SSD Nodes Learn Hosting plans →
Руководства Matt ConnorАвтор: Matt Connor

Qwen Code из России: что работает и за что платить

Qwen Code ставится из npm бесплатно, а платить нужно за модель. Пять способов входа, что проверить до оплаты Alibaba и три пути без неё: DeepSeek, Yandex AI Studio и Ollama.

Что работает в Qwen Code из России

В Qwen Code из России главный вопрос один: кто продаст вам модель. Сам CLI (интерфейс командной строки) открытый, под лицензией Apache-2.0, и ставится из npm бесплатно. Платить нужно за модель, к которой он отправляет запросы.

Официальные пути Qwen идут через подписку или ключ Alibaba. Документация не говорит, примут ли там российский аккаунт или карту. Поэтому это проверка, которую вы делаете до оплаты. От биллинга Alibaba не зависят три пути: DeepSeek как встроенный провайдер, Yandex AI Studio как свой OpenAI-совместимый адрес и Ollama на вашем VPS за пределами России.

Всё ниже сверено с документацией Qwen Code (страница авторизации помечена «Last updated on November 9, 2026») и со страницами DeepSeek, Яндекса и Ollama на 15 ноября 2026 года.

Как установить Qwen Code

Для установки через npm нужен Node.js 22 или новее. Сначала проверьте версию:

node --version
npm install -g @qwen-code/qwen-code@latest

Если node --version показывает версию ниже 22, сначала обновите Node.js с nodejs.org. Потом перейдите в папку проекта и запустите CLI командой qwen:

cd ~/projects/my-app
qwen

Способ входа выбирается командой /auth внутри сессии. Для скриптов и CI (непрерывной интеграции) есть режим без диалога: qwen -p "...".

Есть ещё два способа установки. На macOS с Homebrew это brew install qwen-code. Для Linux и macOS есть отдельный установочный скрипт:

curl -fsSL https://qwen-code-assets.oss-cn-hangzhou.aliyuncs.com/installation/install-qwen-standalone.sh | bash

Скрипт лежит в хранилище Alibaba OSS в Ханчжоу. Скачайте его без | bash и прочитайте перед запуском, потому что такая команда выполняет всё, что пришлёт сервер. Заодно проверьте, что этот адрес вообще открывается из вашей сети. Если нет, используйте npm.

На 15 ноября 2026 года последний релиз Qwen Code: v0.27.4. Есть и ветка v1.0.0-preview. В её заметках прямо сказано, что интерфейсы и настройки во время Preview могут меняться, поэтому для работы берите обычный релиз.

Пять способов войти в Qwen Code через /auth

Команда /auth предлагает пять вариантов. Вот что каждый значит для читателя в России:

  1. Qwen Account with Subscription. Нужен аккаунт Qwen с активной подпиской Plus или Pro с chat.qwen.ai и вход через браузер.
  2. QwenCloud. Token Plan или обычный API-ключ, на китайской или международной площадке. Ключи Token Plan начинаются с sk-sp-.
  3. Alibaba ModelStudio. Coding Plan, Token Plan или обычный API-ключ.
  4. Third-party Providers. Встроенные сторонние провайдеры с API-ключом: DeepSeek, Grok, MiniMax, Z.AI, Kimi, Idealab, ModelScope, OpenRouter и Requesty.
  5. Custom Provider. Свой адрес: локальный сервер, прокси или провайдер, которого нет в списке. Сюда же относится сервер, который вы держите сами.

Первые три варианта ведут к Alibaba и её оплате. Четвёртый и пятый от неё не зависят. На них построены пути ниже.

Подписочный вход требует браузера. Для сервера без графического интерфейса и для CI документация советует другое: переменные окружения или вход по API-ключу вместо интерактивного /auth. Если агент будет работать на VPS, сразу планируйте вход по ключу.

