Qwen3.8 kostenlos auf AIHubMix: 429-Fehler, „Rate Limited by Provider“ und ein geleerter Token-Pool beheben

Die meisten Probleme mit qwen3.8-max-free und qwen3.8-flash-free entstehen aus drei Quellen: den Limits des kostenlosen Tarifs, der Kapazität der Kampagne, die GMI Cloud upstream reserviert hat, und der Geschwindigkeit, mit der Thinking-Tokens und Agent-Kontext einen täglichen Pool von 1M Tokens leeren. Manche davon zeigen sich als Fehler. Andere zeigen sich als seltsam wirkende Antwort oder als leeres Kontingent bis zur Mittagspause. Daneben gelten weiterhin die üblichen API-Fehler: ein falscher Schlüssel oder eine falsche Modell-ID, ein zu langer Kontext, eine fehlerhafte Tool-Call-Historie, JSON-Modus und Inhaltsmoderation.

Für jedes dieser Probleme gibt es eine Lösung, und eine Einstellung deckt die meisten davon ab: Fallback auf Schlüsselebene von den kostenlosen IDs auf die kostenpflichtigen qwen3.8-max und qwen3.8-flash. Einmal eingerichtet, sorgt sie dafür, dass ein ausgelasteter Upstream, ein aufgebrauchtes Kontingent oder das Ende der Kampagne um den 13. November 2026 (Pacific Time) keinen Ausfall mehr bedeutet.

Kurzübersicht

Fehler aus dem kostenlosen Tarif und der Kampagne

429 durch die Limits des kostenlosen Tarifs

Was Sie sehen. Nach einer Aufladung von mindestens 1 $ erlauben die kostenlosen Modelle von AIHubMix 10 Anfragen pro Minute, 100 pro Tag und 1M Tokens pro Tag, geteilt über den gesamten kostenlosen Katalog. „Wird ein Limit überschritten, gibt die API 429 zurück, bis die nächste Minute oder der nächste Tag beginnt“, so die Seite zu den kostenlosen Modellen. Die Referenz der HTTP-Statuscodes von AIHubMix listet für die Anfragefrequenz die 429-Meldung „The xx model Too many requests; please try again later.“ auf.

Warum. Die Limits gelten pro Konto, nicht pro Modell. Ein Batch-Job auf einem anderen kostenlosen Modell verbraucht dieselbe Minute und denselben Tag.

So lässt sich das reproduzieren. Elf schnelle Anfragen hintereinander treffen das Minutenlimit. Dabei werden 11 Ihrer 100 täglichen Anfragen verbraucht:

for i in $(seq 1 11); do
  curl -s -o /dev/null -w "%{http_code}\n" https://aihubmix.com/v1/chat/completions \
    -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{"model":"qwen3.8-flash-free","messages":[{"role":"user","content":"hi"}],"max_tokens":16}'
done

Wenn alle 11 innerhalb einer Minute liegen, liefern die ersten zehn 200 und die elfte 429.

Lösung. Halten Sie Batch-Jobs mit einem einfachen Rate-Limiter unter 10 Anfragen pro Minute. Beim Tageslimit warten Sie entweder auf den Reset oder richten Fallback ein (siehe unten), damit der Überschuss an das kostenpflichtige Modell geht.

„Rate limited by provider – wenden Sie sich an den Support, um eine höhere Parallelität anzufordern, oder versuchen Sie es später erneut.“

Was Sie sehen. In einem eigenen Test von AIHubMix am 16. Oktober gab ein Aufruf von qwen3.8-max-free HTTP 429 mit diesem Text zurück, während derselbe Schlüssel weiterhin mit qwen3.8-flash-free funktionierte:

{"error":{"message":"Model qwen3.8-max-free rate limited by provider – contact support to request higher concurrency or try again later. (tid: …)","type":"service_unavailable","param":"","code":"rate_limit_exceeded"}}

Die Referenz der Statuscodes von AIHubMix führt dieselbe Meldung unter 503 auf, prüfen Sie daher auf beide Codes.

