Qwen-Doc-Turbo

复制成功!
加入对比

概述

快速对文档进行精准信息抽取,打标分类,内容审核及摘要总结。

输入

文本

输出

文本

功能

前缀补全

调用通义千问 API 时启用 Partial Mode,可让模型严格接续您提供的前缀文本进行生成。查看文档

函数调用

通过函数调用将大模型与外部工具和系统连接起来。查看文档

缓存

Context Cache 会缓存长上下文请求的公共前缀,减少重复计算、提升响应速度并降低成本。查看文档

结构化输出

结构化输出可确保模型返回符合预期格式的 JSON 字符串。查看文档

批量任务

异步批量处理请求,降低调用成本。查看文档

联网搜索

启用联网搜索后,模型可基于实时检索的数据进行回答。查看文档

微调

基于样本数据训练模型,使其更适配特定任务。查看文档

定价

  • 输入
    ¥0.6/M tokens
  • 输出
    ¥1/M tokens
  • 输入(缓存命中)
    ¥0.12/M tokens
  • 显式缓存创建
    ¥0.75/M tokens
  • 显式缓存命中
    ¥0.06/M tokens

速率限制与上下文

  • 最大输入
    253K
  • 最大输出
    8K
  • 上下文
    262K
  • TPM每分钟 Token 数
    3M
  • RPM每分钟请求数
    600

API 参考

调用API
复制成功!
12345678910111213141516171819
import os
from openai import OpenAI

client = OpenAI(
    # 若没有配置环境变量,请用百炼API Key将下行替换为:api_key="sk-xxx",
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://cn-beijing.maas.qianwenaiapi.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
    model="qwen-doc-turbo",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "你是谁?"},
    ],
    stream=True
)
for chunk in completion:
    if (chunk.choices and chunk.choices[0].delta.content):
        print(chunk.choices[0].delta.content, end="", flush=True)