Skip to main content
Generasi teks

Ikhtisar

Model generasi teks menghasilkan teks dari prompt bahasa alami untuk aplikasi seperti chatbot, pembuatan konten, ringkasan dokumen, dan penulisan kode.

Input dapat berupa satu kata kunci hingga prompt kompleks multi-langkah dengan konteks. Kasus penggunaan umum meliputi:
  • Pembuatan konten: Hasilkan artikel berita, deskripsi produk, dan skrip video format pendek.
  • Layanan pelanggan: Bangun chatbot otomatis 24/7 untuk menjawab pertanyaan yang sering diajukan.
  • Terjemahan teks: Terjemahkan teks antar berbagai bahasa.
  • Ringkasan: Ringkas artikel panjang, laporan, dan email.
  • Penyusunan dokumen hukum: Susun templat kontrak dan opini hukum.

Konsep utama

Input ke model generasi teks adalah prompt, yang terdiri dari satu atau beberapa objek message masing-masing berisi role dan content:
  • Pesan sistem: Menetapkan persona model, panduan perilaku, atau instruksi spesifik tugas. Nilai default-nya adalah "You are a helpful assistant."
  • Pesan pengguna: Pertanyaan, instruksi, atau input pengguna ke model.
  • Pesan asisten: Tanggapan model. Dalam percakapan multi-putaran, sertakan pesan asisten historis untuk mempertahankan konteks.
Untuk memanggil model, buat array objek message tersebut dengan nama messages. Permintaan tipikal terdiri dari pesan system yang menetapkan panduan perilaku dan pesan user berisi input pengguna.
Pesan system bersifat opsional tetapi direkomendasikan. Mendefinisikan peran dan batasan perilaku model menghasilkan output yang lebih konsisten dan dapat diprediksi.
[
    {"role": "system", "content": "You are a helpful assistant who provides precise, efficient, and insightful responses, ready to assist users with various tasks and questions."},
    {"role": "user", "content": "Who are you?"}
]
Tanggapan berisi balasan model dalam pesan assistant.
{
    "role": "assistant",
    "content": "Hello! I am Qwen, a large-scale language model developed by Tongyi Lab at Alibaba Group. I can help you with tasks like answering questions, creating text, logical reasoning, and coding. I understand and generate multiple languages, and can handle multi-turn conversations and complex instructions. If there is anything you need help with, just let me know!"
}

Mulai cepat

Prasyarat: Dapatkan Kunci API dan Konfigurasikan kunci API sebagai variabel lingkungan. Jika menggunakan SDK, juga instal OpenAI atau SDK DashScope. {WorkspaceId} pada URL dasar contoh adalah ID ruang kerja Anda. Untuk cara mendapatkannya, lihat Wilayah dan domain akses.
  • API Chat Completions Kompatibel OpenAI
  • API Responses Kompatibel OpenAI
  • DashScope
  • Python
  • Java
  • Node.js
  • Go
  • C# (HTTP)
  • PHP (HTTP)
  • curl
import os
from openai import OpenAI

try:
    client = OpenAI(
        # Kunci API bervariasi berdasarkan wilayah. Untuk mendapatkan kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
        # Jika Anda belum mengatur variabel lingkungan, ganti baris berikut dengan Kunci API Alibaba Cloud Model Studio Anda: api_key="sk-xxx",
        api_key=os.getenv("DASHSCOPE_API_KEY"),
        # Titik akhir untuk wilayah Asia Pasifik SE 1 (Singapura). Ganti {WorkspaceId} dengan ID Ruang Kerja Anda. URL bervariasi berdasarkan wilayah.
        base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
    )

    completion = client.chat.completions.create(
        model="qwen3.8-max",
        messages=[
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": "Who are you?"},
        ],
    )
    print(completion.choices[0].message.content)
    # Untuk melihat tanggapan lengkap, hapus komentar baris berikut.
    # print(completion.model_dump_json())
except Exception as e:
    print(f"Error message: {e}")
    print("Untuk informasi lebih lanjut, lihat dokumentasi: https://www.alibabacloud.com/help/en/model-studio/error-code")

Tanggapan

I am Qwen, a large-scale language model developed by Tongyi Lab at Alibaba Group. I can help you answer questions and create content, such as writing stories, official documents, emails, and scripts. I can also do logical reasoning, program, share opinions, play games, and more. If you have any questions or need help, feel free to ask!

