Model compression - Alibaba Cloud Model Studio

Visão geral

A API de Model Compression compacta modelos personalizados ajustados com parâmetros completos por meio de técnicas como quantização, reduzindo o uso de memória durante a inferência e melhorando o throughput. Atualmente, o recurso de compressão suporta apenas quantização e abrange todo o ciclo de vida: consulta de templates, criação de tarefas, verificação de status, obtenção de logs e cancelamento ou exclusão de tarefas. Fluxo típico:

Liste os modelos quantizáveis e os templates de configuração → obtenha o template_id e o model quantizável
Crie uma tarefa de compressão → obtenha o job_id
Consulte periodicamente o status da tarefa de compressão ou obtenha os logs → aguarde até atingir SUCCEEDED / FAILED / CANCELED
Após o status SUCCEEDED, use quantized_output para criar um deployment; quando não for mais necessário, cancele ou exclua a tarefa de compressão

Domínio para todos os endpoints da API: https://dashscope-intl.aliyuncs.com. A autenticação utiliza uniformemente Authorization: Bearer ${YOUR_API_KEY}, e as requisições POST devem incluir Content-Type: application/json. Para entender o significado dos campos do objeto de tarefa e a máquina de estados, consulte Objeto de tarefa de compressão; para códigos de erro unificados, veja Error codes ao final do documento.

Início rápido

A API de compressão de modelos está disponível atualmente apenas na região Singapore. Se você utilizar outra região, realize as operações de compressão de modelos pelo console Bailian dessa região.

A API de compressão de modelos oferece um conjunto completo de interfaces RESTful que cobrem consulta de templates, criação de jobs, verificação de status, obtenção de logs e cancelamento ou exclusão de jobs. Este documento destina-se a desenvolvedores que desejam integrar capacidades de compressão via OpenAPI ou SDK. Para introduções sobre o console, consulte os documentos relacionados.

Pré-requisitos

Antes de chamar as interfaces deste documento, conclua as etapas a seguir:

Ative o service Alibaba Cloud Bailian e conclua a verificação de nome real.
O workspace atual deve ter pelo menos um modelo personalizado ajustado com parâmetros completos baseado em qwen3.5-flash-2026-02-23 (concluído via interface de job de ajuste fino). O recurso de compressão atual suporta apenas este modelo; modelos LoRA e modelos já quantizados não são suportados.
Obtenha uma API Key (consulte Obtain API Key).

As especificações da unidade de deployment suportadas pelo modelo de saída compactado são determinadas pelo template de quantização selecionado, e a quantidade de deployments é configurada no console Bailian em "Model Deployment". O recurso de compressão atual é gratuito por tempo limitado.

Lista de interfaces

Domínios de todas as interfaces: https://dashscope-intl.aliyuncs.com

#	Método	Caminho	Descrição
1	GET	`/api/v1/fine-tunes/compress/templates`	Lista modelos quantizáveis e templates de configuração
2	POST	`/api/v1/fine-tunes/compress/jobs`	Cria job de compressão
3	GET	`/api/v1/fine-tunes/compress/jobs`	Lista jobs de compressão
4	GET	`/api/v1/fine-tunes/compress/jobs/{job_id}`	Consulta detalhes do job de compressão
5	GET	`/api/v1/fine-tunes/compress/jobs/{job_id}/logs`	Obtém logs do job de compressão
6	POST	`/api/v1/fine-tunes/compress/jobs/{job_id}/cancel`	Cancela job de compressão
7	DELETE	`/api/v1/fine-tunes/compress/jobs/{job_id}`	Exclui job de compressão

Autenticação

Todas as interfaces transmitem a API Key via HTTP Header:

Authorization: Bearer ${YOUR_API_KEY}

Content-Type: application/json aplica-se a cenários com corpo de requisição POST.

