模型提供者

Qwen Code 允许你通过 settings.json 中的 modelProviders 配置来使用多个模型提供者。这样你就可以使用 /model 命令在不同的 AI 模型和提供者之间切换。

概述

使用 modelProviders 按认证类型声明模型，供 /model 选择器切换。键必须是有效的认证类型（openai、anthropic、gemini 等）。每个认证类型映射到一个包含 protocol 字段和 models 字段（模型定义数组）的 ProviderConfig 对象。models 中的每一项都需要一个 id；envKey 是 可选但推荐的（省略时，会回退到该认证类型的默认环境变量键，例如 openai 对应 OPENAI_API_KEY），此外还有可选的 name、description、baseUrl 和 generationConfig。凭据永远不会持久化在 settings 中；运行时从 process.env[envKey] 读取。Qwen OAuth 模型是硬编码的，无法被覆盖。

Note

只有 /model 命令会暴露非默认的认证类型。Anthropic、Gemini 等必须通过 modelProviders 定义。/auth 命令列出三个顶层选项：阿里云 ModelStudio（其子菜单中包含 Coding Plan、Token Plan 和 Standard API Key）、第三方提供者 和 自定义提供者。（Qwen OAuth 不再是可选择的对话框条目；其免费套餐已于 2026-04-15 停止。）

Note

模型唯一性： 同一 authType 下的模型通过 id + baseUrl 的组合唯一标识。这意味着你可以在同一个 authType 下多次定义相同的模型 ID（例如 "gpt-4o"），只要每个条目的 baseUrl 不同即可——例如，一个指向 OpenAI 官方，另一个指向代理端点。如果两个条目的 id 和 baseUrl 都相同（或两者都省略了 baseUrl），则第一个条目生效，后续重复的条目会被跳过并给出警告。

按认证类型的配置示例

以下是针对不同认证类型的全面配置示例，展示了可用的参数及其组合。

支持的认证类型

modelProviders 对象的键必须是有效的 authType 值。目前支持的认证类型有：

认证类型	描述
`openai`	兼容 OpenAI 的 API（OpenAI、Azure OpenAI、本地推理服务器如 vLLM/Ollama）
`anthropic`	Anthropic Claude API
`gemini`	Google Gemini API
`qwen-oauth`	Qwen OAuth（硬编码，无法在 `modelProviders` 中覆盖）
`vertex-ai`	Google Vertex AI（使用 `gemini` 协议和 Vertex AI 模式下的 `@google/genai` SDK；选择后会设置 `GOOGLE_GENAI_USE_VERTEXAI=true`）

[!warning] 如果使用了未知的认证类型键（例如拼写错误 "openai-custom"），非空键会按原样作为独立的认证类型组被接受，但不会映射到已知的协议——因此其模型将无法按预期工作，并且在 /model 选择器中行为不正确。只有空白（空或仅含空白字符）键会被跳过。始终使用上面列出的受支持的认证类型值。

用于 API 请求的 SDK

Qwen Code 使用以下官方 SDK 向各个提供者发送请求：

认证类型	SDK 包
`openai`	`openai` – OpenAI 官方 Node.js SDK
`anthropic`	`@anthropic-ai/sdk` – Anthropic 官方 SDK
`gemini`	`@google/genai` – Google GenAI 官方 SDK
`qwen-oauth`	`openai` 配合自定义提供者（兼容 DashScope）

这意味着你配置的 baseUrl 应与相应 SDK 所期望的 API 格式兼容。例如，使用 openai 认证类型时，端点必须接受 OpenAI API 格式的请求。

