通过 DashScope 兼容模式用 OpenAI SDK 调用 Qwen3.7 Plus

Qwen3.7 Plus 已经便宜到值得认真测试：截至 2026 年 7 月 23 日，Qwen Cloud 对 qwen3.7-plus 的标价为：最高 256K 输入 token 时，每 1M 输入 token $0.40、每 1M 输出 token $1.60；从 256K 到 1M 时，输入为 $1.20、输出为 $4.80（Qwen Cloud pricing）。这是在你重写任何东西之前值得做这次迁移的主要原因。

真正有用的是 API 形态。Qwen Cloud 文档提供了一个兼容 OpenAI 的 Chat Completions 端点：

https://dashscope-intl.aliyuncs.com/compatible-mode/v1

它自己的迁移页面说明，现有 OpenAI SDK 代码只需修改 base_url、api_key 和 model 即可切换，并且示例使用 model="qwen3.7-plus"（Qwen Cloud OpenAI compatibility）。这意味着大多数聊天应用、评测脚本、小型 agent 和内部工具都可以在几分钟内完成迁移。需要注意的部分是思考参数、被忽略的 OpenAI 字段、长上下文定价和缓存行为。

1. 设置客户端

安装官方 OpenAI Python SDK：

python -m pip install --upgrade openai

设置你的 DashScope 密钥：

export DASHSCOPE_API_KEY="sk-your-dashscope-key"

然后发起一个尽可能简单的 Chat Completions 调用：

# qwen_chat.py
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DASHSCOPE_API_KEY"],
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="qwen3.7-plus",
    messages=[
        {"role": "system", "content": "You are a concise senior Python engineer."},
        {"role": "user", "content": "Write a Python function that chunks a list into size-n batches."},
    ],
    temperature=0.2,
)

print(completion.choices[0].message.content)
print(completion.usage)

运行它：

python qwen_chat.py

同样的模式也适用于 Node。Qwen Cloud 的快速迁移页面也展示了 JavaScript SDK 中使用 baseURL: "https://dashscope-intl.aliyuncs.com/compatible-mode/v1" 和 model: "qwen3.7-plus"（Qwen Cloud OpenAI compatibility）。

如果你维护的代码需要在多个服务商之间切换，请把服务商配置放在调用点之外：

PROVIDERS = {
    "qwen": {
        "api_key_env": "DASHSCOPE_API_KEY",
        "base_url": "https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
        "model": "qwen3.7-plus",
    }
}

def make_client(provider_name: str) -> tuple[OpenAI, str]:
    cfg = PROVIDERS[provider_name]
    return (
        OpenAI(
            api_key=os.environ[cfg["api_key_env"]],
            base_url=cfg["base_url"],
        ),
        cfg["model"],
    )

OpenAI SDK 本身支持 base_url、自定义超时、重试和原始响应访问；其 README 记录了对连接错误、408、409、429 和 500 级错误的自动重试，以及 max_retries 和 timeout 选项（openai-python）。

2. 迁移参数，而不只是 URL

理想路径很简单。棘手之处在于参数差异。

Qwen Cloud 表示 Chat Completions API 与 OpenAI 的 Chat API 大体兼容，但 Qwen 专属参数必须通过 Python SDK 中的 extra_body 传入（Qwen Cloud OpenAI compatibility）。这对思考、搜索以及一些采样控制很重要。

启用思考的示例：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DASHSCOPE_API_KEY"],
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)

stream = client.chat.completions.create(
    model="qwen3.7-plus",
    messages=[
        {"role": "user", "content": "Find the bug in this retry loop and explain the fix."}
    ],
    extra_body={
        "enable_thinking": True,
        "thinking_budget": 500,
    },
    stream=True,
)

for chunk in stream:
    if not chunk.choices:
        continue

    delta = chunk.choices[0].delta

    if getattr(delta, "reasoning_content", None):
        print(delta.reasoning_content, end="", flush=True)

    if getattr(delta, "content", None):
        print(delta.content, end="", flush=True)

Qwen 的思考指南说明，enable_thinking 会为混合模型开启推理，thinking_budget 会限制思考 token 数，并且思考 token 会按输出 token 计费（Qwen Cloud thinking）。最后一点很容易被开发者忽略。一个模型在写出 300-token 答案之前先思考了 2,000 个 token，这并不是一次 300-token 输出调用。

在迁移生产代码之前，也要检查不支持的 OpenAI 字段。Qwen Cloud 表示，在 Chat Completions 兼容模式中，包括 reasoning_effort、max_completion_tokens、metadata、store、verbosity、prompt_cache_key 以及其他几个字段会被静默忽略（Qwen Cloud OpenAI compatibility）。如果你的 OpenAI 应用依赖其中某个字段来控制成本或产品行为，请显式替换它。