Pemrosesan data gambar dan video

Model multimodal memproses data non-teks (gambar, video) untuk tugas seperti menjawab pertanyaan visual dan deteksi peristiwa. Model ini berbeda dari model teks saja dalam dua hal:
  • Pembuatan pesan pengguna: Pesan pengguna multimodal mencakup teks dan data non-teks seperti gambar dan audio.
  • Antarmuka SDK DashScope: Gunakan antarmuka MultiModalConversation untuk SDK Python DashScope, dan kelas MultiModalConversation untuk SDK Java DashScope.
Untuk batasan file gambar dan video, lihat Pemahaman gambar dan video.
  • Chat completions kompatibel OpenAI
  • DashScope
  • Python
  • Node.js
  • curl
from openai import OpenAI
import os

client = OpenAI(
    # Kunci API bervariasi menurut wilayah. Untuk mendapatkan kunci API: https://www.alibabacloud.com/help/en/model-studio/get-api-key
    # Jika variabel lingkungan tidak diatur, berikan kunci API Model Studio Anda secara langsung, misalnya: api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # Ini adalah titik akhir untuk wilayah Singapura. Ganti {WorkspaceId} dengan WorkspaceId Anda. Titik akhir bervariasi menurut wilayah.
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
)
messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "image_url",
                "image_url": {
                    "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20251031/ownrof/f26d201b1e3f4e62ab4a1fc82dd5c9bb.png"
                },
            },
            {"type": "text", "text": "What products are shown in the image?"},
        ],
    }
]
completion = client.chat.completions.create(
    model="qwen3.6-plus",
    messages=messages,
)
print(completion.choices[0].message.content)

Panggilan asinkron

Panggilan asinkron meningkatkan throughput untuk beban kerja konkurensi tinggi.
  • API chat completions kompatibel OpenAI
  • DashScope
Python
import os
import asyncio
from openai import AsyncOpenAI
import platform

// Buat instance klien asinkron.
client = AsyncOpenAI(
    // Kunci API bervariasi berdasarkan wilayah. Untuk mendapatkan kunci API, lihat https://www.alibabacloud.com/help/en/model-studio/get-api-key
    // Jika Anda belum mengatur variabel lingkungan, ganti baris berikut dengan Kunci API Model Studio Anda: api_key="sk-xxx",
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    // Ini adalah URL untuk wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda.
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
)

// Definisikan tugas asinkron.
async def task(question):
    print(f"Sending question: {question}")
    response = await client.chat.completions.create(
        messages=[
            {"role": "user", "content": question}
        ],
        model="qwen-plus",  // Untuk daftar model, lihat https://www.alibabacloud.com/help/en/model-studio/getting-started/models
    )
    print(f"Model response: {response.choices[0].message.content}")

// Fungsi asinkron utama.
async def main():
    questions = ["Who are you?", "What can you do?", "What's the weather like?"]
    tasks = [task(q) for q in questions]
    await asyncio.gather(*tasks)

if __name__ == '__main__':
    // Atur kebijakan event loop.
    if platform.system() == 'Windows':
        asyncio.set_event_loop_policy(asyncio.WindowsSelectorEventLoopPolicy())
    // Jalankan korutin utama.
    asyncio.run(main(), debug=False)

Contoh tanggapan
Karena panggilan bersifat asinkron, urutan tanggapan mungkin berbeda dari contoh ini.
Sending question: Who are you?
Sending question: What can you do?
Sending question: What's the weather like?
Model response: Hello! I'm Qwen, a large-scale language model developed by Tongyi Lab at Alibaba Group. I can help you answer questions and create content, such as writing stories, official documents, emails, and scripts. I can also do logical reasoning, programming, share opinions, play games, and more. If you have any questions or need help, feel free to ask!
Model response: Hello! I am currently unable to access real-time weather information. You can tell me your city or region, and I will do my best to provide you with general weather advice or information. Alternatively, you can use a weather app to check the real-time weather conditions.
Model response: I have many skills, for example:

1. Answering questions: Whether it's academic questions, general knowledge, or professional topics, I can try to help you find answers.
2. Creating text: I can write various types of text, such as stories, official documents, emails, and scripts.
3. Logical reasoning: I can help you solve logical reasoning problems, such as math problems and riddles.
4. Programming: I can provide programming assistance, including code writing, debugging, and optimization.
5. Multilingual support: I support multiple languages, including but not limited to Chinese, English, French, and Spanish.
6. Expressing opinions: I can offer you some perspectives and suggestions to help you make decisions.
7. Playing games: We can play text-based games together, such as riddles or idiom solitaire.

