Qwen Code après la fermeture de qwen-oauth : fonctionnement via JoinGonka Gateway

Étape 1 : installer Qwen Code. Les méthodes officielles du README du projet :

# 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

Le script place la commande dans ~/.local/bin/qwen et ajoute le chemin au fichier de configuration du shell si nécessaire. Rouvrez le terminal et vérifiez : qwen --version.

Étape 2 : obtenir une clé. Inscrivez-vous sur gate.joingonka.ai/register, confirmez votre adresse et créez dans la section « Clés API » une clé préfixée par jg-.

Étape 3 : lancer l'installateur.

npx @joingonka/setup --tool qwen-code

L'installateur vous demandera la clé (elle n'est pas transmise en argument de ligne de commande pour ne pas rester dans l'historique du shell) et modifiera ~/.qwen/settings.json — le fichier que la documentation de Qwen Code propose pour une configuration « en un seul fichier » :

• il inscrit la clé dans le bloc env du fichier sous le nom JOINGONKA_API_KEY — là même où la commande native /auth dépose les clés ; le fichier recevra les permissions 600, l'environnement du shell reste inchangé ;
• il ajoute les modèles du réseau à la liste modelProviders.openai — avec l'adresse de la passerelle, les vraies fenêtres de contexte et les plafonds de réponse ; les entrées de vos autres fournisseurs dans cette liste sont conservées ;
• si le type d'autorisation n'est pas choisi ou pointe encore vers qwen-oauth (désactivé), il le bascule sur openai et définit DeepSeek V4 Flash comme modèle par défaut ; un choix fonctionnel d'un autre type — anthropic, gemini, vertex-ai — reste intact sans le flag --model ;
• il conserve une copie de l'ancien fichier, ne touche ni aux commentaires ni aux autres réglages, puis envoie en fin de course une requête réelle à la passerelle et indique si la clé, l'adresse et le modèle sont acceptés.

Voici à quoi ressemblait la sortie sur une installation où qwen-oauth subsistait (version abrégée) :

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.

Le flag --model permet de définir un autre modèle par défaut : abréviation glm, minimax ou identifiant complet ; un modèle explicitement indiqué est toujours enregistré. Le mode sans interaction récupère la clé depuis une variable d'environnement :

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

Un répertoire déplacé via la variable QWEN_HOME est détecté automatiquement par l'installateur. Une nouvelle exécution mettra à jour le catalogue de modèles tout en conservant le modèle réseau que vous avez choisi : Kept your current default model.

Tout ce que fait l'installateur peut être écrit à la main. Le fichier — ~/.qwen/settings.json (ou $QWEN_HOME/settings.json) ; Qwen Code le lit comme du JSON avec commentaires. La configuration fonctionnelle pour le réseau Gonka dans son intégralité :

{
  "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" }
}

Où garder la clé. La valeur de la variable issue de envKey, Qwen Code la cherche dans l'ordre : l'environnement du shell, puis le premier .env trouvé (.qwen/.env ou .env depuis le répertoire courant vers le haut, puis ~/.qwen/.env et ~/.env), et seulement ensuite le bloc env du fichier. D'où le principal piège : une JOINGONKA_API_KEY exportée dans le shell avec une ancienne valeur écrasera le fichier — nous l'avons vérifié exprès et avons obtenu 401 Invalid API key alors que la clé dans settings.json était correcte. L'installateur avertit lorsqu'il détecte une autre valeur dans l'environnement.

Et une mise en garde concernant les projets : un .qwen/settings.json de projet avec son propre modelProviders ne complète pas la liste du répertoire personnel, il la remplace — à l'intérieur d'un tel projet, les modèles de la passerelle disparaissent de /model. Il ne faut pas du tout mettre la clé dans le fichier de projet : avec lui, elle se retrouverait dans le dépôt.

Les modifications de modelProviders sont prises en compte par la session en cours sans redémarrage — il suffit de rouvrir /model. Sans éditeur, le même résultat s'obtient avec l'assistant /auth → Custom Provider.

Qwen Code propose deux choix indépendants : le type d'autorisation — quel protocole activer et d'où extraire les clés — et le modèle. Le type est stocké dans security.auth.selectedType, et le comportement du programme d'installation en dépend :

Au sein d'une session, le modèle peut être modifié avec la commande /model. Lors de notre test, elle a affiché toutes les entrées de la passerelle avec le libellé du protocole, et sous la liste, la fenêtre de contexte, l'adresse et le nom de la variable contenant la clé :

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

La sélection effectuée via /model est conservée entre les sessions. Pour un lancement unique, le modèle se définit avec l'option -m suivie de l'identifiant : qwen -m zai-org/GLM-5.3-Flash. Un modèle léger séparé pour les suggestions et le classificateur de permissions est défini par /model --fast ; tant qu'il n'est pas disponible, c'est le modèle principal qui effectue cette tâche.

Quel modèle choisir. Le prix de tous les modèles du réseau est identique, le choix repose donc sur le comportement. Voici comment ils se sont comportés dans Qwen Code 0.24.4 sur une même tâche — lire un fichier et trouver une erreur (vérifié le 23 septembre 2026) :

Raisonnement chez GLM-5.3 Flash. Le programme d'installation définit des samplingParams pour chaque modèle, et dans ce cas, Qwen Code n'ajoute pas de niveau de raisonnement à la requête : la commande /effort n'atteint pas les modèles du réseau, et GLM-5.3 Flash réfléchit systématiquement. Si un sélecteur est nécessaire, déclarez les niveaux directement dans l'entrée du modèle :

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

Alors Qwen Code commencera à envoyer reasoning_effort, et pour GLM-5.3 Flash, la valeur low désactive complètement le raisonnement — détails dans la présentation du modèle. Lors de notre test avec "defaultEffort": "low", Qwen Code a envoyé reasoning_effort: "low" et le modèle a répondu sans bloc de raisonnement.

