L'API DashScope permet d'appeler les modèles Qwen. Cette rubrique détaille les paramètres d'entrée et de sortie, et fournit des exemples d'appels.
- Singapore
- US (Virginia)
- China (Beijing)
- Hong Kong (China)
- Germany (Frankfurt)
- Japan (Tokyo)
- Modèles de texte brut, tels que qwen-plus :
POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/text-generation/generation - Modèles multimodaux, tels que qwen3.7-plus ou qwen3-vl-plus :
POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
base_url à utiliser pour la configuration des appels SDK est la suivante :- Python code
- Java code
{WorkspaceId} par votre véritable ID d'espace de travail.
Vous devez obtenir une clé API et la configurer en tant que variable d'environnement. Si vous utilisez le SDK DashScope pour effectuer des appels, vous devez également installer le SDK DashScope.
Instructions
Corps de la requête |
|
modelstring(Obligatoire)Nom du modèle à utiliser.Les modèles pris en charge incluent les grands modèles de langage Qwen (éditions commerciales et open source), Qwen-VL, Qwen-Coder, les modèles mathématiques, DeepSeek, Kimi, GLM et MiniMax.Pour connaître les noms spécifiques des modèles et les détails de facturation, consultezSélectionner un modèle. |
messagesarray(Obligatoire)Contexte transmis au grand modèle de langage (LLM), organisé selon l'ordre conversationnel.Lors d'un appel via HTTP, placez messages dans l'objet input.
Types de messages Message système object (Facultatif)Message système permettant de définir le rôle, le ton, les objectifs ou les contraintes du LLM. Il est généralement placé en premier dans le tableau messages.Il est déconseillé de définir un message système pour les modèles QwQ. Pour les modèles QVQ, le message système n'est pas pris en compte.
Propriétés content string(Obligatoire)Contenu du message.rolestring(Obligatoire)Rôle associé au message système. La valeur est fixée à system.object(Obligatoire)Message utilisateur servant à transmettre des questions, des instructions ou du contexte au modèle.
Propriétés content string or array(Obligatoire)Contenu du message. Ce paramètre est une chaîne si l'entrée est uniquement textuelle. Il s'agit d'un tableau lorsque l'entrée comprend des données multimodales (images, par exemple) ou si la mise en cache explicite est activée.
Propriétés text string(Obligatoire)Texte d'entrée.imagestring (Facultatif)Fichier image destiné à la compréhension d'images. Trois méthodes sont disponibles pour transmettre une image :
{"image":"https://xxxx.jpeg"}detail string (Facultatif)Précision du traitement des images. Pour qwen4-max. Valeur par défaut : high.Lorsque max_pixels est omis :
max_pixels remplace la limite de pixels choisie par detail. Le maximum est 16777216. Dans Chat Completions, placez max_pixels au même niveau que image_url ; dans DashScope, au même niveau que image.Pour les images haute résolution, high utilise généralement plus de tokens d’entrée que low.Avec Chat Completions, définissez detail dans image_url ou au même niveau. Avec DashScope, définissez-le au même niveau que image.array or string (Facultatif)Vidéo à transmettre lors de l'utilisation d'un modèle Qwen-VL ou d'un modèle QVQ.
float(Facultatif)Nombre d'images à extraire par seconde. La valeur doit se situer dans l'intervalle [0.1, 10]. La valeur par défaut est 2.0.
Description Le paramètre fps remplit deux fonctions :
fps élevée convient aux scènes comportant des mouvements rapides, comme les événements sportifs ou les films d'action. Une valeur fps plus faible est recommandée pour les vidéos longues ou les contenus relativement statiques.
Exemples
integer(Facultatif)Nombre maximal d'images pouvant être extraites d'une vidéo. Si le nombre d'images calculé selon fps dépasse max_frames, le système ajuste automatiquement l'extraction pour répartir uniformément les images dans la limite max_frames. Le nombre total d'images reste ainsi conforme à la limite définie.
Plage de valeurs
Valeur d'exemple {"type": "video_url","video_url": {"url":"https://xxxx.mp4"},"max_frame": 2000}
Lors d'un appel avec une API compatible OpenAI, le paramètre min_pixelsinteger(Facultatif)Définit le seuil minimal de pixels pour l'image d'entrée ou les images vidéo. Si le nombre total de pixels d'une image ou d'une trame vidéo est inférieur à min_pixels, l'image ou la trame est agrandie jusqu'à atteindre un nombre de pixels supérieur à min_pixels.
