วิธีใช้ Qwen3.5 Flash API

API Qwen3.5 Flash ของ Alibaba Cloud แสดงถึงความก้าวหน้าครั้งสำคัญในโมเดลภาษาขนาดใหญ่ที่เข้าถึงได้ นำเสนอโซลูชันที่มีประสิทธิภาพและคุ้มค่าสำหรับนักพัฒนาในการสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI ไม่ว่าคุณจะสร้างแชทบอท ผู้ช่วยเขียนโค้ด หรือแอปพลิเคชันมัลติโมดัล Qwen3.5 Flash ก็มอบความยืดหยุ่นและประสิทธิภาพที่จำเป็นต่อการมอบประสบการณ์ผู้ใช้ที่ยอดเยี่ยม คู่มือฉบับสมบูรณ์นี้จะแนะนำทุกสิ่งที่คุณจำเป็นต้องรู้เพื่อเริ่มต้นใช้งาน API Qwen3.5 Flash ตั้งแต่การตั้งค่าเริ่มต้นไปจนถึงเทคนิคการใช้งานขั้นสูง

ทำความเข้าใจเกี่ยวกับ API Qwen3.5 Flash

Qwen3.5 Flash (Qwen3.5-35B-A3B) เป็นส่วนหนึ่งของโมเดลซีรีส์ Qwen3 ของ Alibaba ซึ่งออกแบบมาเพื่อมอบความสามารถ AI ประสิทธิภาพสูงในราคาที่แข่งขันได้ การกำหนดชื่อ "Flash" บ่งชี้ว่าโมเดลเหล่านี้ได้รับการปรับให้เหมาะสมสำหรับความเร็วและประสิทธิภาพด้านต้นทุน ทำให้เหมาะสำหรับแอปพลิเคชันที่ใช้งานจริงซึ่งทั้งคุณภาพการตอบสนองและการจัดการทรัพยากรมีความสำคัญ

ตระกูล Qwen3.5 มีหลายรุ่นที่ปรับให้เข้ากับกรณีการใช้งานที่แตกต่างกัน โมเดล Qwen3.5-397B-A17B มอบความสามารถสูงสุดด้วย 403 พันล้านพารามิเตอร์สำหรับงานการให้เหตุผลที่ซับซ้อน Qwen3.5-397B-FP8 ให้ความสามารถเดียวกันพร้อมพื้นที่จัดเก็บที่ได้รับการปรับให้เหมาะสม Qwen3.5-122B-A10B มี 125 พันล้านพารามิเตอร์เพื่อประสิทธิภาพที่สมดุล ในขณะที่ Qwen3.5-35B-A3B(Qwen3.5 Flash) มอบ 36 พันล้านพารามิเตอร์เป็นตัวเลือกที่คุ้มค่าสำหรับแอปพลิเคชันทั่วไป โมเดลทั้งหมดรองรับความสามารถด้านวิทัศน์ (Image-Text-to-Text) ซึ่งช่วยให้สามารถโต้ตอบแบบมัลติโมดัลที่ประมวลผลทั้งข้อความและรูปภาพได้

เริ่มต้นใช้งาน: ข้อกำหนดเบื้องต้นและการตั้งค่า

ก่อนที่คุณจะเริ่มใช้ Qwen3.5 Flash API คุณจะต้องดำเนินการตั้งค่าหลายขั้นตอน อันดับแรก ให้สร้าง บัญชี Alibaba Cloud หากคุณยังไม่มี จากนั้นไปที่ Model Studio เพื่อสร้างคีย์ API ของคุณ คีย์นี้ใช้สำหรับการยืนยันคำขอของคุณและติดตามการใช้งานเพื่อวัตถุประสงค์ในการเรียกเก็บเงิน เก็บคีย์นี้ไว้เป็นความลับและอย่าเปิดเผยในโค้ดฝั่งไคลเอ็นต์หรือที่เก็บข้อมูลสาธารณะ