Comece em 5 minutos

HTTP

Instale a biblioteca requests:

pip install requests

Exemplo completo de criação de job, polling e obtenção do modelo de saída:

import requests, time

API_KEY = "YOUR_API_KEY"
BASE = "https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/compress"
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}

# 1. Create compression job
resp = requests.post(f"{BASE}/jobs", headers=HEADERS, json={
    "model": "qwen3.5-flash-2026-02-23-ft-***",  # Custom fine-tuned model ID
    "template_id": "quant-flash-nvfp4-mlp-nomtp",          # Obtain via GET /templates
    "output_model_suffix": "test",                          # Max 8 characters, lowercase letters and digits only
}).json()
job_id = resp["output"]["job_id"]
print("Job:", job_id)

# 2. Poll until terminal state
status = resp["output"]["status"]
while status not in ("SUCCEEDED", "FAILED", "CANCELED"):
    time.sleep(30)
    resp = requests.get(f"{BASE}/jobs/{job_id}", headers=HEADERS).json()
    status = resp["output"]["status"]
    print("Status:", status)

# 3. Process results
if status == "SUCCEEDED":
    print("Quantized model:", resp["output"]["quantized_output"])
    # Use quantized_output to call the model deployment interface for deployment
elif status == "FAILED":
    print("Error:", resp["output"]["error"])

Liste jobs e obtenha logs:

# List all successfully compressed jobs
resp = requests.get(f"{BASE}/jobs", headers=HEADERS, params={"status": "SUCCEEDED", "page_size": 20}).json()
for j in resp["output"]["jobs"]:
    print(j["job_id"], j["template_name"], j["quantized_output"])

# Get job logs
resp = requests.get(f"{BASE}/jobs/{job_id}/logs", headers=HEADERS, params={"offset": 0, "line": 100}).json()
for line in resp["output"]["logs"]:
    print(line)

Regras de nomenclatura do modelo de saída:

quantized_output = {base_model}-{output_model_suffix}-{job_id}

Por exemplo, se base_model for qwen3.5-flash-2026-02-23, suffix for test e job_id for quant-202604111200-a1b2, o ID do modelo de saída será:

qwen3.5-flash-2026-02-23-test-quant-202604111200-a1b2

Consulte a página de detalhes de cada interface para exemplos de uso com cURL.

Objeto de job de compressão

A API de compressão de modelos está disponível atualmente apenas na região Singapore. Se você utilizar outra região, realize a compressão de modelos no console Bailian dessa região.

Propriedades do objeto

Parâmetros de resposta

Campo	Tipo	Descrição
job_id	String	ID do job
job_name	String	Nome do job
job_description	String	Descrição do job
status	String	Status do job (consulte Status do job)
model	String	ID do modelo de source
base_model	String	ID do modelo base
template_id	String	ID do template de compressão em uso
template_name	String	Nome do template
template_description	String	Descrição do template
training_type	String	Tipo de job, fixo como `quantization`
compress_type	String	Tipo de compressão, igual a `training_type`, fixo como `quantization`
hyper_parameters	Object	Hiperparâmetros efetivamente aplicados (retorna apenas parâmetros visíveis ao usuário)
custom_calibration_file_ids	Array<String>	Lista de IDs de arquivo do conjunto de dados de calibração personalizado
quantized_output	String	ID do modelo gerado após a quantização (possui valor apenas quando SUCCEEDED)
create_time	String	Horário de criação do job
start_time	String	Horário de início da execução do job (nulo quando PENDING/QUEUING)
end_time	String	Horário de conclusão do job (possui valor em estados terminais)
error	Object	Informações de erro em caso de falha, contendo `code` e `message`; nulo em caso de sucesso
group	String	Grupo do job, fixo como `quantization`
usage	Integer	Duração da GPU (segundos), aparece quando SUCCEEDED ou CANCELED

Status do job

Status	Descrição
`PENDING`	Job criado, aguardando agendamento
`QUEUING`	Entrou na fila de agendamento, aguardando recursos de GPU
`RUNNING`	Job em andamento
`CANCELING`	Cancelamento iniciado, aguardando encerramento
`SUCCEEDED`	Job concluído com sucesso, o campo `quantized_output` retorna o ID do modelo gerado
`FAILED`	Job falhou, os campos `error.code` / `error.message` retornam o motivo
`CANCELED`	Job cancelado

Transição de status:

PENDING ─→ QUEUING ─→ RUNNING ─→ SUCCEEDED
                  │           │
                  ↓           ↓
                CANCELING ─→ FAILED / CANCELED

Listar modelos quantizáveis e templates de configuração

Lista todos os modelos personalizados ajustados quantizáveis do usuário atual, bem como os templates de compressão vinculados a cada modelo. Os templates são vinculados aos modelos base; diferentes combinações de arquitetura de modelo × precisão × especificações de MU alvo correspondem a diferentes templates.