Le test le plus rapide : une exécution unique. Placez dans un répertoire vide un fichier calc.py contenant une fonction d'addition qui, en réalité, soustrait, puis demandez de trouver l'erreur :

qwen -p "Read calc.py and tell me in one sentence whether it has a bug."

L'agent doit appeler lui-même l'outil de lecture et répondre sur le fond. Voici la réponse de GLM-5.3 Flash (lancé avec -m zai-org/GLM-5.3-Flash) :

Yes, there is a bug: the `add` function subtracts instead of adding (`return a - b`), so `print(add(2, 3))` prints `-1` instead of `5`.

Dans l'interface (qwen sans argument), l'en-tête affiche le modèle sélectionné — API Key | DeepSeek V4 Flash (Gonka) — et la même requête s'exécute ainsi :

> Read calc.py and tell me in one sentence whether it has a bug.
  ✓ Read calc.py, README.md

  ◆ Yes, calc.py has a bug: the add function returns the difference (a - b) instead of the sum (a + b). …

  ➜ demo · DeepSeek V4 Flash (Gonka) · 380.0k Context 5.1% used

La commande /stats affiche les requêtes et les tokens par modèle, et le tableau de bord de la passerelle montre la même consommation dans la section « Utilisation ».

Mode d'approbation avec -p. Sans option, l'exécution unique se fait en mode Ask Permissions : personne n'est là pour confirmer, donc les outils qui nécessitent une autorisation — commandes shell, modification et écriture de fichiers — ne sont tout simplement pas transmis au modèle. À notre demande d'exécuter ls, l'agent a répondu lors de notre test qu'il ne disposait pas d'un tel outil. Pour les modifications, ajoutez --approval-mode auto-edit, pour les commandes — --yolo ; Qwen Code accompagne ce dernier d'un avertissement indiquant que le bac à sable n'est pas activé.

Si quelque chose ne fonctionne pas, le diagnostic se lit généralement directement dans le message :

Un agent consomme des jetons différemment d'un chat : pour chacune de vos phrases, Qwen Code ajoute un prompt système et des descriptions d'outils, et la tâche se déroule en plusieurs tours. Lors de notre test, chaque requête qwen -p transportait environ 13 000 jetons d'entrée avant même d'aborder le sujet, et « lis le fichier, trouve l'erreur » a nécessité deux tours et environ 27 000 jetons. L'interface comporte davantage d'outils, et après la réponse, Qwen Code utilise le même modèle pour effectuer des requêtes de service — par exemple, pour suggérer la réplique suivante : /stats a affiché 4 requêtes et environ 79 000 jetons d'entrée pour la même tâche.

Via JoinGonka Gateway, les jetons coûtent $0.0069 par million en entrée et $0.021 par million en sortie — le prix est identique pour tous les modèles du réseau et est mis à jour sur cette page à partir d'une source en temps réel.

Les estimations dans la colonne de droite sont basées sur les prix de septembre 2026. À titre de comparaison — comment payer les modèles dans Qwen Code :

Les requêtes de service peuvent être désactivées si nécessaire : suggestions de répliques — "ui": { "enableFollowupSuggestions": false }, mémoire automatique en arrière-plan — "memory": { "enableManagedAutoMemory": false, "enableManagedAutoDream": false }. La consommation exacte et le solde sont disponibles dans le tableau de bord, sections « Utilisation » et « Facturation ». La raison pour laquelle DeepSeek V4 Flash est sélectionné par défaut est détaillée dans l'aperçu du modèle.

Modes d'approbation. Dans l'interface, Qwen Code démarre en mode Auto : la lecture, la recherche et les modifications au sein du projet sont immédiatement autorisées, tandis que les commandes shell et autres actions risquées sont évaluées par un classificateur — une requête séparée au modèle. Les autres modes — Plan, Ask Permissions, Auto-Edit et YOLO — peuvent être parcourus via Shift+Tab (sous Windows — Tab) ou via la commande /approval-mode ; le mode par défaut est défini par la clé tools.approvalMode.

Travail en arrière-plan. Par défaut, Qwen Code gère une mémoire automatique : après les conversations, il extrait en arrière-plan des notes sur le projet et vos préférences, et les nettoie une fois par jour (Dream) — en utilisant le même modèle. Dans un test ponctuel, cela se remarque : qwen -p peut ne pas se terminer pendant quelques minutes après la réponse, pendant que la tâche d'arrière-plan attend le modèle. Pour les scripts et l'intégration continue, désactivez la mémoire automatique (clés ci-dessus) et fixez des limites d'exécution : --max-wall-time, --max-session-turns, --max-tool-calls.

Images. Les modèles du réseau sont textuels (Modality: text-only dans /model). Pour les captures d'écran, attribuez un modèle intermédiaire d'un autre fournisseur avec la commande /model --vision : il décrira l'image sous forme de texte, et le modèle principal prendra le relais.

Statistiques. Qwen Code envoie des statistiques d'utilisation anonymes par défaut ; "privacy": { "usageStatisticsEnabled": false } les désactive. La passerelle ne stocke pas le contenu des prompts et des réponses — uniquement les agrégats de consommation.

Voisins de réseau. Les laboratoires dont les modèles sont servis par le réseau lancent également leurs propres agents : pour DeepSeek, il s'agit de DeepSeek Harness, pour MiniMax — MiniMax Code, pour Z.ai, auteurs de GLM — ZCode. Ils se connectent tous à la même passerelle avec la même clé et utilisent le même solde.