TR ▾
API anahtarı al

qwenapis.comKılavuz

Qwen3-Coder-Next API: OpenAI Uyumlu Bir Seçenek

Bu hizmet Qwen3-Coder-Next adında bir modeli barındırmaz. OpenAI uyumlu bir uç nokta arkasında tek bir genel açık ağırlıklı model sunar ve bu sayfa, bunun bir kodlama ajanı için ne zaman uygun olduğunu ve ne zaman olmadığını açıklar.

Güncelleme:

Bir sunucu küpünün yanında bir döngüde braket bloklarını monte eden robotik kol, bir kodlama ajanı döngüsünü temsil eder

qwen3-coder-next hakkında doğrudan cevap

Eğer arama kutusuna qwen3-coder-next api yazdıysanız, büyük ihtimalle bir kodlama aracına işaret edebileceğiniz bir uç nokta arıyorsunuz. Daha fazla ilerlemeden önce bu sitenin ne olduğunu netleştirin: Bu site, yasal yetişkin kullanımında içerik reddetmeleri olmadan cevap vermeye ayarlanmış tek bir açık ağırlıklı modele sahip bağımsız bir sağlayıcıdır. ID uncensored olan model, Qwen3-Coder-Next'in resmi API'si veya Alibaba'dan herhangi bir modelin resmi API'si değildir ve istekleri tedarikçiler arasında yönlendirmez. Planınız bu tam model, resmi sağlayıcı veya ismiyle listeleyen bir sunucuya bağlıysa, doğru seçim budur.

Peki bu sayfayı neden yazıyoruz? Çünkü bir kodlayıcı model arayan birçok kişi aynı altyapıya ihtiyaç duyar: araç çağırma desteği olan OpenAI tarzı bir sohbet uç noktası, geniş bir bağlam penceresi, istikrarlı hız limitleri ve tahmin edilebilir token başına maliyet. Bu API bunlara sahiptir. Ayrıca, kendi ağınız için bir port tarayıcı yazmak, bir laboratuvar alıştırması için istismar mekaniklerini tartışmak veya kaba dil kullanan test verileri oluşturmak gibi diğer asistanların politika nedenleriyle reddettiği istekleri de reddetmez. Her şey yasal kullanım sınırları içinde kalır ve tek bir katı sınır vardır: reşit olmayanlar ile ilgili cinsel içerik yoktur.

Sıradan bir karşılaştırma ve https://api.qwenapis.com/v1 uç noktasına karşı bir ajan döngüsü çalıştırma için test edilmiş bir desen sunulur. Bu sayfada bilinen benchmark verisi olmadığı için benchmark sayıları verilmez ve kendi depolarınızın ötesindeki kodlama skorlarına güvenmemelisiniz.

Bir kodlama ajanının API'den beklentileri

Ürün adlarını bir kenara bırakırsak, bir kodlama ajanının model uç noktasından altı şeye ihtiyacı vardır. Bu hizmet her biri için nasıl yanıt veriyor, işte burada.

İhtiyaçBu API'nin sağladıkları
Okuma, düzenleme ve çalıştırma araçları için fonksiyon çağırmaEvet: tools, tool_choice, akışlı tool_calls, sonuçlar role: "tool" olarak
Planlar ve farklar için yapılandırılmış çıktıresponse_format aracılığıyla JSON modu
Büyük dosyalar ve uzun geçmişler için alan100.000 token, istem plus tamamlama
Canlı editörler için akışKullanım bilgisi akışın sonunda olan SSE
Tekrarlanabilir çalıştırmalarseed, temperature, top_p, stop ve cezalar iletilir
Paralel alt ajanlarTam anahtarla 8 eşzamanlı istek, dakikada 300

Eksik olanlar da aynı derecede önemlidir. Gömme (embedding) olmadığı için vektör dizini üzerinde kod araması ayrı bir gömme kaynağı gerektirir. İnce ayarlama (fine-tuning) ve görüntü girişi/çıkışı yoktur. Model listesinde tek bir giriş vardır. Bir ajan çerçevesi küçük adımlar için ucuz bir model ve planlama için güçlü bir model seçmenize izin veriyorsa, burada her iki rol de aynı modeli kullanacaktır.

