Миграция към Qwen4-Max: лимити на изхода, мислене и настройка на агент

AIHubMix4 мин четене
Миграция към Qwen4-Max: лимити на изхода, мислене и настройка на агент

Преминаването от Qwen3.8-Max към Qwen4-Max променя повече от идентификатора на модела. И двата модела имат контекст от един милион токена, но лимитът за изхода, който досега е бил предвиден само за отговора, вече покрива и мисленето. Променя се и усилието по подразбиране, а агентите трябва да запазват правилно историята на разсъжденията при извиквания на инструменти.

Започнете с една заявка към Chat Completions, а след това изпълнете малка задача в хранилище. Проверете отговора, причината за спиране, историята и получения diff, преди да преминете към съществуващ работен процес.

Преизчислете лимита за изхода

Справката за Chat Completions посочва, че max_tokens при Qwen4-Max е еквивалентен на max_completion_tokens: и двата ограничават мисленето плюс крайния отговор. При Qwen3.8-Max max_tokens обхваща само отговора.

Следователно лимит от 300 не запазва 300 токена за видимия отговор. Разсъжденията може първо да изчерпят бюджета и да оставят празен или незавършен отговор. Обърнете внимание, ако отговорът завършва с finish_reason: "length", дори HTTP заявката да е успешна. Самата смяна на името на параметъра, без увеличаване на стойността, не променя нищо.

За новите интеграции използвайте max_completion_tokens и предвидете достатъчно място и за двете части. В режим на мислене Qwen4-Max поддържа до 262,144 комбинирани токена за изход, а в режим без мислене — до 131,072. Контекстът от 1,000,000 токена не е лимит за входа, към който може да добавите максималния изход; входът и изходът заедно трябва да се поберат в контекста.

Изберете усилие или бюджет за мислене

Qwen4-Max поддържа low, high и xhigh, като high е настройката по подразбиране. Ако пропуснете и двата параметъра за управление, се избира high и бюджет за мислене от 131,072 токена. Това е горна граница, а не прогноза за броя използвани токени.

Значението на две наследени настройки се променя: high вече означава high, вместо да се преобразува в xhigh, както при Qwen3.8-Max; medium се преобразува в high. Останалите съответствия са minimal към low, max към xhigh и none към изключено мислене.

Изпратете или reasoning_effort, или thinking_budget. Официалната справка забранява да се комбинират, а бюджетът трябва да е положително цяло число: нулата не изключва мисленето. Ако зададете само бюджет, стойности от 1–4,096 избират low, от 4,097–131,072 — high, а от 131,073–262,144 — xhigh, като зададеният бюджет се запазва.

Започнете с посочената крайна точка

Ръководството за моделите на AIHubMix посочва qwen4-max за POST /v1/chat/completions. Това е примерна начална заявка, а не резултат от измерване:

curl -sS https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen4-max",
    "max_completion_tokens": 16384,
    "messages": [{"role": "user", "content": "Write a Python function that returns unique items in their original order, with two tests."}]
  }'

Лимитът за изхода следва документирания от Alibaba договор. По желание можете да добавите reasoning_effort: "low" без бюджет за мислене; препращането на параметрите тук не е измервано. Флаговете за възможности на AIHubMix остават непотвърдени. Проверете действителния отговор и използването, преди да разчитате на дадена настройка.

Запазете историята, от която се нуждае агентът

Когато е включено пълно мислене, съхранявайте reasoning_content в предишните съобщения на асистента отделно от content, включително при ходове, в които се извикват инструменти. В Qwen4-Max preserve_thinking е включено по подразбиране; върнатата история се брои като вход и се таксува. Сериализатор, който запазва само видимия текст, губи част от тази история.

Alibaba предлага и обобщения и криптиране на мисленето. Когато тази функция е включена с thinking_display: "summarized" във всяка заявка, reasoning_content става обобщение за показване, а encrypted_content съдържа историята на разсъжденията. Възпроизвеждайте шифротекста без промени; обобщението не може да го замести. Клиентите за поточно предаване трябва да запазват отделния криптиран кадър дори когато в него няма видим текст.

Този режим с обобщения е документиран от Alibaba. Не е потвърдено, че се поддържа през AIHubMix, затова първо установете непрекъснатостта на обикновен разговор.