Retorna apenas modelos personalizados que o usuário atual ajustou completamente (SFT/DPO/CPT) com base em um modelo base. Modelos ajustados com LoRA e modelos já quantizados não aparecerão nos resultados.

Endpoint

GET /api/v1/fine-tunes/compress/templates

Parâmetros de requisição

Parâmetro	Tipo	Obrigatório	Padrão	Descrição
model	String	Não	-	Filtra por ID de modelo; ao passar um nome de modelo base, retorna todos os modelos personalizados baseados nesse modelo base
lang	String	Não	zh-CN	Idioma da resposta: `zh-CN` / `en-US` (consulte Suporte a múltiplos idiomas)

Exemplo de requisição

curl "https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/compress/templates" \
  -H "Authorization: Bearer ${API_KEY}"

Exemplo de resposta (mínimo)

{
  "request_id": "uuid-string",
  "output": {
    "base_models": ["qwen3.5-flash-2026-02-23"],
    "custom_models": [
      {
        "model": "qwen3.5-flash-2026-02-23-ft-***",
        "model_name": "My SFT fine-tuned model",
        "base_model": "qwen3.5-flash-2026-02-23",
        "templates": [
          {
            "template_id": "quant-flash-nvfp4-mlp-nomtp",
            "template_name": "W4A4 NVFP4 high-performance compression-MU5/MU8/MU9",
            "description": "Balances high precision and high performance under lower-bit compression, further reducing memory usage and improving inference throughput.",
            "compress_type": "quantization",
            "hyper_parameters": []
          }
        ]
      }
    ]
  }
}

Exemplo de resposta (completo: com hiperparâmetros ajustáveis)

{
  "request_id": "uuid-string",
  "output": {
    "base_models": ["qwen3.5-flash-2026-02-23"],
    "custom_models": [
      {
        "model": "qwen3.5-flash-2026-02-23-ft-***",
        "model_name": "My SFT fine-tuned model",
        "base_model": "qwen3.5-flash-2026-02-23",
        "templates": [
          {
            "template_id": "quant-flash-nvfp4-mlp-nomtp",
            "template_name": "W4A4 NVFP4 high-performance compression-MU5/MU8/MU9",
            "description": "Balances high precision and high performance under lower-bit compression, further reducing memory usage and improving inference throughput.",
            "compress_type": "quantization",
            "hyper_parameters": [
              {
                "name": "calib_input",
                "type": "string",
                "display_name": "Calibration input",
                "description": "Whether to enable calibration input",
                "support_values": ["true"],
                "defaultValue": "true",
                "recommend_value": "true",
                "required": false
              }
            ]
          }
        ]
      }
    ]
  }
}

Parâmetros de resposta

Campo	Tipo	Descrição
base_models	Array<String>	Lista de nomes de modelos base que suportam compressão
custom_models[].model	String	ID do modelo
custom_models[].model_name	String	Nome de exibição do modelo
custom_models[].base_model	String	Nome do modelo base
custom_models[].templates	Array	Lista de templates de configuração de compressão suportados por este modelo, herdados dos templates de seu modelo base
templates[].template_id	String	ID do template, passado como parâmetro template_id ao criar uma tarefa de compressão
templates[].template_name	String	Nome do template (suporta múltiplos idiomas; retorna a versão correspondente ao idioma com base no parâmetro `lang`)
templates[].description	String	Descrição do template (suporta múltiplos idiomas; retorna a versão correspondente ao idioma com base no parâmetro `lang`)
templates[].compress_type	String	Tipo de compressão, fixo como `quantization`
templates[].hyper_parameters	Array	Hiperparâmetros ajustáveis; um array vazio indica que não há hiperparâmetros ajustáveis
hyper_parameters[].name	String	Nome do parâmetro (usado como chave ao criar uma tarefa)
hyper_parameters[].type	String	Tipo: `number` (numérico, usado com `data_range`/`step`) / `string` (enumeração, usado com `support_values`)
hyper_parameters[].display_name	String	Nome de exibição do parâmetro (suporta múltiplos idiomas; retorna a versão correspondente ao idioma com base no parâmetro `lang`)
hyper_parameters[].description	String	Descrição do parâmetro (suporta múltiplos idiomas; retorna a versão correspondente ao idioma com base no parâmetro `lang`)
hyper_parameters[].defaultValue	String	Valor padrão
hyper_parameters[].recommend_value	String	Valor recomendado
hyper_parameters[].required	Boolean	Se é obrigatório
hyper_parameters[].support_values	Array<String>	Lista de valores de enumeração (presente apenas quando `type=string`), ex.: `["instruct", "think", "hybrid"]`
hyper_parameters[].data_range	Array<String>	Faixa numérica (presente apenas quando `type=number`), ex.: `["64","256"]` indica uma faixa de 64 a 256
hyper_parameters[].step	Integer	Tamanho do passo (presente apenas quando `type=number`)