Dürüst özet şudur: altyapı tamdır ve geriye kalan soru görevlerinizdeki model kalitesidir. Bu ampirik bir sorudur ve deneme kredisi buna yanıt vermek için mevcuttur.

Çalışan bir ajan döngüsü

Bu örnek, modele bir dosya okumak için bir araç ve bir kum havuzu dizininde komut çalıştırmak için bir araç verir ve model araçları sormayı bırakana kadar döngü kurar. Bunu atılabilir bir klasörde çalıştırın, çünkü komut aracı modelin önerdiği her şeyi çalıştırır. Asıl mesele yapıdadır: asistan mesajını ekleyin, her çağrıyı çalıştırın, her çağrı için bir tool mesajı ekleyin, tekrarlayın.

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})

Bu tür bir döngüyü sağlıklı tutan üç ayrıntı vardır. Adımların sayısını range(12) yaptığı gibi sınırlayın. Araç çıktısını kısaltın, çünkü dönen her karakter bir sonraki çağrıda girdi olur. Düzenleme işleri için düşük bir sıcaklık kullanın; 0.2 makul bir başlangıç noktasıdır ve beyin fırtınası adımları için artırabilirsiniz.

429 hatasına takılmadan birden fazla ajan çalıştırma

Tek bir ajan sıralıdır ve nadiren bir limiti zorlar. Bir filo ise zorlar. 8 eşzamanlı istek üzerinde API concurrency koduyla 429 yanıtı verir ve dakikada 300'ün üzerinde rate_limited ile 429 yanıtı verir. Geçici aşırı yüklenme de Retry-After: 5 başlığıyla 429 döndürür. Akışlı istekler, akış bitene kadar slotlarını tutar, bu nedenle uzun bir akışlı yanıt tüm süresi için geçerli sayılır.

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())

Semafor, eşzamanlı isteklerinizi 8'de tutar ve 429 hatası geçse bile geri çekilme süresi ekler. Başarısız istekler ücretlendirilmediğinden, yeniden denemeler ek maliyet gerektirmez. Tavanın daha yakınında çalışıyorsanız, aynı anahtarla etkileşimli bir oturum için yer bırakmak amacıyla semaforu 6'ya ayarlayın.

Bir ajan çalıştırmanın maliyeti

Ajanlar, ne kadar kod yazdıklarına göre değil, ne kadar bağlamı yeniden gönderdiklerine göre fiyatlandırılır. 12 adımlı bir hata düzeltme çalışmasını ele alalım. Araç çıktısı biriktiği için bağlam artar, bu nedenle adım başına ortalama 20.000 girdi tokeni ve 600 çıktı tokeni varsayın.

  • Girdi: 12 x 20.000 = 240.000 token x $0,15 / 1M = $0,036
  • Çıktı: 12 x 600 = 7.200 token x $0,50 / 1M = $0,0036
  • Tek çalıştırma başına: $0.0396
  • Günde 50 çalıştırma: 50 x $0,0396 = $1,98

Oranlar 1M giriş token'ı başına $0.15 ve 1M çıkış token'ı başına $0.50'dir ve asla sona ermeyen ön ödemeli krediden faturalandırılır. $20'lik bakiye yükleme yaklaşık 505 böyle çalıştırmayı kapsar ($20 / $0.0396). fiyatlandırma sayfası bonus katmanlarını listeler ve bir alışkanlık her katmandan daha fazla tasarruf sağlar: araç çıktısını kısa tutun. Geri beslediğiniz miktarı yarıya indirmek, baskın satırı da yarıya indirir.

Genel modele kod işleri için istem gönderme

Bir kodlayıcı model olarak satılmayan bir model, istem ona net bir iş verirse kodda iyi sonuçlar verebilir. Dil, framework sürümü ve kısıtlamaları sistem mesajına yazın, örneğin Python sürümü ve yeni bağımlılıklara izin verilmediği kuralı. Her seferinde bir değişiklik isteyin. Onu betimlemek yerine başarısız test çıktısını olduğu gibi verin, çünkü tam hata metni bir açıklamadan daha fazla bilgi taşır.