If you have any specific needs or questions, feel free to let me know, and I will do my best to help you!

Penggunaan produksi

Membangun konteks berkualitas tinggi

Memberikan jumlah besar data mentah ke model meningkatkan biaya dan dapat menurunkan kinerja karena keterbatasan jendela konteks. Rekayasa konteks—memuat pengetahuan presisi secara dinamis—meningkatkan kualitas dan efisiensi generasi. Teknik utama meliputi:
  • rekayasa prompt: Rancang dan optimalkan prompt teks untuk mengarahkan model menuju output yang diinginkan. Untuk informasi lebih lanjut, lihat Panduan prompt untuk generasi teks.
  • Retrieval-Augmented Generation (RAG): Memungkinkan model menjawab pertanyaan dari basis pengetahuan eksternal seperti dokumentasi produk atau manual teknis.
  • pemanggilan alat: Mengambil informasi real-time (cuaca, trafik) atau melakukan aksi (panggilan API, mengirim email) atas nama model.
  • memori: Menyediakan memori jangka panjang dan jangka pendek sehingga model dapat mengingat konteks dalam percakapan multi-putaran.

Mengontrol keragaman tanggapan

Parameter temperature dan top_p mengontrol keragaman teks yang dihasilkan. Nilai yang lebih tinggi meningkatkan keragaman; nilai yang lebih rendah meningkatkan determinisme. Untuk mengisolasi efek setiap parameter, sesuaikan hanya satu sekaligus.
  • temperature: Rentang: [0, 2). Terutama menyesuaikan keacakan.
  • top_p: Rentang: [0, 1]. Menyaring tanggapan berdasarkan ambang batas probabilitas.
Contoh berikut menunjukkan bagaimana pengaturan parameter memengaruhi output. Prompt input: "Tulis cerita pendek tiga kalimat di mana karakter utamanya adalah kucing dan sinar matahari."
  • Keragaman tinggi (Contoh: temperature=0.9): Paling baik untuk penulisan kreatif, curah pendapat, atau salinan pemasaran.
Sunlight slanted across the windowsill, and the orange cat crept toward the bright patch as its fur turned the color of melted honey.
It reached out and tapped the light, then sank into it as if stepping into a warm pool, and the sunlight flowed up its back in a quiet tide.
The afternoon grew heavy—curled in drifting gold, the cat heard time melt softly inside its purr.
  • Determinisme tinggi (Contoh: temperature=0.1): Paling baik untuk menjawab pertanyaan berbasis fakta, pembuatan kode, atau teks hukum.
In the afternoon, an old cat curled on the windowsill and dozed while counting the spots of light.
Sunlight hopped across its mottled back, like turning the pages of an old photo album.
Dust rose and fell, as if time whispered: you were once young, and I was once fierce.
temperature:
  • Suhu yang lebih tinggi meratakan distribusi probabilitas token, membuat token yang kurang mungkin menjadi lebih mungkin dan meningkatkan keacakan output.
  • Suhu yang lebih rendah mempertajam distribusi, membuat token berprobabilitas tinggi menjadi semakin mungkin dan mengurangi keacakan output.
top_p:Pengambilan sampel top_p (nukleus) memilih dari himpunan token terkecil yang probabilitas kumulatifnya memenuhi atau melebihi ambang batas top_p. Token diurutkan berdasarkan probabilitas dan dikumpulkan hingga ambang batas tercapai, lalu token berikutnya dipilih secara acak dari himpunan yang telah direduksi ini.
  • top_p yang lebih tinggi memperluas kumpulan pemilihan token, menghasilkan teks yang lebih beragam.
  • top_p yang lebih rendah mempersempit kumpulan, menghasilkan teks yang lebih fokus dan deterministik.
# Pengaturan parameter yang direkomendasikan untuk skenario umum
SCENARIO_CONFIGS = {
    # Penulisan kreatif
    "creative_writing": {
        "temperature": 0.9,
        "top_p": 0.95
    },
    # Pembuatan kode
    "code_generation": {
        "temperature": 0.2,
        "top_p": 0.8
    },
    # Tanya jawab faktual
    "factual_qa": {
        "temperature": 0.1,
        "top_p": 0.7
    },
    # Terjemahan
    "translation": {
        "temperature": 0.3,
        "top_p": 0.8
    }
}

