すべてのプロダクト
Search

このプロダクト

    Alibaba Cloud Model Studio:コードインタープリター

    ドキュメントセンター

    Alibaba Cloud Model Studio:コードインタープリター

    最終更新日:Sep 16, 2026

    モデルの呼び出し時に、組み込みの Python コードインタープリターを有効にします。モデルは、数学計算やデータ分析などの複雑な問題を解決するため、サンドボックスで Python コードを記述・実行します。

    使用方法

    コードインタープリターは 3 つの呼び出しメソッドをサポートしています。メソッドごとにパラメーターが異なります：

    OpenAI 互換 - レスポンス API

    コードインタープリターを有効にするには、code_interpreter ツールを tools パラメーターに追加します。

    最良の結果を得るには、code_interpreter、web_search、および web_extractor ツールを同時に有効にしてください。

    # 依存関係をインポートし、クライアントを作成します。
response = client.responses.create(
    model="qwen3.8-max",
    input="What is 123 to the power of 21?",
    tools=[
        {"type": "code_interpreter"},
        {"type": "web_search"},
        {"type": "web_extractor"},
    ],
    extra_body={
        "enable_thinking": True
    }
)

print(response.output_text)

    OpenAI 互換 - チャット補完 API

    Code Interpreter を有効にするには、API リクエストで enable_code_interpreter: true を渡します。

    # 依存関係をインポートし、クライアントを作成します。
completion = client.chat.completions.create(
    # コードインタープリターをサポートするモデルを使用します。
    model="qwen3-max",
    messages=[{"role": "user", "content": "What is 123 to the power of 21?"}],
    # enable_code_interpreter は標準の OpenAI パラメーターではないため、Python SDK を使用する場合は extra_body を介して渡す必要があります。Node.js SDK を使用する場合は、トップレベルパラメーターとして渡します。
    extra_body={
        "enable_code_interpreter": True,
        # コードインタープリター機能は、思考モードでの呼び出しのみをサポートします。
        "enable_thinking": True,
    },
    # ストリーミング出力の呼び出しのみがサポートされています。
    stream=True
)

    OpenAI 互換プロトコルでは、コード実行の詳細は返されません。

    DashScope

    Code Interpreter を有効にするには、API リクエストで enable_code_interpreter を true に設定します。

    # 依存関係をインポートします。
response = dashscope.MultiModalConversation.call(
    # 環境変数が設定されていない場合は、次の行を api_key="sk-xxx" に置き換えて、ご自身の Model Studio API キーを使用してください。
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen3.5-plus",
    messages=[{"role": "user", "content": "What is 123 to the power of 21?"}],
    # enable_code_interpreter パラメーターを使用してコードインタープリターを有効にします。
    enable_code_interpreter=True,
    # コードインタープリター機能は思考モードのみをサポートします。
    enable_thinking=True,
    result_format="message",
    # ストリーミング出力の呼び出しのみがサポートされています。
    stream=True
)

    実行されたコードは、tool_info フィールドに返されます。

    コードインタープリターが有効になると、モデルはリクエストを以下の段階で処理します：

    1. 思考：モデルはユーザーのリクエストを分析し、問題を解決するためのアイデアと手順を生成します。
    2. コード実行：モデルは Python コードを生成して実行します。
    3. 結果の統合：モデルはコード実行の結果を受け取り、次のステップを計画します。
    4. 応答：モデルは自然言語応答を生成します。

    ステップ 2 と 3 は複数回ループすることがあります。

    API ごとに返されるフィールドは異なります：

    • レスポンス API の出力では、思考内容は type="reasoning" を持つオブジェクトで返されます。コード実行は type="code_interpreter_call" で返されます。レスポンスは type="message" で返されます。
    • Chat Completions API / DashScope: 思考コンテンツは reasoning_content フィールドで返されます。レスポンスは content フィールドで返されます。DashScope は、tool_info フィールドでコードコンテンツを返すこともサポートしています。

    対応範囲

    推奨モデル

    Responses API

    Qwen-Max：Qwen3.8-Max シリーズ、Qwen3.7-Max シリーズ

    Qwen-Plus：Qwen3.7-Plus シリーズ、Qwen3.6-Plus シリーズ、Qwen3.5-Plus シリーズ

    DeepSeek：deepseek-v4-flash、deepseek-v4-flash-0731、deepseek-v4-pro

    GLM：glm-5.2

    Qwen3.8 オープンソースシリーズ

    Chat Completions API / DashScope

    • Qwen-Max (思考モード)：Qwen3.8-Max シリーズ、Qwen3.7-Max シリーズ
    • Qwen-Plus：Qwen3.5-Plus シリーズ

