Qwen Code nach Schließung von qwen-oauth: Arbeit über JoinGonka Gateway

Schritt 1: Qwen Code installieren. Die offiziellen Methoden aus dem README des Projekts:

# Linux and macOS: standalone build with its own Node.js
curl -fsSL https://qwen-code-assets.oss-cn-hangzhou.aliyuncs.com/installation/install-qwen-standalone.sh | bash

# Windows (PowerShell)
irm https://qwen-code-assets.oss-cn-hangzhou.aliyuncs.com/installation/install-qwen-standalone.ps1 | iex

# npm (requires Node.js 22 or newer)
npm install -g @qwen-code/qwen-code@latest

# Homebrew
brew install qwen-code

Das Skript legt den Befehl unter ~/.local/bin/qwen ab und ergänzt bei Bedarf den Pfad in der Konfigurationsdatei der Shell. Öffne das Terminal neu und prüfe: qwen --version.

Schritt 2: Schlüssel holen. Registriere dich auf gate.joingonka.ai/register, bestätige die Adresse und erstelle im Bereich „API-Schlüssel“ einen Schlüssel mit dem Präfix jg-.

Schritt 3: Installer ausführen.

npx @joingonka/setup --tool qwen-code

Der Installer fragt nach dem Schlüssel (er wird nicht als Kommandozeilenargument übergeben, damit er nicht in der Shell-Historie landet) und bearbeitet ~/.qwen/settings.json — die Datei, die die Qwen-Code-Dokumentation für die Konfiguration „in einer Datei“ empfiehlt:

• schreibt den Schlüssel in den env-Block der Datei unter dem Namen JOINGONKA_API_KEY — genau dorthin legt auch der eigene Befehl /auth seine Schlüssel; die Datei erhält die Rechte 600, die Shell-Umgebung bleibt unverändert;
• fügt die Modelle des Netzwerks zur Liste modelProviders.openai hinzu — mit Gateway-Adresse, echten Kontextfenstern und Antwort-Obergrenzen; Einträge deiner anderen Anbieter in dieser Liste bleiben erhalten;
• falls der Autorisierungstyp nicht gewählt wurde oder noch auf das abgeschaltete qwen-oauth zeigt, schaltet er ihn auf openai um und macht DeepSeek V4 Flash zum Standardmodell; eine funktionierende Wahl eines anderen Typs — anthropic, gemini, vertex-ai — bleibt ohne das Flag --model unangetastet;
• speichert eine Kopie der vorherigen Datei, lässt Kommentare und die übrigen Einstellungen unberührt und schickt zum Schluss eine echte Anfrage an das Gateway und sagt, ob Schlüssel, Adresse und Modell akzeptiert wurden.

So sah die Ausgabe bei einer Installation aus, bei der noch qwen-oauth aktiv war (gekürzt):

Configured ~/.qwen/settings.json
Base URL: https://gate.joingonka.ai/v1
Default model: deepseek-ai/DeepSeek-V4-Flash-0731 (replaces qwen-oauth — that free tier was discontinued on 2026-04-15)
Switched Qwen Code to JoinGonka (auth type "openai") — this replaced your previous auth type "qwen-oauth".
To go back: run /auth (and /model) inside Qwen Code, or restore ~/.qwen/settings.json.bak.2026-09-23T04-22-32-159Z.
…
✓ Verified: the gateway accepted the key, base URL and model.

Ein anderes Standardmodell legt das Flag --model fest: die Kürzel glm, minimax oder die vollständige ID; ein ausdrücklich angegebenes Modell wird immer geschrieben. Der Modus ohne Rückfragen nimmt den Schlüssel aus einer Umgebungsvariable:

JOINGONKA_API_KEY=jg-your-key npx @joingonka/setup --tool qwen-code --model glm --non-interactive

Ein per Variable QWEN_HOME verschobenes Verzeichnis findet der Installer von selbst. Ein erneuter Lauf aktualisiert den Modellkatalog, lässt aber das von dir gewählte Netzwerkmodell stehen: Kept your current default model.