Plage de valeurs
Exemples
integer(Facultatif)Définit le seuil maximal de pixels pour l'image d'entrée ou les images vidéo. Si le nombre total de pixels de l'image ou de la vidéo se situe dans l'intervalle [min_pixels, max_pixels], le modèle reconnaît l'image originale. Si le nombre total de pixels de l'image d'entrée dépasse max_pixels, l'image est réduite jusqu'à ce que le total soit inférieur à max_pixels.
Plage de valeurs
Exemples
integer(Facultatif)Budget total de pixels des images extraites d’une vidéo.
Valeur maximale
Exemples
object(Facultatif)Pris en charge uniquement par les modèles compatibles avec la mise en cache explicite. Permet d'activer la mise en cache explicite.
Propriétés type string(Obligatoire)La valeur doit être ephemeral.string(Obligatoire)Rôle associé à un message utilisateur. La valeur doit être user.object(Facultatif)Réponse du modèle au message utilisateur.
Propriétés content string(Facultatif)Contenu du message. Ce champ est facultatif uniquement si le paramètre tool_calls est spécifié dans le message assistant.rolestring(Obligatoire)La valeur doit être assistant.partialboolean(Facultatif)Indique si le mode partiel doit être activé. Pour plus d'informations et pour consulter la liste des modèles pris en charge, reportez-vous à Mode partiel.tool_calls array(Facultatif)Informations sur l'outil et les paramètres d'entrée retournées après l'initiation d'un appel de fonction. Contient un ou plusieurs objets. Ces données proviennent du champ tool_calls de la réponse précédente du modèle.
Propriétés id stringID de la réponse de l'outil.type stringType d'outil. Actuellement, seul function est pris en charge.function objectInformations sur l'outil et les paramètres d'entrée.
Propriétés name stringNom de l'outil.arguments stringInformations sur les paramètres d'entrée, au format chaîne JSON.integerIndex des informations de l'outil actuel dans le tableau tool_calls.object (Facultatif)Informations de sortie de l'outil.
Propriétés content string(Obligatoire)Contenu de sortie de la fonction outil. Doit être au format chaîne.rolestring(Obligatoire)La valeur doit être tool.tool_call_idstring(Facultatif)ID retourné après l'initiation d'un appel de fonction. Récupérable via response.output.choices[0].message.tool_calls[$index]["id"]. Sert à identifier l'outil correspondant au message outil. |
temperaturefloat(Facultatif)qwen4-max:1.0 en mode raisonnement ; 0.7 sans raisonnement.Température d'échantillonnage contrôlant la diversité du texte généré par le modèle.Une température élevée produit un texte plus diversifié, tandis qu'une température basse rend le texte plus déterministe.Plage de valeurs : [0, 2)Lors d'un appel HTTP, placez temperature dans l'objet parameters. Nous vous déconseillons de modifier la valeur de température par défaut pour les modèles QVQ. | ||||||||||||||||||
top_pfloat(Facultatif)qwen4-max:0.95 en mode raisonnement ; 0.8 sans raisonnement.Seuil de probabilité pour l'échantillonnage par noyau, qui contrôle la diversité du texte généré par le modèle.Une valeur top_p élevée augmente la diversité du texte, tandis qu'une valeur faible le rend plus déterministe.Plage de valeurs : (0, 1.0].Dans le SDK Java, ce paramètre correspond à topP. Lors d'un appel HTTP, placez top_p dans l'objet parameters.
Nous vous déconseillons de modifier la valeur | ||||||||||||||||||
top_kinteger(Facultatif)qwen4-max:20 dans les deux modes.Taille de l'ensemble des candidats pour l'échantillonnage lors de la génération. Par exemple, si vous définissez ce paramètre sur 50, seuls les 50 tokens ayant les scores les plus élevés lors d'une génération unique servent à former l'ensemble des candidats pour l'échantillonnage aléatoire. Une valeur plus grande accroît l'aléatoire, tandis qu'une valeur plus petite renforce le déterminisme. Une valeur None ou supérieure à 100 désactive la stratégie top_k, laissant seule la stratégie top_p prendre effet.La valeur doit être supérieure ou égale à 0.
Valeurs top_k par défaut Série QVQ : 10Série QwQ : 40Tous les autres modèles : 20Série GLM (fournie par Alibaba Cloud) : 20Les séries DeepSeek, Kimi et MiniMax ne prennent pas en charge le paramètre top_k.Dans le SDK Java, ce paramètre correspond à topK. Lors d'un appel HTTP, placez top_k dans l'objet parameters.