Warum. Die kostenlosen IDs laufen auf Kapazität, die GMI Cloud für die Kampagne reserviert hat. Wenn viele Nutzer gleichzeitig Max aufrufen, ist dieser Upstream-Pool eine Zeit lang voll. Es liegt nicht an Ihrem Kontingent: Andere kostenlose Modelle funktionieren mit demselben Schlüssel weiter.

Lösung. Wiederholen Sie mit exponentiellem Backoff (zum Beispiel nach 30, 60 und 120 Sekunden). Für alles, was nicht warten kann, lässt Fallback die Anfrage an das kostenpflichtige qwen3.8-max gehen. Bewahren Sie die tid auf, wenn Sie den Support kontaktieren; sie identifiziert die Anfrage.

Eine Antwort, dass Ihre Testphase aufgebraucht ist

Was Sie sehen. Gar kein Fehler. Ein neues Konto erhält insgesamt 10 Testaufrufe, geteilt über alle kostenlosen Modelle. Nach dem zehnten antwortet die API weiterhin, die Antwort ist aber ein Hinweis, dass die Testphase aufgebraucht ist. Eine App, die Modellausgaben Nutzern zeigt, zeigt ihnen genau diesen Hinweis.

Lösung. Laden Sie mindestens 1 $ auf. Damit wechselt das Konto dauerhaft zu den oben genannten täglichen Kontingenten.

Client-Timeouts bei Max

Was Sie sehen. Eine nicht gestreamte Anfrage an qwen3.8-max-free hängt und schlägt dann in Ihrem HTTP-Client, Proxy oder Tool mit einem Timeout fehl.

Warum. Max denkt nach, bevor das erste sichtbare Token erscheint. AIHubMix misst auf der kostenlosen Route etwa 55 Sekunden Latenz und etwa 9 Tokens pro Sekunde, daher kommt eine nicht gestreamte Antwort mit 4K Tokens in einem Stück erst nach rund acht Minuten an. Alles in der Kette mit einem kürzeren Timeout bricht vorher ab. Fallback hilft hier nicht: Laut den Fallback-Regeln von AIHubMix löst ein Client-Timeout ihn nicht aus.

Lösung. Streamen Sie die Antwort, erhöhen Sie das Client-Timeout (timeout=900 im OpenAI-Python-Client deckt lange Antworten ab) und verwenden Sie Flash für alles Interaktive.

Alltägliche API-Fehler

Nicht jeder Fehler bei den kostenlosen IDs hängt mit Kontingenten zusammen. Diese treten ebenso häufig auf, bei den kostenlosen und den kostenpflichtigen IDs gleichermaßen. AIHubMix reicht laut seiner Referenz der Statuscodes die meisten 400-Fehler vom Upstream-Modell weiter. Die kostenlosen IDs laufen auf GMI Cloud, die kostenpflichtigen auf Alibaba Cloud, daher kann der genaue Wortlaut eines 400-Fehlers zwischen beiden Routen abweichen. Die folgenden Meldungen sind aus der Referenz von AIHubMix und aus der Referenz der Fehlercodes von Alibaba Cloud zitiert.

401: „Nicht autorisiert – Zugriffstoken ist ungültig oder abgelaufen.“

Warum. Der Schlüssel ist falsch, widerrufen oder abgelaufen. Ohne jeglichen Authorization-Header lautet die Meldung „Unauthorized – no access token supplied; please log in and include a valid token.“ Übliche Ursachen sind eine Umgebungsvariable, die in der Shell, in der der Code läuft, nicht gesetzt ist, sodass ein leerer Schlüssel gesendet wird, oder ein Schlüssel einer anderen Plattform, etwa QwenCloud oder GMI Cloud, der an AIHubMix geschickt wird.

Lösung. Prüfen Sie die Variable in derselben Shell: echo ${AIHUBMIX_API_KEY:0:3} sollte sk- ausgeben. AIHubMix-Schlüssel funktionieren nur unter https://aihubmix.com/v1, Schlüssel anderer Plattformen funktionieren dort nicht.