Есть ли у Qwen Code бесплатный тариф

Старые статьи часто обещают бесплатный вход через Qwen OAuth (вход через аккаунт Qwen без ключа). Текущая страница авторизации бесплатную квоту не описывает. Про подписку там сказано одно: использование зависит от вашего тарифа.

На странице провайдеров моделей ещё упомянут «legacy free Qwen OAuth». Это старый бесплатный провайдер, зашитый в код и отдельный от подписки. Ни квоты, ни даты окончания там нет. В заметках к релизам мы тоже не нашли, когда и как его закрыли.

Вывод практический. Среди пяти вариантов /auth бесплатного нет, поэтому не стройте работу на старом OAuth. Бесплатен только сам CLI.

Подписка Qwen и Coding Plan: что проверить до оплаты

Цену Plus и Pro на chat.qwen.ai мы подтвердить не смогли: главная страница сервиса тарифов не показывает. Смотрите цену в своём аккаунте перед покупкой.

У Alibaba Cloud цена опубликована. Страница Coding Plan на международном сайте (обновлена 4 ноября 2026 года) называет тариф Pro за $50 в месяц. Лимиты считаются в запросах:

  • 6 000 запросов за 5 часов;
  • 45 000 запросов в неделю;
  • 90 000 запросов в месяц.

Старый тариф Lite новым подписчикам недоступен. Продление и повышение Lite закрыли 13 апреля 2026 года. Pro оформляется напрямую из аккаунта Alibaba Cloud, и деньги за него не возвращают. Число мест ограничено, места выдают в порядке очереди. Это цена международной страницы Alibaba. С подпиской Plus или Pro на chat.qwen.ai её не путайте.

В Qwen Code Coding Plan подключается через вариант Alibaba ModelStudio. Адрес для Пекина: https://coding.dashscope.aliyuncs.com/v1. Международный адрес: https://coding-intl.dashscope.aliyuncs.com/v1. Ключ Coding Plan начинается с sk-sp-.

Главное для России: страница Coding Plan не называет ни поддерживаемые страны, ни способы оплаты. Про chat.qwen.ai мы тоже не нашли таких сведений. Поэтому проверка делается до денег:

  1. Зарегистрируйте аккаунт со своими настоящими данными.
  2. Добавьте свою карту в способы оплаты и посмотрите, примет ли её система.
  3. Покупайте тариф только после того, как карта привязалась. Pro не возвращают, поэтому ошибка с оплатой обойдётся в полный месяц.

Обходные схемы мы не советуем: зарубежные виртуальные карты, перепродавцов подписок, смену страны аккаунта через VPN. Если карта не проходит напрямую, переходите к путям ниже. Они не завязаны на оплату Alibaba.

Агрегаторы: куда уходит ваш код

В списке встроенных провайдеров есть OpenRouter и Requesty. Это агрегаторы: один ключ даёт доступ к моделям многих компаний. За это удобство вы платите тем, что ваш код проходит через ещё одну компанию. Агент отправляет в запросах куски файлов, вывод команд, историю сессии и ваши инструкции. Всё это сначала получает агрегатор, а потом поставщик модели. Что именно агенты передают наружу, разобрано в статье какие данные coding-агент отправляет наружу.

Путь 1: DeepSeek как встроенный провайдер в Qwen Code

DeepSeek есть в /auth готовым. Выберите Third-party Providers, затем DeepSeek, и вставьте API-ключ. Если подключаете DeepSeek через Custom Provider, адрес в формате OpenAI: https://api.deepseek.com.

В текущей документации DeepSeek две модели: deepseek-flash и deepseek-v4-pro. Имён deepseek-chat и deepseek-reasoner там больше нет, так что инструкции с ними устарели. Старую deepseek-v4-flash DeepSeek называет снятой: её запросы обслуживает DeepSeek-V4.1-Flash-1017. У обеих текущих моделей контекст 1M токенов и до 384K токенов ответа.