Nous vous déconseillons de modifier la valeur | ||||||||||||||||||
enable_thinking boolean (Facultatif)Indique s'il faut activer le mode réflexion pour un modèle hybride. Cela concerne les modèles Qwen4, Qwen3.8, Qwen3.7, Qwen3.6, Qwen3.5, Qwen3 et Qwen3-VL, ainsi que les séries DeepSeek-V4-Pro/V4-Flash, les séries DeepSeek-V3.2/V3.2-exp/V3.1, les séries Kimi-K2.6/K2.5 et la série GLM. Le mode réflexion est activé par défaut pour la série DeepSeek-V4. Vous pouvez ajuster l'effort d'inférence via le paramètre reasoning_effort.Valeurs valides :
Dans le SDK Java, ce paramètre correspond à | ||||||||||||||||||
thinking_display string (facultatif)qwen4-max: "summarized". Résumé et chiffrement du raisonnement.Par défaut, le raisonnement complet est renvoyé. Après activation, le raisonnement original n’est plus renvoyé en clair : le résumé sert à l’affichage et le contenu chiffré à restaurer l’historique.preserve_thinking boolean (Facultatif) La valeur par défaut est false. (Valeur par défaut pour qwen4-max, qwen3.8-max :true)Détermine s'il faut ajouter le reasoning_content des messages de l'assistant issus de l'historique de conversation à l'entrée du modèle. Cette option convient aux scénarios où le modèle doit se référer au processus de réflexion historique.Actuellement pris en charge par qwen3.7-max, qwen3.7-max-2026-05-20 et les snapshots ultérieurs, qwen3.7-plus, qwen3.7-plus-2026-05-26, qwen3.6-plus, qwen3.6-plus-2026-04-02, qwen3.7-flash, qwen3.7-flash-2026-07-15, qwen3.6-flash, qwen3.6-flash-2026-04-16, qwen4-max, qwen3.8-max (activé par défaut), kimi-k2.6 (déployé sur Alibaba Cloud Model Studio), kimi-k2.7-code (déployé sur Alibaba Cloud Model Studio, activé par défaut), kimi/kimi-k2.7-code-highspeed (fourni par Moonshot AI, activé par défaut) et kimi/kimi-k2.7-code (fourni par Moonshot AI, activé par défaut).Important (qwen4-max, qwen3.8-max) : Avec qwen4-max, qwen3.8-max, preserve_thinking est défini sur true par défaut. Vous devez renvoyer tout l'historique du reasoning_content dans le champ reasoning_content. Ne concaténez PAS le reasoning_content dans le champ content. Cela risquerait de dégrader les performances du modèle.
Lors d'un appel HTTP, placez preserve_thinking dans l'objet parameters. Le SDK Java n'est pas pris en charge. | ||||||||||||||||||
thinking_budget integer (Facultatif)qwen4-max: Valeur par défaut 131072.Longueur maximale du processus de réflexion. Cela s'applique aux modèles Qwen4, Qwen3.8, Qwen3.7, Qwen3.6, Qwen3.5, Qwen3-VL, Qwen3, GLM et Kimi, à l'exception de kimi-k3 et kimi-k3.1-pro, qui ne prennent pas en charge ce paramètre. Pour plus d'informations, consultez Limiter la longueur de la réflexion.Autres modèles: La valeur par défaut correspond à la longueur maximale de la chaîne de pensée pour le modèle. Pour plus d'informations, consultez Sélectionner un modèle.
Dans le SDK Java, ce paramètre correspond à Autres modèles: La valeur par défaut correspond à la longueur maximale de la chaîne de pensée pour le modèle. | ||||||||||||||||||
reasoning_effort string (Facultatif)qwen4-maxValeur par défaut: reasoning_effort=high.
qwen4-max, reasoning_effort et thinking_budget ne peuvent pas être définis simultanément. thinking_budget doit être un entier positif ; 0 n’est pas accepté.Si seul thinking_budget est défini, le niveau suit le tableau ci-dessous et le budget fourni est conservé.
high et 131072.Contrôle l'intensité d'inférence des modèles. Les valeurs valides et les valeurs par défaut varient selon le modèle.kimi-k3.1-pro (déployé sur Alibaba Cloud Model Studio) : La valeur par défaut est max.