    その他のモデル

    以下のモデルもコードインタープリターをサポートしていますが、パフォーマンスは推奨モデルほどではない場合があります。これらのモデルは Responses API 経由でのみサポートされます。

    • Qwen-Flash：Qwen3.7-Flash シリーズ、Qwen3.6-Flash シリーズ、Qwen3.5-Flash シリーズ
    • Qwen3.6 オープンソースシリーズ (qwen3.6-27b を除く)
    • Qwen3.5 オープンソースシリーズ

    クイックスタート

    以下の例では、コードインタープリターが数学的な問題をどのように解決するかを示します。

    OpenAI 互換 - Responses API

    最良の結果を得るには、code_interpreter、web_search、web_extractor の各ツールを同時に有効にしてください。

    import os
from openai import OpenAI

client = OpenAI(
    # 環境変数が設定されていない場合、次の行を `api_key="sk-xxx"` のように、ご自身の Alibaba Cloud Model Studio API キーに置き換えてください。
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下の URL はシンガポールリージョン用です。{WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
)

response = client.responses.create(
    model="qwen3.8-max",
    input="12 の 3 乗",
    tools=[
        {
            "type": "code_interpreter"
        },
        {
            "type": "web_search"
        },
        {
            "type": "web_extractor"
        }
    ],
    extra_body = {
        "enable_thinking": True
    }
)
# 以下の行のコメントを解除すると、中間プロセスの出力を表示できます
# print(response.output)
print("="*20+"応答内容"+"="*20)
print(response.output_text)
print("="*20+"トークン消費量とツール呼び出し"+"="*20)
print(response.usage)

    import OpenAI from "openai";
import process from 'process';

const openai = new OpenAI({
    // 環境変数が設定されていない場合、次の行を `apiKey: "sk-xxx"` のように、ご自身の Alibaba Cloud Model Studio API キーに置き換えてください。
    apiKey: process.env.DASHSCOPE_API_KEY,
    // 以下の URL はシンガポールリージョン用です。{WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
    baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
});

async function main() {
    const response = await openai.responses.create({
        model: "qwen3.8-max",
        input: "12 の 3 乗を計算",
        tools: [
            { type: "code_interpreter" },
            { type: "web_search" },
            { type: "web_extractor" }
        ],
        enable_thinking: true
    });

    console.log("====================応答内容====================");
    console.log(response.output_text);

    // ツール呼び出し回数を出力
    console.log("====================トークン消費量とツール呼び出し====================");
    if (response.usage && response.usage.x_tools) {
        console.log(`コードインタープリター実行回数: ${response.usage.x_tools.code_interpreter?.count || 0}`);
    }
    // 以下の行のコメントを解除すると、中間プロセスの出力を表示できます
    // console.log(JSON.stringify(response.output[0], null, 2));
}

main();

    # 以下の URL はシンガポールリージョン用です。{WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.8-max",
    "input": "12 の 3 乗を計算",
    "tools": [
        {"type": "code_interpreter"},
        {"type": "web_search"},
        {"type": "web_extractor"}
    ],
    "enable_thinking": true
}'
    応答例 
    ====================応答内容====================
12 の 3 乗は **1728** です。

計算プロセス：
12³ = 12 × 12 × 12 = 144 × 12 = 1728
====================トークン消費量とツール呼び出し====================
ResponseUsage(input_tokens=1160, input_tokens_details=InputTokensDetails(cached_tokens=0), output_tokens=195, output_tokens_details=OutputTokensDetails(reasoning_tokens=105), total_tokens=1355, x_tools={'code_interpreter': {'count': 1}})

