Passer au contenu principal

Documentation Index

Fetch the complete documentation index at: https://docs.aihubmix.com/llms.txt

Use this file to discover all available pages before exploring further.

​
Série Qwen 3

Qwen3 redéfinit les LLM ouverts grâce à des modes de thinking dynamiques, excellant dans le code, les mathématiques et le raisonnement multilingue. Propulsé par des paramètres actifs sparse de 22 milliards, il combine une vitesse fulgurante et une intelligence profonde — entièrement open-source, du modèle léger aux géants 235B. 1. Utilisation de base : redirection au format compatible OpenAI.
2. Appel d’outils : les outils classiques prennent en charge le format compatible OpenAI, tandis que les MCP Tools s’appuient sur qwen-agent et nécessitent d’installer d’abord les dépendances avec la commande : pip install -U qwen-agent mcp. Pour plus de détails, consultez la documentation officielle Ali 
from openai import OpenAI

client = OpenAI(
    api_key="sk-***", # 🔑 Replace it by your AiHubMix Key
    base_url="https://aihubmix.com/v1",
)

completion = client.chat.completions.create(
    model="Qwen/Qwen3-30B-A3B",
    messages=[
        {
            "role": "user",
            "content": "Explain the Occam's Razor concept and provide everyday examples of it"
        }
    ],
    stream=True
)

for chunk in completion:
    if hasattr(chunk.choices, '__len__') and len(chunk.choices) > 0:
        if hasattr(chunk.choices[0].delta, 'content') and chunk.choices[0].delta.content is not None:
            print(chunk.choices[0].delta.content, end="")

​
Série Qwen 2.5 et QwQ/QvQ

Utilisez le format compatible OpenAI pour la redirection ; la différence est que l’appel en streaming doit extraire chunk.choices[0].delta.content, voir ci-dessous. 1. QvQ, Qwen 2.5 VL : reconnaissance d’images.
2. QwQ : tâche textuelle. 
from openai import OpenAI
import base64
import os

client = OpenAI(
    api_key="sk-***", # 🔑 Replace it by your AiHubMix Key
    base_url="https://aihubmix.com/v1",
)

image_path = "yourpath/file.png"

def encode_image(image_path):
    if not os.path.exists(image_path):
        raise FileNotFoundError(f"Image file does not exist: {image_path}")
    
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode('utf-8')

# Get the base64 encoding of the image
base64_image = encode_image(image_path)

completion = client.chat.completions.create(
    model="qwen2.5-vl-72b-instruct", #qwen2.5-vl-72b-instruct OR Qwen/QVQ-72B-Preview
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Please describe this image in detail"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{base64_image}"
                    }
                }
            ]
        }
    ],
    stream=True
)

for chunk in completion:
    if hasattr(chunk.choices, '__len__') and len(chunk.choices) > 0:
        if hasattr(chunk.choices[0].delta, 'content') and chunk.choices[0].delta.content is not None:
            print(chunk.choices[0].delta.content, end="")
Dernière mise à jour : 2026-06-01