Criar um job de compressão

Endpoint

POST /api/v1/fine-tunes/compress/jobs

Parâmetros de requisição

Parâmetro	Tipo	Obrigatório	Padrão	Descrição
model	String	Sim	-	ID do modelo de source, obtido via API
template_id	String	Sim	-	ID do template de compressão, obtido via API
job_name	String	Não	Gerado automaticamente	Nome do job; duplicatas não são permitidas para o mesmo usuário; até 50 caracteres
job_description	String	Não	-	Descrição do job; até 200 caracteres
hyper_parameters	Object	Não	Valor padrão do template	Substituições de hiperparâmetros (chave-valor); passe apenas os itens que deseja substituir
custom_calibration_file_ids	Array<String>	Não	-	Lista de IDs de arquivo do conjunto de dados de calibração personalizado (ID do grupo de conjunto de dados, no formato `file-{32hex}`); entra em vigor apenas quando `calib_input=true`. O conjunto de dados deve ser criado e publicado primeiro em Data Management
output_model_suffix	String	Não	-	Sufixo do nome do modelo de saída quantizado; até 8 caracteres, apenas letras minúsculas e dígitos. Formato do nome do modelo de saída: `{base_model}-{suffix}-{job_id}`

Exemplo de requisição

curl -X POST "https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/compress/jobs" \
  -H "Authorization: Bearer ${API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{
    "job_name": "qwen3.5-flash compression job",
    "model": "qwen3.5-flash-2026-02-23-ft-***",
    "template_id": "quant-flash-nvfp4-mlp-nomtp",
    "custom_calibration_file_ids": ["file-***"],
    "output_model_suffix": "test"
  }'

Exemplo de resposta

{
  "request_id": "uuid-string",
  "output": {
    "job_id": "quant-202604111200-a1b2",
    "job_name": "qwen3.5-flash compression job",
    "status": "PENDING",
    "model": "qwen3.5-flash-2026-02-23-ft-***",
    "base_model": "qwen3.5-flash-2026-02-23",
    "template_id": "quant-flash-nvfp4-mlp-nomtp",
    "template_name": "W4A4 NVFP4 high-performance compression-MU5/MU8/MU9",
    "training_type": "quantization",
    "compress_type": "quantization",
    "hyper_parameters": {},
    "custom_calibration_file_ids": ["file-***"],
    "quantized_output": null,
    "create_time": "2026-04-11 12:00:00",
    "start_time": null,
    "end_time": null,
    "error": null,
    "group": "quantization"
  }
}

Parâmetros de resposta: Os significados dos campos são os mesmos dos parâmetros de requisição.

Listar jobs de compressão

Suporta filtragem por status, modelo, template, especificação de quantização, algoritmo, intervalo de tempo, nome/ID do job, além de ordenação por horário de criação e paginação. Endpoint