คุณจะต้องติดตั้ง SDK ที่เหมาะสมสำหรับสภาพแวดล้อมการพัฒนาของคุณด้วย นักพัฒนา Python สามารถติดตั้ง SDK ที่เข้ากันได้กับ OpenAI โดยใช้ pip:

pip install openai

สำหรับสภาพแวดล้อม Node.js แพ็กเกจ openai npm ก็มีฟังก์ชันการทำงานที่เทียบเท่ากัน API ได้รับการออกแบบให้เข้ากันได้กับ OpenAI ซึ่งหมายความว่าหากคุณเคยทำงานกับ API ของ OpenAI มาก่อน คุณจะพบว่าการเปลี่ยนไปใช้ Qwen3.5 Flash เป็นเรื่องง่าย ความแตกต่างหลักอยู่ที่ base URL และกลไกการตรวจสอบสิทธิ์

การกำหนดค่า API และจุดเชื่อมต่อภูมิภาค

สิ่งสำคัญอย่างหนึ่งในการกำหนดค่าการผสานรวม Qwen3.5 Flash ของคุณคือการเลือกจุดเชื่อมต่อภูมิภาคที่เหมาะสม การเลือกของคุณจะส่งผลต่อความหน่วง ราคา และคุณสมบัติที่มีให้ใช้งาน Alibaba Cloud มีจุดเชื่อมต่อภูมิภาคหลายแห่งเพื่อให้บริการผู้ใช้ทั่วโลก:

จุดเชื่อมต่อ สิงคโปร์ (https://dashscope-intl.aliyuncs.com/compatible-mode/v1) ให้บริการภูมิภาคเอเชียแปซิฟิก และมีแพ็กเกจฟรีจำนวนมาก — 1 ล้านโทเค็นฟรีเป็นเวลา 90 วันสำหรับผู้ใช้ใหม่ สิ่งนี้ทำให้เป็นจุดเริ่มต้นที่ยอดเยี่ยมสำหรับนักพัฒนาที่ต้องการสำรวจ API จุดเชื่อมต่อ เวอร์จิเนีย (สหรัฐอเมริกา) (https://dashscope-us.aliyuncs.com/compatible-mode/v1) ให้ประสิทธิภาพที่ดีกว่าสำหรับผู้ใช้ในอเมริกาเหนือ ในขณะที่จุดเชื่อมต่อ ปักกิ่ง (https://dashscope.aliyuncs.com/compatible-mode/v1) ให้บริการผู้ใช้ในจีนแผ่นดินใหญ่

เมื่อกำหนดค่าไคลเอ็นต์ของคุณ ให้แน่ใจว่าคุณเลือกจุดเชื่อมต่อที่ใกล้กับผู้ใช้แอปพลิเคชันของคุณมากที่สุดในทางภูมิศาสตร์ เพื่อประสิทธิภาพสูงสุด กระบวนการตรวจสอบสิทธิ์ใช้คีย์ API แทนที่จะเป็นขั้นตอน OAuth ที่บริการอื่นบางอย่างใช้ ซึ่งช่วยลดความซับซ้อนในการผสานรวมในขณะที่ยังคงรักษาความปลอดภัย

การเรียกใช้ API ครั้งแรกของคุณ

เมื่อคุณกำหนดค่าคีย์ API และจุดเชื่อมต่อแล้ว คุณก็พร้อมที่จะทำการร้องขอครั้งแรก นี่คือตัวอย่าง Python พื้นฐานที่แสดงการสนทนาอย่างง่าย:

"""
ตัวแปรสภาพแวดล้อม (ตามเอกสารทางการ):
  DASHSCOPE_API_KEY: คีย์ API ของคุณจาก https://bailian.console.aliyun.com
  DASHSCOPE_BASE_URL: (ไม่บังคับ) Base URL สำหรับ API โหมดที่เข้ากันได้
  DASHSCOPE_MODEL: (ไม่บังคับ) ชื่อโมเดล; กำหนดค่าใหม่สำหรับโมเดลที่แตกต่างกัน
  DASHSCOPE_BASE_URL:
    - ปักกิ่ง: https://dashscope.aliyuncs.com/compatible-mode/v1
    - สิงคโปร์: https://dashscope-intl.aliyuncs.com/compatible-mode/v1
    - สหรัฐอเมริกา (เวอร์จิเนีย): https://dashscope-us.aliyuncs.com/compatible-mode/v1
"""
from openai import OpenAI
import os