Düzenlemeler için bir birleşik fark veya bir fonksiyonun tam değişimi isteyin ve başka hiçbir şeyi kabul etmeyin. Kod etrafındaki serbest metin, otomatik olarak uygulamak zordur. Bir planı veri olarak istiyorsanız, örneğin her değişiklik için bir gerekçe ile bir dosya listesi, JSON modu yardımcı olur. Model bir yama önerdikten sonra testleri kendiniz çalıştırın ve sonucu geri besleyin; modelin testlerin geçtiği iddiasını kabul etmeyin.

Düzenlemeler için sıcaklığı düşük tutun ve yalnızca beyin fırtınası için artırın. İki istem versiyonunu karşılaştırırken seed sabit kullanın, böylece farklar örnekleme gürültüsünden değil istemden kaynaklansın. Aynı disiplin herhangi bir model için geçerlidir ve deneme çalışmasını bugünkü kullandığınız her şeyle adil bir karşılaştırmaya dönüştüren şey budur.

Bu modelle ve adlandırılmış bir kodlayıcı model arasında seçim

İşiniz o belirli modele ihtiyaç duyuyorsa kendi sağlayıcısından özel bir kodlayıcı model kullanın; örneğin kod tabanınızda ölçtüyseniz, bir ekip standardı bunu gerektiriyorsa veya yalnızca o sağlayıcının sunduğu bir özelliğe güvendiyseniz. Taahhüt etmeden önce mevcut fiyatlandırmalarını ve limitlerini kontrol edin.

Reddederler işinizi yavaşlatıyorsa, zaten kullandığınız çerçevelerle çalışan tek bir OpenAI uyumlu uç nokta istiyorsanız veya küçük bir bakiyeden kullandıkça öde modeli bir plana göre daha çok seviyorsanız bu API'yi kullanın. İkinci bir uç nokta olarak da mantıklıdır: rutin düzenlemeleri normal modelinize gönderin ve politika filtresi tarafından reddedilen istekleri buraya yönlendirin. Değiştirme bir base URL ve model adı kadardır, bu yüzden deneme maliyeti düşüktür.

Denemek için ilk-istem rehberi'ni okuyun, anahtar adımları ile bir anahtar oluşturun ve $0.50'lik deneme sürümünü talep edin: tek tık, kart gerekmez, kişi başı bir kez, 7 gün boyunca geçerlidir. Bir deneme anahtarı 2 eşzamanlı istek ve dakika başına 60 istek izni verir; bu, yukarıdaki döngüyü on iki kezden fazla çalıştırmak için yeterlidir. İstemler eğitim için kullanılmadığından, test repository'niz herhangi bir eğitim setinin dışında kalır.

Sorular ve cevaplar

Bu, resmi Qwen3-Coder-Next API'si mi?

Hayır. Bağımsız bir sağlayıcıdır ve tek bir açık ağırlıklı modele sahiptir; model kimliği uncensored'dir. Resmi bir satıcı API'si değildir ve bu isimde bir model sunmaz.

Kodlama ajanları için fonksiyon çağırma destekleniyor mu?

Evet. Araçları ve tool_choice parametresini iletirsiniz; akış sırasında da dahil olmak üzere tool_calls alırsınız ve sonuçları role: tool ile mesaj olarak döndürürsünüz.

Bir istekte kaç tokenlık bir kod tabanı sığar?

Bağlam penceresi, istem ve tamamlama birlikte 100,000 token'dır. Yalnızca görevle ilgili dosyaları gönderin ve yanıt için yer bırakmak amacıyla araç çıktısını kısaltın.

Birden fazla ajanı eşzamanlı olarak çalıştırabilir miyim?

Tam anahtarla eşzamanlı 8 istek ve dakikada 300 istek gönderilebilir. Deneme anahtarı ile bu sayılar sırasıyla 2 ve 60'tır. Bu değerlerin üzerine çıkıldığında HTTP 429 hatası alırsınız, bu nedenle bir eşzamanlılık kilidi (semaphore) kullanın.

Kod araması için embedding destekleniyor mu?

Hayır. API yalnızca sohbet tamamlamaları ve bir model listesi kapsar; vektör araması için ayrı bir embedding kaynağı kullanın.

Anahtarınız tek bir formun uzağında

Bir hesap oluşturun, anahtarı kopyalayın ve base URL'yi değiştirin. Kurulum bu kadar basit.

API anahtarı al