    OpenAI 互換 - Chat Completions API

    Python

    from openai import OpenAI
import os

# OpenAI クライアントを初期化
client = OpenAI(
    # 環境変数が設定されていない場合、`api_key="sk-xxx"` のように、ご自身の Alibaba Cloud Model Studio API キーに置き換えてください。
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下の URL は中国 (北京) リージョン用です。{WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)

messages = [{"role": "user", "content": "123 の 21 乗はいくつですか?"}]

completion = client.chat.completions.create(
    model="qwen3.5-plus",
    messages=messages,
    extra_body={"enable_thinking": True, "enable_code_interpreter": True},
    stream=True,
    stream_options={
        "include_usage": True
    },
)

reasoning_content = ""  # 完全な思考プロセス
answer_content = ""  # 完全な応答
is_answering = False  # 応答フェーズ開始フラグ
print("\n" + "=" * 20 + "思考プロセス" + "=" * 20 + "\n")

for chunk in completion:
    if not chunk.choices:
        print("\n使用状況:")
        print(chunk.usage)
        continue

    delta = chunk.choices[0].delta

    # 思考内容のみを収集
    if hasattr(delta, "reasoning_content") and delta.reasoning_content is not None:
        if not is_answering:
            print(delta.reasoning_content, end="", flush=True)
        reasoning_content += delta.reasoning_content

    # コンテンツを受信したら、応答を開始
    if hasattr(delta, "content") and delta.content:
        if not is_answering:
            print("\n" + "=" * 20 + "完全な応答" + "=" * 20 + "\n")
            is_answering = True
        print(delta.content, end="", flush=True)
        answer_content += delta.content
    応答例 
    ====================思考プロセス====================

ユーザーは 123 の 21 乗の値を求めています。これは数学的な計算問題です。123^21 を計算する必要があります。

コードインタープリターを使用してこの値を計算できます。code_interpreter 関数を呼び出して、123**21 を計算する Python コードを渡す必要があります。

この関数呼び出しを構築します。
ユーザーは 123 の 21 乗を求めており、Python コードを使用して結果を計算しました。計算により、123 の 21 乗は 77269364466549865653073473388030061522211723 であることがわかりました。これは非常に大きな数値であり、直接提示する必要があります。
====================完全な応答====================

123 の 21 乗は：77269364466549865653073473388030061522211723
使用状況：
CompletionUsage(completion_tokens=245, prompt_tokens=719, total_tokens=964, completion_tokens_details=CompletionTokensDetails(accepted_prediction_tokens=None, audio_tokens=None, reasoning_tokens=153, rejected_prediction_tokens=None), prompt_tokens_details=None)

    Node.js

    import OpenAI from "openai";
import process from 'process';

// OpenAI クライアントを初期化
const openai = new OpenAI({
    apiKey: process.env.DASHSCOPE_API_KEY, // 環境変数から読み取り
    // 以下の URL は中国 (北京) リージョン用です。{WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
    baseURL: 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1'
});

let reasoningContent = '';
let answerContent = '';
let isAnswering = false;

async function main() {
    try {
        const messages = [{ role: 'user', content: '123 の 21 乗はいくつですか?' }];
        const stream = await openai.chat.completions.create({
            model: 'qwen3.5-plus',
            messages,
            stream: true,
            enable_thinking: true,
            enable_code_interpreter: true
        });
        console.log('\n' + '='.repeat(20) + '思考プロセス' + '='.repeat(20) + '\n');

        for await (const chunk of stream) {
            if (!chunk.choices?.length) {
                console.log('\n使用状況:');
                console.log(chunk.usage);
                continue;
            }

            const delta = chunk.choices[0].delta;

            // 思考内容のみを収集
            if (delta.reasoning_content !== undefined && delta.reasoning_content !== null) {
                if (!isAnswering) {
                    process.stdout.write(delta.reasoning_content);
                }
                reasoningContent += delta.reasoning_content;
            }

            // コンテンツを受信したら、応答を開始
            if (delta.content !== undefined && delta.content) {
                if (!isAnswering) {
                    console.log('\n' + '='.repeat(20) + '完全な応答' + '='.repeat(20) + '\n');
                    isAnswering = true;
                }
                process.stdout.write(delta.content);
                answerContent += delta.content;
            }
        }
    } catch (error) {
        console.error('エラー：', error);
    }
}

main();
    応答例 
    ====================思考プロセス====================

  ユーザーは 123 の 21 乗の値を求めています。これは Python のコードインタープリターを使用して実行できる数学的な計算です。べき乗演算子 ** を使用してこれを計算します。

  123**21 を計算するコードを記述します。計算が正常に完了しました。123 の 21 乗の結果は非常に大きな数値です：77269364466549865653073473388030061522211723。

