TH ▾
รับคีย์ API

qwenapis.comคู่มือ

API Qwen3-Coder-Next: ตัวเลือกที่เข้ากันได้กับ OpenAI

บริการนี้ไม่ได้โฮสต์โมเดลชื่อ Qwen3-Coder-Next แต่เสนอโมเดลแบบเปิดน้ำหนักทั่วไปหนึ่งตัวผ่านเอนด์พอยต์ที่เข้ากันได้กับ OpenAI และหน้านี้ระบุว่าเมื่อใดที่สิ่งนี้เหมาะกับเอเจนต์เขียนโค้ดและเมื่อใดที่ไม่เหมาะ

อัปเดต:

แขนกลกำลังประกอบบล็อกโครงในลูปข้างๆ กล่องเซิร์ฟเวอร์ แทนลูปเอเจนต์เขียนโค้ด

คำตอบตรงๆ เกี่ยวกับ qwen3-coder-next

หากคุณพิมพ์ qwen3-coder-next api ลงในช่องค้นหา คุณอาจต้องการเอนด์พอยต์ที่ชี้เอเจนต์เขียนโค้ดไปที่นั้นได้ ให้ชัดเจนเกี่ยวกับเว็บไซต์นี้ก่อนไปต่อ: เป็นผู้ให้บริการอิสระที่มีโมเดลแบบเปิดน้ำหนักหนึ่งตัว ID คือ uncensored ปรับแต่งให้ตอบโดยไม่ปฏิเสธเนื้อหาสำหรับการใช้งานผู้ใหญ่ที่ถูกต้องตามกฎหมาย ไม่ใช่ API ทางการสำหรับ Qwen3-Coder-Next หรือโมเดลจาก Alibaba และไม่ได้จัดเส้นทางคำขอระหว่างผู้ผลิต หากแผนของคุณขึ้นอยู่กับโมเดลนั้นโดยตรง ผู้ผลิตอย่างเป็นทางการหรือโฮสต์ที่ระบุชื่อโมเดลนั้นคือตัวเลือกที่ถูกต้อง

แล้วทำไมต้องเขียนหน้านี้? เพราะหลายคนที่ค้นหาโมเดลสำหรับเขียนโค้ดมักต้องการโครงสร้างพื้นฐานแบบเดียวกัน: เอนด์พอยต์แชทสไตล์ OpenAI พร้อมการเรียกใช้ฟังก์ชัน หน้าต่างขนาดใหญ่ ขีดจำกัดอัตราที่เสถียร และต้นทุนต่อโทเคนที่คาดการณ์ได้ API นี้มีทั้งหมดนั้น นอกจากนี้ยังไม่ได้ปฏิเสธคำขอที่ผู้ช่วยอื่นปฏิเสธด้วยเหตุผลด้านนโยบาย เช่น การเขียนโปรแกรมสแกนพอร์ตสำหรับเครือข่ายของคุณ การอภิปรายกลไกการโจมตีสำหรับแบบฝึกหัดในห้องแล็บ หรือการสร้างข้อมูลทดสอบด้วยภาษาหยาบ ๆ ทุกอย่างยังคงอยู่ในการใช้งานที่ถูกต้องตามกฎหมาย และมีข้อจำกัดหนึ่งข้อ: ไม่มีเนื้อหาทางเพศที่เกี่ยวข้องกับผู้เยาว์

สิ่งที่ตามมาคือการเปรียบเทียบแบบตรงไปตรงมาและรูปแบบที่ผ่านการทดสอบสำหรับการรันลูปเอเจนต์กับ https://api.qwenapis.com/v1 หน้านี้ไม่มีตัวเลขเบรนช์มาร์ก เพราะไม่มีข้อมูลนั้นในที่นี่ และคุณไม่ควรเชื่อถือคะแนนการเขียนโค้ดของใครก็ตามเหนือกว่ารีโพซิทอรีของคุณเอง