Alles, was der Installer macht, lässt sich auch von Hand schreiben. Die Datei ist ~/.qwen/settings.json (oder $QWEN_HOME/settings.json); Qwen Code liest sie als JSON mit Kommentaren. Die vollständige funktionierende Konfiguration für das Gonka-Netzwerk:

{
  "env": { "JOINGONKA_API_KEY": "jg-your-key" },
  "modelProviders": {
    "openai": [
      { "id": "deepseek-ai/DeepSeek-V4-Flash-0731", "name": "DeepSeek V4 Flash (Gonka)",
        "baseUrl": "https://gate.joingonka.ai/v1", "envKey": "JOINGONKA_API_KEY",
        "generationConfig": { "contextWindowSize": 380000, "samplingParams": { "max_tokens": 32768 } } },
      { "id": "zai-org/GLM-5.3-Flash", "name": "GLM 5.3 Flash (Gonka)",
        "baseUrl": "https://gate.joingonka.ai/v1", "envKey": "JOINGONKA_API_KEY",
        "generationConfig": { "contextWindowSize": 390000, "samplingParams": { "max_tokens": 8192 } } },
      { "id": "MiniMaxAI/MiniMax-M2.7", "name": "MiniMax M2.7 (Gonka)",
        "baseUrl": "https://gate.joingonka.ai/v1", "envKey": "JOINGONKA_API_KEY",
        "generationConfig": { "contextWindowSize": 200000, "samplingParams": { "max_tokens": 8192 } } }
    ]
  },
  "security": { "auth": { "selectedType": "openai" } },
  "model": { "name": "deepseek-ai/DeepSeek-V4-Flash-0731", "baseUrl": "https://gate.joingonka.ai/v1" }
}

Wo der Schlüssel liegen sollte. Den Wert der Variable aus envKey sucht Qwen Code in dieser Reihenfolge: Shell-Umgebung, dann die erste gefundene .env (.qwen/.env oder .env vom aktuellen Verzeichnis aufwärts, danach ~/.qwen/.env und ~/.env) und erst danach den env-Block der Datei. Daraus ergibt sich die größte Falle: Eine in der Shell exportierte JOINGONKA_API_KEY mit einem alten Wert überschreibt die Datei — wir haben das absichtlich getestet und bei korrektem Schlüssel in settings.json ein 401 Invalid API key erhalten. Der Installer warnt, wenn er in der Umgebung einen anderen Wert sieht.

Und noch ein Hinweis zu Projekten: Eine projektbezogene .qwen/settings.json mit eigenen modelProviders ergänzt die Liste aus dem Home-Verzeichnis nicht, sondern ersetzt sie — innerhalb eines solchen Projekts verschwinden die Gateway-Modelle aus /model. Der Schlüssel sollte gar nicht erst in die Projektdatei gelegt werden: Zusammen mit ihr landet er im Repository.

Änderungen an modelProviders übernimmt eine laufende Sitzung ohne Neustart — es genügt, /model erneut zu öffnen. Ohne Editor erledigt dasselbe der Assistent /auth → Custom Provider.

Qwen Code bietet zwei unabhängige Auswahlmöglichkeiten: den Autorisierungstyp — welches Protokoll aktiviert werden soll und woher die Schlüssel stammen — und das Modell. Der Typ wird in security.auth.selectedType gespeichert, und davon hängt ab, wie der Installer vorgeht:

Innerhalb einer Sitzung wird das Modell mit dem Befehl /model geändert. In unserem Testlauf zeigte dieser alle Gateway-Einträge mit Protokollkennzeichnung an, und unter der Liste — das Kontextfenster, die Adresse sowie den Namen der Variablen für den Schlüssel:

Select Model

  1. [openai] MiniMax M2.7 (Gonka) (MiniMaxAI/MiniMax-M2.7)
› 2. [openai] DeepSeek V4 Flash (Gonka) (deepseek-ai/DeepSeek-V4-Flash-0731)
  3. [openai] GLM 5.3 Flash (Gonka) (zai-org/GLM-5.3-Flash)

Modality:       text-only
Context Window: 380,000 tokens
Base URL:       https://gate.joingonka.ai/v1
API Key:        JOINGONKA_API_KEY

Die Auswahl über /model bleibt sitzungsübergreifend erhalten. Für einen einzelnen Start legt das Modell das Flag -m mit der Kennung fest: qwen -m zai-org/GLM-5.3-Flash. Ein separates, leichtes Modell für Hinweise und den Berechtigungsklassifikator wird über /model --fast zugewiesen; solange dieses nicht existiert, übernimmt das Hauptmodell diese Arbeit.

