Khác biệt tham số và giao thức của Qwen

Tìm hiểu khác biệt tham số và cách dùng mô hình Qwen qua các giao thức tương thích.

Với Qwen, chỉnh tham số theo trang này. Cấu trúc đầy đủ: Chat Completions, Responses, Messages.

Mô hình áp dụng

Mô hình	Phạm vi
qwen3.8-max-0902, qwen3.8-flash, qwen3.8-max	Tất cả hỗ trợ Chat, Responses, Messages; quy tắc chung gộp lại, phạm vi media xem bảng

Khác biệt Chat Completions

Trường	Khác biệt
`enable_thinking`, `reasoning_effort`	Mặc định suy nghĩ; mức hiệu lực `low/medium/xhigh`, mặc định `xhigh`. `minimal` sang `low`, `high/max` sang `xhigh`, `none` tắt suy nghĩ
`thinking_budget`	Không cùng `reasoning_effort`, nếu không gây lỗi. Chỉ định riêng mức thì `low/medium/xhigh` lần lượt tương ứng ngân sách `4096/16384/262144`
`max_tokens`, `max_completion_tokens`	`max_tokens` chỉ giới hạn trả lời, chính thức sắp ngừng khuyến nghị; mới tích hợp dùng `max_completion_tokens` giới hạn tổng suy nghĩ/trả lời
`temperature`	Phạm vi `[0,2)`; mặc định suy nghĩ: văn bản `1.0`, thị giác `0.6`; dưới `0.6` thành `0.6`. Không suy nghĩ mặc định `0.7`
`top_p`, `top_k`	`top_p` phạm vi `(0,1]`, mặc định suy nghĩ / không `0.95/0.8`. Mở rộng `top_k` nguyên không âm, mặc định `20`; `null` hoặc trên `100` tắt Top-K
`repetition_penalty`	Mở rộng Qwen, lớn hơn `0`, mặc định `1.0`; khác hai trường phạt OpenAI
`preserve_thinking`	Mặc định bật; gửi nguyên suy nghĩ trong `reasoning_content` assistant, không ghép vào `content`. Không gửi suy nghĩ không tự gây lỗi
`tool_choice`	Hỗ trợ `auto/none`; suy nghĩ không nhận `required` hay ép hàm. Không suy nghĩ được chỉ định hàm, nhưng `required` vẫn không đảm bảo gọi
`tool_stream`	Mặc định `false`; chỉ với `stream=true` mới xuất đối số phức tạp tăng dần. Max chỉ văn bản, Flash mọi phương thức
`response_format`	Hỗ trợ `json_object/json_schema`; đầu yêu cầu từ JSON trong prompt, sau định nghĩa bằng `response_format.json_schema`; không cần tắt suy nghĩ
`enable_search`, `search_options`	`enable_search` mặc định `false`; `search_options.forced_search` ép tìm kiếm. Các mô hình dùng `turbo/max`; với `include_tool_usage=true`, thống kê thực tế trong `usage.x_tools`

Khác biệt Responses

Trường	Khác biệt
`reasoning.effort`	Hỗ trợ `none/low/medium/xhigh`, mặc định `xhigh`; `minimal` sang `low`, `high/max` sang `xhigh`
`enable_thinking`	Công tắc tương thích sẽ ngừng hỗ trợ; nên dùng `reasoning.effort`. Cùng truyền thì `reasoning.effort` ưu tiên
`max_output_tokens`	Tối thiểu `16`, gồm suy nghĩ và trả lời
`text.format`	Hỗ trợ `text/json_object/json_schema`; JSON Schema trong `text.format.json_schema` chứa `name/schema/strict`, khác dạng phẳng giao thức gốc
`tool_choice`	Hỗ trợ `auto/none/required` và đối tượng `allowed_tools`; `required` chỉ khi danh sách có một công cụ
`tools`	Ngoài hàm có `web_search`, `web_extractor`, `code_interpreter`; trích web phải kèm tìm kiếm, trình thông dịch mã cần suy nghĩ
`store`, `previous_response_id`, `conversation`	Lưu lịch sử máy chủ; `store` mặc định `true`, ID hiệu lực `7 ngày`. Hai trường sau không đồng thời
`background` và tham số mở rộng khác	Không chạy nền bất đồng bộ; tham số OpenAI không có trong Responses Reference chính thức bị bỏ qua