api_key = os.environ.get("DASHSCOPE_API_KEY")
if not api_key:
    raise ValueError(
        "DASHSCOPE_API_KEY จำเป็นต้องระบุ "
        "ตั้งค่าผ่าน: export DASHSCOPE_API_KEY='your-api-key'"
    )

client = OpenAI(
    api_key=api_key,
    base_url=os.environ.get(
        "DASHSCOPE_BASE_URL",
        "https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
    ),
)

messages = [{"role": "user", "content": "Introduce Qwen3.5."}]

model = os.environ.get(
    "DASHSCOPE_MODEL",
    "qwen3.5-plus",
)
completion = client.chat.completions.create(
    model=model,
    messages=messages,
    extra_body={
        "enable_thinking": True,
        "enable_search": False
    },
    stream=True
)

reasoning_content = ""  # การติดตามการให้เหตุผลแบบเต็ม
answer_content = ""  # การตอบสนองแบบเต็ม
is_answering = False  # เราเข้าสู่ช่วงการตอบแล้วหรือไม่
print("\n" + "=" * 20 + "Reasoning" + "=" * 20 + "\n")

for chunk in completion:
    if not chunk.choices:
        print("\nUsage:")
        print(chunk.usage)
        continue

    delta = chunk.choices[0].delta

    # รวบรวมเนื้อหาการให้เหตุผลเท่านั้น
    if hasattr(delta, "reasoning_content") and delta.reasoning_content is not None:
        if not is_answering:
            print(delta.reasoning_content, end="", flush=True)
        reasoning_content += delta.reasoning_content

    # ได้รับเนื้อหาแล้ว เริ่มช่วงการตอบ
    if hasattr(delta, "content") and delta.content:
        if not is_answering:
            print("\n" + "=" * 20 + "Answer" + "=" * 20 + "\n")
            is_answering = True
        print(delta.content, end="", flush=True)
        answer_content += delta.content

สำหรับนักพัฒนาที่ต้องการการเรียกใช้ HTTP โดยตรง นี่คือคำสั่ง curl ที่เทียบเท่ากัน:

curl -X POST https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "Qwen3.5-35B-A3B",
    "messages": [{"role": "user", "content": "Explain quantum computing in simple terms"}]
}'

โครงสร้างการตอบสนองเป็นไปตามรูปแบบมาตรฐานของ OpenAI ทำให้ง่ายต่อการผสานรวมกับโค้ดเบสที่มีอยู่ซึ่งคาดหวังการตอบสนองจากการเติมข้อความแชทให้สมบูรณ์

คุณสมบัติขั้นสูง: โหมดการคิด (Thinking Mode)

หนึ่งในคุณสมบัติที่ทรงพลังที่สุดของ Qwen3.5 คือโหมดการคิด ซึ่งช่วยให้โมเดลสามารถดำเนินการให้เหตุผลทีละขั้นตอนก่อนที่จะสร้างคำตอบ สิ่งนี้มีประโยชน์อย่างยิ่งสำหรับปัญหาทางคณิตศาสตร์ที่ซับซ้อน การให้เหตุผลเชิงตรรกะ และการวิเคราะห์หลายขั้นตอน ซึ่งการแสดงกระบวนการให้เหตุผลจะช่วยปรับปรุงคุณภาพของผลลัพธ์

หากต้องการเปิดใช้งานโหมดการคิด ให้ใส่พารามิเตอร์ enable_thinking ในคำขอของคุณ:

completion = client.chat.completions.create(
    model="qwen3.5-flash",
    messages=[
        {"role": "user", "content": "If a train travels 120km in 1.5 hours, what is its average speed?"}
    ],
    extra_body={
        'enable_thinking': True,
        'thinking_budget': 81920
    }
)