Welches Modell wählen. Der Preis ist bei allen Modellen im Netzwerk gleich, daher geht es bei der Auswahl um das Verhalten. So verhielten sie sich in Qwen Code 0.24.4 bei derselben Aufgabe — eine Datei lesen und einen Fehler finden (überprüft am 23. September 2026):

Schlussfolgerung bei GLM-5.3 Flash. Der Installer weist jedem Modell samplingParams zu, aber in diesem Fall fügt Qwen Code der Anfrage keine Schlussfolgerungsebene hinzu: der Befehl /effort erreicht die Netzwerkmodelle nicht, und GLM-5.3 Flash denkt immer nach. Wenn ein Umschalter benötigt wird, definieren Sie die Ebenen direkt im Modelleintrag:

{
  "id": "zai-org/GLM-5.3-Flash",
  "capabilities": {
    "reasoning": { "profile": "openai-effort", "efforts": ["low", "high"], "defaultEffort": "high" }
  },
  …
}

Dann beginnt Qwen Code mit dem Senden von reasoning_effort, wobei bei GLM-5.3 Flash der Wert low die Schlussfolgerung vollständig deaktiviert — Details finden Sie in der Modellübersicht. In unserem Testlauf mit "defaultEffort": "low" sendete Qwen Code reasoning_effort: "low", und das Modell antwortete ohne den Schlussfolgerungsblock.

Der schnellste Test ist ein einmaliger Durchlauf. Legen Sie in ein leeres Verzeichnis calc.py mit einer Additionsfunktion, die tatsächlich subtrahiert, und bitten Sie darum, den Fehler zu finden:

qwen -p "Lies calc.py und sag mir in einem Satz, ob es einen Bug gibt."

Der Agent sollte das Lesewerkzeug selbst aufrufen und substanziell antworten. So antwortete GLM-5.3 Flash (gestartet mit -m zai-org/GLM-5.3-Flash):

Ja, es gibt einen Bug: Die Funktion `add` subtrahiert statt zu addieren (`return a - b`), daher gibt `print(add(2, 3))` `-1` statt `5` aus.

In der Oberfläche (qwen ohne Argumente) zeigt die Kopfzeile das ausgewählte Modell an — API Key | DeepSeek V4 Flash (Gonka) — und dieselbe Anfrage funktioniert so:

> Lies calc.py und sag mir in einem Satz, ob es einen Bug gibt.
  ✓ calc.py, README.md gelesen

  ◆ Ja, calc.py hat einen Bug: Die Funktion add gibt die Differenz (a - b) statt der Summe (a + b) zurück. …

  ➜ demo · DeepSeek V4 Flash (Gonka) · 380.0k Kontext 5.1% genutzt

Der Befehl /stats zeigt Anfragen und Token pro Modell, und das Gateway-Dashboard zeigt denselben Verbrauch im Bereich „Nutzung“.

Genehmigungsmodus bei -p. Ohne Flags läuft der einmalige Durchlauf im Modus Ask Permissions: Es gibt niemanden zum Bestätigen, daher werden Werkzeuge, die eine Genehmigung erfordern — Shell-Befehle, Bearbeiten und Schreiben von Dateien — dem Modell einfach nicht übergeben. Auf die Bitte, ls auszuführen, antwortete der Agent in unserem Durchlauf, dass er kein solches Werkzeug habe. Für Bearbeitungen fügen Sie --approval-mode auto-edit hinzu, für Befehle — --yolo; letzteres begleitet Qwen Code mit einer Warnung, dass die Sandbox nicht aktiviert ist.