兼容 OpenAI 的提供者（`openai`）

此认证类型不仅支持 OpenAI 官方 API，还支持任何兼容 OpenAI 的端点，包括聚合模型提供者如 OpenRouter 和 Requesty。


{
  "env": {
    "OPENAI_API_KEY": "sk-your-actual-openai-key-here",
    "OPENROUTER_API_KEY": "sk-or-your-actual-openrouter-key-here",
    "REQUESTY_API_KEY": "sk-your-actual-requesty-key-here"
  },
  "modelProviders": {
    "openai": {
      "protocol": "openai",
      "models": [
        {
          "id": "gpt-4o",
          "name": "GPT-4o",
          "envKey": "OPENAI_API_KEY",
          "baseUrl": "https://api.openai.com/v1",
          "generationConfig": {
            "timeout": 60000,
            "maxRetries": 3,
            "enableCacheControl": true,
            "contextWindowSize": 128000,
            "modalities": {
              "image": true
            },
            "customHeaders": {
              "X-Client-Request-ID": "req-123"
            },
            "extra_body": {
              "enable_thinking": true,
              "service_tier": "priority"
            },
            "samplingParams": {
              "temperature": 0.2,
              "top_p": 0.8,
              "max_tokens": 4096,
              "presence_penalty": 0.1,
              "frequency_penalty": 0.1
            }
          }
        },
        {
          "id": "gpt-4o-mini",
          "name": "GPT-4o Mini",
          "envKey": "OPENAI_API_KEY",
          "baseUrl": "https://api.openai.com/v1",
          "generationConfig": {
            "timeout": 30000,
            "samplingParams": {
              "temperature": 0.5,
              "max_tokens": 2048
            }
          }
        },
        {
          "id": "openai/gpt-4o",
          "name": "GPT-4o (via OpenRouter)",
          "envKey": "OPENROUTER_API_KEY",
          "baseUrl": "https://openrouter.ai/api/v1",
          "generationConfig": {
            "timeout": 120000,
            "maxRetries": 3,
            "samplingParams": {
              "temperature": 0.7
            }
          }
        },
        {
          "id": "openai/gpt-4o-mini",
          "name": "GPT-4o Mini (via Requesty)",
          "envKey": "REQUESTY_API_KEY",
          "baseUrl": "https://router.requesty.ai/v1",
          "generationConfig": {
            "timeout": 120000,
            "maxRetries": 3,
            "samplingParams": {
              "temperature": 0.7
            }
          }
        }
      ]
    }
  }
}

Anthropic（`anthropic`）


{
  "env": {
    "ANTHROPIC_API_KEY": "sk-ant-your-actual-anthropic-key-here"
  },
  "modelProviders": {
    "anthropic": {
      "protocol": "anthropic",
      "models": [
        {
          "id": "claude-3-5-sonnet",
          "name": "Claude 3.5 Sonnet",
          "envKey": "ANTHROPIC_API_KEY",
          "baseUrl": "https://api.anthropic.com/v1",
          "generationConfig": {
            "timeout": 120000,
            "maxRetries": 3,
            "contextWindowSize": 200000,
            "samplingParams": {
              "temperature": 0.7,
              "max_tokens": 8192,
              "top_p": 0.9
            }
          }
        },
        {
          "id": "claude-3-opus",
          "name": "Claude 3 Opus",
          "envKey": "ANTHROPIC_API_KEY",
          "baseUrl": "https://api.anthropic.com/v1",
          "generationConfig": {
            "timeout": 180000,
            "samplingParams": {
              "temperature": 0.3,
              "max_tokens": 4096
            }
          }
        }
      ]
    }
  }
}

Google Gemini（`gemini`）


{
  "env": {
    "GEMINI_API_KEY": "AIza-your-actual-gemini-key-here"
  },
  "modelProviders": {
    "gemini": {
      "protocol": "gemini",
      "models": [
        {
          "id": "gemini-2.0-flash",
          "name": "Gemini 2.0 Flash",
          "envKey": "GEMINI_API_KEY",
          "baseUrl": "https://generativelanguage.googleapis.com",
          "capabilities": {
            "vision": true
          },
          "generationConfig": {
            "timeout": 60000,
            "maxRetries": 2,
            "contextWindowSize": 1000000,
            "schemaCompliance": "auto",
            "samplingParams": {
              "temperature": 0.4,
              "top_p": 0.95,
              "max_tokens": 8192,
              "top_k": 40
            }
          }
        }
      ]
    }
  }
}

本地自托管模型（通过兼容 OpenAI 的 API）

大多数本地推理服务器（vLLM、Ollama、LM Studio 等）都提供兼容 OpenAI 的 API 端点。使用 openai 认证类型并设置本地 baseUrl 进行配置：