503: „Falsche Modell-ID. Bitte fordern Sie die Anzeige der Modellseite an oder Sie haben keine Berechtigung, dieses Modell zu verwenden“

Warum. Modell-IDs müssen exakt übereinstimmen. Die kostenlosen IDs sind qwen3.8-max-free und qwen3.8-flash-free, alles in Kleinbuchstaben, mit einem Bindestrich vor free. IDs, die von anderen Plattformen kopiert wurden, etwa Qwen/Qwen3.8-Max von GMI Cloud, existieren auf AIHubMix nicht. Ein Kopierfehler erzeugt manchmal gar keinen Fehler: Die ID qwen3.8-max von QwenCloud ist eine gültige AIHubMix-ID, sie gehört aber zum kostenpflichtigen Modell, sodass die Anfrage unbemerkt abgerechnet wird.

So lässt sich das reproduzieren.

curl -s https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen-3.8-max-free","messages":[{"role":"user","content":"hi"}]}'

Lösung. Kopieren Sie die ID von der Modellseite. Da dies als 503 zurückkommt, wird Retry-Logik, die jeden 5xx-Fehler als vorübergehend behandelt, einen Tippfehler immer wieder neu versuchen. Behandeln Sie diese Meldung deshalb als dauerhaft.

403: „Verboten – Schlüssel (letzte 6 Ziffern des Anfrageschlüssels) ist nicht berechtigt, auf das angeforderte Modell zuzugreifen.“

Warum. AIHubMix-Schlüssel können auf eine Liste von Modellen beschränkt sein. Ein Schlüssel, der für ein anderes Projekt mit eigener Modellliste angelegt wurde, erreicht die kostenlosen Qwen3.8-IDs erst, wenn Sie sie hinzufügen.

Lösung. Bearbeiten Sie den Schlüssel in der Verwaltung der API-Schlüssel und fügen Sie qwen3.8-max-free und qwen3.8-flash-free hinzu. Wenn Sie Fallback eingerichtet haben, fügen Sie auch die kostenpflichtigen Backups hinzu, denn Fallback überspringt Modelle, die nicht auf der Liste des Schlüssels stehen.

400: „Der Bereich der Eingabelänge sollte [1, xxx] sein“

Warum. Das ist Alibabas Meldung für Eingaben, die das Kontextlimit des Modells überschreiten; die Zahl anstelle von xxx ist dieses Limit. Agent-Sitzungen sind die üblichste Ursache, da die Historie bei jedem Durchlauf wächst. Alibaba weist außerdem darauf hin, dass lange Prompts mit aktiviertem Thinking „zu einer Abschneidung der Antwort oder einem Request-Timeout führen können“.

Lösung. Kürzen Sie die Historie, starten Sie für eine neue Aufgabe eine neue Sitzung oder aktivieren Sie die Kompaktierung Ihres Tools. Kürzen Sie aber sorgfältig, sonst stoßen Sie auf den nächsten Fehler.

400: Nachrichten mit der Rolle "tool" müssen eine Antwort auf eine vorangehende Nachricht mit "tool_calls" sein

Alibabas Referenz führt diese Meldung samt Tippfehler auf, zusammen mit ihrem Gegenstück: "An assistant message with "tool_calls" must be followed by tool messages responding to each "tool_call_id"". Nutzer von Qwen Code haben die erste in Issue #2360 gemeldet.

Warum. Die an das Modell gesendete Historie enthält ein Tool-Ergebnis, dessen Tool-Call entfernt wurde, oder einen Tool-Call, dessen Ergebnis fehlt. Selbstgebaute Kürzungslogik der Historie und Kontext-Kompaktierung sind die üblichen Verursacher.

Lösung. Behandeln Sie einen Tool-Call und seine Ergebnisse als eine Einheit. Jede tool_call_id in einer Assistant-Nachricht braucht eine passende tool-Nachricht direkt danach:

messages = [
    {"role": "user", "content": "What's the weather in Hangzhou?"},
    {"role": "assistant", "content": None, "tool_calls": [{
        "id": "call_1", "type": "function",
        "function": {"name": "get_weather", "arguments": "{\"city\": \"Hangzhou\"}"},
    }]},
    {"role": "tool", "tool_call_id": "call_1", "content": "{\"temp_c\": 21}"},
]
# When trimming, drop messages[1] and messages[2] together, never just one of them.