พารามิเตอร์ thinking_budget ควบคุมการจัดสรรโทเค็นที่โมเดลสามารถใช้สำหรับการให้เหตุผลได้มากน้อยเพียงใด งบประมาณที่สูงขึ้นช่วยให้การให้เหตุผลละเอียดถี่ถ้วนยิ่งขึ้น แต่จะเพิ่มการใช้โทเค็นและเวลาในการตอบสนอง สำหรับการสืบค้นอย่างง่าย งบประมาณที่ต่ำกว่าก็เพียงพอแล้ว ในขณะที่ปัญหาที่ซับซ้อนจะได้ประโยชน์จากการจัดสรรที่มาก

การใช้งานความสามารถด้านวิสัยทัศน์แบบมัลติโมดัล

โมเดลที่เปิดใช้งานวิสัยทัศน์ได้ — qwen3-vl-plus และ qwen3-vl-flash — ขยายความสามารถของ API ไปสู่การทำความเข้าใจรูปภาพ โมเดลเหล่านี้สามารถวิเคราะห์รูปภาพ อธิบายเนื้อหาภาพ ตอบคำถามเกี่ยวกับรูปภาพ และดึงข้อมูลจากภาพถ่ายหรือแผนภาพได้ สิ่งนี้เปิดโอกาสสำหรับแอปพลิเคชันต่างๆ เช่น การสร้างคำบรรยายภาพอัตโนมัติ การค้นหาด้วยภาพ การประมวลผลเอกสารด้วยแผนภาพ และเครื่องมือช่วยสำหรับการเข้าถึง

นี่คือวิธีการส่งรูปภาพเพื่อวิเคราะห์:

messages = [
    {
        "role": "user",
        "content": [
            {"type": "image_url", "image_url": {"url": "https://example.com/sample-image.jpg"}},
            {"type": "text", "text": "Describe what you see in this image"}
        ]
    }
]

completion = client.chat.completions.create(
    model="Qwen3.5-35B-A3B",
    messages=messages
)

คุณสามารถระบุ URL ของรูปภาพหรือข้อมูลรูปภาพที่เข้ารหัส base64 ได้โดยตรงในคำขอ โมเดลจะประมวลผลรูปภาพพร้อมกับข้อความแจ้งของคุณ สร้างการตอบสนองที่อ้างอิงองค์ประกอบภาพในรูปภาพ ความสามารถนี้มีคุณค่าอย่างยิ่งสำหรับการสร้างบอทบริการลูกค้าที่สามารถประมวลผลภาพหน้าจอที่อัปโหลด ระบบการกลั่นกรองอัตโนมัติ และเครื่องมือทางการศึกษาที่อธิบายเนื้อหาภาพ

การเรียกใช้ฟังก์ชันสำหรับการผสานรวมเครื่องมือ

การเรียกใช้ฟังก์ชันช่วยให้ Qwen3.5 สามารถเรียกใช้เครื่องมือและ API ภายนอกได้อย่างชาญฉลาดตามคำขอของผู้ใช้ สิ่งนี้เชื่อมช่องว่างระหว่าง AI แบบสนทนาและการทำงานจริง ทำให้แอปพลิเคชันของคุณสามารถดำเนินการต่างๆ เช่น การสืบค้นฐานข้อมูล การเรียกใช้ API ของบุคคลที่สาม หรือการดำเนินการตรรกะทางธุรกิจที่กำหนดเองได้

หากต้องการใช้งานการเรียกใช้ฟังก์ชัน ก่อนอื่นให้กำหนดเครื่องมือที่มีให้ใช้งานในคำขอของคุณ:

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get current weather for a specified location",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "City name, e.g., San Francisco"
                    }
                },
                "required": ["location"]
            }
        }
    }
]

completion = client.chat.completions.create(
    model="qwen3.5-flash",
    messages=[
        {"role": "user", "content": "What's the weather like in Tokyo?"}
    ],
    tools=tools
)

เมื่อโมเดลพิจารณาว่าการเรียกใช้ฟังก์ชันเหมาะสม การตอบสนองจะรวมออบเจกต์การเรียกใช้เครื่องมือแทนที่จะเป็นข้อความ จากนั้นแอปพลิเคชันของคุณจะดำเนินการฟังก์ชันและส่งคืนผลลัพธ์ ทำให้โมเดลสามารถสร้างการตอบสนองเชิงบริบทสุดท้ายได้ รูปแบบนี้ช่วยให้เวิร์กโฟลว์ที่ซับซ้อน เช่น ระบบการจอง แอปพลิเคชันการดึงข้อมูล และผู้ช่วยแบบโต้ตอบที่สามารถดำเนินการที่มีความหมายได้

