Qwen4-Max-Preview-API: 1M Kontext, Änderung bei max_tokens, Ende am 25. Nov.

Alibaba hat Qwen4-Max-Preview, das Flaggschiff der nächsten Generation seiner Qwen-Familie, am 11. November 2026 vorgestellt. Alibaba selbst bietet das Modell ausschließlich im Rahmen eines Token-Plan-Abos für Coding-Tools an; eine nutzungsbasierte Abrechnung gibt es nicht. Die Preview endet am 25. November um 24:00 Uhr (UTC+8), danach stellt Alibaba das Modell ein.

AIHubMix ist die erste Plattform, die das Modell als API mit Abrechnung pro Token anbietet. Seit dem Starttag stellt sie es unter coding-qwen4-max-preview über den OpenAI-kompatiblen Endpunkt bereit – für $0.353 pro Million Input-Tokens und $1.059 pro Million Output-Tokens. Bevor Sie einen Agent damit verbinden, sollten Sie eine Änderung kennen, die bestehenden Code beschädigen kann: Bei diesem Modell umfasst max_tokens sowohl das Denken als auch die Antwort. Bei AIHubMix lieferte ein Limit von 300 Tokens eine leere Antwort.

Kurzfassung

• Was es ist: Alibabas multimodales Flaggschiffmodell der nächsten Generation und seit dem 11. November das einzige Qwen4-Modell in Alibabas Modellliste. Es ist für Coding, Frontend-Design, Büroarbeit und agentische Aufgaben ausgelegt. Text, Bilder und Videos als Input; 1M-Token-Kontextfenster; bis zu 393,216 Output-Tokens.
• Wo Sie es aufrufen können: Alibaba bietet es nur im Rahmen von Token-Plan-Abos an. Bei AIHubMix ist es eine API mit Abrechnung pro Token und der Modell-ID coding-qwen4-max-preview.
• Wie lange: Alibabas Preview läuft bis zum 25. November 2026 um 24:00 Uhr (UTC+8), also an diesem Tag bis 16:00 Uhr UTC.
• Was Probleme macht: max_tokens begrenzt jetzt Denken und Antwort zusammen. Ein Limit, das nur für die Antwort bemessen ist, kann finish_reason: "length" und ein leeres content zurückgeben.
• Was es kostet: Alibaba veröffentlicht keinen Preis pro Token. Bei AIHubMix kostet es $0.353 pro Million Input-Tokens und $1.059 pro Million Output-Tokens.

Zwei Zugangswege und die Frist

Auf Alibabas Modellseite stehen die Bedingungen klar: Qwen4-Max-Preview „ist nur über Token Plan verfügbar. Nutzungsbasierter Zugriff wird nicht unterstützt.“ Token Plan ist das Abo von Alibaba Cloud für KI-Coding- und Agent-Tools wie Claude Code, Qwen Code und Qoder. Die Abrechnung erfolgt in Credits, ohne veröffentlichten Preis pro Token; persönliche Tarife beginnen bei $6 pro Monat. Während der Preview berechnet Alibaba Qwen4-Max-Preview mit nur 20% des regulären Credit-Satzes und zwischen 22:00 und 08:00 Uhr (UTC+8) mit 8%.

Der Zugang über AIHubMix ist die andere Möglichkeit. Sie rufen das Modell wie jedes andere über den OpenAI-kompatiblen Endpunkt auf, zahlen pro Token und benötigen kein Abo. AIHubMix beschreibt den Zugang als kostengünstigere Möglichkeit, Qwen4-Max-Preview über den offiziellen Token Plan zu nutzen, und kennzeichnet den Preview-Dienst mit dem Hinweis: „Möglicherweise instabil; Tests und Evaluierungen werden empfohlen.“

Die Preview-Zeiträume sind festgelegt. Sie läuft vom 11. November um 10:00 Uhr bis zum 25. November 2026 um 24:00 Uhr (UTC+8), insgesamt 350 Stunden. Alibaba erklärt: „Während dieses Zeitraums werden keine Änderungen vorgenommen; nach Ende der Preview wird das Modell eingestellt.“ Betrachten Sie es als Evaluierungsmodell und nicht als Grundlage für ein Produkt.

Was sich gegenüber Qwen3.8-Max geändert hat

Qwen3.8-Max ist derzeit das Flaggschiff der Qwen-Familie; ein Einstellungsdatum wurde nicht angekündigt. So unterscheiden sich die beiden Modelle laut den veröffentlichten technischen Daten von Alibaba:

Technische Daten von den Modellseiten und der API-Referenz von Alibaba Cloud. Das Ausgabelimit von Qwen4-Max-Preview gilt gemeinsam für das Denken und die finale Antwort.

Kontext und Inputs bleiben gleich. Zwei Dinge ändern sich: Das Ausgabelimit verdreifacht sich, und max_tokens umfasst jetzt auch das Denken. Die Einstellungen für den Denkmodus behalten dieselben Namen und Stufen; Code, der für Qwen3.8 bereits reasoning_effort festlegt, lässt sich also übernehmen.

Benchmarks gibt es noch nicht. Alibabas Launch-Seite enthält keine Ergebnisse, und bis zum 11. November haben wir keinen unabhängigen Benchmark für diese Preview gefunden. In der Launch-Berichterstattung, etwa im Bericht von TechNode, werden die technischen Daten wiederholt, aber keine Testergebnisse genannt. Bis Ergebnisse vorliegen, sollten Sie das Modell mit Ihren eigenen Aufgaben bewerten.

