Família Qwen

Os modelos de texto Qwen da Alibaba Cloud, incluindo as séries Qwen3.8, Qwen3.7 e Qwen3.6, além de Qwen Flash e Qwen Plus. São chamados pela API compatível com OpenAI, e a série Qwen3.x também suporta o endpoint nativo da Anthropic. Os modelos de geração de imagens estão em Qwen-Image.

Tarefas comuns

Modelos

A lista completa de modelos e os preços atualizados estão na página de modelos ; também é possível consultá-los pela Models API. O prefixo qwen/ do ID de modelo pode ser omitido.

Os modelos Qwen são oferecidos pelo Alibaba Cloud Model Studio (Bailian), com dois provedores, o site da China (aliyun) e o site internacional (alicloud), escolhidos automaticamente por padrão. Como indicar um provedor está em Roteamento de provedores.

Exemplos de chamada

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": "Explique em uma frase o que é idempotência."}],
    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": "Explique em uma frase o que é idempotência."}],
    "enable_thinking": false
  }'

Modo thinking

Em nossos testes com o mesmo problema de matemática: o Qwen3.8 Flash gerou por padrão cerca de 5800 tokens de thinking e levou cerca de 1,5 minuto; o Qwen3.6 Flash gerou por padrão mais de 30 mil tokens de thinking e levou mais de 4 minutos. Com o thinking desativado, ambos responderam em poucos segundos.

Limitar o tamanho do thinking

Quando precisar de thinking mas quiser controlar tempo e custo, envie thinking_budget (limite de tokens de thinking):

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": "Encontre todos os inteiros positivos n menores que 50 para os quais n² + n + 41 não é primo."}],
    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("[resposta]", msg.content)
print("Tokens de thinking:", resp.usage.completion_tokens_details.reasoning_tokens)

• Em nossos testes, thinking_budget é respeitado rigorosamente: com 200, os tokens de thinking foram exatamente 200.
• enable_thinking e thinking_budget não são parâmetros padrão do SDK da OpenAI; coloque-os em extra_body. Em requisições HTTP diretas, coloque-os no nível superior do corpo da requisição.
• Os tokens de thinking são cobrados pelo preço de saída, e a quantidade aparece em usage.completion_tokens_details.reasoning_tokens.

Ler o conteúdo do thinking

• Em respostas com streaming, o conteúdo do thinking fica em delta.reasoning_content, como na API oficial do Alibaba Cloud Model Studio.
• Em respostas sem streaming, o conteúdo do thinking fica em message.reasoning_details; concatene o text de cada item na ordem (veja o exemplo acima).

Entrada de imagem

Os modelos que aceitam entrada de imagem usam o bloco de conteúdo padrão 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": "Descreva esta imagem."},
    ]}],
    extra_body={"enable_thinking": False},
)
print(resp.choices[0].message.content)

Qwen3.7 Max, Qwen Plus e Qwen Flash aceitam somente texto; use um dos modelos com entrada de imagem da tabela acima.

Usar no Claude Code

A série Qwen3.x e o Qwen Flash suportam o endpoint nativo da Anthropic, no endereço https://api.ofox.ai/anthropic:

• Pelo endpoint Anthropic, o conteúdo do thinking é retornado em blocos thinking.
• A série Qwen3.8 gera bastante thinking; defina um max_tokens grande o suficiente. Em nossos testes, com max_tokens igual a 4000, a resposta pode conter apenas blocos thinking, sem a resposta.
• O Qwen Plus não suporta o endpoint Anthropic, e a chamada retorna protocol_not_supported.

Os passos completos de configuração do Claude Code estão em Configuração do Claude Code.

Saída JSON e chamada de ferramentas

response_format aceita {"type": "json_object"} e {"type": "json_schema", ...}; a chamada de ferramentas usa o parâmetro padrão tools. Ao usar json_object, deixe explícito no prompt “retorne em JSON” e os campos necessários. O formato está em Saída estruturada e Chamada de funções.

Cache de prompt

O Qwen armazena automaticamente em cache os prefixos de requisição repetidos, sem alterações na requisição. A quantidade em cache aparece em usage.prompt_tokens_details.cached_tokens, e a parte em cache é cobrada pelo preço de leitura de cache. O cache é de melhor esforço; requisições com o mesmo prefixo podem não acertar o cache.

Erros comuns

Outros erros gerais estão em Tratamento de erros.

Documentação oficial

• Alibaba Cloud Model Studio · Lista de modelos 
• Alibaba Cloud Model Studio · Thinking profundo 
• Alibaba Cloud Model Studio · Compatibilidade com OpenAI 

A documentação oficial descreve o comportamento das chamadas diretas ao Alibaba Cloud Model Studio. Ao chamar pela OfoxAI, prevalecem os IDs de modelo e os endereços de endpoint desta página.

Perguntas frequentes