  この結果をユーザーに明確に提示する必要があります。

  ====================完全な応答====================

  123 の 21 乗は：77269364466549865653073473388030061522211723

    curl

    # 以下の URL は中国 (北京) リージョン用です。{WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
curl -X POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.5-plus",
    "messages": [
        {
            "role": "user",
            "content": "123 の 21 乗はいくつですか?"
        }
    ],
    "enable_code_interpreter": true,
    "enable_thinking": true,
    "stream": true
}'

    応答例 

    data: {"choices":[{"delta":{"content":null,"role":"assistant","reasoning_content":""},"index":0,"logprobs":null,"finish_reason":null}],"object":"chat.completion.chunk","usage":null,"created":1761899724,"system_fingerprint":null,"model":"qwen3.5-plus","id":"chatcmpl-2f96ef0b-5924-4dfc-b768-4d53ec538b4e"}

data: {"choices":[{"finish_reason":null,"logprobs":null,"delta":{"content":null,"reasoning_content":"The user"},"index":0}],"object":"chat.completion.chunk","usage":null,"created":1761899724,"system_fingerprint":null,"model":"qwen3.5-plus","id":"chatcmpl-2f96ef0b-5924-4dfc-b768-4d53ec538b4e"}

data: {"choices":[{"delta":{"content":null,"reasoning_content":" is asking"},"finish_reason":null,"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1761899724,"system_fingerprint":null,"model":"qwen3.5-plus","id":"chatcmpl-2f96ef0b-5924-4dfc-b768-4d53ec538b4e"}

data: {"choices":[{"delta":{"content":null,"reasoning_content":" for"},"finish_reason":null,"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1761899724,"system_fingerprint":null,"model":"qwen3.5-plus","id":"chatcmpl-2f96ef0b-5924-4dfc-b768-4d53ec538b4e"}

...

data: {"choices":[{"delta":{"content":"は非常に大きな数値であり、合計","reasoning_content":null},"finish_reason":null,"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1761899724,"system_fingerprint":null,"model":"qwen3.5-plus","id":"chatcmpl-2f96ef0b-5924-4dfc-b768-4d53ec538b4e"}

data: {"choices":[{"delta":{"content":"43 桁です","reasoning_content":null},"finish_reason":null,"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1761899724,"system_fingerprint":null,"model":"qwen3.5-plus","id":"chatcmpl-2f96ef0b-5924-4dfc-b768-4d53ec538b4e"}

data: {"choices":[{"delta":{"content":"。","reasoning_content":null},"finish_reason":null,"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1761899724,"system_fingerprint":null,"model":"qwen3.5-plus","id":"chatcmpl-2f96ef0b-5924-4dfc-b768-4d53ec538b4e"}

data: {"choices":[{"finish_reason":"stop","delta":{"content":"","reasoning_content":null},"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1761899724,"system_fingerprint":null,"model":"qwen3.5-plus","id":"chatcmpl-2f96ef0b-5924-4dfc-b768-4d53ec538b4e"}

data: [DONE]

    DashScope

    Java SDK はサポート対象外です。

    Python

    import os
import dashscope

# 中国 (北京) リージョン。{WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
dashscope.base_http_api_url = 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1'

messages = [
    {"role": "user", "content": "123 の 21 乗はいくつですか?"},
]

response = dashscope.MultiModalConversation.call(
    # 環境変数が設定されていない場合、次の行を `api_key="sk-xxx"` のように、ご自身の Model Studio API キーに置き換えてください。
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen3.5-plus",
    messages=messages,
    enable_code_interpreter=True,
    enable_thinking=True,
    result_format="message",
    # ストリーミング出力のみ対応しています
    stream=True
)

