百炼支持通过API调用大模型，涵盖OpenAI兼容接口、DashScope SDK等接入方式。
如果您已经熟悉大模型调用，也可以直接查看API参考文档通过API使用通义千问。
本文以通义千问为例，引导您完成大模型API调用。您将了解到：
如何获取API Key
如何配置本地开发环境
如何调用通义千问API
账号设置
获取API Key：为了能够通过API调用大模型，您还需要在API Key管理界面创建API Key。请务必妥善保管API Key，避免明文写入代码中造成泄露。
选择开发语言
您可以选择您熟悉的语言或工具，用于后续调用大模型API。
Python
步骤 1：配置 Python 环境
检查您的Python计算环境
配置虚拟环境（可选）
安装 SDK
步骤 2：配置 API Key 到环境变量
Windows
Linux
macOS
步骤 3：调用大模型 API
OpenAI Python SDK
如果您安装完成了Python以及OpenAI的Python SDK，可以参考以下代码发送您的API请求。您可以新建一个python文件，命名为hello_qwen.py，将以下代码复制到hello_qwen.py中并保存。
import os
from openai import OpenAI
client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
model="qwen-turbo",
messages=[
{'role': 'system', 'content': 'You are a helpful assistant.'},
{'role': 'user', 'content': '你是谁？'}
],
temperature=0.8
)
print(completion.choices[0].message.content)
复制完成后，您可以通过命令python hello_qwen.py运行。运行后您将会看到对应的输出结果：
我是阿里云开发的一款超大规模语言模型，我叫通义千问。如果运行失败，您可以将python替换成python3再运行。
DashScope Python SDK
如果您安装完成了Python以及DashScope的Python SDK，可以参考以下代码发送您的API请求。您可以新建一个python文件，命名为hello_qwen.py，将以下代码复制到hello_qwen.py中并保存。
from dashscope import Generation
messages = [
{'role': 'system', 'content': 'You are a helpful assistant.'},
{'role': 'user', 'content': '你是谁？'}
]
response = Generation.call(
model="qwen-turbo",
messages=messages,
temperature=0.8,
result_format='message'
)
print(response.output.choices[0].message.content)
复制完成后，您可以通过命令python hello_qwen.py运行。运行后您将会看到对应的输出结果：
我是阿里云开发的一款超大规模语言模型，我叫通义千问。如果运行失败，您可以将python替换成python3再运行。
Node.js
步骤1：配置Node.js环境
百炼兼容OpenAI的接口规范，您可以通过OpenAI SDK调用百炼提供的部分模型服务。
检查您的Node.js计算环境
安装 SDK
步骤 2：配置 API Key 到环境变量
Windows
Linux
macOS
步骤 3：调用大模型 API
您可以新建一个hello_qwen.js文件，将以下代码复制到文件中。
import OpenAI from "openai";
const openai = new OpenAI(
{
apiKey: process.env.DASHSCOPE_API_KEY,
baseURL:"https://dashscope.aliyuncs.com/compatible-mode/v1"
}
);
async function main() {
const completion = await openai.chat.completions.create({
messages: [
{role: "system", content: "You are a helpful assistant." },
{role: "user", content: "你是谁？" }
],
model: "qwen-max",
});
console.log(completion.choices[0]['message']['content']);
}
main();您的package.json文件需要有"type"键，类似于：
{
"type": "module",
"dependencies": {
"openai": "^4.53.2"
}
}您可以在命令行中运行以下命令来发送API请求：
node hello_qwen.js运行后您将会看到对应的输出结果：
我是阿里云开发的一款超大规模语言模型，我叫通义千问。Java
步骤 1：配置 Java 环境
检查您的Java计算环境
安装SDK
步骤 2：配置 API Key 到环境变量
Windows
Linux
macOS
步骤 3：调用大模型 API
您可以运行以下代码来调用大模型API。
import java.util.Arrays;
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
public class Main {
public static GenerationResult callWithMessage() throws ApiException, NoApiKeyException, InputRequiredException {
Generation gen = new Generation();
Message systemMsg = Message.builder()
.role(Role.SYSTEM.getValue())
.content("You are a helpful assistant.")