{
  "env": {
    "OLLAMA_API_KEY": "ollama",
    "VLLM_API_KEY": "not-needed",
    "LMSTUDIO_API_KEY": "lm-studio"
  },
  "modelProviders": {
    "openai": {
      "protocol": "openai",
      "models": [
        {
          "id": "qwen2.5-7b",
          "name": "Qwen2.5 7B (Ollama)",
          "envKey": "OLLAMA_API_KEY",
          "baseUrl": "http://localhost:11434/v1",
          "generationConfig": {
            "timeout": 300000,
            "maxRetries": 1,
            "contextWindowSize": 32768,
            "samplingParams": {
              "temperature": 0.7,
              "top_p": 0.9,
              "max_tokens": 4096
            }
          }
        },
        {
          "id": "llama-3.1-8b",
          "name": "Llama 3.1 8B (vLLM)",
          "envKey": "VLLM_API_KEY",
          "baseUrl": "http://localhost:8000/v1",
          "generationConfig": {
            "timeout": 120000,
            "maxRetries": 2,
            "contextWindowSize": 128000,
            "samplingParams": {
              "temperature": 0.6,
              "max_tokens": 8192
            }
          }
        },
        {
          "id": "local-model",
          "name": "Local Model (LM Studio)",
          "envKey": "LMSTUDIO_API_KEY",
          "baseUrl": "http://localhost:1234/v1",
          "generationConfig": {
            "timeout": 60000,
            "samplingParams": {
              "temperature": 0.5
            }
          }
        }
      ]
    }
  }
}

对于不需要认证的本地服务器，你可以为 API key 使用任意占位符值：


# 对于 Ollama（无需认证）
export OLLAMA_API_KEY="ollama"
 
# 对于 vLLM（如果未配置认证）
export VLLM_API_KEY="not-needed"

Note

extra_body 参数 仅支持兼容 OpenAI 的提供者（openai、qwen-oauth）。对于 Anthropic 和 Gemini 提供者，该参数会被忽略。

Note

关于 envKey：envKey 字段指定的是 环境变量的名称，而不是实际的 API key 值。要使配置生效，你需要确保设置了相应的环境变量并赋值为你的真实 API key。有两种方式可以实现：

方式 1：使用 .env 文件（推荐，更安全）：
```
# ~/.qwen/.env（或项目根目录）
OPENAI_API_KEY=sk-your-actual-key-here
```
请务必将 .env 添加到你的 .gitignore 中，以防止意外提交密钥。

方式 2：使用 settings.json 中的 env 字段（如上方示例所示）：


{
  "env": {
    "OPENAI_API_KEY": "sk-your-actual-key-here"
  }
}

每个提供者示例中都包含一个 env 字段，用以说明 API key 应如何配置。

阿里云 Coding Plan

阿里云 Coding Plan 提供了一组预配置的 Qwen 模型，针对编码任务进行了优化。此功能适用于拥有阿里云 Coding Plan API 访问权限的用户，并提供简化的设置体验，且模型配置会自动更新。

概述

当你使用 /auth 命令使用阿里云 Coding Plan API key 进行认证时，Qwen Code 会自动配置以下模型：

模型 ID	名称	描述
`qwen3.5-plus`	qwen3.5-plus	高级模型，已启用思考功能
`qwen3.6-plus`	qwen3.6-plus	最新模型，已启用思考功能（仅 Pro 订阅用户）
`qwen3.7-plus`	qwen3.7-plus	高级模型，已启用思考功能
`qwen3-coder-plus`	qwen3-coder-plus	针对编码任务优化
`qwen3-coder-next`	qwen3-coder-next	实验性编码模型
`qwen3-max-2026-01-23`	qwen3-max-2026-01-23	最新最大模型，已启用思考功能
`glm-5`	glm-5	GLM 模型，已启用思考功能
`glm-4.7`	glm-4.7	GLM 模型，已启用思考功能
`kimi-k2.5`	kimi-k2.5	Kimi 模型，支持思考与视觉/视频
`MiniMax-M2.5`	MiniMax-M2.5	MiniMax 模型，已启用思考功能

设置

获取阿里云 Coding Plan API key：
- 中国站：https://bailian.console.aliyun.com/?tab=model#/efm/coding_plan
- 国际站：https://modelstudio.console.alibabacloud.com/?tab=dashboard#/efm/coding_plan
在 Qwen Code 中运行 /auth 命令
选择 阿里云 ModelStudio，然后在子菜单中选择 Coding Plan
选择你的区域
根据提示输入你的 API key