400: JSON-Modus

Alibabas Referenz führt zwei Fehler im JSON-Modus auf:

• „'messages' muss in irgendeiner Form das Wort 'json' enthalten, um 'response_format' vom Typ 'json_object' zu verwenden.“
• „Die JSON-Mode-Antwort wird nicht unterstützt, wenn enable_thinking auf true gesetzt ist“

Warum. Der erste entspricht der Regel des JSON-Modus von OpenAI: Der Prompt muss JSON erwähnen. Der zweite ist für Qwen3.8 wichtiger, da Thinking standardmäßig aktiv ist. Daher kann eine json_object-Anfrage, die bei anderen Modellen funktioniert, hier fehlschlagen. Alibabas Referenz nennt nicht, welche Modelle die zweite Meldung zurückgeben, testen Sie also die ID, die Sie verwenden.

Lösung. Erwähnen Sie JSON im Prompt und schalten Sie Thinking bei JSON-Modus-Aufrufen aus:

curl -s https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-flash-free",
    "messages": [{"role": "user", "content": "Reply in JSON with the city and date: meet in Hangzhou on Nov 3."}],
    "response_format": {"type": "json_object"},
    "enable_thinking": false
  }'

400: "Input data may contain inappropriate content."

Warum. Der Code lautet data_inspection_failed. Alibaba Cloud prüft Ein- und Ausgaben bei den Modellen, die es hostet, darunter auch die kostenpflichtigen IDs, an die Fallback Anfragen schickt. Die Varianten lauten „Output data may contain inappropriate content.“ oder „Input or output data may contain inappropriate content.“ Auslöser ist meist nutzergenerierter Text, der in einen Prompt eingefügt wird, etwa gescrapte Seiten oder Support-Tickets.

Lösung. Finden Sie die Passage, die den Fehler auslöst, indem Sie die Eingabe aufteilen, und filtern oder formulieren Sie sie dann um. Dieselbe Eingabe erneut zu senden, liefert dieselbe Antwort.

Der stille Fehler: ein geleerter Token-Pool

Solange der Pool mit 1M Tokens nicht leer ist, tritt kein Fehler auf, dann liefert alles auf einmal 429. Drei Dinge leeren ihn schneller als erwartet.

Thinking-Tokens

Beide Modelle denken standardmäßig mit, und Alibaba berechnet das Denken als Output-Tokens; auf der kostenlosen Route zählen diese Tokens auf deinen Tagespool. In einem Test von AIHubMix verbrauchte eine Antwort mit zwei Sätzen von qwen3.8-flash-free 89 Output-Tokens, davon 36 für das Denken. Max denkt noch mehr: Artificial Analysis hat gemessen, dass es in seinem Index 190M Output-Tokens verbraucht, gegenüber einem Median von 87M.

Für Extraktion, Formatierung und kurze Nachschlagevorgänge schaltest du das Denken aus. enable_thinking ist der dokumentierte Schalter von Alibaba für Qwen3.8; mit dem OpenAI SDK wird er in extra_body übergeben:

resp = client.chat.completions.create(
    model="qwen3.8-flash-free",
    messages=[{"role": "user", "content": "Return only the invoice number: INV-2026-0042, due Nov 3"}],
    extra_body={"enable_thinking": False},
)
print(resp.choices[0].message.content)
print(resp.usage.completion_tokens_details)

Prüfe, ob reasoning_tokens im usage-Block auf 0 sinkt. Falls nicht, hat der Schalter das Modell auf dieser Route nicht erreicht, und das Denken verbraucht weiterhin Tokens.

Agenten-Schleifen senden Kontext erneut

Coding-Agenten senden bei jedem Turn die gesamte Unterhaltung, einschließlich Dateiinhalten und Tool-Ergebnissen. Eine Sitzung, die auf 40K Tokens angewachsen ist und dann noch 20 Turns lang läuft, sendet 800K Input-Tokens: der größte Teil des Tagespools, bevor auch nur ein Output entsteht. Begrenze das Kontextfenster in den Modelleinstellungen deines Tools, starte für neue Aufgaben frische Sitzungen und nutze Compaction, falls dein Tool sie unterstützt.