สิ่งที่เอเจนต์เขียนโค้ดขอจาก API

ตัดชื่อผลิตภัณฑ์ออกและ coding agent ต้องการหกสิ่งจากโมเดล endpoint ของมัน นี่คือวิธีที่บริการนี้ตอบสนองต่อแต่ละข้อ

ความต้องการสิ่งที่ API นี้มีให้
การเรียกใช้ฟังก์ชันสำหรับเครื่องมืออ่าน แก้ไข และรันได้: tools, tool_choice, streamed tool_calls, ผลลัพธ์เป็น role: "tool"
ผลลัพธ์ที่มีโครงสร้างสำหรับแผนและ diffโหมด JSON ผ่าน response_format
พื้นที่สำหรับไฟล์ขนาดใหญ่และประวัติที่ยาวนาน100,000 โทเคน รวมพรอมต์และคอมพลีชัน
สตรีมมิงสำหรับ editor แบบเรียลไทม์SSE พร้อมข้อมูลการใช้งานที่ส่วนท้าย
การรันซ้ำได้seed, temperature, top_p, stop และค่าปรับจะถูกส่งผ่าน
Sub-agent แบบขนานคำขอพร้อมกัน 8 คำขอ, 300 คำขอต่อนาทีบนคีย์เต็ม

สิ่งที่ขาดไปก็สำคัญไม่แพ้กัน ไม่มีเอบเดดดิ้ง ดังนั้นการค้นหาโค้ดผ่านเวกเตอร์อินเด็กซ์จำเป็นต้องมีแหล่งเอบเดดดิ้งแยก ไม่มีไฟน์ทูนนิ่ง และไม่มีอินพุตหรือเอาต์พุตภาพ รายชื่อโมเดลมีรายการเดียว หากกรอบการทำงานของเอเจนต์อนุญาตให้คุณเลือกโมเดลราคาถูกสำหรับขั้นตอนเล็กๆ และโมเดลที่แข็งแกร่งกว่าสำหรับการวางแผน ที่นี่ทั้งสองบทบาทจะใช้โมเดลเดียวกัน

สรุปอย่างตรงไปตรงมาคือ โครงสร้างพื้นฐานครบถ้วนและคำถามที่เหลือคือคุณภาพของโมเดลกับงานของคุณ นั่นเป็นคำถามเชิงประจักษ์ และเครดิตทดลองใช้มีอยู่เพื่อตอบคำถามนั้น

ลูปเอเจนต์ที่ใช้งานได้

ตัวอย่างนี้มอบเครื่องมือสองอย่างให้โมเดล คือหนึ่งสำหรับอ่านไฟล์และอีกอันสำหรับรันคำสั่งในโฟลเดอร์แซนด์บ็อกซ์ และวนลูปจนกว่าโมเดลจะหยุดขอใช้เครื่องมือ รันในโฟลเดอร์ชั่วคราว เนื่องจากเครื่องมือคำสั่งจะรันสิ่งที่โมเดลเสนอ จุดประสงค์คือโครงสร้าง: เพิ่มข้อความผู้ช่วย รันแต่ละการเรียก เพิ่มข้อความ tool ต่อการเรียก แล้วทำซ้ำ

import json, os, subprocess
from openai import OpenAI

client = OpenAI(base_url="https://api.qwenapis.com/v1", api_key=os.environ["QWENAPIS_KEY"])

TOOLS = [
    {"type": "function", "function": {
        "name": "read_file", "description": "Read a text file from the working directory",
        "parameters": {"type": "object", "properties": {"path": {"type": "string"}}, "required": ["path"]}}},
    {"type": "function", "function": {
        "name": "run", "description": "Run a shell command and return its output",
        "parameters": {"type": "object", "properties": {"cmd": {"type": "string"}}, "required": ["cmd"]}}},
]

def call_tool(name, args):
    if name == "read_file":
        return open(args["path"], encoding="utf-8").read()[:20000]
    if name == "run":
        p = subprocess.run(args["cmd"], shell=True, capture_output=True, text=True, timeout=60)
        return (p.stdout + p.stderr)[-8000:]
    return "unknown tool"

