Qwen3.8-Omni-Flash 多轮对话 API 使用文档
基于 Qwen3.8-Omni-Flash 全模态模型的多轮对话接口，通过 /v1/chat/completions 端点以 OpenAI SDK 流式调用。多轮对话不会由服务端自动保存上下文，客户端需在每次请求中把之前的用户消息和助手回复按顺序放入 messages；preserve_thinking 默认开启，思考开启时应将上一轮回复的思考内容放入历史 assistant 消息的 reasoning_content 字段一并传回（传回的思考内容计入输入 Token 和费用，assistant 消息只能包含文本数据），模型才能完整延续已有上下文。
接口地址
| 接口 | 请求方式 | URL |
|---|---|---|
| 多轮对话 | POST | https://www.dmxapi.cn/v1/chat/completions |
WARNING
请妥善保管您的 API Key！严禁将密钥泄露给他人、硬编码到代码中或提交到公开的代码仓库。如果怀疑密钥已泄露，请立即前往 DMXAPI 官网重新生成。
模型名称
qwen3.8-omni-flash
多轮对话示例代码
python
from openai import OpenAI
# ===============================================================
# 步骤1: 初始化 OpenAI 客户端
# ===============================================================
client = OpenAI(
# DMXAPI 密钥 (请替换为您自己的密钥)
# 获取方式: 登录 DMXAPI 官网 -> 个人中心 -> API 密钥管理
api_key="sk-******************************************",
# DMXAPI 兼容 OpenAI SDK 的服务端点地址
base_url="https://www.dmxapi.cn/v1",
)
# ===============================================================
# 步骤2: 配置请求参数并发送请求
# ===============================================================
# preserve_thinking 默认开启: 思考开启时，应把上一轮回复的思考内容
# 放入历史 assistant 消息的 reasoning_content 字段，随 messages 一并传回
# 传回的思考内容计入输入 Token 和费用
# 注意: messages 数组中的 assistant 消息只能包含文本数据
# 本示例开启了思考 (reasoning_effort="low")，历史 assistant 消息中携带了 reasoning_content
completion = client.chat.completions.create(
# 【model】(string, 必填) 调用的模型名称
model="qwen3.8-omni-flash",
# 【reasoning_effort】(string, 可选) 思考强度，不传时默认开启思考，默认值为 "xhigh"
# 可选值: "none"(关闭思考) / "minimal" / "low" / "medium" / "high" / "xhigh" / "max"
# 取值映射: "minimal" 按 "low" 处理，"high" 和 "max" 按 "xhigh" 处理
# 注意: reasoning_effort 和 thinking_budget 不能同时设置，否则请求报错
# 本示例开启思考，使用 low 档
reasoning_effort="low",
# 【messages】(array, 必填) 对话消息列表，按时间顺序排列
# 多轮对话需由客户端传入完整历史消息，音频 / 视频输入仅允许出现在 user 消息中
messages=[
{
# 第一轮用户消息
# 【role】(string, 必填) 消息角色
# 可选值: "system"(系统提示，设定助手行为) / "user"(用户输入) / "assistant"(助手回复，用于多轮对话)
"role": "user",
# 【content】(array, 必填) 消息内容，对象数组形式
"content": [
{
# 【type】(string, 必填) 输入类型，此处为 "text"(文本)
"type": "text",
# 【text】(string, 必填) 文本内容
"text": "请介绍一下牛奶。",
},
],
},
{
# 第一轮模型回复 (assistant 消息只能包含文本数据)
"role": "assistant",
"content": [
{
"type": "text",
"text": "牛奶是一种常见的乳制品，含有蛋白质、脂肪、钙和多种维生素。",
},
],
# 【reasoning_content】(string, 可选) 上一轮回复的思考内容
# preserve_thinking 默认开启，思考开启时随回复一并传回
# 传回的思考内容计入输入 Token 和费用
"reasoning_content": "用户想了解牛奶，先给出定义，再概括主要营养成分。",