Проверете кеширането, преди да прогнозирате спестявания

Функцията за изрично кеширане в Qwen4 на Alibaba поддържа ръчни и автоматични маркери за прекъсване, както и TTL от 5 минути или 1 час. За кеширане на префикс са необходими поне 1,024 токена. Записването в кеша струва съответно приблизително 125% или 200% от обичайната цена за вход; повтарящите се записи не осигуряват спестявания без разходи.

Поставете най-напред стабилните системни инструкции, дефинициите на инструментите и материалите от хранилището, а след тях — променящите се въпроси. Ако не зададете параметри за кеша, обичайното имплицитно кеширане не гарантира попадения в кеша. Проверете използването при четене и запис в кеша, както и сметката, преди да приемете, че агентът ви има полза. Тези контроли за кеширане на доставчика не са измервани през AIHubMix.

Инструменти за програмиране: проверете изпълнението на една цяла задача

Следвайте ръководството на AIHubMix за Qwen Code за инсталиране и удостоверяване. Задайте OPENAI_BASE_URL=https://aihubmix.com/v1 и OPENAI_MODEL=qwen4-max, а ключа подайте чрез OPENAI_API_KEY. Използвайте /status, за да потвърдите избрания модел; проверете също настройките на клиента за контекста и изхода.

За Claude Code е необходим Anthropic Messages, а за Codex — Responses. Alibaba документира тези протоколи, но ръководството на AIHubMix за Qwen4-Max посочва само Chat Completions. Наличността им през този шлюз не е установена тук.

Изпълнете този контролен списък за миграция в пробно хранилище:

  1. Потвърдете модела и крайната точка; проверете текста на отговора, finish_reason и използването при базовата заявка.
  2. Премахнете наследените лимити само за отговора и несъвместимите настройки за мислене. При съкратен отговор повторете заявката с по-голям бюджет и проверете целия отговор.
  3. Поправете един неуспешен тест в два файла. Успехът означава, че извикването на инструмент действително се изпълнява докрай, тестовете минават и diff-ът съдържа само желаната промяна.
  4. Задайте последващ въпрос, който зависи от първия ход. Проверете запазената история на асистента и инструментите, както и всяко съкращаване; уверете се, че необходимият контекст е запазен.
  5. Повторете с избраното усилие. Сравнете приетите пачове, общия брой токени и повторните опити. Проверете използването на кеша отделно, преди да оцените периодичните разходи.

Често задавани въпроси

Кой идентификатор на модел трябва да използвам в AIHubMix?
Използвайте qwen4-max с посочената крайна точка за Chat Completions.

Защо една успешна заявка може да съдържа незавършен отговор?
Мисленето и отговорът споделят лимита за изхода. Проверете дали finish_reason е length и увеличете общия лимит при необходимост.

Ще реши ли съкращаването смяната към max_completion_tokens?
Не и сама по себе си. В Qwen4-Max значението му е същото като това на max_tokens; стойността трябва да осигурява достатъчно място.

Мога ли да задам едновременно усилие и бюджет за мислене?
Не. Изберете едното. Бюджетът за мислене трябва да е положителен; използвайте reasoning_effort none, за да изключите мисленето.

Трябва ли да възпроизвеждам обобщението на мисленето като история на разсъжденията?
Не. В режим с обобщения запазвайте и възпроизвеждайте encrypted_content без промени. Обобщението за показване не може да го замести.

Мога ли да приема, че Claude Code или Codex работи през AIHubMix?
Не е потвърдено, че необходимите им протоколи се поддържат за този модел. Първо установете наличността на съответната крайна точка и изпълнението на цял работен процес с инструменти.

Още материали: серията Qwen4-Max

Източници

  1. Alibaba Cloud: Технически спецификации на модела Qwen4-Max и Qwen3.8-Max.
  2. Alibaba Cloud: Параметри на Chat Completions.
  3. Alibaba Cloud: Обобщаване и криптиране на мисленето.
  4. Alibaba Cloud: Изрично кеширане за Qwen4.
  5. AIHubMix: Ръководство за модела Qwen4-Max и Настройка на Qwen Code.

Източниците са проверени на 17 ноември 2026 г. За тази статия не са провеждани платени тестове за извеждане.

Един шлюз към множество AI доставчици. Създаден за продукционна среда.

Посетете AIHubMix