messages = [
    {"role": "system", "content": "You fix failing tests. Use the tools, then reply with a short summary."},
    {"role": "user", "content": "Run pytest, find why it fails, and tell me the fix."},
]

for step in range(12):
    r = client.chat.completions.create(model="uncensored", messages=messages, tools=TOOLS, temperature=0.2)
    msg = r.choices[0].message
    messages.append(msg)
    if not msg.tool_calls:
        print(msg.content)
        break
    for tc in msg.tool_calls:
        try:
            out = call_tool(tc.function.name, json.loads(tc.function.arguments))
        except Exception as e:
            out = f"tool error: {e}"
        messages.append({"role": "tool", "tool_call_id": tc.id, "content": out})

รายละเอียดสามประการช่วยให้ลูปเช่นนี้ทำงานได้อย่างราบรื่น จำกัดจำนวนขั้นตอนตามที่ range(12) กำหนด ตัดเอาต์พุตของเครื่องมือ เนื่องจากทุกอักขระที่ส่งกลับกลายเป็นอินพุตในการเรียกครั้งถัดไป ใช้อุณหภูมิต่ำสำหรับงานแก้ไข; 0.2 เป็นจุดเริ่มต้นที่เหมาะสม และคุณสามารถเพิ่มค่านี้สำหรับขั้นตอนการระดมสมอง

การรันเอเจนต์หลายตัวโดยไม่เจอ 429

เอเจนต์เดียวทำงานแบบลำดับและไม่ค่อยรบกวนขีดจำกัด แต่กลุ่มเอเจนต์จำนวนมากทำเช่นนั้น เมื่อเกิน 8 คำขอพร้อมกัน API จะตอบกลับด้วย 429 พร้อมโค้ด concurrency และเมื่อเกิน 300 คำขอในหนึ่งนาที API จะตอบกลับด้วย 429 พร้อม rate_limited การโอเวอร์โหลดชั่วคราวยังส่ง 429 พร้อมหัวข้อความ Retry-After: 5 คำขอแบบสตรีมจะยึดที่รอไว้จนกว่าการสตรีมจะเสร็จสิ้น ดังนั้นคำตอบแบบสตรีมยาวจึงนับเป็นช่วงเวลาทั้งหมด

import asyncio, os
from openai import AsyncOpenAI, RateLimitError

client = AsyncOpenAI(base_url="https://api.qwenapis.com/v1", api_key=os.environ["QWENAPIS_KEY"])
gate = asyncio.Semaphore(8)

async def ask(prompt, tries=4):
    async with gate:
        for attempt in range(tries):
            try:
                r = await client.chat.completions.create(
                    model="uncensored",
                    messages=[{"role": "user", "content": prompt}],
                )
                return r.choices[0].message.content
            except RateLimitError:
                await asyncio.sleep(5 * (attempt + 1))
    return None

async def main():
    jobs = [ask(f"Write a docstring for function number {i}.") for i in range(40)]
    print(len(await asyncio.gather(*jobs)))

asyncio.run(main())

เซมาโฟร์จำกัดจำนวนการดำเนินการพร้อมกันไว้ที่ 8 และจะหน่วงเวลาเมื่อเจอข้อผิดพลาด 429 ที่หลุดรอดมา การส่งซ้ำไม่เสียเงินเพิ่ม หากใกล้ขีดจำกัด ให้ตั้งค่าเซมาโฟร์เป็น 6 เพื่อเว้นพื้นที่สำหรับเซสชันแบบอินเทอร์แอคทีฟบนคีย์เดียวกัน

ต้นทุนการรันเอเจนต์

เอเจนต์คิดราคาตามปริมาณบริบทที่ส่งซ้ำ ไม่ใช่ตามปริมาณโค้ดที่เขียน นำกรณีรันแก้ไขข้อบกพร่อง 12 ขั้นตอน บริบทจะเพิ่มขึ้นเมื่อเอาต์พุตของเครื่องมือสะสมขึ้น ดังนั้นให้สมมติค่าเฉลี่ย 20,000 โทเคนอินพุตและ 600 โทเคนเอาต์พุตต่อขั้นตอน