Eine große Anfrage

Max und Flash akzeptieren jeweils 1M Tokens Kontext, was der Größe des Tagespools entspricht. Eine einzelne Anfrage, die das Fenster füllt, verbraucht den ganzen Tag.

Wenn die Kampagne endet

Das kostenlose Zeitfenster schließt um den 13. November 2026 (Pacific Time), oder früher, falls die Kampagnen-Credits von GMI Cloud aufgebraucht sind. Danach sind die -free-IDs nicht mehr kostenlos. Code, der bereits auf die kostenpflichtigen IDs zurückfällt, funktioniert weiter. Code, der die kostenlosen IDs direkt aufruft, braucht eine einzige Änderung: Entferne -free aus dem Modellnamen.

Fallback einmal einrichten

AIHubMix kann am Gateway das Modell wechseln, wenn das primäre Modell ausfällt. Das wird pro API-Key konfiguriert und erfordert keine Änderung an deinem Code. Model Mapping und Fallback beschreibt alle Regeln im Detail. Für die kostenlosen Qwen3.8-IDs gilt:

1. Öffne die API-Key-Verwaltung in der AIHubMix-Konsole und bearbeite den Key, den deine App verwendet.
2. Füge unter „Fallback models on error“ zuerst qwen3.8-max und an zweiter Stelle qwen3.8-flash hinzu.
3. Rufe in deinem Code weiterhin qwen3.8-max-free auf.

Nimm die kostenlosen IDs nicht in die Backup-Liste auf. Ein kostenloses Modell kann nur das primäre Modell sein; in der Backup-Liste wird es stillschweigend übersprungen.

Fallback-Anfragen werden zum Preis des kostenpflichtigen Modells abgerechnet, halte daher etwas Guthaben auf dem Konto. Wenn Fallback-Anfragen mit 403 „Your account balance is insufficient. Please recharge your account to continue using the API.“ fehlschlagen, lade Guthaben auf: Fallback umgeht dein eigenes Guthaben nicht. Sobald der Kontostand unter -$1 fällt, funktionieren auch die kostenlosen Modelle nicht mehr, bis du auflädst.

Um zu sehen, welches Modell geantwortet hat, lies die Response-Header:

curl -s -i https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen3.8-max-free","messages":[{"role":"user","content":"hi"}]}' \
  | grep -i -E 'x-aihubmix-(model|fallback)'

X-Aihubmix-Fallback: true bedeutet, dass die Anfrage zurückgefallen ist. X-Aihubmix-Model nennt das Modell, das geantwortet hat, und das ist auch das Modell, das dir berechnet wird.

Coding-Tools

Jedes Tool, das einen OpenAI-kompatiblen Provider akzeptiert, funktioniert mit den kostenlosen IDs, darunter OpenCode, Cline, Kilo Code, Qwen Code und Hermes Agent. AIHubMix hat für jedes eine Setup-Seite; der OpenCode-Leitfaden ist ein guter Einstieg. Die Werte sind in jedem Tool gleich:

Zwei bekannte Probleme gelten in jedem Tool. Agenten-Schleifen leeren den gemeinsamen Token-Pool, wie oben beschrieben. Und Max' lange Latenz macht es als Hauptmodell eines interaktiven Agenten langsam. Tools, die getrennte Modelle für Planung und Bearbeitung erlauben, etwa die Plan- und Act-Modi von Cline, können Max für die Planung und Flash für die Änderungen einsetzen.

Ein 15-minütiger Smoke-Test. Richte dein Tool auf qwen3.8-flash-free aus und bitte es, einen Unit-Test für eine kleine Funktion in einem echten Repository hinzuzufügen, und führe dann den Test aus. Erfolg sieht so aus: Der Agent liest die Datei, schreibt den Test, führt ihn über einen Tool-Aufruf aus, und das AIHubMix-Nutzungsprotokoll zeigt die Anfragen unter dem kostenlosen Modell mit $0. Wiederhole dann den Planungsschritt mit qwen3.8-max-free und prüfe Zeit und Tokens, die er gebraucht hat.

