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:
- Потвърдете модела и крайната точка; проверете текста на отговора,
finish_reasonи използването при базовата заявка. - Премахнете наследените лимити само за отговора и несъвместимите настройки за мислене. При съкратен отговор повторете заявката с по-голям бюджет и проверете целия отговор.
- 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.
- 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.
- 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
- За да прецените дали миграцията си заслужава разходите, прочетете Qwen4-Max срещу Qwen3.8-Max: струва ли си надграждането?.
- За да изберете модел за същата задача в хранилището, прочетете Qwen4-Max срещу Kimi K3.1 Pro: кой агент за програмиране да използвате?.
Източници
- Alibaba Cloud: Технически спецификации на модела Qwen4-Max и Qwen3.8-Max.
- Alibaba Cloud: Параметри на Chat Completions.
- Alibaba Cloud: Обобщаване и криптиране на мисленето.
- Alibaba Cloud: Изрично кеширане за Qwen4.
- 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.



