Гайд Получаем бесплатно доступ к API мощной нейросети Qwen AI

wlux.net сказал(а):

Сейчас я вам расскажу как можно бесплатно получить API нейросети

Пожалуйста, войдите или зерегистрируйтесь, чтобы увидеть скрытый текст.

для своих нужд.

Шаг 1. Авторизация
Для начала нужно авторизироваться. Здесь всё максимально просто. Переходим на сайт (

Пожалуйста, войдите или зерегистрируйтесь, чтобы увидеть скрытый текст.

), авторизируемая через Google, Github или почтой.
Шаг 2. Получаем токен
После самой авторизации нужно получить токен, что-бы в будущем через него отправлять сообщения. В чате нам нужно отловить запрос с токеном, для это: Нажимаем F12 > Переходим во вкладку Network > Ставим сортировку по Fetch/XHR запросам (Для удобности)
Посмотреть вложение 39681
Далее ловим сам запрос отправкой любого сообщения ии. После отправки сообщения в DevTools посыпались различные запросы от клиента, нам нужен только completions, в нём и будет наш токен.
Посмотреть вложение 39682
Скролим чуть ниже, к полю Authorization, там и лежит наш токен.
Посмотреть вложение 39683
Шаг 3. Используем токен
Токен получен, используем в коде. К примеру буду приводить код на Python, так как используем REST API из библиотек использую только requests.

Python:

# Константы
TOKEN = "Токен который мы получили на предыдущем шаге"

QWEN_URL = "https://chat.qwenlm.ai/api/chat/completions"
QWEN_HEADERS = {
    "Authorization": f"Bearer {TOKEN}",
    "Content-Type": "application/json",
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/237.84.2.178 Safari/537.36"
}

Массив из отправленных сообщений может содержать сообщения как от пользователя - user, от ии - assistant, и от системы - system.

Python:

# Пример сообщений для отправки
messages = [
    {"role": "user", "content": "Привет!", "extra": {}, "chat_type": "t2t"},
] # chat_type указываю на t2t для обмена сообщениями (В самом ИИ можно ещё видео и картинки генерировать)

В боди запроса можно указать модель ИИ (qwen-max-latest самая мощная на данный момент, на уровне с gpt-4o или даже выше), так же параметр stream отвечает за потоковую передачу сообщений.

Python:

# Параметры запроса
payload = {
    "chat_type": "t2t",
    "messages": messages,
    "model": "qwen-max-latest",
    "stream": False
}

Ну и сама отправка запроса и получение ответа от ИИ:

Python:

# Отправка POST-запроса
response = requests.post(QWEN_URL, headers=QWEN_HEADERS, json=payload)

# Обработка ответа
if response.status_code == 200:
    result = response.json()
    print("Ответ от нейросети:", result["choices"][0]["message"]["content"])
else:
    print(f"Ошибка при отправке запроса: {response.status_code}")
    print("Текст ошибки:", response.text)

Готово! Мы получили полностью рабочую китайскую ИИшку для любых целей.

Кому надо, вот полный код на питончике

Python:

import requests

TOKEN = "Токен который мы получили на шаге 2"

QWEN_URL = "https://chat.qwenlm.ai/api/chat/completions"
QWEN_HEADERS = {
    "Authorization": f"Bearer {TOKEN}",
    "Content-Type": "application/json",
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/237.84.2.178 Safari/537.36"
}

messages = [
    {"role": "user", "content": "Привет!", "extra": {}, "chat_type": "t2t"},
]

payload = {
    "chat_type": "t2t",
    "messages": messages,
    "model": "qwen-max-latest",
    "stream": False
}

response = requests.post(QWEN_URL, headers=QWEN_HEADERS, json=payload)

if response.status_code == 200:
    result = response.json()
    print("Ответ от нейросети:", result["choices"][0]["message"]["content"])
else:
    print(f"Ошибка при отправке запроса: {response.status_code}")
    print("Текст ошибки:", response.text)

Нажмите, чтобы раскрыть...

wlux.net сказал(а):

Сейчас я вам расскажу как можно бесплатно получить API нейросети

Пожалуйста, войдите или зерегистрируйтесь, чтобы увидеть скрытый текст.