for chunk in response:
    output = chunk["output"]
    print(output)
    応答例 
    {"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": "The"}}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": " user is asking"}}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": " me"}}]}
...
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": " I'll write a"}}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": " simple Python program to calculate"}}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": ""}}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": ""}}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": ""}}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": ""}}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": ""}}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": ""}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": "The"}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": " user"}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": " asked"}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
...
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": " I should present this result"}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": " to the user in"}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "", "reasoning_content": " a clear format."}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "123 の 21 乗は: ", "reasoning_content": ""}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "\n\n", "reasoning_content": ""}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "772693", "reasoning_content": ""}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "644665", "reasoning_content": ""}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "498656", "reasoning_content": ""}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "530734", "reasoning_content": ""}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "733880", "reasoning_content": ""}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "300615", "reasoning_content": ""}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "222117", "reasoning_content": ""}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "23", "reasoning_content": ""}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}
{"text": null, "finish_reason": null, "choices": [{"finish_reason": "stop", "message": {"role": "assistant", "content": "", "reasoning_content": ""}}], "tool_info": [{"code_interpreter": {"code": "123**21"}, "type": "code_interpreter"}]}

    curl

    curl -X POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "X-DashScope-SSE: enable" \
-d '{
    "model": "qwen3.5-plus",
    "input":{
        "messages":[
            {
                "role": "user",
                "content": "123 の 21 乗はいくつですか?"
            }
        ]
    },
    "parameters": {
        "enable_code_interpreter": true,
        "enable_thinking": true,
        "result_format": "message"
    }
}'

    応答例

    テキスト <...テキスト内容...> は説明のための注釈であり、実際の API 応答の一部ではありません。この注釈は、処理の各段階を識別するためのものです。

    id:1
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"","reasoning_content":"The","role":"assistant"},"finish_reason":"null"}]},"usage":{"total_tokens":290,"output_tokens":3,"input_tokens":287,"output_tokens_details":{"reasoning_tokens":1}},"request_id":"a1959ad1-2637-4672-a21f-4d351371d254"}

id:2
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"","reasoning_content":" user is asking","role":"assistant"},"finish_reason":"null"}]},"usage":{"total_tokens":293,"output_tokens":6,"input_tokens":287,"output_tokens_details":{"reasoning_tokens":4}},"request_id":"a1959ad1-2637-4672-a21f-4d351371d254"}

...思考段階...

id:21
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"","reasoning_content":"","role":"assistant"},"finish_reason":"null"}]},"usage":{"total_tokens":388,"output_tokens":101,"input_tokens":287,"output_tokens_details":{"reasoning_tokens":68}},"request_id":"a1959ad1-2637-4672-a21f-4d351371d254"}

...思考終了、コードインタープリター開始...

id:22
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"","reasoning_content":"","role":"assistant"},"finish_reason":"null"}],"tool_info":[{"code_interpreter":{"code":"123**21"},"type":"code_interpreter"}]},"usage":{"total_tokens":388,"output_tokens":101,"input_tokens":287,"output_tokens_details":{"reasoning_tokens":68},"plugins":{"code_interpreter":{"count":1}}},"request_id":"a1959ad1-2637-4672-a21f-4d351371d254"}

...コードインタープリター実行後、思考開始...

id:23
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"","reasoning_content":"The","role":"assistant"},"finish_reason":"null"}],"tool_info":[{"code_interpreter":{"code":"123**21"},"type":"code_interpreter"}]},"usage":{"total_tokens":838,"output_tokens":104,"input_tokens":734,"output_tokens_details":{"reasoning_tokens":69},"plugins":{"code_interpreter":{"count":1}}},"request_id":"a1959ad1-2637-4672-a21f-4d351371d254"}

id:24
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"","reasoning_content":" user","role":"assistant"},"finish_reason":"null"}],"tool_info":[{"code_interpreter":{"code":"123**21"},"type":"code_interpreter"}]},"usage":{"total_tokens":839,"output_tokens":105,"input_tokens":734,"output_tokens_details":{"reasoning_tokens":70},"plugins":{"code_interpreter":{"count":1}}},"request_id":"a1959ad1-2637-4672-a21f-4d351371d254"}

...思考段階...

id:43
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"","reasoning_content":" a clear format.","role":"assistant"},"finish_reason":"null"}],"tool_info":[{"code_interpreter":{"code":"123**21"},"type":"code_interpreter"}]},"usage":{"total_tokens":942,"output_tokens":208,"input_tokens":734,"output_tokens_details":{"reasoning_tokens":171},"plugins":{"code_interpreter":{"count":1}}},"request_id":"a1959ad1-2637-4672-a21f-4d351371d254"}

...思考終了、応答開始...