GET /api/v1/fine-tunes/compress/jobs

Parâmetros de requisição

Parâmetro	Tipo	Obrigatório	Padrão	Descrição
status	String	Não	-	Filtra por status (ex.: RUNNING, SUCCEEDED)
model	String	Não	-	Filtra por ID do modelo de source
template_id	String	Não	-	Filtra por ID do template
quant_spec	String	Não	-	Filtra por especificação de quantização (ex.: `w4a16`, `w8a8`)
quant_method	String	Não	-	Filtra por algoritmo de quantização (ex.: `gptq`, `awq`, `fp8`)
start_time	String	Não	-	O horário de início do job não é anterior a este valor. Formato: `yyyy-MM-dd HH:mm:ss` / ISO-8601 / `yyyy-MM-dd`
end_time	String	Não	-	O horário de término do job não é posterior a este valor, formato igual a `start_time`
job_name	String	Não	-	Correspondência aproximada por nome do job
job_id	String	Não	-	Correspondência aproximada por ID do job
search_key	String	Não	-	Palavra-chave de busca. Quando `select_key` não é fornecido, busca aproximadamente tanto em `job_id` quanto em `job_name`; quando combinado com `select_key`, apenas o campo especificado é buscado
select_key	String	Não	-	Campo de busca para `search_key`, opções: `job_id` / `job_name`
sort_by	String	Não	create_time	Campo de ordenação, atualmente suporta apenas `create_time`
sort_order	String	Não	desc	Direção da ordenação, `asc` ascendente / `desc` descendente
page_no	Integer	Não	1	Número da página
page_size	Integer	Não	10	Tamanho da página, máximo 100

Exemplos de requisição

# Combined search: by status + algorithm + pagination
curl "https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/compress/jobs?status=SUCCEEDED&quant_method=gptq&page_size=10" \
  -H "Authorization: Bearer ${API_KEY}"

# Time range + search by job name + ascending by create time
curl "https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/compress/jobs?start_time=2026-04-01&end_time=2026-04-30&search_key=qwen3&select_key=job_name&sort_by=create_time&sort_order=asc" \
  -H "Authorization: Bearer ${API_KEY}"

Exemplo de resposta

{
  "request_id": "uuid-string",
  "output": {
    "total": 42,
    "page_no": 1,
    "page_size": 10,
    "jobs": [
      {
        "job_id": "quant-202604111200-a1b2",
        "job_name": "qwen3.5-flash compression job",
        "status": "SUCCEEDED",
        "model": "qwen3.5-flash-2026-02-23-ft-***",
        "base_model": "qwen3.5-flash-2026-02-23",
        "template_id": "quant-flash-nvfp4-mlp-nomtp",
        "template_name": "W4A4 NVFP4 high-performance compression-MU5/MU8/MU9",
        "training_type": "quantization",
        "compress_type": "quantization",
        "custom_calibration_file_ids": ["file-***"],
        "quantized_output": "qwen3.5-flash-2026-02-23-test-quant-202604111200-a1b2",
        "create_time": "2026-04-11 12:00:00",
        "start_time": "2026-04-11 12:02:30",
        "end_time": "2026-04-11 13:02:30",
        "group": "quantization",
        "usage": 3600
      }
    ]
  }
}

Parâmetros de resposta

Campo	Tipo	Descrição
total	Integer	Número total de jobs correspondentes
page_no	Integer	Número da página atual
page_size	Integer	Tamanho da página
jobs	Array	Lista de jobs, os significados dos campos são os mesmos dos parâmetros de resposta da criação de job de compressão

Consultar um job de compressão

Endpoint

GET /api/v1/fine-tunes/compress/jobs/{job_id}

Exemplo de requisição

curl "https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/compress/jobs/quant-202604111200-a1b2" \
  -H "Authorization: Bearer ${API_KEY}"

Exemplo de resposta

{
  "request_id": "uuid-string",
  "output": {
    "job_id": "quant-202604111200-a1b2",
    "job_name": "qwen3.5-flash compression job",
    "job_description": "...",
    "status": "SUCCEEDED",
    "model": "qwen3.5-flash-2026-02-23-ft-***",
    "base_model": "qwen3.5-flash-2026-02-23",
    "template_id": "quant-flash-nvfp4-mlp-nomtp",
    "template_name": "W4A4 NVFP4 high-performance compression-MU5/MU8/MU9",
    "template_description": "Maintains high accuracy and high performance under lower-bit compression, further reducing GPU memory usage and improving inference throughput.",
    "training_type": "quantization",
    "compress_type": "quantization",
    "hyper_parameters": {},
    "custom_calibration_file_ids": ["file-***"],
    "quantized_output": "qwen3.5-flash-2026-02-23-test-quant-202604111200-a1b2",
    "create_time": "2026-04-11 12:00:00",
    "start_time": "2026-04-11 12:02:30",
    "end_time": "2026-04-11 13:02:30",
    "error": null,
    "group": "quantization",
    "usage": 3600
  }
}

