Por que o SDK OpenAI cobre o que você precisa
Quando as pessoas procuram por um SDK da API Qwen, geralmente querem uma biblioteca de clientes que gerencie autenticação, retry, streaming e respostas tipadas. Os SDKs da OpenAI já fazem tudo isso, e este serviço implementa a mesma interface HTTP: POST /v1/chat/completions, POST /v1/responses e GET /v1/models. Qualquer cliente que permita substituir a URL base pode se comunicar com ele.
Um esclarecimento antes de você começar. Esta não é a API oficial da Alibaba ou de qualquer outro fornecedor de modelos, e não é um roteador que encaminha sua solicitação para outro lugar. É um único modelo de pesos abertos, executado por um provedor independente e ajustado para responder sem recusas de conteúdo para uso adulto lícito. O único ID de modelo que você passa é uncensored.
Isso torna a migração simples. Se seu projeto já chama um modelo de chat hospedado através do SDK OpenAI, você altera três valores: a URL base, a chave de API e o nome do modelo. Nada mais no seu código precisa ser alterado.
Instale e faça a primeira chamada
Instale o pacote oficial para Python ou Node. Não há nada específico do serviço para adicionar.
pip install openai
# Node: npm install openai
Crie uma chave na página chave de API, depois exporte-a para que ela nunca caia no seu código-fonte.
export API_KEY="paste-your-key-here"
Agora o script Python mínimo útil. O cliente lê a chave do ambiente e envia solicitações para o serviço em vez de para a OpenAI.
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.uncensoredqwen.com/v1",
api_key=os.environ["API_KEY"],
)
resp = client.chat.completions.create(
model="uncensored",
messages=[
{"role": "system", "content": "You are a concise technical assistant."},
{"role": "user", "content": "Explain what a context window is in two sentences."},
],
temperature=0.7,
)
print(resp.choices[0].message.content)
print(resp.usage)
Se você preferir HTTP bruto, a mesma solicitação em curl se parece com isto:
curl https://api.uncensoredqwen.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"uncensored","messages":[{"role":"user","content":"Say hello."}]}'Streaming de respostas com o SDK
Defina stream=True e itere sobre os blocos. O serviço envia eventos enviados pelo servidor e relata o uso de tokens no final do fluxo, para que você possa registrar o custo sem uma segunda chamada.
import os
from openai import OpenAI
client = OpenAI(base_url="https://api.uncensoredqwen.com/v1",
api_key=os.environ["API_KEY"])
stream = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Write a short product description for a desk lamp."}],
stream=True,
stream_options={"include_usage": True},
)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)
if getattr(chunk, "usage", None):
print("\nTokens:", chunk.usage.prompt_tokens, chunk.usage.completion_tokens)
Tenha em mente uma coisa: uma solicitação em streaming mantém seu slot de concorrência até que o fluxo termine. Se um consumidor for lento ou você esquecer de fechar o fluxo, você atingirá o limite de concorrência mais cedo do que imagina.
O mesmo padrão em Node:
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.uncensoredqwen.com/v1",
apiKey: process.env.API_KEY,
});
const stream = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "user", content: "Name three uses of JSON mode." }],
stream: true,
});
for await (const chunk of stream) {
process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}Chamada de ferramentas e modo JSON
Os parâmetros do SDK que você já usa para ferramentas passam direto: tools, tool_choice, streaming tool_calls, e resultados enviados de volta como mensagens com role: "tool". Uma ida e volta mínima se parece com isto:
import os, json
from openai import OpenAI
client = OpenAI(base_url="https://api.uncensoredqwen.com/v1",
api_key=os.environ["API_KEY"])
tools = [{
"type": "function",
"function": {
"name": "get_order_status",
"description": "Look up an order by id",
"parameters": {
"type": "object",
"properties": {"order_id": {"type": "string"}},
"required": ["order_id"],
},
},
}]
messages = [{"role": "user", "content": "Where is order A-1042?"}]
first = client.chat.completions.create(model="uncensored", messages=messages, tools=tools)
call = first.choices[0].message.tool_calls[0]
messages.append(first.choices[0].message)
messages.append({
"role": "tool",
"tool_call_id": call.id,
"content": json.dumps({"status": "shipped"}),
})
final = client.chat.completions.create(model="uncensored", messages=messages, tools=tools)
print(final.choices[0].message.content)
Para saída estruturada, passe response_format={"type": "json_object"} e também diga "responda em JSON" no prompt. O modo JSON pede ao modelo uma saída JSON, mas seu código ainda deve analisá-la e validar nomes de campos e tipos antes de usá-los.
Configurações de amostragem como temperature, top_p, stop, seed e as penalidades são passadas, então o ajuste existente é mantido.