Wenn etwas schiefgeht, lässt sich die Diagnose meist direkt aus der Meldung ablesen:

Ein Agent verbraucht Token anders als ein Chat: Qwen Code fügt jedem Ihrer Sätze einen System-Prompt und Tool-Beschreibungen hinzu, und eine Aufgabe erfordert mehrere Durchgänge. In unserem Testlauf enthielt jede qwen -p-Anfrage bereits etwa 13.000 Eingabe-Token, bevor es zur eigentlichen Aufgabe kam, und „lies die Datei, finde den Fehler“ dauerte zwei Durchgänge und etwa 27.000 Token. Im Interface gibt es mehr Tools, und nach der Antwort führt Qwen Code mit demselben Modell Service-Anfragen durch – zum Beispiel einen Vorschlag für die nächste Nachricht: /stats zeigte für dieselbe Aufgabe 4 Anfragen und etwa 79.000 Eingabe-Token.

Über das JoinGonka Gateway kosten Token $0.0069 pro Million bei der Eingabe und $0.021 pro Million bei der Ausgabe – der Preis ist für alle Modelle im Netzwerk identisch und wird auf dieser Seite aus einer Live-Quelle übernommen.

Die Schätzungen in der rechten Spalte basieren auf den Preisen vom September 2026. Zum Vergleich: Wie man generell für Modelle in Qwen Code bezahlen kann:

Service-Anfragen können dort deaktiviert werden, wo sie nicht benötigt werden: Vorschläge für die nächste Nachricht – "ui": { "enableFollowupSuggestions": false }, Hintergrund-Auto-Speicher – "memory": { "enableManagedAutoMemory": false, "enableManagedAutoDream": false }. Den genauen Verbrauch und Restbetrag finden Sie im Dashboard in den Bereichen „Nutzung“ und „Abrechnung“. Warum DeepSeek V4 Flash standardmäßig ausgewählt ist, wird im Modell-Überblick ausführlich erläutert.

Genehmigungsmodi. Im Qwen Code-Interface startet der Modus Auto: Lesen, Suchen und Bearbeitungen innerhalb des Projekts sind sofort erlaubt, während Shell-Befehle und andere riskante Aktionen von einem Klassifikator bewertet werden – einer separaten Anfrage an das Modell. Andere Modi – Plan, Ask Permissions, Auto-Edit und YOLO – werden über Shift+Tab (unter Windows Tab) oder den Befehl /approval-mode durchgeschaltet; der Standardmodus wird über den Schlüssel tools.approvalMode festgelegt.

Hintergrundarbeit. Standardmäßig führt Qwen Code einen Auto-Speicher: Nach Gesprächen werden im Hintergrund Notizen über das Projekt und Ihre Präferenzen extrahiert und einmal täglich bereinigt (Dream) – mit demselben Modell. In einem einmaligen Durchlauf ist dies spürbar: qwen -p wird nach der Antwort möglicherweise noch einige Minuten nicht beendet, während die Hintergrundaufgabe auf das Modell wartet. Für Skripte und CI deaktivieren Sie den Auto-Speicher (Schlüssel siehe Abschnitt oben) und setzen Sie Limits für den Durchlauf: --max-wall-time, --max-session-turns, --max-tool-calls.

Bilder. Die Netzwerkmodelle sind textbasiert (Modality: text-only in /model). Weisen Sie für Screenshots über den Befehl /model --vision ein Vermittlermodell eines anderen Anbieters zu: Es beschreibt das Bild in Textform, und das Hauptmodell arbeitet damit weiter.

Statistik. Anonyme Nutzungsstatistiken sendet Qwen Code standardmäßig; deaktivieren lässt sich dies mit "privacy": { "usageStatisticsEnabled": false }. Das Gateway speichert keine Inhalte von Prompts und Antworten – nur Verbrauchsaggregate.

Netzwerknachbarn. Auch Labore, deren Modelle das Netzwerk bedient, veröffentlichen eigene Agenten: bei DeepSeek ist dies DeepSeek Harness, bei MiniMax ist es MiniMax Code, bei Z.ai, den Autoren von GLM, ist es ZCode. Alle verbinden sich mit demselben Gateway mit demselben Schlüssel und verbrauchen dasselbe Guthaben.