模型将自动配置并添加到你的 /model 选择器中。

区域

阿里云 Coding Plan 支持两个区域：

区域	端点	描述
中国	`https://coding.dashscope.aliyuncs.com/v1`	中国大陆端点
全球/国际	`https://coding-intl.dashscope.aliyuncs.com/v1`	国际端点

区域在认证时选择，并存储在 settings.json 的 modelProviders 配置中。要切换区域，请重新运行 /auth 命令并选择不同的区域。

API Key 存储

当你通过 /auth 命令配置 Coding Plan 时，API key 会使用保留的环境变量名称 BAILIAN_CODING_PLAN_API_KEY 进行存储。默认情况下，它存储在 settings.json 文件的 env 字段中。

Warning

安全建议：为了更好的安全性，建议将 API key 从 settings.json 移到单独的 .env 文件中，并将其作为环境变量加载。例如：


# ~/.qwen/.env
BAILIAN_CODING_PLAN_API_KEY=your-api-key-here

然后确保此文件已添加到 .gitignore（如果你使用的是项目级设置）。

自动更新

Coding Plan 模型配置是版本化的。当 Qwen Code 检测到模型模板的新版本时，系统会提示你进行更新。接受更新将：

用最新版本替换现有的 Coding Plan 模型配置
保留你手动添加的任何自定义模型配置
自动切换到更新后配置中的第一个模型

更新过程确保你无需手动干预即可始终使用最新的模型配置和功能。

手动配置（高级）

如果你更愿意手动配置 Coding Plan 模型，可以像配置任何兼容 OpenAI 的提供者一样，将其添加到 settings.json 中：


{
  "modelProviders": {
    "openai": {
      "protocol": "openai",
      "models": [
        {
          "id": "qwen3-coder-plus",
          "name": "qwen3-coder-plus",
          "description": "Qwen3-Coder via Alibaba Cloud Coding Plan",
          "envKey": "YOUR_CUSTOM_ENV_KEY",
          "baseUrl": "https://coding.dashscope.aliyuncs.com/v1"
        }
      ]
    }
  }
}

Note

使用手动配置时：

你可以为 envKey 使用任意的环境变量名称
你不需要配置 codingPlan.*
自动更新不会应用于 手动配置的 Coding Plan 模型

Warning

如果你同时使用了自动 Coding Plan 配置，那么自动更新可能会覆盖你的手动配置（如果它们使用了与自动配置相同的 envKey 和 baseUrl）。为避免这种情况，请确保你的手动配置尽可能使用不同的 envKey。

解析层级与原子性

最终的认证类型/模型/凭据值按字段使用以下优先级（第一个存在的获胜）。你可以将 --auth-type 与 --model 结合使用，直接指向某个提供者条目；这些 CLI 标志在其他层级之前运行。

层级（最高 → 最低）	authType	model	apiKey	baseUrl	apiKeyEnvKey	proxy
程序化覆盖	`/auth`	`/auth` 输入	`/auth` 输入	`/auth` 输入	—	—
模型提供者选择	—	`modelProvider.id`	`env[modelProvider.envKey]`	`modelProvider.baseUrl`	`modelProvider.envKey`	—
CLI 参数	`--auth-type`	`--model`	`--openai-api-key`（或其他提供者对应参数）	`--openai-base-url`（或其他提供者对应参数）	—	—
环境变量	—	提供者特定映射（例如 `OPENAI_MODEL`）	提供者特定映射（例如 `OPENAI_API_KEY`）	提供者特定映射（例如 `OPENAI_BASE_URL`）	—	—
设置（`settings.json`）	`security.auth.selectedType`	`model.name`	`security.auth.apiKey`	`security.auth.baseUrl`	—	—
默认值 / 计算值	回退到 `AuthType.QWEN_OAUTH`	内置默认（OpenAI ⇒ `qwen3.5-plus`）	—	—	—	`Config.getProxy()`（如果配置了）
*当存在 CLI 认证标志时，它们会覆盖设置。否则，`security.auth.selectedType` 或隐式默认值决定认证类型。Qwen OAuth 和 OpenAI 是唯一无需额外配置即可显示的认证类型。