Parâmetros de resposta

Campo	Tipo	Descrição
job_id	String	ID do job, obtido via interface de criação ou listagem de jobs de compressão
job_name	String	Nome do job
job_description	String	Descrição do job
status	String	Status do job (consulte Status do job para detalhes)
model	String	ID do modelo de source
base_model	String	ID do modelo base
template_id	String	ID do template de compressão utilizado
template_name	String	Nome do template
template_description	String	Descrição do template
training_type	String	Tipo de job, fixo como `quantization`
compress_type	String	Tipo de compressão, igual a `training_type`, fixo como `quantization`
hyper_parameters	Object	Hiperparâmetros efetivamente aplicados (retorna apenas parâmetros visíveis ao usuário)
custom_calibration_file_ids	Array<String>	Lista de IDs de arquivo do conjunto de dados de calibração personalizado
quantized_output	String	ID do modelo gerado após a quantização (possui valor apenas quando SUCCEEDED), pode ser usado pela interface Create deployment para deployment do modelo
create_time	String	Horário de criação do job
start_time	String	Horário de início da execução do job (nulo quando PENDING/QUEUING)
end_time	String	Horário de conclusão do job (possui valor em estados terminais)
error	Object	Informações de erro em caso de falha, contendo `code` e `message`; nulo em caso de sucesso
group	String	Grupo do job, fixo como `quantization`
usage	Integer	Duração da GPU (segundos), presente quando SUCCEEDED ou CANCELED

Obter logs do job de compressão

Endpoint

GET /api/v1/fine-tunes/compress/jobs/{job_id}/logs

Onde {job_id} é o ID do job de compressão, obtido via interface de criação ou listagem de jobs de compressão. Parâmetros de requisição

Parâmetro	Tipo	Obrigatório	Padrão	Descrição
offset	Integer	Não	0	Ignora as primeiras N linhas e começa a leitura a partir da linha (N+1)
line	Integer	Não	100	Número de linhas a ler, até 1000

Exemplo de requisição

curl "https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/compress/jobs/quant-202604111200-a1b2/logs?offset=0&line=50" \
	-H "Authorization: Bearer ${API_KEY}"

Exemplo de resposta

{
  "request_id": "uuid-string",
  "output": {
    "total": 15,
    "logs": [
      "2026-04-11 12:02:35 - INFO - Starting quantization...",
      "2026-04-11 12:30:00 - INFO - Quantization progress: 100%",
      "2026-04-11 12:35:00 - INFO - Quantization succeeded!"
    ]
  }
}

Regras de exibição de logs

Quando um conjunto de dados de calibração personalizado é fornecido para o job, os logs contêm um marcador de conclusão de processamento de dados data process succeeded, start to quantization
A interface de logs filtra marcadores internos do sistema e retorna apenas informações legíveis sobre o progresso da compressão

Cancelar um job de compressão

É possível cancelar apenas jobs nos estados PENDING, QUEUING ou RUNNING. O cancelamento é uma operação assíncrona. O job entra primeiro no estado transitório CANCELING e eventualmente torna-se CANCELED. Endpoint

POST /api/v1/fine-tunes/compress/jobs/{job_id}/cancel

Onde {job_id} é o ID do job de compressão, obtido via API de criação ou listagem de jobs de compressão. Exemplo de requisição

curl -X POST "https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/compress/jobs/quant-202604111200-a1b2/cancel" \
  -H "Authorization: Bearer ${API_KEY}"

Exemplo de resposta

{
  "request_id": "uuid-string",
  "output": { "status": "success" }
}

Excluir um job de compressão

É possível excluir apenas jobs em estado terminal (SUCCEEDED / FAILED / CANCELED). Excluir o registro do job não exclui o modelo quantizado já gerado (quantized_output). Endpoint

