Prima richiesta in cinque minuti

Installa l'SDK OpenAI

Il nostro endpoint segue il protocollo standard chat.completions, quindi puoi utilizzare gli SDK ufficiali del tuo linguaggio preferito. Per Python, installa il pacchetto tramite pip. Per Node.js, usa npm. Queste librerie gestiscono serializzazione, ritentativi e streaming direttamente.

pip install openai

npm install openai

Assicurati di usare una versione recente dell'SDK per supportare tutti i parametri come tool_choice e response_format. La libreria client gestisce le richieste HTTP, quindi devi concentrarti solo sulla struttura del payload.

Configura URL di base e chiave

Indirizza il tuo client al nostro endpoint dedicato. Non devi modificare la logica del nome del modello; ci aspettiamo che tu passi model: "uncensored" nelle tue richieste. L'autenticazione è gestita tramite una semplice chiave API passata nell'header.

Imposta base_url su https://api.qwenapi.top/v1. Genera la tua qwen api key dalla dashboard. La chiave appare subito dopo la registrazione. Non servono numero di telefono o carta di credito per la configurazione iniziale.

Richiesta di completamento chat di base

Invia una richiesta di completamento standard. Il modello restituisce risposte testuali direttamente. Non ci sono layer di routing complessi; stai parlando con un'unica istanza ottimizzata per output senza censura.

Di seguito è riportato un esempio minimo che usa curl per verificare la connettività e il formato della risposta.

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 risposta contiene il testo generato in choices[0].message.content. Puoi regolare parametri come temperature e top_p per controllare la creatività.

Risposte in streaming

Per la generazione di token in tempo reale, abilita lo streaming. Il server invia Server-Sent Events (SSE). L'ultimo chunk include statistiche sull'utilizzo dei token, consentendoti di tracciare con precisione il consumo di credito.

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)

Lo streaming è essenziale per output lunghi. Puoi analizzare lo stream e visualizzare i token al loro arrivo. L'SDK gestisce automaticamente l'analisi SSE.

Supporto chiamata di funzioni

Definisci gli strumenti nella tua richiesta. Il modello restituisce chiamate di strumenti strutturate. Esecuti lo strumento, passi il risultato e il modello continua. Questo funziona con tool_choice e definizioni di funzioni standard.

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);

La modalità JSON è disponibile anche tramite response_format. Usala quando hai bisogno di un output JSON rigoroso senza overhead degli strumenti.

Limiti, errori e contesto

La finestra di contesto è di 100.000 token in totale. L'output massimo per richiesta è di 32.000 token (2.048 se non specificato). I limiti di richiesta sono 300 richieste al minuto e 8 richieste parallele per chiave. I corpi delle richieste devono rimanere sotto 8 MB.

Gestisci gli errori: 401 significa chiave non valida, 402 significa credito insufficiente, 429 significa limite di richieste superato. Gli errori sono gratuiti; paghi solo per i token consumati. Il credito non scade mai. Se c'è un doppio addebito, usa la pagina Supporto per una risoluzione.

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)