การตอบสนองแบบสตรีมมิ่งสำหรับแอปพลิเคชันแบบเรียลไทม์

สำหรับแอปพลิเคชันที่ความล่าช้าที่รับรู้มีความสำคัญ เช่น แชทบอท ผู้ช่วยเขียน และเครื่องมือเชิงโต้ตอบ การตอบสนองแบบสตรีมมิ่งจะมอบประสบการณ์ผู้ใช้ที่ดีขึ้นโดยการแสดงข้อความขณะที่กำลังสร้างขึ้น แทนที่จะรอการตอบสนองที่สมบูรณ์

completion = client.chat.completions.create(
    model="qwen3.5-flash",
    messages=[
        {"role": "user", "content": "Write a short story about a robot learning to paint"}
    ],
    stream=True
)

for chunk in completion:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

การสตรีมช่วยลดเวลาที่ผู้ใช้ต้องรอก่อนที่จะเห็นผลลัพธ์ที่มีความหมาย ซึ่งมีประโยชน์อย่างยิ่งสำหรับการตอบสนองที่ยาวนานขึ้น โปรโตคอลการสตรีมจะส่งข้อมูลเป็นส่วนๆ เมื่อถูกสร้างขึ้น ทำให้สามารถแสดงผลแบบค่อยเป็นค่อยไปในขณะที่โมเดลยังคงประมวลผลอยู่

การเพิ่มประสิทธิภาพต้นทุนด้วยการแคชบริบท

Qwen3.5 เสนอการประหยัดต้นทุนที่สำคัญผ่านการแคชบริบท ซึ่งเป็นคุณสมบัติที่ช่วยลดต้นทุนสำหรับแอปพลิเคชันที่มีบริบทซ้ำๆ เมื่อคุณส่งข้อความที่ใช้พร้อมต์ระบบทั่วไปหรือเอกสารฐานเดียวกัน แคชจะจัดเก็บบริบทนี้ไว้เพื่อนำกลับมาใช้ใหม่ คำขอต่อๆ ไปที่อ้างอิงเนื้อหาที่แคชไว้เดียวกันจะได้รับส่วนลดจำนวนมาก — 20% ของราคามาตรฐานสำหรับการแคชโดยนัย และ 10% สำหรับการจัดการแคชที่ชัดเจน

คุณสมบัตินี้มีคุณค่าอย่างยิ่งสำหรับแอปพลิเคชันต่างๆ เช่น ระบบถามตอบเอกสาร ซึ่งเอกสารฐานยังคงไม่เปลี่ยนแปลงในขณะที่คำถามของผู้ใช้แตกต่างกันไป แทนที่จะส่งเอกสารฉบับเต็มซ้ำในทุกการสืบค้น คุณสามารถอ้างอิงบริบทที่แคชไว้ ซึ่งช่วยลดต้นทุนโทเค็นได้อย่างมากในขนาดที่ใหญ่ขึ้น

การเลือกรุ่นโมเดลที่เหมาะสมกับความต้องการของคุณ

การเลือกรุ่น Qwen3.5 ที่เหมาะสมขึ้นอยู่กับความต้องการเฉพาะของคุณ นี่คือคำแนะนำที่เป็นประโยชน์:

Qwen3.5-397B-A17B

โมเดลเรือธงที่มี 403 พันล้านพารามิเตอร์ ออกแบบมาเพื่อความสามารถสูงสุดในการให้เหตุผลที่ซับซ้อน การวิเคราะห์ข้อมูลขนาดใหญ่ และงานการแก้ปัญหาขั้นสูง

Qwen3.5-397B-A17B-FP8

ความสามารถเดียวกันกับโมเดล 397B พร้อมการหาปริมาณ FP8 ที่ได้รับการปรับให้เหมาะสมเพื่อลดพื้นที่จัดเก็บและการอนุมานที่เร็วขึ้นในขณะที่ยังคงคุณภาพสูง