Checkliste

• Mindestens $1 aufgeladen, sodass das Tageskontingent die 10 Testaufrufe ersetzt
• Modell-ID exakt von der Modellseite kopiert und für den Key aktiviert
• Batch-Jobs auf unter 10 Anfragen pro Minute gedrosselt
• Max-Anfragen streamen, mit einem Client-Timeout von 10 Minuten oder mehr
• Denken bei einfachen Anfragen ausgeschaltet und reasoning_tokens geprüft
• Agenten-Kontext begrenzt, mit neuen Sitzungen für neue Aufgaben
• Verlaufskürzung hält jeden Tool-Aufruf zusammen mit seinen Ergebnissen
• JSON-Mode-Aufrufe erwähnen JSON und laufen ohne Denken
• Fallback auf qwen3.8-max, dann qwen3.8-flash eingestellt
• Etwas Guthaben für Fallback-Anfragen übrig
• Erinnerung gesetzt für etwa den 13. November, wenn das kostenlose Zeitfenster schließt

FAQ

Warum bekomme ich 429 auf qwen3.8-max-free, obwohl ich es kaum genutzt habe?
Entweder hat ein anderes kostenloses Modell in deinem Konto die gemeinsame Minute oder den Tag aufgebraucht, oder die Upstream-Kapazität der Kampagne ist ausgelastet. Die Fehlermeldung zeigt, welches zutrifft: „rate limited by provider“ bedeutet den Upstream.

Warum liefert meine Anfrage „Incorrect model ID“?
Der Modellname entspricht keiner AIHubMix-ID exakt. Verwende qwen3.8-max-free oder qwen3.8-flash-free, alles klein geschrieben; IDs von GMI Cloud oder anderen Plattformen existieren hier nicht. Der Fehler kommt als 503 zurück, also stelle sicher, dass die Retry-Logik ihn nicht immer wieder neu versucht.

Kostet Fallback Geld?
Nur wenn er tatsächlich ausgelöst wird. Eine Anfrage, die zurückfällt, wird zum Preis des kostenpflichtigen Modells abgerechnet, das geantwortet hat.

Kann ich qwen3.8-flash-free in die Fallback-Liste aufnehmen?
Nein. Kostenlose Modelle können nur das primäre Modell sein; AIHubMix überspringt sie in der Backup-Liste.

Wie verhindere ich, dass das Denken meine kostenlosen Tokens verbraucht?
Übergib in extra_body für Anfragen, die kein Reasoning brauchen, enable_thinking mit dem Wert false, und prüfe, ob reasoning_tokens im usage-Block auf 0 sinkt.

Warum verbraucht mein Coding-Agent den Tagespool so schnell?
Agenten senden bei jedem Turn die gesamte Unterhaltung erneut. Begrenze das Kontextfenster, starte für neue Aufgaben neue Sitzungen und nutze Flash als Haupt-Agentenmodell.

Was passiert mit den kostenlosen IDs nach dem 13. November?
Sie hören auf, kostenlos zu sein, und früher, falls die Kampagnen-Credits von GMI Cloud aufgebraucht sind. Wechsle zu qwen3.8-max oder qwen3.8-flash oder verlass dich auf den Fallback, den du eingerichtet hast.

Weiterlesen: die Qwen3.8-Free-Reihe

• Für die Kontingentregeln, das Enddatum und einen funktionierenden ersten Aufruf: Kostenlose Qwen3.8 Max und Flash API auf AIHubMix: Limits, Enddatum und dein erster Aufruf
• Um Max-Wartezeiten bei Aufgaben zu vermeiden, die Flash erledigen kann: Qwen3.8 Max Free vs Qwen3.8 Flash Free: Reicht Flash?

Quellen

• HTTP-Statuscodes (AIHubMix-Doku)
• Model Mapping und Fallback (AIHubMix-Doku)
• Kostenlose KI-Modelle und Kontingente (AIHubMix)
• Fehlercodes (Alibaba Cloud Model Studio)
• Deep-Thinking-Modelle über die API verwenden (Alibaba Cloud Model Studio)