enable_thinking vaut true par défaut. Vous pouvez le définir sur false pour désactiver la réflexion, mais il est recommandé de la maintenir activée, car sa désactivation affecte considérablement la qualité de la sortie du modèle.Séries DeepSeek-V4 et GLM (Valeur par défaut : high)Valeurs valides : high (inférence haute intensité) et max (inférence intensité maximale). low et medium sont mappés sur high, et xhigh est mappé sur max.Cela s'applique à glm-5.2, glm-5.1, glm-5, deepseek-v4-pro.qwen3.8-max : Valeur par défaut :xhighValeurs valides :
max est mappé sur xhigh, high est mappé sur xhigh, minimal est mappé sur low, et none est mappé sur enable_thinking=False.Définir des valeurs autres que les valeurs valides ci-dessus et les valeurs mappées provoquera une erreur.Pour qwen3.8-max, reasoning_effort et thinking_budget ne peuvent pas être définis simultanément. Définir les deux entraînera une erreur. Cependant, ils permettent une conversion mutuelle :
Lors d'un appel HTTP, placez reasoning_effort dans l'objet parameters. | ||||||||||||||||||
tool_stream boolean (Facultatif) La valeur par défaut est false.Ce paramètre affecte uniquement le comportement de sortie en streaming des paramètres d'outils complexes et n'est effectif que lors d'appels en streaming. Les paramètres d'outils simples, dont tous les types sont des chaînes, peuvent être diffusés en streaming dès lors que les appels en streaming sont activés. tool_stream n'a aucun effet sur eux. Les outils complexes sont ceux dont certains types de paramètres dans la définition de l'outil sont des tableaux ou des objets. Actuellement, seules les séries Qwen et GLM prennent en charge cette fonctionnalité.Liste de prise en charge de la série Qwen :
Les outils complexes sont ceux dont certains types de paramètres dans la définition de l'outil sont des tableaux ou des objets.Liste de prise en charge de la série GLM : glm-5 et glm-5.1.Référence d'utilisation pour la série GLM :
Lors d'un appel HTTP, placez tool_stream dans l'objet parameters. | ||||||||||||||||||
enable_code_interpreter boolean (Facultatif) La valeur par défaut est false.Indique s'il faut activer la fonctionnalité d'interpréteur de code. Pour plus d'informations, consultez Interpréteur de code.Valeurs valides :
Le SDK Java n'est pas pris en charge. Lors d'un appel HTTP, placez enable_code_interpreter dans l'objet parameters. | ||||||||||||||||||
clear_thinkingboolean(Facultatif) La valeur par défaut est false.Contrôle l'utilisation du reasoning_content (processus de réflexion) des tours précédents comme entrée contextuelle pour le modèle dans une conversation multi-tours. Seuls les modèles de la série GLM glm-5.2, glm-5.1, glm-5 prennent en charge cette option.
| ||||||||||||||||||
repetition_penaltyfloat(Facultatif)Pénalité appliquée à la répétition de séquences consécutives lors de la génération par le modèle. Une valeur repetition_penalty plus élevée réduit les répétitions dans la sortie du modèle. Une valeur de 1,0 signifie aucune pénalité. La valeur doit être supérieure à 0.Dans le SDK Java, ce paramètre correspond à repetitionPenalty. Lors d'un appel HTTP, placez repetition_penalty dans l'objet parameters.
Nous vous déconseillons de modifier la valeur | ||||||||||||||||||
frequency_penalty float (facultatif)Pris en charge par qwen4-max. Applique une pénalité selon la fréquence d’apparition d’un token pour ajuster les répétitions dans la sortie.presence_penaltyfloat(Facultatif)qwen4-max — Valeur par défaut: mode de raisonnement: 0.0; mode sans raisonnement: 1.5.Contrôle la répétition du contenu lorsque le modèle génère du texte.Plage de valeurs : [-2.0, 2.0]. Les valeurs positives réduisent les répétitions, tandis que les valeurs négatives les augmentent.Augmentez cette valeur dans les scénarios nécessitant diversité, ludisme ou créativité, tels que la rédaction créative ou le brainstorming. Diminuez-la pour les scénarios privilégiant la cohérence et la précision terminologique, comme les documents techniques ou les textes formels.
Valeurs presence_penalty par défaut Qwen3.7 (mode sans réflexion), Qwen3.6 (mode sans réflexion), Qwen3.5 (mode sans réflexion), Qwen3 (mode sans réflexion), série Qwen3-Instruct/1.7b/4b (mode réflexion), série QVQ, qwen-max, série qwen2.5-vlQwen3-VL (sans réflexion) : 1,5 ;qwen-plus/qwen-plus-latest/2025-04-28 (mode réflexion) : 0,5 ;Tous les autres sont à 0,0.Série DeepSeek (fournie par Alibaba Cloud) : version distillée deepseek-r1-distill-qwen : 1 ;Série Kimi (fournie par Alibaba Cloud) : kimi-k2.7-code, kimi-k2.6, kimi-k2.5 : 0,0 ;Série Kimi (fournie par Moonshot AI) : 0,0 ;Série MiniMax (fournie par Alibaba Cloud) : MiniMax-M2.5 : 0,0 ;Les autres modèles DeepSeek, Kimi, GLM et MiniMax n'ont pas de valeur par défaut.