Qwen3.5-122B-A10B

โมเดลที่มี 125 พันล้านพารามิเตอร์ที่สมดุล ให้ประสิทธิภาพที่แข็งแกร่งสำหรับงานทั่วไปพร้อมความต้องการทรัพยากรที่เหมาะสม

Qwen3.5-35B-A3B (Qwen3.5 Flash)

โมเดลที่มี 36 พันล้านพารามิเตอร์ที่หลากหลายที่สุด เหมาะสำหรับแอปพลิเคชันทั่วไป แชทบอท และการปรับใช้ในสภาพแวดล้อมจริงที่คุ้มค่า

Qwen3.5-35B-A3B-Base

โมเดลพื้นฐานของรุ่น 35B เหมาะสำหรับการปรับแต่งด้วยชุดข้อมูลเฉพาะโดเมนเพื่อสร้างโซลูชัน AI ที่กำหนดเอง

Qwen3.5-27B

โมเดลขนาดเล็กที่มี 28 พันล้านพารามิเตอร์ ออกแบบมาสำหรับสภาพแวดล้อมที่มีข้อจำกัดด้านทรัพยากรและแอปพลิเคชันที่ความเร็วมีความสำคัญอย่างยิ่ง

สำหรับแอปพลิเคชันทั่วไปส่วนใหญ่ Qwen3.5 Flash (Qwen3.5-35B-A3B) ให้ความสมดุลที่ดีที่สุดระหว่างความสามารถและต้นทุน หากคุณต้องการประสิทธิภาพสูงสุดสำหรับงานการให้เหตุผลที่ซับซ้อน โมเดล 397B จะให้ความสามารถสูงสุด รุ่น 122B เป็นทางเลือกตรงกลางระหว่างประสิทธิภาพและความต้องการทรัพยากร

สรุป

Qwen3.5 Flash API นำเสนอโซลูชันที่ทรงพลัง ยืดหยุ่น และคุ้มค่าสำหรับนักพัฒนาในการผสานรวมความสามารถ AI ขั้นสูงเข้ากับแอปพลิเคชัน ด้วยอินเทอร์เฟซที่เข้ากันได้กับ OpenAI, แพ็กเกจฟรีจำนวนมาก และโมเดลเฉพาะทางที่หลากหลาย การเริ่มต้นใช้งานจึงใช้ความพยายามน้อยที่สุดในขณะที่ยังเปิดโอกาสให้กับการใช้งานที่ซับซ้อน ไม่ว่าคุณจะสร้างแชทบอทแบบง่ายๆ หรือแอปพลิเคชันมัลติโมดัลที่ซับซ้อน Qwen3.5 Flash ก็มอบรากฐานสำหรับประสบการณ์ที่ขับเคลื่อนด้วย AI ที่น่าสนใจ

กุญแจสู่การใช้งานที่ประสบความสำเร็จคือการทำความเข้าใจความต้องการเฉพาะของคุณ—ความไวต่อความหน่วง ข้อจำกัดด้านงบประมาณ และความต้องการด้านฟังก์ชันการทำงาน—และการเลือกรุ่นโมเดลและการกำหนดค่าที่เหมาะสม เริ่มต้นด้วยแพ็กเกจฟรีในภูมิภาคสิงคโปร์เพื่อสำรวจความสามารถ จากนั้นปรับการใช้งานของคุณให้เหมาะสมตามประสิทธิภาพและข้อมูลต้นทุนที่ได้จากการใช้งานจริง

ปรับปรุงเวิร์กโฟลว์การพัฒนา API ของคุณด้วย Apidog ตั้งแต่การออกแบบ API schema ไปจนถึงการดีบักจุดเชื่อมต่อและการสร้างเอกสาร Apidog ช่วยให้คุณสร้างการผสานรวมที่เชื่อถือได้เร็วขึ้น เป็นแพลตฟอร์มแบบครบวงจรที่ทำให้การทำงานกับ Qwen3.5 และ API อื่นๆ เป็นเรื่องง่าย