Khác biệt Messages

Trường	Khác biệt
`thinking.type`	Hỗ trợ `enabled/disabled`, mặc định suy nghĩ; không dùng cấu hình Claude `adaptive`
`output_config.effort`	Dùng `low/medium/xhigh`, mặc định `xhigh`; `high/max` sang `xhigh`, không áp mọi ánh xạ Chat
`thinking.budget_tokens`	Chính thức sắp ngừng khuyến nghị; dùng `output_config.effort` cho mới. Giữ ngân sách cũ thì `max_tokens` phải lớn hơn nó
`max_tokens`	Bắt buộc; Qwen3.8 giới hạn tổng suy nghĩ và trả lời
`temperature`, `messages[].role`	Nhiệt độ `[0,2)`; ngoài vai trò `user/assistant` còn `system`
`tool_result.content`	Kết quả công cụ dùng chuỗi; tuần tự hóa đối tượng/mảng trước, không dùng mảng khối Claude
`output_config.format`	Hỗ trợ JSON Schema nghiêm ngặt; dùng `type: "json_schema"`, Schema trong `schema`, `additionalProperties` phải `false`
`web_search` trong `tools`	Tên tìm kiếm `web_search`, loại có ngày như `web_search_20250305`; HTTP / SDK còn cần định danh máy khách `x-anthropic-billing-header: cc_entrypoint=cli;` trong `system`

Khác biệt bộ nhớ đệm

Trường	Khác biệt
Đệm ngầm định	Tự bật; tiền tố giống ít nhất `1024 Token`, không đảm bảo luôn trúng
Đệm tường minh Chat / Messages	Dấu `cache_control: { type: "ephemeral" }` trên khối, ít nhất `1024 Token`, hiệu lực `5 phút`, gia hạn khi trúng; tối đa `4` dấu
Vị trí đệm tường minh	System phải dùng mảng khối. Định nghĩa công cụ tính trong tiền tố nhưng dấu chỉ trên định nghĩa bị bỏ qua. Không sao chép TTL/điểm ngắt khác của Reference chung
Đệm Session Responses	Header `x-dashscope-session-cache: enable` bật, mặc định `disable`; tắt Session không tắt đệm ngầm định tự động
Mức sử dụng đệm	Chat `usage.prompt_tokens_details.cached_tokens`; Responses `usage.input_tokens_details.cached_tokens`; Messages `usage.cache_read_input_tokens`, `usage.cache_creation_input_tokens`

Khác biệt đầu vào đa phương tiện

Đầu vào	Khối giao thức	Khác biệt
Hình ảnh	`image_url`	Chat: `image_url.url` hỗ trợ URL công khai / Base64 Data URL
Video	`video_url`	Mở rộng Chat: `video_url.url` URL công khai / Base64 Data URL; `fps` trên khối cùng cấp `video_url`
Danh sách khung	`video`	Mở rộng Chat: ảnh theo thời gian trong mảng `video`, ít nhất `4` khung
Hình ảnh	`input_image`	Responses: `image_url` chuỗi URL công khai / Base64 Data URL đầy đủ, không đối tượng lồng Chat
PDF	`input_file`	Responses chính thức liệt kê qwen3.8-max, qwen3.8-flash; PDF công khai qua `file_url`, tối đa `100 MB`; không thêm tham số riêng OCR
Hình ảnh	`image`	Messages: `url` cho `source.type=url`; `media_type` và Base64 thô `data` cho `base64`
Video	`video`	Mở rộng Messages: URL công khai qua `source` hoặc `media_type`, Base64 thô `data`; không phải khối Claude gốc

Trường	Khác biệt
Điều khiển ảnh Chat	`min_pixels/max_pixels` trên khối điều chỉnh pixel; có `vl_high_resolution_images=true` cấp cao nhất thì `max_pixels` vô hiệu
Kích thước ảnh	Ảnh công khai tối đa `20 MB`; trước Base64 tối đa `20 MB`; Data URL sau mã hóa tối đa `20 MB` trong Chat, `32 MB` trong Messages
Giới hạn video	Video công khai tối đa `2 GB`, chuỗi Base64 nhỏ hơn `10 MB`; chỉ hiểu hình, không âm thanh trong video
Phạm vi giao thức	Ba mô hình không dùng API âm thanh Omni; `input_audio/input_video` Responses hiện chỉ Omni. Không đưa khối video Chat / Messages sang Responses

Ví dụ gọi

Thay MODEL_ID bằng ID mô hình đầy đủ và dùng API Key riêng.

curl 'https://api.agtcloud.cn/v1/chat/completions' \
  -H 'Authorization: Bearer your-api-key' \
  -H 'Content-Type: application/json' \
  --data '{
    "model": "MODEL_ID",
    "messages": [{"role": "user", "content": "Giải thích cách xử lý thời gian chờ API bằng ba ý"}],
    "reasoning_effort": "low",
    "max_completion_tokens": 4096
  }'