快速了解模型压缩 API 的前提条件、接口总览、鉴权方式，并通过示例代码上手。
当前模型压缩 API 仅在北京 Region 开放。如您使用其他 Region，请通过该 Region 的百炼控制台完成模型压缩操作。
模型压缩 API 提供从查询模板、创建任务、轮询状态、获取日志到取消/删除任务的完整 RESTful 接口。本文档面向开发者通过 OpenAPI 或 SDK 集成压缩能力。控制台介绍见 模型压缩。
前提条件
在调用本文档接口前，请先完成：
-
已开通阿里云百炼服务并完成实名认证。
-
当前工作空间至少有一个基于
qwen3.5-flash-2026-02-23的自定义全参调优模型（通过 模型调优 完成 ）。当前压缩功能仅支持该模型，LoRA 模型和已量化的模型不支持。 -
已获取 API Key（参考 获取 API Key）。
压缩产出的模型支持的部署单元规格由所选量化模板决定，部署数量在百炼控制台「模型部署」中配置。当前压缩功能限时免费。
接口列表
所有接口域名：https://dashscope.aliyuncs.com
|
# |
方法 |
路径 |
说明 |
|
1 |
GET |
|
列举可量化模型及配置模板 |
|
2 |
POST |
|
创建压缩任务 |
|
3 |
GET |
|
列举压缩任务 |
|
4 |
GET |
|
查询压缩任务详情 |
|
5 |
GET |
|
获取压缩任务日志 |
|
6 |
POST |
|
取消压缩任务 |
|
7 |
DELETE |
|
删除压缩任务 |
鉴权
所有接口通过 HTTP Header 携带 API Key：
Authorization: Bearer ${YOUR_API_KEY}Content-Type: application/json 适用于 POST 请求体场景。
5 分钟上手
HTTP
安装请求库：
pip install requests创建任务 → 轮询 → 拿到产出模型的完整示例：
import requests, time
API_KEY = "YOUR_API_KEY"
BASE = "https://dashscope.aliyuncs.com/api/v1/fine-tunes/compress"
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}
# 1. 创建压缩任务
resp = requests.post(f"{BASE}/jobs", headers=HEADERS, json={
"model": "qwen3.5-flash-2026-02-23-ft-***", # 自定义调优模型 ID
"template_id": "quant-flash-nvfp4-mlp-nomtp", # 通过 GET /templates 获取
"output_model_suffix": "test", # 最多 8 字符，仅小写字母和数字
}).json()
job_id = resp["output"]["job_id"]
print("Job:", job_id)
# 2. 轮询直到终态
status = resp["output"]["status"]
while status not in ("SUCCEEDED", "FAILED", "CANCELED"):
time.sleep(30)
resp = requests.get(f"{BASE}/jobs/{job_id}", headers=HEADERS).json()
status = resp["output"]["status"]
print("Status:", status)
# 3. 处理结果
if status == "SUCCEEDED":
print("Quantized model:", resp["output"]["quantized_output"])
# 用 quantized_output 调模型部署接口部署
elif status == "FAILED":
print("Error:", resp["output"]["error"])列举任务与获取日志：
# 列举所有压缩成功的任务
resp = requests.get(f"{BASE}/jobs", headers=HEADERS, params={"status": "SUCCEEDED", "page_size": 20}).json()
for j in resp["output"]["jobs"]:
print(j["job_id"], j["template_name"], j["quantized_output"])
# 获取任务日志
resp = requests.get(f"{BASE}/jobs/{job_id}/logs", headers=HEADERS, params={"offset": 0, "line": 100}).json()
for line in resp["output"]["logs"]:
print(line)产出模型的命名规则：
quantized_output = {base_model}-{output_model_suffix}-{job_id}例如 base_model 为 qwen3.5-flash-2026-02-23，suffix 为 test，job_id 为 quant-202604111200-a1b2，产出模型 ID 为：
qwen3.5-flash-2026-02-23-test-quant-202604111200-a1b2各接口的 cURL 写法见各接口详情页。