для своих нужд.

Шаг 1. Авторизация
Для начала нужно авторизироваться. Здесь всё максимально просто. Переходим на сайт (

Пожалуйста, войдите или зерегистрируйтесь, чтобы увидеть скрытый текст.

), авторизируемая через Google, Github или почтой.
Шаг 2. Получаем токен
После самой авторизации нужно получить токен, что-бы в будущем через него отправлять сообщения. В чате нам нужно отловить запрос с токеном, для это: Нажимаем F12 > Переходим во вкладку Network > Ставим сортировку по Fetch/XHR запросам (Для удобности)
Посмотреть вложение 39681
Далее ловим сам запрос отправкой любого сообщения ии. После отправки сообщения в DevTools посыпались различные запросы от клиента, нам нужен только completions, в нём и будет наш токен.
Посмотреть вложение 39682
Скролим чуть ниже, к полю Authorization, там и лежит наш токен.
Посмотреть вложение 39683
Шаг 3. Используем токен
Токен получен, используем в коде. К примеру буду приводить код на Python, так как используем REST API из библиотек использую только requests.

Python:

# Константы
TOKEN = "Токен который мы получили на предыдущем шаге"

QWEN_URL = "https://chat.qwenlm.ai/api/chat/completions"
QWEN_HEADERS = {
    "Authorization": f"Bearer {TOKEN}",
    "Content-Type": "application/json",
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/237.84.2.178 Safari/537.36"
}

Массив из отправленных сообщений может содержать сообщения как от пользователя - user, от ии - assistant, и от системы - system.

Python:

# Пример сообщений для отправки
messages = [
    {"role": "user", "content": "Привет!", "extra": {}, "chat_type": "t2t"},
] # chat_type указываю на t2t для обмена сообщениями (В самом ИИ можно ещё видео и картинки генерировать)

В боди запроса можно указать модель ИИ (qwen-max-latest самая мощная на данный момент, на уровне с gpt-4o или даже выше), так же параметр stream отвечает за потоковую передачу сообщений.

Python:

# Параметры запроса
payload = {
    "chat_type": "t2t",
    "messages": messages,
    "model": "qwen-max-latest",
    "stream": False
}

Ну и сама отправка запроса и получение ответа от ИИ:

Python:

# Отправка POST-запроса
response = requests.post(QWEN_URL, headers=QWEN_HEADERS, json=payload)

# Обработка ответа
if response.status_code == 200:
    result = response.json()
    print("Ответ от нейросети:", result["choices"][0]["message"]["content"])
else:
    print(f"Ошибка при отправке запроса: {response.status_code}")
    print("Текст ошибки:", response.text)

Готово! Мы получили полностью рабочую китайскую ИИшку для любых целей.

Кому надо, вот полный код на питончике

Python:

import requests

TOKEN = "Токен который мы получили на шаге 2"

QWEN_URL = "https://chat.qwenlm.ai/api/chat/completions"
QWEN_HEADERS = {
    "Authorization": f"Bearer {TOKEN}",
    "Content-Type": "application/json",
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/237.84.2.178 Safari/537.36"
}

messages = [
    {"role": "user", "content": "Привет!", "extra": {}, "chat_type": "t2t"},
]

payload = {
    "chat_type": "t2t",
    "messages": messages,
    "model": "qwen-max-latest",
    "stream": False
}

response = requests.post(QWEN_URL, headers=QWEN_HEADERS, json=payload)

if response.status_code == 200:
    result = response.json()
    print("Ответ от нейросети:", result["choices"][0]["message"]["content"])
else:
    print(f"Ошибка при отправке запроса: {response.status_code}")
    print("Текст ошибки:", response.text)

Нажмите, чтобы раскрыть...