Цены указаны за 1 миллион токенов и зависят от времени суток. В часы низкой нагрузки (off-peak) дешевле, в часы пик (peak) дороже. Вход делится на два вида: из кэша (cache hit, начало запроса совпало с недавним) и без кэша (cache miss).

ГрафикDeepSeek API, $ за 1 млн токенов, страница цен на 15.11.2026
Данные, на которых построен график
[
  {
    "label": "deepseek-flash",
    "input_cache_hit_offpeak": 0.003,
    "input_cache_hit_peak": 0.006,
    "input_offpeak": 0.15,
    "input_peak": 0.3,
    "output_offpeak": 0.6,
    "output_peak": 1.2
  },
  {
    "label": "deepseek-v4-pro",
    "input_cache_hit_offpeak": 0.022,
    "input_cache_hit_peak": 0.044,
    "input_offpeak": 0.66,
    "input_peak": 1.32,
    "output_offpeak": 1.98,
    "output_peak": 3.96
  }
]

Для deepseek-flash миллион входных токенов без кэша стоит 0.15 $ вне пика и 0.3 $ в пик. Тот же объём из кэша стоит 0.003 $. Для агента кэш важен, потому что в каждом запросе он заново отправляет начало разговора. Модель deepseek-v4-pro дороже: 3.96 $ за миллион токенов ответа в пик.

Страница пишет цены со знаком $ и не называет валюту. Деньги списываются с пополненного баланса или с начисленного бонусного. Способов оплаты страница не перечисляет. Проверьте в кабинете DeepSeek, какие способы пополнения доступны вам, прежде чем планировать на нём работу.

Если пополнить DeepSeek напрямую не выходит, похожая модель есть в каталоге Яндекса: DeepSeek V4.1 Flash. Об этом следующий раздел.

Путь 2: Yandex AI Studio как свой адрес в Qwen Code

Yandex AI Studio отдаёт модели через OpenAI-совместимый API (программный интерфейс в формате OpenAI) по адресу https://ai.api.cloud.yandex.net/v1. В старых материалах встречается llm.api.cloud.yandex.net/v1, но текущие примеры в документации используют ai.api.cloud.yandex.net.

Для доступа нужны две вещи:

  • API-ключ. В интерфейсе AI Studio нажмите кнопку создания API-ключа в правом верхнем углу, выберите срок действия и сохраните секрет. После закрытия окна его больше не покажут. Вместе с ключом создаётся сервисный аккаунт с минимальными нужными ролями.
  • ID каталога (folder ID). Наведите курсор на имя каталога вверху экрана и скопируйте ID.

ID каталога нужен в двух местах. Он входит в имя модели в виде gpt://<folder_ID>/<модель>. И он идёт в заголовке OpenAI-Project.

Какую модель брать. Qwen на странице моделей Яндекса представлен одной моделью: Qwen3.6 35B, имя qwen3.6-35b-a3b, контекст 262 144 токена. Она заменила Qwen3.5 35B 29 апреля 2026 года. Модель Qwen3 235B (qwen3-235b-a22b-fp8) снята 30 сентября 2026 года, поэтому старые инструкции с ней больше не работают. Из DeepSeek берите deepseek-v4.1-flash с контекстом 1M. Модель deepseek-v4-flash помечена как устаревшая, и по странице моделей её отключают 15 ноября 2026 года.

Оплата. Страница цен показывает цены в долларах без НДС для клиентов сербской компании Iron Hive doo Beograd. Для клиентов Yandex.Cloud LLC счёт выставляется в рублях или тенге, и НДС уже включён. Рублёвых цифр для этих моделей в открытой части страницы мы не увидели. Цену смотрите в консоли своего платёжного аккаунта.