Fonctionnement Si la valeur du paramètre est positive, le modèle applique une pénalité aux tokens déjà présents dans le texte. Cette pénalité est indépendante du nombre d'apparitions du token. Cela réduit la probabilité de réapparition de ces tokens, limitant ainsi les répétitions de contenu et augmentant la diversité lexicale.
Exemple Invite : Traduisez cette phrase en chinois : « Ce film est bon. L'intrigue est bonne, le jeu d'acteur est bon, la musique est bonne, et dans l'ensemble, tout le film est simplement bon. C'est vraiment bien, en fait. L'intrigue est tellement bonne, le jeu d'acteur est tellement bon, et la musique est tellement bonne. »Valeur du paramètre 2.0 : Ce film est excellent. L'intrigue est fantastique, le jeu d'acteur est superbe et la musique est également très belle. Dans l'ensemble, le film entier est tout simplement incroyable. Il est en fait véritablement exceptionnel. Le scénario est très passionnant, les performances sont excellentes et la bande originale est si émouvante.Valeur du paramètre 0.0 : Ce film est bon. L'intrigue est bonne, le jeu d'acteur est bon et la musique est bonne. Dans l'ensemble, tout le film est très bon. En fait, il est vraiment génial. L'intrigue est très bonne, le jeu d'acteur est aussi très excellent, et la musique est tout aussi remarquable.Valeur du paramètre -2.0 : Ce film est bon. L'intrigue est bonne, le jeu d'acteur est bon et la musique est bonne. Dans l'ensemble, tout le film est bon. En fait, il est vraiment bon. L'intrigue est très bonne, le jeu d'acteur est très bon, et la musique est très bonne. Ne modifiez pas la valeur presence_penalty par défaut pour les modèles QVQ. Le SDK Java ne prend pas en charge la définition de ce paramètre*.* Lors d'un appel HTTP, placez presence_penalty dans l'objet parameters. | ||||||||||||||||||
vl_high_resolution_imagesboolean(Facultatif) Valeur par défaut : falsePour qwen4-max, le max_pixels spécifié explicitement reste effectif même avec vl_high_resolution_images=true.Indique s'il faut augmenter la limite de pixels pour les images d'entrée jusqu'au nombre de pixels correspondant à 16384 tokens. Pour plus d'informations, consultez Traitement des images haute résolution.
Dans le SDK Java, ce paramètre correspond à vlHighResolutionImages (nécessite la version 2.20.8 ou ultérieure). Lors d'un appel HTTP, placez vl_high_resolution_images dans l'objet parameters. | ||||||||||||||||||
vl_enable_image_hw_outputboolean(Facultatif) La valeur par défaut est false.Indique s'il faut retourner les dimensions de l'image mise à l'échelle. Le modèle redimensionne l'image d'entrée. Si vous définissez ce paramètre sur True, il retourne la hauteur et la largeur de l'image redimensionnée. Si la sortie en streaming est activée, ces informations sont retournées dans le dernier chunk. Cette fonctionnalité est prise en charge par les modèles Qwen-VL.Dans le SDK Java, ce paramètre correspond à vlEnableImageHwOutput. La version minimale requise du SDK Java est la 2.20.8*.* Lors d'un appel HTTP, placez vl_enable_image_hw_output dans l'objet parameters. | ||||||||||||||||||
max_tokensinteger(Facultatif, sera obsolète)
Ce paramètre sera bientôt obsolète. Pour les nouvelles intégrations, utilisez La signification de ce paramètre varie selon le modèle :
Dans le SDK Java, ce paramètre correspond à maxTokens. Pour les modèles Qwen-VL, il s'agit de maxLength dans le SDK Java, mais les versions ultérieures à la 2.18.4 permettent également de le définir sous la forme | ||||||||||||||||||
max_completion_tokensinteger(Facultatif)Longueur maximale de la sortie du modèle, incluant la chaîne de pensée et la réponse du modèle. Si la sortie du modèle dépasse cette valeur, la génération s'arrête prématurément et le finish_reason retourné est length.Pour les modèles GLM, consultez le tableau du paramètre max_tokens pour connaître les valeurs par défaut et maximales. Pour les autres modèles, les valeurs par défaut et maximales correspondent toutes deux à la longueur de sortie maximale du modèle.Différence avec max_tokens : max_completion_tokens limite toujours la sortie complète du modèle (chaîne de pensée + réponse). La portée exacte de max_tokens varie selon le modèle et la configuration de thinking_budget, comme indiqué précédemment. Pour les modèles avec réflexion, nous recommandons d’utiliser max_completion_tokens.Les modèles suivants sont pris en charge :
À l’exception des modèles GLM fournis par ZHIPU AI répertoriés dans le tableau précédent, les modèles ci-dessus n’incluent aucun autre modèle fourni directement par des tiers.