Warning

security.auth.apiKey 和 security.auth.baseUrl 已弃用： 直接在 settings.json 中通过 security.auth.apiKey 和 security.auth.baseUrl 配置 API 凭据的方式已弃用。这些设置曾在历史版本中用于 UI 输入的凭据，但凭据输入流程已在 0.10.1 版本中移除。这些字段将在未来的版本中完全移除。强烈建议迁移至 modelProviders 进行所有模型和凭据配置。在 modelProviders 中使用 envKey 引用环境变量，以实现安全的凭据管理，而不是在设置文件中硬编码凭据。

生成配置分层：不可穿透的 Provider 层

配置解析遵循严格的分层模型，其核心规则是：modelProvider 层是不可穿透的。

工作原理

当选择了 modelProvider 中的模型时（例如，通过 /model 命令选择了一个由 provider 配置的模型）：
- Provider 的整个 generationConfig 将被原子性地应用
- Provider 层是完全不可穿透的——更低层（CLI、环境变量、设置）完全不参与 generationConfig 的解析
- modelProviders[].generationConfig 中定义的所有字段都使用 provider 的值
- Provider 未定义的所有字段都被设置为 undefined（不从设置中继承）
- 这确保了 provider 的配置作为一个完整的、自包含的“密封包”运行
如果一个模型列在了 modelProviders 中，请将该模型的所有特定生成设置放在对应的 provider 条目中。顶层的 model.generationConfig 值，包括 contextWindowSize、modalities、customHeaders 和 extra_body，对于 provider 模型将被忽略。要使这些字段生效，请在 modelProviders[authType][].generationConfig 下配置它们。
当没有选择 modelProvider 中的模型时（例如，使用 --model 指定原始模型 ID，或直接使用 CLI/环境变量/设置）：
- 解析会回退到更低层
- 字段从 CLI → 环境变量 → 设置 → 默认值依次填充
- 这会创建一个运行时模型（Runtime Model，见下一节）

`generationConfig` 各字段的优先级

优先级	来源	行为
1	程序性覆盖	运行时 `/model`、`/auth` 更改
2	`modelProviders[authType][].generationConfig`	不可穿透层——完全替换所有 generationConfig 字段；更低层不参与
3	`settings.model.generationConfig`	仅用于运行时模型（当未选择 provider 模型时）
4	内容生成器默认值	Provider 特定默认值（例如 OpenAI vs Gemini）——仅用于运行时模型

原子字段处理

以下字段被视为原子对象——provider 的值完全替换整个对象，不进行合并：

samplingParams——Temperature、top_p、max_tokens 等
customHeaders——自定义 HTTP 头
extra_body——额外的请求体参数

示例


// 用户设置 (~/.qwen/settings.json)
{
  "model": {
    "generationConfig": {
      "timeout": 30000,
      "samplingParams": { "temperature": 0.5, "max_tokens": 1000 }
    }
  }
}
 
// modelProviders 配置
{
  "modelProviders": {
    "openai": {
      "protocol": "openai",
      "models": [{
        "id": "gpt-4o",
        "envKey": "OPENAI_API_KEY",
        "generationConfig": {
          "timeout": 60000,
          "samplingParams": { "temperature": 0.2 }
        }
      }]
    }
  }
}

当从 modelProviders 选择 gpt-4o 时：

timeout = 60000（来自 provider，覆盖设置）
samplingParams.temperature = 0.2（来自 provider，完全替换设置中的对象）
samplingParams.max_tokens = undefined（provider 中未定义，且 provider 层不从设置继承——如果未提供，则字段显式设置为 undefined）

当使用原始模型 --model gpt-4 时（不在 modelProviders 中，创建运行时模型）：

timeout = 30000（来自设置）
samplingParams.temperature = 0.5（来自设置）
samplingParams.max_tokens = 1000（来自设置）

modelProviders 本身的合并策略是替换（REPLACE）：项目设置中的整个 modelProviders 将覆盖用户设置中的对应部分，而不是合并两者。

推理/思考配置

generationConfig 下的可选字段 reasoning 控制模型在响应前进行推理的强度。Anthropic 和 Gemini 转换器始终遵循该配置。OpenAI 兼容管道会遵循该配置，除非设置了 generationConfig.samplingParams——请参见下方的“与 samplingParams 的交互”注意事项。