Шаг 1. Проверьте ключ одним curl

Сначала проверьте ключ без Qwen Code. Этот запрос повторяет пример из документации Яндекса:

export YANDEX_API_KEY="секрет API-ключа"
export YANDEX_FOLDER_ID="ID каталога"
curl https://ai.api.cloud.yandex.net/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Api-Key ${YANDEX_API_KEY}" \
  -H "OpenAI-Project: ${YANDEX_FOLDER_ID}" \
  -d '{"model": "gpt://'"${YANDEX_FOLDER_ID}"'/qwen3.6-35b-a3b", "messages": [{"role": "user", "content": "Ответь одним словом: работает?"}]}'

Ответ в формате OpenAI с полем choices и текстом модели внутри значит, что ключ и ID каталога верны, а имя модели существует. Ошибка на этом шаге означает, что дело в ключе или ID каталога. Qwen Code на этом шаге не участвует. По документации Яндекса для такого запроса нужен сервисный аккаунт с ролью ai.languageModels.user и ключ с областью действия yc.ai.foundationModels.execute.

Шаг 2. Проверьте запрос в том виде, в каком его пошлёт Qwen Code

Qwen Code обращается к OpenAI-совместимым API как обычный клиент OpenAI. Такой клиент передаёт ключ заголовком Authorization: Bearer, а пример curl у Яндекса использует Api-Key. Python-пример самого Яндекса построен на библиотеке openai с параметрами api_key и project, то есть на запросе с Bearer. Проверьте это сами. Заодно добавьте описание инструмента, потому что Qwen Code отправляет описания инструментов в каждом запросе:

curl https://ai.api.cloud.yandex.net/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer ${YANDEX_API_KEY}" \
  -H "OpenAI-Project: ${YANDEX_FOLDER_ID}" \
  -d '{"model": "gpt://'"${YANDEX_FOLDER_ID}"'/qwen3.6-35b-a3b", "messages": [{"role": "user", "content": "Прочитай файл README.md"}], "tools": [{"type": "function", "function": {"name": "read_file", "description": "Read a file from the project", "parameters": {"type": "object", "properties": {"path": {"type": "string"}}, "required": ["path"]}}}], "tool_choice": "auto"}'

Здоровый результат: в ответе есть tool_calls с именем read_file и аргументом path. Если запрос с Bearer отклонён, а с Api-Key проходил, Qwen Code с этим адресом напрямую не заработает. Если ответ пришёл, но вместо tool_calls модель пишет обычный текст, агент сможет отвечать, но не сможет читать и править файлы. Документация Яндекса по вызову функций показывает примеры только с yandexgpt/rc и не перечисляет, какие модели поддерживают инструменты. Поэтому этот шаг обязателен.

Шаг 3. Настройте Qwen Code

Добавьте провайдера в ~/.qwen/settings.json. Заголовок с каталогом передаётся через generationConfig.customHeaders: документация Qwen Code описывает эту настройку для каждой модели провайдера.

{
  "modelProviders": {
    "openai": [
      {
        "id": "gpt://<folder_ID>/qwen3.6-35b-a3b",
        "name": "Qwen3.6 35B (Yandex AI Studio)",
        "envKey": "YANDEX_API_KEY",
        "baseUrl": "https://ai.api.cloud.yandex.net/v1",
        "generationConfig": {
          "contextWindowSize": 262144,
          "customHeaders": {
            "OpenAI-Project": "<folder_ID>"
          }
        }
      }
    ]
  },
  "security": { "auth": { "selectedType": "openai" } },
  "model": { "name": "gpt://<folder_ID>/qwen3.6-35b-a3b" }
}

Подставьте свой ID каталога вместо <folder_ID> в трёх местах. Сам ключ в файл не пишите. Qwen Code читает его из переменной окружения, имя которой указано в envKey, то есть из YANDEX_API_KEY с шага 1. Поле id здесь и есть имя модели, которое уйдёт в API.

Поле contextWindowSize пропускать нельзя. Qwen Code отбрасывает префикс gpt://<folder_ID>/ и ищет имя qwen3.6-35b-a3b в своей встроенной таблице. Имена qwen3.x там записаны с контекстом 1 000 000 токенов. Без этого поля Qwen Code будет считать, что контекст 1 000 000 токенов, хотя у Яндекса он 262 144.

