메인 콘텐츠로 건너뛰기

​
Qwen 3 시리즈

Qwen3는 동적 사고 모드로 오픈 LLM을 재정의하며, 코드, 수학, 다국어 추론에서 탁월합니다. 희소한 22B 활성 매개변수로 구동되어 번개같은 속도와 깊은 지능의 균형을 맞춥니다 — 경량에서 235B 거대 모델까지 완전 오픈소스입니다. 1. 기본 사용: OpenAI 호환 형식으로 전달합니다.
2. 도구 호출: 일반 도구는 OpenAI 호환 형식을 지원하며, MCP 도구는 qwen-agent에 의존하고 먼저 다음 명령을 사용하여 종속성을 설치해야 합니다: pip install -U qwen-agent mcp. 자세한 내용은 Ali 공식 문서를 참조하세요 
from openai import OpenAI

client = OpenAI(
    api_key="sk-***", # 🔑 AiHubMix 키로 교체하세요
    base_url="https://aihubmix.com/v1",
)

completion = client.chat.completions.create(
    model="Qwen/Qwen3-30B-A3B",
    messages=[
        {
            "role": "user",
            "content": "오컴의 면도날 개념을 설명하고 일상생활에서의 예시를 제공해주세요"
        }
    ],
    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="")

​
Qwen 2.5 및 QwQ/QvQ 시리즈

OpenAI 호환 형식을 사용하여 전달하며, 차이점은 스트리밍 호출에서 chunk.choices[0].delta.content를 추출해야 한다는 것입니다. 다음을 참조하세요. 1. QvQ，Qwen 2.5 VL: 이미지 인식.
2. QwQ: 텍스트 작업. 
from openai import OpenAI
import base64
import os

client = OpenAI(
    api_key="sk-***", # 🔑 AiHubMix 키로 교체하세요
    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"이미지 파일이 존재하지 않습니다: {image_path}")
    
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode('utf-8')

# 이미지의 base64 인코딩 가져오기
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": "이 이미지를 자세히 설명해주세요"},
                {
                    "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="")