.build();
Message userMsg = Message.builder()
.role(Role.USER.getValue())
.content("你是谁？")
.build();
GenerationParam param = GenerationParam.builder()
.model("qwen-turbo")
.messages(Arrays.asList(systemMsg, userMsg))
.resultFormat(GenerationParam.ResultFormat.MESSAGE)
.temperature(0.8f)
.build();
return gen.call(param);
}
public static void main(String[] args) {
try {
GenerationResult result = callWithMessage();
System.out.println(result.getOutput().getChoices().get(0).getMessage().getContent());
} catch (ApiException | NoApiKeyException | InputRequiredException e) {
// 使用日志框架记录异常信息
System.err.println("An error occurred while calling the generation service: " + e.getMessage());
}
System.exit(0);
}
}运行后您将会看到对应的输出结果：
我是阿里云开发的一款超大规模语言模型，我叫通义千问。curl
步骤 1：配置 curl
检查并安装 curl
步骤 2：配置 API Key 到环境变量
Windows
Linux
macOS
步骤 3：调用大模型 API
您可以通过OpenAI兼容的HTTP方式或DashScope的HTTP方式来调用百炼平台上的模型。
OpenAI兼容-HTTP
您可以运行以下命令发送API请求：
curl --location "https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions" \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "qwen-turbo",
"messages": [
{
"role": "system",
"content": "You are a helpful assistant."
},
{
"role": "user",
"content": "你是谁？"
}
],
"temperature":0.8
}'发送API请求后，可以得到以下回复：
{
"choices": [
{
"message": {
"role": "assistant",
"content": "我是阿里云开发的一款超大规模语言模型，我叫通义千问。"
},
"finish_reason": "stop",
"index": 0,
"logprobs": null
}
],
"object": "chat.completion",
"usage": {
"prompt_tokens": 22,
"completion_tokens": 17,
"total_tokens": 39
},
"created": 1722235747,
"system_fingerprint": null,
"model": "qwen-turbo",
"id": "chatcmpl-e0584183-f0c5-9301-ba3c-e80a5b27ee1d"
}DashScope-HTTP
您可以运行以下命令发送API请求：
curl --location "https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation" \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "qwen-turbo",
"input":{
"messages":[
{
"role": "system",
"content": "You are a helpful assistant."
},
{
"role": "user",
"content": "你是谁？"
}
]
},
"parameters": {
"temperature":0.8,
"result_format":"message"
}
}'发送API请求后，可以得到以下回复：
{
"output": {
"choices": [
{
"finish_reason": "stop",
"message": {
"role": "assistant",
"content": "我是阿里云开发的一款超大规模语言模型，我叫通义千问。"
}
}
]
},
"usage": {
"total_tokens": 39,
"output_tokens": 17,
"input_tokens": 22
},
"request_id": "48ba66e5-fa6b-9d46-922c-98fd67af718a"
}常见问题
通义千问、灵积、DashScope、百炼是什么关系？
通义千问是阿里云研发的大语言模型。
灵积（也称为DashScope）是阿里云推出的模型服务平台，提供了包括通义千问在内的多种模型的调用接口。
百炼是阿里云推出的一站式大模型应用开发平台，同时也集成了灵积来提供模型调用服务。
我如果想调用通义千问模型，是要通过灵积平台还是百炼平台？
通过灵积平台与百炼平台调用通义千问模型都是通过DashScope SDK或OpenAI兼容或HTTP方式实现。两个平台都可以获取到API-KEY，且是同步的。因此您只需在两个平台任选其一创建API-KEY，即可发起通义千问模型的调用。
灵积即将合入百炼，您可以优先选择在百炼控制台创建API-KEY。
下一步
了解百炼支持的模型以及对应的API参考文档，请参考模型列表。
通过Web界面创建大模型应用，请参考0代码构建私有知识问答应用。
通过API创建Agent，请参考Assistant API。
通过对话框与大模型互动，请访问模型体验。
零代码进行大模型微调，请参考模型调优。
部署自己的专有模型，请参考模型部署。