},
{
# 第二轮用户消息
"role": "user",
"content": [
{
"type": "text",
"text": "牛奶中有哪些主要营养成分？",
},
],
},
{
# 第二轮模型回复
"role": "assistant",
"content": [
{
"type": "text",
"text": "牛奶中主要含有蛋白质、脂肪、乳糖、钙、磷以及维生素B2等营养成分。",
},
],
# 第二轮回复的思考内容，随回复一并传回
"reasoning_content": "用户追问营养成分，按蛋白质、脂肪、乳糖、钙和维生素分类列举。",
},
{
# 第三轮用户消息
"role": "user",
"content": [
{
"type": "text",
"text": "哪些人适合喝牛奶？每天喝多少比较合适？",
},
],
},
],
# 【modalities】(array, 可选) 输出模态
# qwen3.8-omni-flash 仅支持文本输出，固定为 ["text"]
modalities=["text"],
# 【stream】(boolean, 可选) 是否使用流式输出
stream=True,
# 【stream_options】(object, 可选) 流式输出选项，仅在 stream=True 时生效
stream_options={
# 【include_usage】(boolean, 可选) 在流末尾的最后一个数据块返回 Token 用量
"include_usage": True,
},
)
# ===============================================================
# 步骤3: 处理流式响应
# ===============================================================
for chunk in completion:
if chunk.choices:
delta = chunk.choices[0].delta
# 思考开启时，先输出思考内容 (delta.reasoning_content)
reasoning_content = getattr(delta, "reasoning_content", None)
if reasoning_content:
print(reasoning_content, end="", flush=True)
# 正式回答通过 delta.content 输出
if delta.content:
print(delta.content, end="", flush=True)
else:
# 最后一个数据块返回 Token 用量
if chunk.usage:
print("\n\nToken 用量：")
print(chunk.usage)返回示例
text
用户继续询问关于牛奶的问题，这次问的是适合喝牛奶的人群以及每日建议饮用量。我需要根据营养学常识来回答这个问题。
关键点：
1. 适合人群：大多数人，尤其是儿童、青少年、孕妇、老年人等需要补钙的人群
2. 不适合人群：乳糖不耐受者、牛奶过敏者等
3. 每日建议量：中国居民膳食指南建议每天300-500ml
我来组织一个清晰完整的回答。
## 适合喝牛奶的人群
**推荐人群：**
- **儿童和青少年**：处于生长发育期，需要充足的蛋白质和钙质。
- **孕妇和哺乳期女性**：对钙和蛋白质的需求增加。
- **中老年人**：有助于预防骨质疏松。
- **一般成年人**：作为日常营养补充。
**不太适合的人群：**
- **乳糖不耐受者**：饮用后可能出现腹胀、腹泻等症状，可选择低乳糖奶或酸奶替代。
- **牛奶蛋白过敏者**：尤其多见于婴幼儿，应避免饮用。
- **某些消化系统疾病患者**：如急性胃肠炎期间，建议暂缓饮用。
---
## 每日建议饮用量
根据《中国居民膳食指南（2022）》的建议：
| 人群 | 每日建议量 |
|------|-----------|
| 一般成年人 | 300～500 ml |
| 儿童（学龄前） | 350～500 ml |
| 青少年 | 300～500 ml |
| 孕妇/乳母 | 300～500 ml |
| 老年人 | 300～500 ml |
---
## 小贴士
- 可以分次饮用，比如早餐一杯、睡前一杯。
- 搭配主食一起食用，吸收效果更好。
- 如果空腹喝牛奶容易不适，可以先吃点面包、饼干等再喝。
- 全脂奶、脱脂奶可根据自身健康需求选择，一般人群喝全脂奶即可。
Token 用量：
CompletionUsage(completion_tokens=437, prompt_tokens=116, total_tokens=553, completion_tokens_details=CompletionTokensDetails(accepted_prediction_tokens=None, audio_tokens=None, reasoning_tokens=100, rejected_prediction_tokens=None, text_tokens=337), prompt_tokens_details=PromptTokensDetails(audio_tokens=None, cached_tokens=0, text_tokens=116))© 2026 DMXAPI Qwen3.8-Omni-Flash 多轮对话