id:44
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"123 の 21 乗は","reasoning_content":"","role":"assistant"},"finish_reason":"null"}],"tool_info":[{"code_interpreter":{"code":"123**21"},"type":"code_interpreter"}]},"usage":{"total_tokens":947,"output_tokens":213,"input_tokens":734,"output_tokens_details":{"reasoning_tokens":171},"plugins":{"code_interpreter":{"count":1}}},"request_id":"a1959ad1-2637-4672-a21f-4d351371d254"}

...

id:53
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"23","reasoning_content":"","role":"assistant"},"finish_reason":"null"}],"tool_info":[{"code_interpreter":{"code":"123**21"},"type":"code_interpreter"}]},"usage":{"total_tokens":997,"output_tokens":263,"input_tokens":734,"output_tokens_details":{"reasoning_tokens":171},"plugins":{"code_interpreter":{"count":1}}},"request_id":"a1959ad1-2637-4672-a21f-4d351371d254"}

id:54
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"","reasoning_content":"","role":"assistant"},"finish_reason":"stop"}],"tool_info":[{"code_interpreter":{"code":"123**21"},"type":"code_interpreter"}]},"usage":{"total_tokens":997,"output_tokens":263,"input_tokens":734,"output_tokens_details":{"reasoning_tokens":171},"plugins":{"code_interpreter":{"count":1}}},"request_id":"a1959ad1-2637-4672-a21f-4d351371d254"}

    応答の解析

    OpenAI 互換 - Responses API

    以下の OpenAI Python SDK の例は、ストリーミング応答を解析する方法を示しています。

    import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下の URL はシンガポールリージョン用です。{WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
)

response = client.responses.create(
    model="qwen3.8-max",
    input="12 の 3 乗",
    tools=[
        {"type": "code_interpreter"}
    ],
    extra_body={
        "enable_thinking": True
    },
    stream=True
)

def print_section(title):
    print(f"\n{'=' * 20}{title}{'=' * 20}")

current_section = None
final_response = None

for event in response:
    # 思考プロセスの増分出力
    if event.type == "response.reasoning_summary_text.delta":
        if current_section != "reasoning":
            print_section("思考プロセス")
            current_section = "reasoning"
        print(event.delta, end="", flush=True)

    # コードインタープリター呼び出し完了
    elif event.type == "response.output_item.done" and hasattr(event.item, "code"):
        print_section("コード実行")
        print(f"コード：\n{event.item.code}")
        if event.item.outputs:
            print(f"結果： {event.item.outputs[0].logs}")
        current_section = "code"

    # 最終応答の増分出力
    elif event.type == "response.output_text.delta":
        if current_section != "answer":
            print_section("完全な応答")
            current_section = "answer"
        print(event.delta, end="", flush=True)

    # 応答完了、最終結果を保存して使用状況を取得
    elif event.type == "response.completed":
        final_response = event.response

# トークン消費量とツール呼び出し回数を出力
if final_response and final_response.usage:
    print_section("トークン消費量とツール呼び出し")
    usage = final_response.usage
    print(f"入力トークン： {usage.input_tokens}")
    print(f"出力トークン： {usage.output_tokens}")
    print(f"思考トークン： {usage.output_tokens_details.reasoning_tokens}")
    # モデルが実際にコードインタープリターを呼び出さなかった場合（例：単純な質問に直接回答した場合）、レスポンスに x_tools フィールドが含まれません
    if hasattr(usage, 'x_tools'):
        print(f"コードインタープリター呼び出し回数： {usage.x_tools.get('code_interpreter', {}).get('count', 0)}")
    else:
        print("コードインタープリター呼び出し回数： 0")

    DashScope

    以下の DashScope Python SDK の例は、1 つのリクエストで 2 つの計算を実行し、返されたコードと呼び出し回数を解析します。

    OpenAI Chat Completions API は、コード実行 段階ではデータを返さないため、思考 段階と 結果統合 段階の間に応答は送信されません。両方の段階は reasoning_content フィールドを通じて内容を返すため、思考 段階としてまとめて処理できます。応答解析の例については、クイックスタート セクションのコードをご参照ください。

    import os
from dashscope import MultiModalConversation
# 中国 (北京) リージョン。{WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
dashscope.base_http_api_url = 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1'

messages = [{"role": "user", "content": "コードインタープリターを 2 回実行してください: 最初に、123 の 23 乗の値を計算します。次に、結果を 5 で割ります。"}]

response = MultiModalConversation.call(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen3.5-plus",
    messages=messages,
    result_format="message",
    enable_thinking=True,
    enable_code_interpreter=True,
    stream=True,
    incremental_output=True,
)