# Contoh OpenAI
# completion = client.chat.completions.create(
#     model="qwen-plus",
#     messages=[{"role": "user", "content": "Write a poem about the moon"}],
#     **SCENARIO_CONFIGS["creative_writing"]
# )
# Contoh DashScope
# response = Generation.call(
#     // Jika Anda belum mengatur variabel lingkungan, ganti baris berikut dengan Kunci API Alibaba Cloud Model Studio Anda: api_key = "sk-xxx",
#     api_key=os.getenv("DASHSCOPE_API_KEY"),
#     model="qwen-plus",
#     messages=[{"role": "user", "content": "Write a Python function that determines whether the input n is a prime number. Output code only."}],
#     result_format="message",
#     **SCENARIO_CONFIGS["code_generation"]
# )

Fitur lainnya

Untuk skenario yang lebih kompleks, fitur-fitur berikut tersedia:
  • percakapan multi-putaran: Untuk interaksi berkelanjutan seperti pertanyaan lanjutan atau pengumpulan informasi.
  • keluaran streaming: Mengembalikan token secara bertahap saat dihasilkan, mencegah timeout untuk chatbot dan pembuatan kode real-time.
  • pemikiran mendalam: Menghasilkan jawaban yang lebih berkualitas dan terstruktur untuk penalaran kompleks atau analisis strategis.
  • output terstruktur: Membatasi tanggapan ke format JSON konsisten untuk penggunaan pemrograman dan penguraian data.
  • penyelesaian awalan: Melanjutkan generasi dari teks yang sudah ada, berguna untuk penyelesaian kode atau penulisan bentuk panjang.

Referensi API

Untuk semua parameter, lihat referensi API kompatibel OpenAI dan referensi API DashScope.

FAQ

T: Mengapa jumlah token input lebih tinggi daripada jumlah token teks yang saya kirim?

J: Saat memproses percakapan, sistem menggunakan Templat Chat untuk membungkus teks input mentah, menambahkan penanda kontrol seperti pengenal peran dan batas pesan. Penanda yang dihasilkan sistem ini juga dihitung sebagai token. Sebagai contoh, saat Anda mengirim pesan {"role": "user", "content": "Hi"} ke qwen3.8-max, teks "Hi" hanya sesuai dengan 1 token setelah tokenisasi. Namun, selama pemrosesan sistem, teks input lengkap yang sebenarnya diformat sebagai berikut: <|im_start|>user\nHi<|im_end|>\n<|im_start|>assistant\n<think>. Setelah tokenisasi, teks lengkap ini meningkatkan jumlah total token input menjadi 11.

T: Mengapa API Qianwen tidak bisa menganalisis tautan halaman web?

J: API Qianwen tidak dapat mengakses konten halaman web secara langsung. Sebagai gantinya, gunakan pemanggilan fungsi, atau alat pengambilan web seperti Beautiful Soup Python untuk mengekstrak konten dan meneruskannya ke model.

T: Perbedaan tanggapan:Qianwen (Web)vs. API Qianwen

J: Qianwen (Web) menambahkan fitur di atas API Qianwen, termasuk penguraian halaman web, pencarian web, pembuatan gambar, dan pembuatan PPT. Fitur-fitur ini tidak termasuk dalam API dasar, tetapi Anda dapat membangun fungsionalitas serupa menggunakan , pemanggilan fungsi.

T: Menghasilkan file Word, Excel, PDF, atau PPT

J: Tidak. Model generasi teks hanya menghasilkan teks biasa. Konversi output ke format yang diinginkan menggunakan kode Anda sendiri atau pustaka pihak ketiga.
Rencana Token (Team Edition)
Model playground
Statistik dan Pemantauan
Asset Center
Dukungan layanan