DELETE /api/v1/fine-tunes/compress/jobs/{job_id}

Onde {job_id} é o ID do job de compressão, obtido via API de criação ou listagem de jobs de compressão. Exemplo de requisição

curl -X DELETE "https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/compress/jobs/quant-202604111200-a1b2" \
  -H "Authorization: Bearer ${API_KEY}"

Exemplo de resposta

{
  "request_id": "uuid-string",
  "output": { "status": "success" }
}

Código de erro

Códigos de erro comuns

Código de erro	HTTP	Descrição
`InvalidParameter`	400	Parâmetro de requisição inválido
`MissingParameter`	400	Parâmetro obrigatório ausente
`Unauthorized`	401	Falha na autenticação
`Forbidden`	403	Sem permissão de acesso
`ResourceNotFound`	404	Recurso não existe
`UnsupportedOperation`	400	O estado do recurso não permite esta operação (ex.: cancelar um job que já está em estado terminal)
`QuotaExceeded`	429	Cota excedida
`InternalError`	500	Erro interno do service

Códigos de erro de negócio

Os seguintes códigos de erro de negócio estão listados por cenário. External Code é o valor real do campo code retornado pela interface. Validação de parâmetros

External Code	HTTP	Descrição
`InvalidParameter`	400	Parâmetro obrigatório ausente `model`
`InvalidParameter`	400	Parâmetro obrigatório ausente `template_id`
`InvalidParameter`	400	Quantização direta de modelos base não é suportada
`InvalidParameter`	400	O template de configuração especificado não existe
`InvalidParameter`	400	O modelo atual não suporta este template de compressão
`InvalidParameter`	400	O modelo não suporta quantização
`InvalidParameter`	400	Modelos ajustados com LoRA não suportam quantização
`InvalidParameter`	400	Dados do modelo indisponíveis
`InvalidParameter`	400	O nome do job contém caracteres não suportados
`InvalidParameter`	400	`output_model_suffix` excede 8 caracteres
`InvalidParameter`	400	O modelo de source não está pronto
`AccessDenied`	403	Sem permissão para usar este template de compressão

Validação de hiperparâmetros

External Code	HTTP	Descrição
`InvalidParameter`	400	Hiperparâmetro obrigatório não fornecido
`InvalidParameter`	400	Hiperparâmetro desconhecido fornecido
`InvalidParameter`	400	O valor do hiperparâmetro não está na lista de enumeração
`InvalidParameter`	400	O valor do hiperparâmetro está fora da faixa permitida
`InvalidParameter`	400	O valor do hiperparâmetro não é um número válido

Consulta de job

External Code	HTTP	Descrição
`NotFound`	404	O job de compressão especificado não existe
`InvalidParameter`	400	Parâmetro obrigatório ausente `job_id`

Parâmetros de paginação e tempo

External Code	HTTP	Descrição
`InvalidParameter`	400	Parâmetro de número de página inválido (deve ser ≥ 1)
`InvalidParameter`	400	Tamanho de página inválido (deve ser 1–100)
`InvalidParameter`	400	Formato de tempo inválido

Exemplo de resposta de erro

{
  "request_id": "uuid-string",
  "code": "InvalidParameter",
  "message": "The specified model 'xxx-lora-yyy' is a LoRA model and not supported for quantization."
}

​Visão geral

​Início rápido

​Pré-requisitos

​Lista de interfaces

​Autenticação

​Comece em 5 minutos

​Objeto de job de compressão

​Propriedades do objeto

​Status do job

​Listar modelos quantizáveis e templates de configuração

​Criar um job de compressão

​Listar jobs de compressão

​Consultar um job de compressão

​Obter logs do job de compressão

​Cancelar um job de compressão

​Excluir um job de compressão

​Código de erro

​Códigos de erro comuns

​Códigos de erro de negócio

​Exemplo de resposta de erro

Visão geral

Início rápido

Pré-requisitos

Lista de interfaces

Autenticação

Comece em 5 minutos

Objeto de job de compressão

Propriedades do objeto

Status do job

Listar modelos quantizáveis e templates de configuração

Criar um job de compressão

Listar jobs de compressão

Consultar um job de compressão

Obter logs do job de compressão

Cancelar um job de compressão

Excluir um job de compressão

Código de erro

Códigos de erro comuns

Códigos de erro de negócio

Exemplo de resposta de erro