  • อินพุต: 12 x 20,000 = 240,000 โทเคน x $0.15 / 1M = $0.036
  • ข้อมูลส่งออก: 12 x 600 = 7,200 โทเคน x $0.50 / 1M = $0.0036
  • ต่อรอบ: $0.0396
  • 50 รอบต่อวัน: 50 x $0.0396 = $1.98

อัตราคือ $0.15 ต่อ 1M โทเคนอินพุตและ $0.50 ต่อ 1M โทเคนเอาต์พุต คิดจากเครดิตแบบเติมเงินล่วงหน้าที่ไม่หมดอายุ การเติมเงิน $20 ครอบคลุมการรันประมาณ 505 ครั้ง ($20 / $0.0396) หน้าการกำหนดราคา แสดงระดับโบนัส และนิสัยหนึ่งอย่างประหยัดได้มากกว่าระดับใด: รักษาเอาต์พุตของเครื่องมือให้สั้น การลดครึ่งสิ่งที่ป้อนกลับจะลดบรรทัดหลักลงครึ่งหนึ่ง

การเขียนพรอมต์ให้โมเดลทั่วไปสำหรับงานโค้ด

โมเดลที่ไม่ได้ขายในฐานะโมเดลโค้เดอร์สามารถทำงานกับโค้ดได้ดีหากพรอมต์มอบงานที่ชัดเจน ใส่ภาษา เวอร์ชันเฟรมเวิร์ก และข้อจำกัดไว้ในข้อความระบบ เช่น เวอร์ชัน Python และกฎว่าไม่อนุญาตให้เพิ่มดีเพนเดนซีใหม่ ขอการเปลี่ยนแปลงครั้งละอย่าง ส่งผลลัพธ์การทดสอบที่ล้มเหลวแบบตรงตัวแทนที่จะอธิบาย เพราะข้อความข้อผิดพลาดที่ตรงกันให้ข้อมูลมากกว่าการอธิบายใหม่

สำหรับการแก้ไข ให้ขอ unified diff หรือการแทนที่ฟังก์ชันหนึ่งฟังก์ชันแบบสมบูรณ์ และปฏิเสธอย่างอื่น ข้อความบรรยายแบบอิสระรอบโค้ดยากที่จะนำไปใช้โดยอัตโนมัติ โหมด JSON ช่วยเมื่อคุณต้องการแผนเป็นข้อมูล เช่น รายการไฟล์พร้อมเหตุผลสำหรับการเปลี่ยนแปลงแต่ละครั้ง หลังจากโมเดลเสนอแพทช์ ให้รันการทดสอบเองและส่งผลลัพธ์กลับ; อย่ายอมรับคำอ้างของโมเดลว่าการทดสอบผ่าน

รักษาค่า temperature ให้ต่ำสำหรับการแก้ไข และเพิ่มเฉพาะสำหรับการระดมความคิด ใช้ค่า seed คงที่เมื่อเปรียบเทียบเวอร์ชันพรอมต์สองเวอร์ชัน เพื่อให้ความแตกต่างมาจากพรอมต์ ไม่ใช่จากเสียงรบกวนจากการสุ่ม วินัยเดียวกันนี้ใช้กับโมเดลใดก็ได้ และเป็นสิ่งที่เปลี่ยนการรันทดสอบเป็นการเปรียบเทียบที่ยุติธรรมกับสิ่งที่คุณใช้ในปัจจุบัน

การเลือกระหว่างสิ่งนี้กับโมเดลเขียนโค้ดที่มีชื่อ

ใช้โมเดลเขียนโค้ดเฉพาะจากผู้ให้บริการของมันเองเมื่องานของคุณต้องการโมเดลเฉพาะนั้น เช่น เมื่อคุณวัดผลบนโค้ดเบสของคุณเอง เมื่อมาตรฐานของทีมกำหนดให้ หรือเมื่อคุณพึ่งพาฟีเจอร์ที่มีเฉพาะผู้ให้บริการนั้นเท่านั้น ตรวจสอบราคาและขีดจำกัดปัจจุบันของพวกเขาก่อนตัดสินใจ