{
  "modelProviders": {
    "openai": {
      "protocol": "openai",
      "models": [
        {
          "id": "deepseek-v4-pro",
          "name": "DeepSeek V4 Pro",
          "baseUrl": "https://api.deepseek.com/v1",
          "envKey": "DEEPSEEK_API_KEY",
          "generationConfig": {
            // 四级强度：
            //   'low'    | 'medium' — 在 DeepSeek 上服务端映射为 'high'
            //   'high'   — 默认推理强度
            //   'max'    — DeepSeek 特有的超强级别
            // 或者设为 `false` 完全禁用推理。
            "reasoning": { "effort": "max" },
          },
        },
      ],
    },
  },
}

各 Provider 的行为

协议 / Provider	传输格式	说明
OpenAI / DeepSeek (`api.deepseek.com`)	扁平化 `reasoning_effort: <effort>` 请求体参数	当嵌套配置结构中设置了 `reasoning.effort` 时，会将其重写为扁平化的 `reasoning_effort`，并将 `'low'`/`'medium'` 归一化为 `'high'`，`'xhigh'` 归一化为 `'max'`——与 DeepSeek 的服务端向后兼容一致。顶层的 `samplingParams.reasoning_effort` 或 `extra_body.reasoning_effort` 会跳过此归一化，按原样发送。
OpenAI（其他兼容服务器）	`reasoning: { effort, ... }` 原样传递	当 provider 期望不同的格式时，通过 `samplingParams` 设置（例如 GPT-5/o 系列使用 `samplingParams.reasoning_effort`）。
Anthropic（真实 `api.anthropic.com`）	`output_config: { effort }` 加上 `effort-2025-11-24` beta 头	真实 Anthropic 仅接受 `'low'`/`'medium'`/`'high'`。`'max'` 会被限制为 `'high'`，并输出 `debugLogger.warn`（每个生成器一次）；如果你需要最大强度，请将 baseURL 切换到支持它的 DeepSeek 兼容端点。
Anthropic（`api.deepseek.com/anthropic`）	相同的 `output_config: { effort }` + beta 头	`'max'` 保持不变，按原样传递。
Gemini（`@google/genai`）	`thinkingConfig: { includeThoughts: true, thinkingLevel }`	`'low'` → `LOW`，`'high'`/`'max'` → `HIGH`，其他 → `THINKING_LEVEL_UNSPECIFIED`（Gemini 没有 `MAX` 级别）。

`reasoning: false`

将 reasoning 设为 false（布尔值字面量）可显式禁用所有 provider 上的思考功能——适用于不需要推理的廉价侧边查询。也可在请求级别通过 request.config.thinkingConfig.includeThoughts: false 实现单次禁用（例如建议生成）。

对于 api.deepseek.com 的 baseURL，OpenAI 管道会发送显式的 thinking: { type: 'disabled' } 字段，这是 DeepSeek V4+ 所必需的——服务端默认值为 'enabled'，因此仅省略 reasoning_effort 仍会付出思考的延迟/成本。自托管 DeepSeek 后端（sglang/vllm）和其他 OpenAI 兼容服务器不会接收到此字段；如果你需要在这些服务器上禁用思考，请通过 samplingParams/extra_body 注入 thinking: { type: 'disabled' }（或你的推理框架暴露的任何开关）。

与 `samplingParams` 的交互（仅限 OpenAI 兼容）

Warning

当在 OpenAI 兼容的 provider 上设置了 generationConfig.samplingParams 时，管道会将这些键原封不动地发送到线路，并完全跳过单独的 reasoning 注入。因此，像 { samplingParams: { temperature: 0.5 }, reasoning: { effort: 'max' } } 这样的配置会在 OpenAI/DeepSeek 请求中静默丢弃 reasoning 字段。

如果你设置了 samplingParams，请将推理开关直接包含在其中——对于 DeepSeek 是 samplingParams.reasoning_effort，对于 GPT-5/o 系列是 samplingParams.reasoning_effort（它们的扁平字段）或 samplingParams.reasoning（嵌套对象）。对于 OpenRouter 和其他 provider，字段名称可能不同，请查阅 provider 文档。

