Primera petición en cinco minutos

Instalar el SDK de OpenAI

Nuestro endpoint sigue el protocolo estándar chat.completions, por lo que puedes usar los SDKs oficiales de tu lenguaje preferido. Para Python, instala el paquete vía pip. Para Node.js, usa npm. Estas bibliotecas manejan la serialización, los reintentos y el streaming de forma predeterminada.

pip install openai

npm install openai

Asegúrate de usar una versión reciente del SDK para admitir todos los parámetros como tool_choice y response_format. La biblioteca de cliente gestiona las peticiones HTTP, así que solo necesitas centrarte en la estructura del payload.

Configurar URL base y clave

Apunta tu cliente a nuestro endpoint dedicado. No necesitas cambiar la lógica del nombre del modelo; esperamos que pases model: "uncensored" en tus peticiones. La autenticación se maneja mediante una clave de API simple pasada en el encabezado.

Configura el base_url como https://api.qwenapi.top/v1. Genera tu qwen api key en el panel de control. La clave se muestra inmediatamente después de registrarte. No se requiere número de teléfono ni tarjeta de crédito para la configuración inicial.

Petición básica de finalización de chat

Envía una petición de finalización estándar. El modelo devuelve respuestas de texto directamente. No hay capas de enrutamiento complejas; estás hablando con una única instancia ajustada para salidas sin censura.

A continuación se muestra un ejemplo mínimo usando curl para verificar la conectividad y el formato de respuesta.

Copycurl https://api.qwenapi.top/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

La respuesta contiene el texto generado en choices[0].message.content. Puedes ajustar parámetros como temperature y top_p para controlar la creatividad.

Respuestas en streaming

Para la generación de tokens en tiempo real, habilita el streaming. El servidor envía Server-Sent Events (SSE). El último fragmento incluye estadísticas de uso de tokens, lo que te permite rastrear el consumo de crédito con precisión.

Copyfrom openai import OpenAI

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

El streaming es esencial para salidas largas. Puedes analizar el flujo y renderizar los tokens a medida que llegan. El SDK analiza el SSE automáticamente.

Soporte para llamadas a funciones

Define herramientas en tu petición. El modelo devuelve llamadas a herramientas estructuradas. Ejecutas la herramienta, pasas el resultado de vuelta y el modelo continúa. Esto funciona con tool_choice y definiciones de funciones estándar.

Copyimport OpenAI from "openai";

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

El modo JSON también está disponible vía response_format. Úsalo cuando necesites una salida JSON estricta sin la sobrecarga de herramientas.

Límites, errores y contexto

La ventana de contexto es de 100,000 tokens en total. La salida máxima por petición es de 32,000 tokens (2,048 si no se especifica). Los límites de peticiones son de 300 peticiones por minuto y 8 peticiones simultáneas por clave. Los cuerpos de las peticiones deben permanecer por debajo de 8 MB.

Maneja los errores: 401 significa clave inválida, 402 significa crédito insuficiente, 429 significa límite de peticiones excedido. Los errores son gratuitos; solo pagas por los tokens consumidos. El crédito no caduca. Si se te cobra dos veces, usa la página de Soporte para solucionarlo.

Streaming

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)