Qwen-Flash-Character

复制成功!
加入对比

概述

千问系列多语言角色扮演模型,适合拟人化的角色扮演,同时优化了限定人设指令遵循、话题推进、倾听共情等能力,支持个性化角色的深度还原。本版本为2026年2月26日快照。

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
    ¥0.18/M tokens
  • 输出
    ¥1.5/M tokens
  • 输入(缓存命中)
    ¥0.036/M tokens

速率限制与上下文

  • 最大输入
    8K
  • 最大输出
    4K
  • 上下文
    8K
  • TPM每分钟 Token 数
    500K
  • RPM每分钟请求数
    120

API 参考

调用API
复制成功!
123456789101112131415161718
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://maas.qianwenaiapi.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
    model="qwen-flash-character-2026-02-26",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "你是谁?"},
    ],
    stream=True
)
for chunk in completion:
    print(chunk.choices[0].delta.content, end="", flush=True)