Anthropic 和 Gemini 转换器不受影响——它们始终直接读取 reasoning.effort，无论 samplingParams 如何。

`budget_tokens`

你可以通过将 budget_tokens 与 effort 一起包含来指定精确的思考令牌预算：


"reasoning": { "effort": "high", "budget_tokens": 50000 }

对于 Anthropic，这变为 thinking.budget_tokens。对于 OpenAI/DeepSeek，该字段被保留但当前被服务器忽略——reasoning_effort 是控制推理强度的关键参数。

Provider 模型 vs 运行时模型

Qwen Code 区分两种类型的模型配置：

Provider 模型

在 modelProviders 配置中定义
具有完整、原子性的配置包
选择后，其配置作为不可穿透层应用
出现在 /model 命令列表中，包含完整的元数据（名称、描述、能力）
推荐用于多模型工作流和团队一致性

运行时模型

通过 CLI（--model）、环境变量或设置使用原始模型 ID 时动态创建
不在 modelProviders 中定义
配置通过“投射”解析层（CLI → 环境变量 → 设置 → 默认值）构建
检测到完整配置时，自动捕获为 RuntimeModelSnapshot
允许无需重新输入凭据即可重用

RuntimeModelSnapshot 生命周期

当你未使用 modelProviders 配置模型时，Qwen Code 会自动创建一个 RuntimeModelSnapshot 来保存你的配置：


# 这会创建一个 ID 为 $runtime|openai|my-custom-model 的 RuntimeModelSnapshot
qwen --auth-type openai --model my-custom-model --openai-api-key $KEY --openai-base-url https://api.example.com/v1

该快照：

捕获模型 ID、API 密钥、base URL 和生成配置
在会话之间持久化（运行时存储在内存中）
出现在 /model 命令列表中，作为运行时选项
可以通过 /model $runtime|openai|my-custom-model 切换

关键区别

方面	Provider 模型	运行时模型
配置来源	设置中的 `modelProviders`	CLI、环境变量、设置层
配置原子性	完整、不可穿透的包	分层，每个字段独立解析
可重用性	始终在 `/model` 列表中可用	作为快照捕获，完整时出现
团队共享	是（通过提交的设置）	否（用户本地）
凭据存储	仅通过 `envKey` 引用	可能在快照中捕获实际密钥

何时使用哪种

使用 Provider 模型：当你有团队共享的标准模型、需要一致的配置，或希望防止意外覆盖时
使用运行时模型：当快速测试新模型、使用临时凭据，或使用临时端点时

选择持久化与建议

Important

尽可能在用户作用域 ~/.qwen/settings.json 中定义 modelProviders，并避免在任何作用域中持久化凭据覆盖。将 provider 目录放在用户设置中，可以防止项目作用域和用户作用域之间的合并/覆盖冲突，并确保 /auth 和 /model 的更新始终写回一致的作用域。

/model 和 /auth 将 model.name（如适用）和 security.auth.selectedType 持久化到最近的可写作用域（该作用域已定义 modelProviders）；否则回退到用户作用域。这使工作空间/用户文件与活动的 provider 目录保持同步。
没有 modelProviders 时，解析器混合 CLI/环境变量/设置层，创建运行时模型。这对于单 provider 设置可以接受，但在频繁切换时很麻烦。只要多模型工作流很常见，就定义 provider 目录，这样切换保持原子性、来源可追溯且可调试。

模型提供者

概述

按认证类型的配置示例

支持的认证类型

用于 API 请求的 SDK

兼容 OpenAI 的提供者（openai）

Anthropic（anthropic）

Google Gemini（gemini）

本地自托管模型（通过兼容 OpenAI 的 API）

阿里云 Coding Plan

概述

设置

区域

API Key 存储

自动更新

手动配置（高级）

解析层级与原子性

生成配置分层：不可穿透的 Provider 层

工作原理

generationConfig 各字段的优先级

原子字段处理

示例

推理/思考配置

各 Provider 的行为

reasoning: false

与 samplingParams 的交互（仅限 OpenAI 兼容）

budget_tokens

Provider 模型 vs 运行时模型

Provider 模型

运行时模型

RuntimeModelSnapshot 生命周期

关键区别

何时使用哪种

选择持久化与建议

兼容 OpenAI 的提供者（`openai`）

Anthropic（`anthropic`）

Google Gemini（`gemini`）

`generationConfig` 各字段的优先级

`reasoning: false`

与 `samplingParams` 的交互（仅限 OpenAI 兼容）

`budget_tokens`