Честная оговорка: связку Qwen Code и Yandex AI Studio на живом ключе мы к публикации не проверили. Документация обеих сторон совпадает по формату, но окончательную проверку делает ваш шаг 2.

Путь 3: Ollama на своём VPS для Qwen Code

Третий путь обходится без внешнего API. Модель работает на вашем VPS, например у провайдера за пределами России, а Qwen Code подключается к ней через OpenAI-совместимый адрес /v1. Установку Ollama на сервер мы разобрали в статье как запустить Ollama на своём VPS. На 15 ноября 2026 года последний стабильный релиз Ollama: v0.40.16 от 9 ноября.

Модель. В библиотеке Ollama у qwen3-coder есть тег 30b (он же latest, 19 ГБ) и тег 480b (290 ГБ). Модель помечена как поддерживающая инструменты (tools), контекст у неё 256K токенов. Веса на 19 ГБ должны поместиться в память, поэтому на VPS без GPU модель работает медленно, если вообще помещается. Сколько памяти и процессора нужно, разобрано в расчёте RAM и CPU для VPS под coding-агента.

ollama pull qwen3-coder:30b

Контекст. Здесь чаще всего ошибаются. Ollama выбирает контекст по умолчанию по объёму VRAM (видеопамяти): меньше 24 ГиБ дают 4k, от 24 до 48 ГиБ дают 32k, от 48 ГиБ дают 256k. Сервер без GPU или с картой меньше 24 ГиБ получает 4k. Документация Ollama советует ставить агентам и coding-инструментам не меньше 64000 токенов:

OLLAMA_CONTEXT_LENGTH=64000 ollama serve

Если Ollama запущена как служба systemd, переменную нужно задать в настройках службы, а не в терминале. Как это сделать и чем OLLAMA_CONTEXT_LENGTH отличается от num_ctx, описано в настройке длины контекста в Ollama. Через OpenAI-совместимый API размер контекста передать нельзя, поэтому второй способ задать его: PARAMETER num_ctx в Modelfile.

Доступ. Локальный API Ollama на localhost:11434 не требует авторизации. Если открыть порт 11434 в интернет, моделью сможет пользоваться любой, кто его найдёт. Держите Ollama на localhost и пробросьте порт по SSH (защищённому удалённому доступу) со своего компьютера:

ssh -N -L 11434:localhost:11434 user@your-vps

Команда держит туннель открытым и ничего не печатает. В другом терминале проверьте, что модель видна:

curl http://localhost:11434/v1/models

В ответе должен быть qwen3-coder:30b. Если нужен доступ без SSH-туннеля, сначала закройте API по инструкции по защите API Ollama.

Теперь пропишите Ollama в ~/.qwen/settings.json. Это пример из документации Qwen Code, переделанный под qwen3-coder:30b:

{
  "env": { "OLLAMA_API_KEY": "ollama" },
  "modelProviders": {
    "openai": [
      {
        "id": "qwen3-coder:30b",
        "name": "Qwen3 Coder 30B (Ollama)",
        "envKey": "OLLAMA_API_KEY",
        "baseUrl": "http://localhost:11434/v1",
        "generationConfig": {
          "streamIdleTimeoutMs": 600000,
          "contextWindowSize": 64000
        }
      }
    ]
  },
  "security": { "auth": { "selectedType": "openai" } },
  "model": { "name": "qwen3-coder:30b" }
}

Ключ ollama здесь заглушка. Клиенту OpenAI нужно какое-то значение, а Ollama его игнорирует, поэтому хранить его в файле безопасно. Значение contextWindowSize равно тому, что вы задали в OLLAMA_CONTEXT_LENGTH. По умолчанию Qwen Code ждёт следующую порцию потокового ответа 240000 мс (4 минуты). Медленный CPU может не уложиться, поэтому пример поднимает streamIdleTimeoutMs до 600000.