ใช้ API นี้เมื่อการปฏิเสธเป็นสิ่งที่ทำให้คุณช้าลง เมื่อคุณต้องการเอนด์พอยต์ที่เข้ากันได้กับ OpenAI ซึ่งทำงานกับเฟรมเวิร์กที่มีอยู่แล้ว หรือเมื่อการจ่ายตามการใช้งานจากยอดเงินขนาดเล็กเหมาะกับคุณมากกว่าแผน มันยังมีเหตุผลที่จะใช้เป็นเอนด์พอยต์ที่สอง: ส่งการแก้ไขทั่วไปไปยังโมเดลปกติของคุณ และจัดเส้นทางคำขอที่ตัวกรองนโยบายปฏิเสธไปยัง API นี้ การเปลี่ยนเป็นการเปลี่ยน Base URL และชื่อโมเดล ดังนั้นต้นทุนในการลองจึงต่ำ

เพื่อลองอ่าน คู่มือคำขอแรก สร้างคีย์ด้วย ขั้นตอนคีย์ และรับเครดิตทดลองใช้ $0.50: คลิกหนึ่งครั้ง ไม่มีบัตร คนละหนึ่งครั้ง ใช้ได้ 7 วัน คีย์ทดลองอนุญาตคำขอพร้อมกัน 2 คำขอและ 60 คำขอต่อนาที ซึ่งเพียงพอที่จะรันลูปด้านบนสิบสองครั้ง พรอมต์ไม่ถูกใช้ในการฝึก ดังนั้นที่เก็บทดสอบของคุณจึงไม่อยู่ในชุดฝึกใด ๆ

ถาม-ตอบ

นี่คือ API Qwen3-Coder-Next อย่างเป็นทางการหรือไม่?

ไม่ใช่ ผู้ให้บริการรายนี้เป็นอิสระ มีโมเดลแบบเปิดน้ำหนักหนึ่งตัว คือ ID uncensored ไม่ใช่ API จากผู้ผลิตอย่างเป็นทางการ และไม่ได้เสนอโมเดลที่มีชื่อนั้น

รองรับการเรียกใช้ฟังก์ชันสำหรับเอเจนต์สำหรับการเขียนโค้ดหรือไม่?

ใช่ คุณส่งเครื่องมือและ tool_choice รับ tool_calls (ด้วยเมื่อสตรีม) และส่งผลลัพธ์กลับเป็นข้อความที่มี role: tool

โค้ดเบสขนาดไหนถึงจะอยู่ในคำขอเดียวได้

หน้าต่างบริบทรองรับ 100,000 โทเคนสำหรับพรอมต์และผลลัพธ์รวมกัน ส่งเฉพาะไฟล์ที่เกี่ยวข้องกับงานและตัดเอาต์พุตของฟังก์ชันออกเพื่อให้เหลือพื้นที่สำหรับคำตอบ

ฉันสามารถรันเอเยนต์หลายตัวพร้อมกันได้หรือไม่

รองรับคำขอพร้อมกันได้สูงสุด 8 รายการและ 300 รายการต่อนาทีสำหรับคีย์เต็ม และ 2 รายการพร้อม 60 รายการต่อนาทีสำหรับคีย์ทดลอง หากเกินขีดจำกัดอัตราจะตอบกลับด้วย HTTP 429 จึงควรใช้เซมาโฟร์

รองรับ embeddings สำหรับการค้นหาโค้ดหรือไม่

ไม่รองรับ API รองรับเฉพาะการสนทนาแบบ chat completions และรายการโมเดลเท่านั้น จึงต้องใช้แหล่งข้อมูล embeddings แยกต่างหากสำหรับการค้นหาแบบเวกเตอร์

คีย์ของคุณพร้อมใช้งานแล้ว เพียงกรอกแบบฟอร์ม

สร้างบัญชี คัดลอกคีย์ และเปลี่ยน URL ฐาน นั่นคือการตั้งค่าทั้งหมด

รับคีย์ API