Un écart pouvant aller jusqu'à 10 tokens peut exister entre le nombre réel de tokens en sortie et la valeur Le SDK Java ne prend pas actuellement en charge ce paramètre. Lors d'un appel HTTP, placez max_completion_tokens dans l'objet parameters. | ||||||||||||||||||
seedinteger(Facultatif)Graine de nombre aléatoire. Ce paramètre garantit la reproductibilité des résultats pour une même entrée et des paramètres identiques. Si vous transmettez la même valeur de seed lors d'un appel et que les autres paramètres restent inchangés, le modèle retourne autant que possible le même résultat.Plage de valeurs : [0,2<sup>31</sup>−1].Lors d'un appel HTTP, placez seed dans l'objet parameters. | ||||||||||||||||||
streamboolean(Facultatif)La valeur par défaut est false.Indique s'il faut diffuser la réponse en streaming. Les valeurs valides sont :
Ce paramètre est uniquement pris en charge par le SDK Python. Pour implémenter une sortie en streaming avec le SDK Java, appelez l'interface Qwen3 édition commerciale (mode réflexion), Qwen3 édition open source, QwQ et QVQ ne prennent en charge que la sortie en streaming. | ||||||||||||||||||
incremental_outputboolean(Facultatif) La valeur par défaut est false. Pour les modèles Qwen3-Max, Qwen3-VL, Qwen3 édition open source, QwQ et QVQ, la valeur par défaut est true.Indique s'il faut activer la sortie incrémentielle en mode streaming. Nous recommandons de définir ce paramètre sur true.Valeur :
Dans le SDK Java, ce paramètre correspond à incrementalOutput. Lors d'un appel HTTP, placez incremental_output dans l'objet parameters. Les modèles QwQ et les modèles Qwen3 en mode réflexion ne permettent de définir ce paramètre que sur
Les modèles Qwen3 édition open source ne permettent pas de définir ce paramètre sur |
response_formatobject (Facultatif) La valeur par défaut est {"type": "text"}.Format du contenu retourné. Les valeurs valides sont :
Pour plus d'informations, consultez la rubrique Sortie structurée. Les modes Si vous spécifiez
Dans le SDK Java, ce paramètre correspond à
Propriétés type string(Obligatoire)Format du contenu retourné. Les valeurs valides sont :
object(Facultatif)Obligatoire lorsque type est défini sur json_schema. Définit la structure JSON que la sortie du modèle doit respecter. Pour plus d'informations, consultez la rubrique Obtenir une sortie structurée.Pour les appels via DashScope, vous devez construire le JSON Schema manuellement. Pour connaître le format et consulter des exemples, reportez-vous à la section Obtenir une sortie structurée. Le SDK Java n'est pas encore pris en charge.
Propriétés name string(Obligatoire)Le nom du schéma.schemaobject(Obligatoire)L'objet JSON Schema qui décrit la structure de la sortie. Utilisez properties pour définir la structure des champs, required pour lister les champs obligatoires et additionalProperties pour contrôler si des champs non définis dans le schéma peuvent être retournés. Nous vous recommandons de définir additionalProperties sur false afin que seuls les champs définis soient retournés. Types de données pris en charge : string, number, integer, boolean, object, array et enum. Pour plus d'informations, consultez la rubrique Guide de configuration.strictboolean(Facultatif)Indique s'il faut respecter strictement la structure définie par schema. Nous vous recommandons de définir ce paramètre sur true. |
result_formatstring(Facultatif)La valeur par défaut est text. Pour les modèles Qwen3-Max, Qwen3-VL, QwQ, les modèles open source Qwen3, la valeur par défaut est message.Format des données retournées. Nous vous recommandons de définir ce paramètre sur message pour faciliter les conversations multi-tours.
La plateforme uniformisera ultérieurement la valeur par défaut sur Dans le SDK Java, ce paramètre correspond à resultFormat. Pour les appels via HTTP, placez result_format dans l'objet parameters.