# ステータスフラグ: ツール情報の出力、応答フェーズの開始、思考セクション内かなどを追跡
is_answering = False
in_reasoning_section = False
cur_tools = []

# タイトル付きセクションを出力
def print_section(title):
    print(f"\n{'=' * 20}{title}{'=' * 20}")

# 最初に「思考プロセス」タイトルを出力
print_section("思考プロセス")
in_reasoning_section = True

# ストリームでモデルから返される各ブロックを処理
for chunk in response:
    try:
        # 応答から主要フィールドを抽出: コンテンツ、思考プロセステキスト、ツール呼び出し情報
        choice = chunk.output.choices[0]
        msg = choice.message
        content = msg.get("content", "")            # 最終応答内容
        reasoning = msg.get("reasoning_content", "") # 思考プロセステキスト
        tools = chunk.output.get("tool_info", None)  # ツール呼び出し情報
    except (IndexError, AttributeError, KeyError):
        # 構造が異常なブロックをスキップ
        continue
    # 有効なコンテンツがない場合は、現在のブロックをスキップ
    if not content and not reasoning and tools is None:
        continue
    # 思考プロセスを出力
    if reasoning and not is_answering:
        if not in_reasoning_section:
            print_section("思考プロセス")
            in_reasoning_section = True
        print(reasoning, end="", flush=True)
    if tools is not None and tools != cur_tools:
        print_section("ツール情報")
        print(tools)
        in_reasoning_section = False
        cur_tools = tools
    # 最終応答内容を出力
    if content:
        if not is_answering:
            print_section("完全な応答")
            is_answering = True
            in_reasoning_section = False
        print(content, end="", flush=True)
# コードインタープリター呼び出し回数を出力
print_section("コードインタープリター実行回数")
print(chunk.usage.plugins)

    応答例 

    ====================思考プロセス====================
ユーザーはコードインタープリターを 2 回実行することを望んでいます：
1. 最初の実行：123 の 23 乗の値を計算します。
2. 2 回目の実行：最初の実行結果を 5 で割ります。

まず、コードインタープリターを呼び出して 123**23 を計算し、次にこの結果を使用してコードインタープリターを再度呼び出して 5 で割る必要があります。

最初の計算を実行します。

====================ツール情報====================
[{'code_interpreter': {'code': '123**23'}, 'type': 'code_interpreter'}]

====================思考プロセス====================
最初の計算で、123 の 23 乗の値が算出されました：1169008215014432917465348578887506800769541157267

次に 2 回目の実行として、この結果を 5 で割る必要があります。この正確な値を除算に使用する必要があります。
====================ツール情報====================
[{'code_interpreter': {'code': '123**23'}, 'type': 'code_interpreter'}, {'code_interpreter': {'code': ''}, 'type': 'code_interpreter'}]

====================ツール情報====================
[{'code_interpreter': {'code': '123**23'}, 'type': 'code_interpreter'}, {'code_interpreter': {'code': '1169008215014432917465348578887506800769541157267 / 5'}, 'type': 'code_interpreter'}]

====================思考プロセス====================
ユーザーはコードインタープリターを 2 回実行するようリクエストしました：
1. 最初に、123 の 23 乗を計算します。結果は：1169008215014432917465348578887506800769541157267
2. 次に、この結果を 5 で割ります。結果は：2.338016430028866e+47

これら 2 つの結果をユーザーに報告する必要があります。
====================完全な応答====================
最初の実行結果：123 の 23 乗 = 1169008215014432917465348578887506800769541157267

2 回目の実行結果：上記の結果を 5 で割った値 = 2.338016430028866e+47
====================コードインタープリター実行回数====================
{'code_interpreter': {'count': 2}}

    注意事項

    • コードインタープリターと 関数呼び出し は相互排他的です。

      同じリクエストで両方を有効にすると、エラーが発生します。

    • コードインタープリターを有効にすると、1 つのリクエストで複数のモデル推論がトリガーされる場合があります。 usage フィールドには、そのリクエスト内のすべての呼び出しの合計トークン消費量が要約されます。

    課金

    コードインタープリターは 期間限定で無料 ですが、トークン消費量は増加します。