3. 发送前先估算长上下文价格

qwen3.7-plus 的价格分层很简单，但影响很实际。

单次请求的输入 token	输入价格 / 1M	输出价格 / 1M
≤ 256K	$0.40	$1.60
256K 到 1M	$1.20	$4.80

来源：Qwen Cloud pricing。

5 月 26 日快照的模型市场页面将 qwen3.7-plus-2026-05-26 列为支持文本、图像和视频输入、文本输出的模型，并标识为 2026 年 5 月 26 日的快照（Qwen Cloud model page）。Qwen Cloud 更新日志则在 2026 年 6 月 1 日下分别列出了 qwen3.7-plus 和 qwen3.7-plus-2026-05-26，并描述 Plus 系列在保留编码、工具使用和生产力工作流能力的同时，增加了升级后的视觉语言能力（Qwen Cloud model releases）。

对于产品代码，请增加一个预检估算器。你不需要完美的 tokenization，也能防止意外的 900K-token 调用落入更昂贵的档位。

def estimate_qwen37_plus_cost(input_tokens: int, output_tokens: int) -> float:
    if input_tokens <= 256_000:
        input_per_m = 0.40
        output_per_m = 1.60
    else:
        input_per_m = 1.20
        output_per_m = 4.80

    return (input_tokens / 1_000_000 * input_per_m) + (
        output_tokens / 1_000_000 * output_per_m
    )

print(estimate_qwen37_plus_cost(180_000, 4_000))  # 0.0784
print(estimate_qwen37_plus_cost(400_000, 4_000))  # 0.4992

第二次调用并不只是“多一点上下文”。它跨过了一个价格档位边界。

4. 前缀重复时使用缓存

上下文缓存能让 Qwen 在重复长提示场景下显著变便宜。Qwen Cloud 文档说明了三种缓存模式：显式缓存、隐式缓存和会话缓存（Qwen Cloud context cache）。

计费规则很明确：

缓存模式	创建成本	命中成本	最小缓存 token 数
显式缓存	标准输入的 125%	标准输入的 10%	1,024
隐式缓存	标准输入的 100%	标准输入的 20%	256
会话缓存	标准输入的 125%	标准输入的 10%	1,024

对于 ≤256K 档位的 qwen3.7-plus，这对应模型页面上的每 1M 隐式缓存命中 token $0.08、每 1M 显式缓存创建 token $0.50，以及每 1M 显式缓存读取 token $0.04（Qwen Cloud model page）。

将缓存用于稳定前缀：政策文档、长系统提示、工具手册、schema 或代码库摘要。不要指望它拯救每个请求开头都不同的提示。Qwen Cloud 还表示，Batch 和缓存折扣不能在同一请求中叠加使用（Qwen Cloud pricing）。

5. 生产检查清单和网关选项

切换流量之前，请测试这些情况：

1. 基础非流式聊天。
2. 流式聊天。
3. 使用 extra_body 的思考模式。
4. 如果你的应用使用函数，请测试工具调用。
5. JSON 输出，记住 Qwen 兼容模式支持 json_object，而不是 OpenAI 的 json_schema。
6. 接近 256K 输入 token 的长提示。
7. 大量缓存、重复前缀的调用。
8. 重试和超时行为。

对于跨模型家族的 fallback 路由，onehop 是简单路径。将一个 OpenAI SDK base URL 改为 https://api.onehop.ai/v1，并用一个网关接入 GPT、Claude、Gemini 和其他模型。OneHop 文档提供了兼容 OpenAI 的 https://api.onehop.ai/v1、兼容 Anthropic 的 https://api.onehop.ai/anthropic，以及兼容 Vertex/Gemini 的 https://api.onehop.ai/vertex-ai 端点（onehop docs）。它也被定位为比一方渠道更便宜，新账号可获得 $10 免费额度且无需绑卡。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ONEHOP_API_KEY"],
    base_url="https://api.onehop.ai/v1",
)

response = client.chat.completions.create(
    model="openai/gpt-5.5",
    messages=[{"role": "user", "content": "Summarize this incident report in 5 bullets."}],
)

print(response.choices[0].message.content)

这并不会替代上面的 Qwen 专属工作。它提供了一条更干净的路径：当你的应用某个工作流需要 Claude、另一个需要 GPT、还要用 Gemini 做多模态测试时，无需接入三套计费系统和三套 SDK 配置。可以从这里开始在 onehop 上调用 Claude 和其他模型，或者注册领取 $10 免费额度。

6. 实用迁移方式

迁移一开始只有三行，直到事情不再这么简单：base_url、api_key、model。之后真正的工作是移除被忽略的 OpenAI 参数，把 Qwen 控制项移到 extra_body，并为长上下文加上硬性防护。

当你想要一个兼顾成本、长上下文和多模态输入支持的模型时，可以使用 qwen3.7-plus。对于简单抽取和分类，保持思考关闭。对于代码审查、工具编排或多步推理，开启它，并设置 thinking_budget，避免成本漂移。缓存稳定前缀。留意 256K 档位边界。

对于同一产品中还需要 Claude、GPT 或 Gemini 的团队，请保留一条网关路径：在 onehop 上调用 Claude 和其他模型，然后在你想要不绑卡进行真实冒烟测试时，注册领取 $10 免费额度。