Si le modèle est Qwen-VL, QVQ, définir la valeur sur Les modèles Qwen3-Max, Qwen3-VL et les modèles Qwen3 en mode réflexion acceptent uniquement la valeur Si vous utilisez le SDK Java pour appeler un modèle open source Qwen3 et transmettez la valeur |
logprobs boolean (Facultatif) La valeur par défaut est false.Indique s'il faut retourner les probabilités logarithmiques des tokens de sortie. Les valeurs valides sont :
Pour les appels via HTTP, placez logprobs dans l'objet parameters. |
top_logprobs integer (Facultatif) La valeur par défaut est 0.Spécifie le nombre de tokens candidats les plus probables à retourner à chaque étape de génération.Plage de valeurs : [0, 5]Ce paramètre ne prend effet que si logprobs est défini sur true.Dans le SDK Java, ce paramètre correspond à topLogprobs. Pour les appels via HTTP, placez top_logprobs dans l'objet parameters. |
ninteger(Facultatif) La valeur par défaut est 1.Nombre de réponses à générer. La plage de valeurs est 1-4. Pour les scénarios nécessitant la génération de plusieurs réponses, tels que la rédaction créative ou les textes publicitaires, vous pouvez définir une valeur n plus élevée.Actuellement, seuls les modèles
Augmenter la valeur de Pour les appels via HTTP, placez n dans l'objet parameters. |
stopstring or array(Facultatif)Permet de spécifier des mots d'arrêt. Lorsqu'une chaîne ou un token_id défini dans stop apparaît dans le texte généré, la génération s'arrête immédiatement.Vous pouvez transmettre des mots sensibles pour contrôler la sortie du modèle.Lorsque stop est un tableau, vous ne pouvez pas mélanger des Pour les appels via HTTP, placez stop dans l'objet parameters. |
toolsarray(Facultatif)Tableau contenant un ou plusieurs objets outils que le modèle peut appeler lors de l'appel de fonction. Pour plus d'informations, consultez la rubrique Appel de fonction.Lorsque vous utilisez tools, vous devez définir result_format sur message.Le paramètre tools est obligatoire pour initier un appel de fonction ou soumettre les résultats d'exécution d'un outil.
Propriétés type string(Obligatoire)Type d'outil. Actuellement, seule la valeur function est prise en charge.functionobject(Obligatoire)
Propriétés name string(Obligatoire)Nom de la fonction outil. Il doit être composé de lettres et de chiffres, et peut contenir des traits de soulignement et des tirets. La longueur maximale est de 64 caractères.descriptionstring(Obligatoire)Description de la fonction outil qui aide le modèle à déterminer quand et comment l'appeler.parametersobject(Facultatif) La valeur par défaut est {}.Description des paramètres de l'outil, devant respecter un JSON Schema valide. Pour plus d'informations sur JSON Schema, consultez ce lien. Si le paramètre parameters est vide, cela signifie que l'outil n'a pas de paramètres d'entrée, comme c'est le cas pour un outil de requête de temps.
Pour améliorer la précision des appels d'outils, nous vous recommandons de renseigner le paramètre Pour les appels via HTTP, placez tools dans l'objet parameters. Cette fonctionnalité n'est temporairement pas prise en charge pour les modèles des séries qwen-vl. |
tool_choicestring or object(Facultatif) La valeur par défaut est auto.Stratégie de sélection des outils. Ce paramètre permet d'imposer une méthode d'appel d'outil pour un type de problème spécifique, par exemple pour toujours utiliser un outil donné ou désactiver tous les outils.
Dans le SDK Java, ce paramètre correspond à toolChoice. Pour les appels via HTTP, placez tool_choice dans l'objet parameters. |
parallel_tool_calls boolean (Facultatif) La valeur par défaut est false.Indique s'il faut activer les appels d'outils parallèles.Valeurs valides :
Dans le SDK Java, ce paramètre correspond à parallelToolCalls. Pour les appels via HTTP, placez parallel_tool_calls dans l'objet parameters. |
Objet de réponse de chat (formats de sortie en streaming et hors streaming identiques) | |
status_codestringCode d'état de la requête. La valeur 200 indique que la requête a réussi. Toute autre valeur signale un échec.Le SDK Java ne retourne pas ce paramètre. En cas d'échec de l'appel, une exception est levée. Le message d'exception contient le contenu de status_code et de message. | |
request_idstringID unique associé à cet appel.Le SDK Java retourne ce paramètre sous le nom requestId. | |
codestringCode d'erreur. Ce champ reste vide lorsque l'appel réussit.Seul le SDK Python retourne ce paramètre. | |
outputobjectInformations relatives au résultat de l'appel.
Properties text stringRéponse générée par le modèle. Si le paramètre d'entrée result_format est défini sur text, le contenu de la réponse apparaît dans ce champ.finish_reasonstringCe paramètre n'est pas vide lorsque le paramètre d'entrée result_format vaut text.Quatre situations peuvent se présenter :
arrayInformations de sortie du modèle. Le paramètre choices est retourné si result_format vaut message.
Properties finish_reason stringCette valeur peut prendre l'une des formes suivantes :
objectObjet message produit par le modèle.
Properties role stringRôle du message de sortie, qui doit être assistant.contentstring or arrayContenu du message de sortie. Il s'agit d'un array pour les modèles des séries qwen-vl ou qwen-audio, et d'une string dans les autres cas.Cette valeur est vide si un appel de fonction est initié.
