​
Qwen 3 シリーズ

Qwen3シリーズは、アリババがリリースした新世代のオープンソース大規模モデルで、その能力は大幅に向上しています。コード理解、数学的推論、多言語表現、複雑な推論タスクにおいて、現在の市場のトップモデル（o1、DeepSeek-R1など）に匹敵するか、それを超える性能を発揮します。その核心的なブレークスルーは、「思考モード」と「非思考モード」の切り替えメカニズムを導入したことにあり、モデルが異なる難易度のタスクに直面した際に、推論の深さを自律的に調整し、速度と精度の両方で優れたバランスを実現しました。 フラッグシップ版のQwen3-235Bは、スパースアクティベーションを採用しており、わずか22Bのパラメータで推論を行い、コストと卓越した能力を両立しています。全シリーズのモデルは完全にオープンソース化されており、軽量から超大規模なニーズまでをカバーしています。

1. 基本的な使用法： OpenAI互換形式で転送します。 2. ツール呼び出し： 通常のTools呼び出しはOpenAI互換形式をサポートします（V2.5、V3に適用）。MCP Toolsはqwen-agentに依存するため、まずpip install -U qwen-agent mcpコマンドを実行して依存関係をインストールする必要があります。 詳細については、アリババ公式ドキュメントを参照してください。

from openai import OpenAI

client = OpenAI(
    api_key="sk-***", # 🔑 AiHubMixで生成したキーに置き換えてください
    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
)

# 一部のチャンクオブジェクトにはchoices属性がないか、choicesが空のリストである場合があります。処理方法：
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="")

​
QvQ、Qwen 2.5、および QwQ シリーズ

OpenAI互換形式で転送するだけで、違いはストリーミング呼び出しの抽出にあり、空のchunk.choices[0].delta.contentを削除する必要があります。以下を参照してください。

1. QvQ、Qwen 2.5 VL： 画像認識
2. QwQ： テキストタスク

Qwen/QVQ-72B-Previewは、Qwen2-VL-72Bに基づいて構築されたオープンソースのマルチモーダル推論モデルで、視覚推論とクロスモーダルタスクに特化しています。

from openai import OpenAI
import base64
import os

client = OpenAI(
    api_key="sk-***", # 🔑 AiHubMixで生成したキーに置き換えてください
    base_url="https://aihubmix.com/v1",
)

image_path = "yourpath/file.png"

# 画像を読み込み、エンコード
def encode_image(image_path):
    if not os.path.exists(image_path):
        raise FileNotFoundError(f"画像ファイルが存在しません：{image_path}")
    
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode('utf-8')

# 画像のbase64エンコードを取得
base64_image = encode_image(image_path)

# テキストと画像を含むメッセージを作成
completion = client.chat.completions.create(
    model="qwen2.5-vl-72b-instruct", # qwen2.5-vl-72b-instruct または Qwen/QVQ-72B-Preview
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "この画像を詳細に説明してください。画像の内容、スタイル、および可能性のある意味を含めてください。"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{base64_image}"
                    }
                }
            ]
        }
    ],
    stream=True
)

for chunk in completion:
    # 安全にコンテンツがあるかを確認
    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="")