FAQ
配置 Claude Desktop 或 Claude Code 后,连接测试报 Model discovery — Gateway /v1/models returned HTTP 404,或请求 URL 中出现 /v1/v1/models,如何解决?
Claude Desktop、Claude Code 等客户端的模型发现功能会自动在配置的 base URL 后追加 /v1/models。请检查以下两点:
-
base URL 不要以
/v1/结尾:应以/apps/anthropic结尾(例如https://maas.qianwenaiapi.com/apps/anthropic)。如果误输入.../apps/anthropic/v1/,客户端追加后会产生重复路径/v1/v1/models,返回 HTTP 404。 -
手动添加模型以跳过发现:Anthropic 兼容端点仅提供 Messages API(
/v1/messages),不提供模型列表端点(/v1/models),因此模型发现请求也会返回 404。在客户端的 Models 中手动添加模型(例如qwen3.8-max)即可跳过自动发现。
鉴权
通过 x-api-key 请求头传入千问AI平台 API Key。也支持 Authorization: Bearer 请求头,二者选其一即可。
请求体
application/json支持 qwen4-max。
模型名称。支持范围如下:
千问Max:qwen3.8-max、qwen3.8-max-0902、qwen3.7-max、qwen3.7-max-2026-06-08、qwen3.7-max-2026-05-20
千问Plus:qwen3.7-plus、qwen3.7-plus-2026-05-26、qwen3.6-plus、qwen3.6-plus-2026-04-02、qwen3.5-plus、qwen3.5-plus-2026-04-20、qwen3.5-plus-2026-02-15、qwen-plus、qwen-plus-latest
千问Flash:qwen3.8-flash、qwen3.7-flash、qwen3.7-flash-2026-07-15、qwen3.6-flash、qwen3.6-flash-2026-04-16、qwen3.5-flash、qwen3.5-flash-2026-02-23、qwen-flash、qwen-flash-2025-07-28
千问Coder:qwen3.7-plus、qwen3-coder-flash
千问VL:qwen3-vl-plus
千问开源模型:qwen3.6-27b、qwen3.5-397b-a17b、qwen3.5-122b-a10b、qwen3.5-27b、qwen3.5-35b-a3b、qwen3.8-2.4t-a95b、qwen3.8-27b
第三方模型:deepseek-v4.1-flash、deepseek-v4.1-flash-1017、deepseek-v4-pro-0813、deepseek-v4-pro、deepseek-v4-flash-0731、kimi-k3.1-pro、kimi-k3、kimi-k2.7-code、kimi-k2.6、kimi-k2.5、glm-5.3、glm-5.2、glm-5.1、glm-5、MiniMax-M2.5
qwen4-max:限制思考与最终回答的 Token 总数。思考模式最大 262144,非思考模式最大 131072;未传入时使用当前模式的最大值。 开启思考时 max_tokens 必须大于 thinking.budget_tokens。
模型回复内容的最大 Token 数。模型输出超过此值时生成将提前停止,stop_reason 为 max_tokens。
- deepseek-v4.1-flash、deepseek-v4.1-flash-1017、deepseek-v4-pro-0813、deepseek-v4-pro、deepseek-v4-flash-0731、qwen3.8-max、qwen3.8-flash:
max_tokens为模型回复内容和思维链内容之和的最大 Token 数,限制模型回复内容+思考过程的长度。开启深度思考时,max_tokens>thinking.budget_tokens。 - glm-5.3:
max_tokens为模型回复内容和思维链内容之和的最大 Token 数,模型输出超过此值时生成将提前停止,stop_reason为max_tokens。glm-5.3 会忽略thinking.budget_tokens参数。 - glm-5.2:不传入
thinking.budget_tokens参数时,max_tokens为模型回复内容和思维链内容之和的最大 Token 数,模型输出超过此值时生成将提前停止,stop_reason为max_tokens;传入thinking.budget_tokens参数时,max_tokens仅为模型回复内容的最大 Token 数,思考部分的 Token 数由thinking.budget_tokens单独控制。 - 其他模型:
max_tokens不限制思考过程的长度。开启深度思考时,思考部分的 Token 数由thinking.budget_tokens单独控制。
消息数组,按对话顺序排列。
系统提示词,用于设定模型的角色或行为。system 通过顶层参数传入,messages 数组中不接受 system 角色。传入字符串等价于单个 type="text" 的内容块。当需要为系统提示词标记显式缓存断点时,必须传入数组形式。
是否启用流式输出,默认为 false。
控制生成文本的多样性,取值范围 [0, 2)。值越大,生成结果越随机。该范围与 Anthropic 官方的 [0.0, 1.0] 不同,从 Anthropic 迁移时请确认该参数取值。
qwen3.8-max 说明:思考模式下默认值为 0.6,传入值小于 0.6 时自动调整为 0.6。
核采样的概率阈值,控制生成文本的多样性。temperature 与 top_p 均可控制多样性,建议只设置其中一个值。
生成过程中采样候选集的大小。
指定停止生成的文本序列。模型生成到该序列前会停止输出,且不包含该序列本身。命中后,响应的 stop_reason 为 stop_sequence,并在响应的 stop_sequence 字段中回填命中的序列。
深度思考配置。开启后,模型会在生成回复前先进行推理,以提升回答准确度。开启后,响应会包含 thinking 类型的内容块。
qwen4-max 支持联网搜索 web_search、网页抓取 web_fetch 和 PDF 理解 pdf_basic_chain;各工具的具体协议和约束请参阅对应指南。
工具定义数组。支持自定义工具(Function Call)、服务端联网搜索工具和网页抓取工具。
自定义工具(Function Call)。
- Option 1
- Option 2
- Option 3
工具选择策略。{"type": "auto"}:模型自行决定是否调用工具(默认)。{"type": "any"}:强制调用任意一个工具。{"type": "none"}:禁止调用工具。{"type": "tool", "name": "tool_name"}:强制调用指定工具。
输出参数设置。
仅 qwen4-max。可用于顶层自动缓存或内容块手动断点。 Prompt Cache.
响应
消息的唯一标识。
固定为 message。
固定为 assistant。
使用的模型名称。
内容数组,元素类型可为 text(文本信息)、thinking(思考信息,开启深度思考时返回)、tool_use(工具调用信息)、server_tool_use(服务端工具调用信息)或 web_search_tool_result(联网搜索结果)。 还包括 web_fetch_tool_result(网页抓取结果)。
停止原因:end_turn(正常结束)、max_tokens(达到 Token 上限)、tool_use(工具调用)。
固定为 null。
Token 用量统计。流式调用中,message_start 事件的 usage 仅包含 input_tokens 和 output_tokens;完整字段(含 cache_creation_input_tokens、cache_read_input_tokens 和 server_tool_use)在 message_delta 事件中返回。