Primeira requisição em cinco minutos

Instale o SDK do OpenAI

Nosso endpoint segue o protocolo padrão chat.completions, permitindo que você use os SDKs oficiais da linguagem de sua preferência. Para Python, instale o pacote via pip. Para Node.js, use npm. Essas bibliotecas lidam com serialização, retentativas e streaming nativamente.

pip install openai

npm install openai

Certifique-se de usar uma versão recente do SDK para suportar todos os parâmetros, como tool_choice e response_format. A biblioteca de cliente gerencia as requisições HTTP, então você só precisa se preocupar com a estrutura do payload.

Configure URL Base e Chave

Aponte seu cliente para nosso endpoint dedicado. Você não precisa alterar a lógica do nome do modelo; esperamos que você passe model: "uncensored" em suas requisições. A autenticação é feita por meio de uma chave de API simples passada no cabeçalho.

Defina o base_url para https://api.qwenapi.top/v1. Gere sua qwen api key no painel. A chave é exibida imediatamente após o cadastro. Não é necessário número de telefone ou cartão de crédito para a configuração inicial.

Requisição Básica de Conclusão de Chat

Envie uma requisição de conclusão padrão. O modelo retorna respostas de texto diretamente. Não há camadas complexas de roteamento; você está falando com uma única instância ajustada para saídas sem censura.

Abaixo está um exemplo mínimo usando curl para verificar a conectividade e o formato da resposta.

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."}]
  }'

A resposta contém o texto gerado em choices[0].message.content. Você pode ajustar parâmetros como temperature e top_p para controlar a criatividade.

Respostas em Streaming

Para geração de tokens em tempo real, ative o streaming. O servidor envia Server-Sent Events (SSE). O último chunk inclui estatísticas de uso de tokens, permitindo que você acompanhe o consumo de crédito com precisão.

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)

O streaming é essencial para saídas longas. Você pode analisar o stream e renderizar os tokens conforme chegam. O SDK faz a análise do SSE automaticamente.

Suporte à Chamada de Funções

Defina ferramentas em sua requisição. O modelo retorna chamadas de ferramentas estruturadas. Você executa a ferramenta, passa o resultado de volta e o modelo continua. Isso funciona com tool_choice e definições padrão de funções.

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);

O modo JSON também está disponível via response_format. Use-o quando precisar de saída JSON estrita sem a sobrecarga de ferramentas.

Limites, Erros e Contexto

A janela de contexto é de 100.000 tokens no total. A saída máxima por requisição é de 32.000 tokens (2.048 se não especificado). Os limites de taxa são de 300 requisições por minuto e 8 requisições simultâneas por chave. Os corpos das requisições devem permanecer abaixo de 8 MB.

Trate erros: 401 significa chave inválida, 402 significa crédito insuficiente, 429 significa limite de taxa excedido. Erros são gratuitos; você paga apenas pelos tokens consumidos. O crédito nunca expira. Se houver cobrança dupla, use a página de Suporte para resolver.

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)