Второй вариант: запустить сам Qwen Code на том же VPS, тогда туннель не нужен. Так устроена работа coding-агента на VPS. Общая схема для любых агентов описана в статье как подключить Ollama к coding-агенту.

Что меняется в Qwen Code, когда модель не от Qwen

Qwen Code делали под модели Qwen. С другим бэкендом меняется вот что.

Вызов инструментов. Qwen Code отправляет описания инструментов в каждом запросе. Агент читает и правит файлы и запускает команды только через эти вызовы, поэтому модель без них ему не подходит. Для своих моделей семейства Qwen3.x документация требует включить на сервере вызов инструментов и парсер рассуждений, а имена парсеров меняются от версии к версии сервера. У Ollama смотрите на метку tools на странице модели. У Яндекса проверьте шаг 2. Для DeepSeek страницы, которые мы открыли, не говорят, как его модели ведут себя в Qwen Code, поэтому начните с маленькой задачи.

Контекстное окно. Qwen Code должен знать настоящий размер контекста, поэтому задавайте contextWindowSize для каждой своей модели. Без этого поля Qwen Code угадывает размер по имени модели. Для qwen3.6-35b-a3b у Яндекса он возьмёт 1 000 000 токенов, хотя настоящий контекст 262 144. Для Ollama число должно совпадать с OLLAMA_CONTEXT_LENGTH, потому что сервер отдаёт столько контекста, сколько задано там.

Цена задачи. API Chat Completions не хранит историю, поэтому агент на каждом шаге отправляет весь разговор вместе с описаниями инструментов. Одна задача складывается из многих запросов, и платите вы за каждый. Модели оплаты разные: DeepSeek берёт за токены и дешевле считает вход из кэша, Яндекс берёт за тысячу токенов, Coding Plan считает запросы, а Ollama стоит как аренда сервера. Простые задачи выгодно отдавать дешёвой модели, а сложные дорогой. Как это настроить, разобрано в маршрутизации задач между моделями.

FAQ

Можно ли пользоваться Qwen Code из России бесплатно?

Сам Qwen Code бесплатный: это открытый CLI под лицензией Apache-2.0. Модель бесплатной не будет. Текущая документация авторизации не описывает бесплатную квоту, а старый «legacy free Qwen OAuth» упомянут без квоты и без даты. Без оплаты API можно работать только с моделью на своём сервере через Ollama, и тогда вы платите за сам сервер.

Какой бэкенд для Qwen Code можно оплатить в рублях?

Из путей в этой статье рубли упоминает только Yandex AI Studio. Его страница цен говорит, что клиенты Yandex.Cloud LLC платят в рублях или тенге с НДС. Рублёвую цену смотрите в консоли. Страница Coding Plan у Alibaba не называет ни страны, ни способы оплаты, а страница цен DeepSeek не перечисляет способов пополнения.

Как запустить Qwen Code на сервере без браузера?

Подписка Qwen требует входа через браузер, поэтому на сервере используйте API-ключ. Документация Qwen Code для таких случаев советует переменные окружения OPENAI_API_KEY, OPENAI_BASE_URL и OPENAI_MODEL или блок modelProviders в ~/.qwen/settings.json. Для скриптов есть режим qwen -p "...", который выполняет задачу без диалога.

Хватит ли Ollama по умолчанию для Qwen Code?

Обычно нет. На сервере без GPU или с видеопамятью меньше 24 ГиБ Ollama по умолчанию даёт контекст 4k токенов, а документация Ollama советует агентам не меньше 64000. Запустите Ollama с OLLAMA_CONTEXT_LENGTH=64000 и поставьте то же число в contextWindowSize в настройках Qwen Code.

Была ли эта статья полезной?

#qwen-code#coding-agents#russia#llm-api#ollama