehr als 4 Minuten; ohne Thinking antworten beide innerhalb weniger Sekunden.

Thinking-Länge begrenzen

Wenn Sie Thinking brauchen, aber Laufzeit und Kosten begrenzen möchten, übergeben Sie thinking_budget (Obergrenze der Thinking-Tokens):

import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.chat.completions.create(
    model="qwen/qwen3.8-flash",
    messages=[{"role": "user", "content": "Finde alle positiven ganzen Zahlen n kleiner als 50, für die n² + n + 41 keine Primzahl ist."}],
    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("[Antwort]", msg.content)
print("Thinking-Tokens:", resp.usage.completion_tokens_details.reasoning_tokens)

• Gemessen greift thinking_budget exakt: Bei 200 sind es genau 200 Thinking-Tokens.
• enable_thinking und thinking_budget sind keine Standardparameter des OpenAI SDK; übergeben Sie sie in extra_body. Bei direkten HTTP-Anfragen stehen sie auf oberster Ebene des Request-Bodys.
• Thinking-Tokens werden zum Ausgabepreis abgerechnet; die Anzahl steht in usage.completion_tokens_details.reasoning_tokens.

Thinking-Inhalte auslesen

• In gestreamten Antworten stehen die Thinking-Inhalte in delta.reasoning_content, wie in der offiziellen API von Alibaba Cloud Model Studio.
• In nicht gestreamten Antworten stehen die Thinking-Inhalte in message.reasoning_details; fügen Sie die text-Felder der Einträge der Reihe nach zusammen (siehe Beispiel oben).

Bildeingabe

Modelle mit Bildeingabe verwenden den Standard-Inhaltsblock image_url:

import base64
import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/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": "Beschreibe dieses Bild."},
    ]}],
    extra_body={"enable_thinking": False},
)
print(resp.choices[0].message.content)

Qwen3.7 Max, Qwen Plus und Qwen Flash unterstützen nur Text; verwenden Sie stattdessen eines der Modelle mit Bildeingabe aus der obigen Tabelle.

In Claude Code verwenden

Die Qwen3.x-Reihe und Qwen Flash unterstützen den nativen Anthropic-Endpunkt unter https://api.ofox.ai/anthropic:

• Beim Aufruf über den Anthropic-Endpunkt kommen die Thinking-Inhalte als thinking-Blöcke zurück.
• Die Qwen3.8-Reihe denkt viel; setzen Sie ein ausreichend großes max_tokens. Gemessen enthielt die Antwort bei max_tokens von 4000 unter Umständen nur einen thinking-Block und keine Antwort.
• Qwen Plus unterstützt den Anthropic-Endpunkt nicht; der Aufruf liefert protocol_not_supported.

Die vollständigen Einrichtungsschritte für Claude Code finden Sie unter Claude Code einrichten.

JSON-Ausgabe und Tool-Aufrufe

response_format unterstützt {"type": "json_object"} und {"type": "json_schema", ...}; für Tool-Aufrufe verwenden Sie den Standardparameter tools. Wenn Sie json_object verwenden, schreiben Sie im Prompt ausdrücklich „als JSON zurückgeben“ und nennen Sie die benötigten Felder. Die Schreibweise finden Sie unter Strukturierte Ausgabe und Function Calling.

Prompt-Caching

Qwen cacht wiederkehrende Präfixe von Anfragen automatisch, die Anfrage muss nicht angepasst werden. Die Treffermenge steht in usage.prompt_tokens_details.cached_tokens; der getroffene Anteil wird zum Preis für Cache-Lesen abgerechnet. Das Caching erfolgt nach bestem Bemühen; auch Anfragen mit identischem Präfix können den Cache verfehlen.

Häufige Fehler

Weitere allgemeine Fehler: Fehlerbehandlung.

Offizielle Dokumentation

• Alibaba Cloud Model Studio · Modellliste 
• Alibaba Cloud Model Studio · Deep Thinking 
• Alibaba Cloud Model Studio · OpenAI-Kompatibilität 

Die offizielle Dokumentation beschreibt das Verhalten bei direktem Aufruf von Alibaba Cloud Model Studio. Beim Aufruf über OfoxAI gelten für Modell-IDs und Endpunktadressen die Angaben auf dieser Seite.

Häufige Fragen