Properties text stringContenu du message de sortie lors de l'utilisation des modèles des séries qwen-vl ou qwen-audio.image_hwarraySi le paramètre vl_enable_image_hw_output est activé pour un modèle de la série Qwen-VL, deux cas de figure existent :
stringqwen4-max, thinking_display="summarized": Envoyez le paramètre d’activation à chaque tour. Renvoyez le contenu chiffré sans modification ; ne le lisez pas, ne le tronquez pas, ne le réencodez pas et ne le concaténez pas entre les tours. Le résumé ne remplace pas l’historique de raisonnement. Résumé et chiffrement du raisonnement.reasoning_content stringContenu du raisonnement approfondi du modèle.tool_callsarrayLe paramètre tool_calls est généré lorsque le modèle doit appeler un outil.
Properties function objectNom de l'outil appelé ainsi que ses paramètres d'entrée.
Properties name stringNom de l'outil en cours d'appel.argumentsstringParamètres à transmettre à l'outil, sous forme de chaîne JSON.En raison de l'aléatoire inhérent aux réponses du LLM, la chaîne JSON générée peut ne pas toujours correspondre aux attentes de votre fonction. Nous vous recommandons de valider les paramètres avant de les injecter dans la fonction. integerIndex de l'objet tool_calls actuel dans le tableau tool_calls.id stringID de cette réponse d'outil.type stringType d'outil, qui doit obligatoirement être function.objectInformations de probabilité associées à l'objet choices courant.
Properties content arrayTableau de tokens accompagné d'informations sur leur probabilité logarithmique.
Properties token stringToken courant.bytes arrayListe des octets UTF-8 bruts du token courant. Cette information permet de reconstruire fidèlement le contenu de sortie, notamment lors du traitement des émojis et des caractères chinois.logprob floatProbabilité logarithmique du token courant. Une valeur nulle signale une probabilité extrêmement faible.top_logprobs arrayTokens les plus probables à la position actuelle avec leurs probabilités logarithmiques. Le nombre d'éléments correspond au paramètre d'entrée top_logprobs.
Properties token stringToken courant.bytes arrayListe des octets UTF-8 bruts du token courant. Cette information permet de reconstruire fidèlement le contenu de sortie, notamment lors du traitement des émojis et des caractères chinois.logprob floatProbabilité logarithmique du token courant. Une valeur nulle signale une probabilité extrêmement faible. | |
usagemapInformations relatives aux tokens pour cette requête de chat.
Properties input_tokens integerLongueur du contenu d'entrée utilisateur après conversion en tokens. Pour plus d'informations, consultez Informations supplémentaires.output_tokens integerLongueur du contenu de sortie du modèle après conversion en tokens.input_tokens_details integerDétails concernant la longueur du contenu d'entrée après conversion en tokens.
Properties text_tokens integerLongueur du texte d'entrée après conversion en tokens.image_tokens integerLongueur de l'image d'entrée après conversion en tokens.video_tokens integerLongueur du fichier vidéo d'entrée ou de la liste d'images après conversion en tokens.integerCe champ est retourné lorsque l'entrée est du texte brut. Il correspond à la somme des champs input_tokens et output_tokens.image_tokens integerCe champ apparaît si le contenu d'entrée comprend une image. Il représente la longueur du contenu image fourni par l'utilisateur après conversion en tokens.video_tokens integerCe champ apparaît si le contenu d'entrée comprend une video. Il représente la longueur du contenu vidéo fourni par l'utilisateur après conversion en tokens.audio_tokens integerCe champ apparaît si le contenu d'entrée comprend un fichier audio. Il représente la longueur du contenu audio fourni par l'utilisateur après conversion en tokens.output_tokens_details integerDétails concernant la longueur du contenu de sortie après conversion en tokens.
Properties text_tokens integerLongueur du texte de sortie après conversion en tokens.reasoning_tokens integerLongueur du processus de raisonnement après conversion en tokens.objectClassification détaillée des tokens d'entrée.
Properties cached_tokens integerNombre de tokens ayant bénéficié du cache. Pour en savoir plus sur le cache de contexte, consultez Cache de contexte.cache_creation objectInformations relatives à la création du cache explicite.
Properties ephemeral_5m_input_tokens integerLongueur des tokens utilisés pour créer un cache explicite valide pendant 5 minutes.integerLongueur des tokens employés pour la création d'un cache explicite.cache_type stringSi vous utilisez la mise en cache explicite, la valeur du paramètre est ephemeral. Dans le cas contraire, ce paramètre n'existe pas. |