Trate erros 429 e leia os cabeçalhos
O SDK gera uma exceção de limite de requisições no HTTP 429, e o corpo da resposta informa qual limite você atingiu. Uma chave completa permite 8 requisições simultâneas e 300 requisições por minuto. Uma chave de teste permite 2 requisições simultâneas e 60 por minuto.
| Código de erro | Significado | O que fazer |
|---|---|---|
rate_limited | Muitas requisições por minuto | Espalhe as chamadas ou adicione um limitador no lado do cliente |
concurrency | Muitas requisições de uma vez | Limite seu pool de workers em 8 (2 em uma chave de teste) |
429 com Retry-After: 5 | Sobrecarga temporária | Espere 5 segundos e tente novamente |
Cada resposta carrega X-Request-Id, X-Balance-USD, X-RateLimit-Limit-Requests e X-RateLimit-Limit-Concurrency. Para lê-los com o SDK Python, use o wrapper de resposta bruta:
import os
from openai import OpenAI
client = OpenAI(base_url="https://api.uncensoredqwen.com/v1",
api_key=os.environ["API_KEY"])
raw = client.chat.completions.with_raw_response.create(
model="uncensored",
messages=[{"role": "user", "content": "ping"}],
max_tokens=5,
)
print("Balance:", raw.headers.get("X-Balance-USD"))
print("Request id:", raw.headers.get("X-Request-Id"))
completion = raw.parse()
Solicitações com falha ou recusadas não são cobradas, portanto, uma nova tentativa após um 429 não custa duas vezes. O artigo existente sobre erros comuns da API Qwen cobre mais dos erros de configuração que as pessoas encontram.
Quanto custa uma chamada
O preço é $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída, pagos a partir de crédito pré-pago. Faça uma solicitação com 2.000 tokens de prompt e 500 tokens de conclusão:
- Entrada: 2.000 x $0,15 / 1.000.000 = $0,0003
- Saída: 500 x $0,50 / 1.000.000 = $0,00025
- Total: $0.00055
O crédito de teste de $0,50 cobre cerca de 900 solicitações desse tamanho ($0,50 / $0,00055 é aproximadamente 909). O teste é um clique na página de chave após o cadastro, não precisa de cartão e dura 7 dias; o artigo do plano gratuito explica como funciona. Recargas pagas começam em $20, e a página de preços lista os níveis de bônus e métodos de pagamento aceitos.
O contexto é de 100.000 tokens para prompt e conclusão juntos, e max_tokens é opcional. Definir isso ainda é um bom hábito quando você quer um limite superior previsível no custo.
Migrar um projeto existente
A maioria dos leitores chega com código que já chama um modelo de chat. Uma lista de verificação curta mantém a troca sem surpresas:
- Altere
base_url(oubaseURLem Node) parahttps://api.uncensoredqwen.com/v1. Mantenha o sufixo/v1e não adicione/chat/completionsvocê mesmo, porque o SDK anexa o caminho. - Substitua a chave pela que está na sua conta. A autenticação é um cabeçalho
Authorization: Bearerpadrão, que o SDK constrói para você. - Substitua o nome do modelo por
uncensored. Solicitações com um nome de modelo desconhecido falharão, então procure no seu código-fonte por nomes hardcoded. - Remova quaisquer campos de solicitação para recursos que o serviço não oferece, como entradas de imagem ou chamadas de embeddings.
- Execute uma chamada para
GET /v1/modelscomo um teste de fumaça. Se ele listar o modelo, sua URL e chave estão corretas.
Frameworks que envolvem o cliente OpenAI geralmente expõem as mesmas duas configurações sob nomes como openai_api_base ou OPENAI_BASE_URL. Se sua ferramenta oferecer uma variável de ambiente para a URL base, você pode alterar toda uma aplicação sem tocar em seu código-fonte. Teste com uma chave de teste primeiro, já que seus limites mais baixos de 2 requisições simultâneas e 60 por minuto mostrarão rapidamente se sua aplicação abre mais conexões simultâneas do que você planejou.
O tratamento de contexto merece uma segunda olhada também. A janela aqui é de 100.000 tokens compartilhados entre prompt e conclusão. Se sua configuração antiga cortava o histórico para um tamanho diferente, você pode relaxar ou apertar esse corte para corresponder, mas fique de olho no custo de reenviar um histórico longo a cada turno.
Dicas práticas para código de produção
- Mantenha a chave fora do repositório. Leia-a de uma variável de ambiente ou de um repositório de segredos, como nos exemplos acima.
- Defina um tempo limite. O SDK aceita um argumento
timeoutno cliente. Gerações longas com streaming precisam de um tempo limite de leitura generoso. - Limite seus workers. Um pool de threads ou semáforo dimensionado para o seu limite de concorrência evita a maioria dos erros 429 antes que aconteçam.
- Registre o id da solicitação. Se você entrar em contato com o suporte, o valor de
X-Request-Ididentifica a chamada. - Monitore o saldo. Leia
X-Balance-USDdas respostas, ou chameGET /v1/balance, para que um trabalho em lote pare antes que o crédito acabe.
O modelo é apenas texto. Não há geração de imagem, áudio ou vídeo, nem embeddings nem fine-tuning, então não planeje em torno desses métodos do SDK. Os detalhes completos dos parâmetros estão na documentação. Os prompts não são usados para treinamento.
