近日，阿里云百炼平台宣布为 QwQ-32B 大语言模型开放 API 接口，并提供每日 100 万 tokens 的免费使用额度，这一举措无疑大幅降低了用户体验前沿 AI 技术的门槛。对于希望体验 QwQ-32B 模型强大性能，但又受限于本地硬件算力的用户来说，通过 API 接口调用云端模型无疑是更具吸引力的选择。
对于不了解 QwQ-32B 的朋友推荐阅读：小模型，大能量：QwQ-32B 以 1/20 参数硬刚满血 DeepSeek-R1
API 接口的优势：打破硬件限制，触手可及的强大算力
之前我们发布了 本地部署 QwQ-32B 大模型：个人电脑轻松上手指南 ，用户想要体验 QwQ-32B 这类大型语言模型，往往需要本地部署高性能计算设备。动辄 24GB 甚至更高显存的硬件要求，将不少用户挡在了 AI 体验的大门之外。阿里云百炼平台提供的 API 接口，则巧妙地解决了这一痛点。
通过 API 接口调用 QwQ 模型，用户可以获得多项优势：
- 硬件配置无门槛: 无需本地部署高性能硬件，降低了使用门槛。即使是轻薄笔记本电脑，甚至智能手机，也能流畅调用云端强大的模型算力。建议用户使用配备 24G 显存或更高规格的显卡，以获得更流畅的本地模型运行体验。
- 系统兼容性: API 接口与操作系统无关，跨平台特性显著。无论用户使用 Windows、macOS 还是 Linux 系统，都可以便捷接入。
- 更强劲的 Plus 版本: 用户可以体验到性能更优的 QwQ Plus 增强版模型，其性能超越了本地部署的 QwQ-32B 满血版。Plus 版本，即通义千问 QwQ 推理模型增强版，是基于 Qwen2.5 模型并经过强化学习训练的成果。相较于基础版本，Plus 版本在模型推理能力上实现了显著提升，在数学代码等核心指标 (如 AIME 24/25、livecodebench) 以及部分通用指标 (如 IFEval、LiveBench 等) 评测中，均达到了 DeepSeek-R1 满血版模型的水平。
- 高速响应: API 接口实现了快速响应，速率可达 40-50 tokens/秒。这意味着用户可以获得近乎实时的交互体验，大幅提升使用效率。
值得一提的是，除了阿里云百炼，硅基流动平台也提供了 QwQ-32B 模型的 API 接口。如果用户对硅基流动平台感兴趣，可以参考之前的文章。本文将主要介绍阿里云百炼平台提供的 API 接口使用方法。
阿里云百炼 API 接入指南：简单三步，快速上手
阿里云百炼平台为 QwQ 系列模型 API 用户提供每日 100 万 tokens 的免费额度。对于大多数用户而言，这一额度足以满足日常的体验和测试需求。用户只需完成简单的注册和配置，即可开始使用。
以下是在客户端配置阿里云百炼 QwQ Plus API 的简要步骤：
1. 获取 API Key 和模型名称
首先，访问 阿里云百炼平台 并完成注册或登录。
登录后，在模型广场搜索 “QwQ”，即可看到 QwQ 系列模型。实际上，模型广场展示了三个主要版本：QwQ32B (正式版)、QwQ32B-Preview (预览版) 以及 QwQ Plus (增强版，亦称商用版)。
选择 “QwQ Plus (增强版)”，点击 “API 调用示例”，在新的页面中找到 模型名称 qwq-plus。
接着，点击页面右上角的 “查看我的 API Key”，首次使用需要创建 API Key，如果已创建则直接查看并复制 API Key。
2. 客户端配置
本文以 Chatwise 客户端为例进行演示。打开 Chatwise 软件，点击用户头像，进入 “设置” 界面。
在供应商列表中找到 “Aliyun”，如果未找到，点击底部的 “➕” 添加。
按照下图所示，进行配置：
- API Base URL:
https://bailian.aliyuncs.com(通用) - API Key: 粘贴上一步复制的 API Key
- 模型: 添加模型名称
qwq-plus(必须为该名称)
3. 开始体验
返回 Chatwise 主界面，在模型选择下拉菜单中选中 “qwq-plus” 模型，即可开始对话体验。
性能实测：媲美本地部署，甚至更优
为了验证 QwQ Plus API 的实际性能，我们进行了简单的对比测试。
速度测试：
实测表明，QwQ Plus API 接口速度表现出色，速率稳定在 40-50 tokens/秒。相比之下，同在阿里云百炼平台上线的 DeepSeek R1 模型 API，速率则明显偏慢，仅为 10+ tokens/秒。
兼容性测试：
用户也可以在 CherryStudio 等客户端上配置并使用 QwQ Plus API。但在测试 CherryStudio 过程中，观察到一个潜在问题：当模型进行长时间复杂推理时，CherryStudio 可能会占用较多系统资源，在部分配置的设备上可能出现软件重启现象。然而，在相同硬件环境下使用 Chatwise 客户端，则未 наблюдаться 类似问题。这可能与不同客户端的开发框架存在差异有关。
能力对比：
我们沿用之前的帽子颜色逻辑推理题，对比本地 QwQ32 模型和 QwQ Plus API 的表现。
问题描述：
有 5 个人排成一排，每人帽子颜色为红色或蓝色。他们可以看到前面的人的帽子，但看不到自己的。主持人宣布：“至少有一顶红帽子。”从最后一人开始，每人依次说“是”或“否”（表示是否知道自己帽子的颜色）。如果第 5 人说“否”，第 4 人说“是”，求所有可能的帽子颜色分布。
本地 QwQ32 模型表现：
本地 QwQ32 模型在经过两次尝试后，最终成功解答，第二次耗时 196 秒。
QwQ Plus API 表现：
QwQ Plus API 在相同问题上的表现：一次性给出正确答案，耗时 77 秒。
测试结果分析：
虽然单个案例不足以全面评估模型能力，但本次测试结果能够直观地反映出本地部署模型与云端 API 方案的差异。在解决逻辑推理问题时，两种方案均能给出正确答案，但 QwQ Plus API 在效率和推理过程的清晰度上更胜一筹，推理耗时更短，token 消耗也更少。
拥抱云端 AI，人人可享
阿里云百炼平台免费开放 QwQ-32B API 接口，并提供慷慨的免费 tokens 额度，无疑是推动大语言模型技术普及的重要一步。借助 API 接口，用户无需投入高昂的硬件成本，即可在云端轻松体验高性能 AI 模型带来的强大能力。无论你是开发者、研究人员还是 AI 爱好者，现在都可以充分利用阿里云百炼提供的免费资源，开启你的 AI 探索之旅。
简体中文 
English 
日本語 
Deutsch (Sie) 
Português do Brasil