Preis und tatsächliche Kosten

Alibaba veröffentlicht keinen Preis pro Token für Qwen4-Max-Preview: Der einzige offizielle Zugangsweg ist Token Plan mit Abrechnung in Credits. Über den AIHubMix-Kanal erfolgt die Abrechnung pro Token: $0.353 pro Million Input-Tokens, $1.059 pro Million Output-Tokens und $0.0441 pro Million gecachter Input-Tokens.

Zur Veranschaulichung nehmen wir eine Sitzung mit einem Coding-Agent. Dabei handelt es sich um Annahmen, nicht um Messwerte: 40 Durchläufe, bei denen jeweils 60,000 Input-Tokens gesendet werden, davon 50,000 als gecachter Repository-Präfix, und jeweils 3,000 Output-Tokens erzeugt werden, einschließlich des Denkens.

Schätzung auf Grundlage der von AIHubMix für diesen Kanal angegebenen Preise. Cache-Treffer sind nicht garantiert, und AIHubMix hat sie für diesen Kanal nicht gemessen. Ohne Cache-Treffer kostet dieselbe Sitzung etwa $0.974.

Zwei Details beeinflussen diesen Betrag in der Praxis. Erstens zählt das Denken als Output: In den Nutzungsdaten von AIHubMix sind Reasoning-Tokens Teil von completion_tokens, und der Denkmodus läuft standardmäßig auf xhigh. Ein großer Teil der 3,000 Output-Tokens pro Durchlauf kann also auf Reasoning entfallen. Zweitens aktiviert Alibaba für dieses Modell standardmäßig preserve_thinking. Frühere Denkprozesse, die Ihr Client in reasoning_content zurücksendet, werden vom Modell gelesen; laut Alibabas Dokumentation „werden sie in die Zahl der Input-Tokens einbezogen und abgerechnet“. Der Input wächst bei langen Agent-Sitzungen deshalb schneller, als es der sichtbare Gesprächsverlauf vermuten lässt.

Die Änderung an max_tokens: Was Sie sehen und wie Sie das Problem beheben

Diese Änderung kann eine funktionierende Integration am ehesten beschädigen. Alibabas Hinweis zur API-Kompatibilität vom 2. November kündigte sie an; auf der Modellseite wird sie ebenfalls erwähnt:

Ab qwen4-max-preview entspricht max_tokens max_completion_tokens. Beide begrenzen die Gesamtzahl der Tokens für das Denken und die finale Antwort. Das Denken beansprucht einen Teil desselben Kontingents. Ein Limit, das zuvor nur für die Antwort bemessen war, kann die Ausgabe daher abschneiden.

Bei Qwen3.8-Max begrenzt max_tokens nur die Antwort; das Denken wird nicht mitgezählt. Code mit max_tokens: 300 für eine kurze Antwort funktionierte dort. Bei Qwen4-Max-Preview müssen dieselben 300 Tokens auch für das Reasoning reichen.

AIHubMix führte diese Anfrage am 11. November 2026 aus:

curl -s https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "coding-qwen4-max-preview",
    "max_tokens": 300,
    "messages": [{"role": "user", "content": "How many pairs of positive integers (x, y) with x > y satisfy x^2 - y^2 = 2024? List them."}]
  }'

Sie lieferte HTTP 200 zurück, aber nichts, was angezeigt werden konnte:

{
  "finish_reason": "length",
  "content": "",
  "usage": {
    "prompt_tokens": 56,
    "completion_tokens": 300,
    "completion_tokens_details": {"reasoning_tokens": 300}
  }
}

(Auf die relevanten Felder gekürzt.)

Alle 300 Tokens wurden für das Reasoning verbraucht, und die Antwort begann gar nicht erst. Es tritt kein Fehler auf. Ein Client, der nur content ausliest, erhält daher eine leere Zeichenfolge und könnte sie als gültige Antwort behandeln. Mit max_tokens: 16384 wurde derselbe Prompt normal abgeschlossen: 1,206 Completion-Tokens, davon 608 für Reasoning, und die korrekte Antwort (vier Paare).

So beheben Sie das Problem:

1. Bemessen Sie das Limit für Denken und Antwort zusammen. Entfernen Sie alte Limits, die nur für die Antwort gedacht waren, oder erhöhen Sie sie deutlich über den Bedarf der Antwort hinaus. Alibaba kennzeichnet max_tokens als „deprecated“ und empfiehlt für neue Integrationen max_completion_tokens. Bei diesem Modell bedeuten beide dasselbe. Eine bloße Umbenennung hilft also nicht: max_completion_tokens: 300 lieferte bei AIHubMix dieselbe leere Antwort.
2. Begrenzen Sie das Denken direkt, wenn Sie eine kurze Antwort benötigen. Setzen Sie reasoning_effort auf low oder auf none, um das Denken auszuschalten. Im Test von AIHubMix beantwortete none einen kurzen Coding-Prompt mit 43 Completion-Tokens und ohne Reasoning.
3. Prüfen Sie bei jedem Aufruf finish_reason. Behandeln Sie "length" in Verbindung mit einem leeren content als Fehler und wiederholen Sie den Aufruf mit einem größeren Kontingent, statt den Output als Antwort zu behandeln.

Wissenswertes zu den Einstellungen für den Denkmodus

Der Denkmodus ist standardmäßig aktiviert. Die Referenz zu Chat Completions von Alibaba enthält die Details:

• Stufen: low, medium und xhigh (Standard). Werte im OpenAI-Stil werden zugeordnet: max und high werden zu xhigh, minimal wird zu low, und none schaltet das Denken aus. Jeder andere Wert führt zu einem Fehler.
• Kontingente: Wenn Sie thinking_budget nicht festlegen, werden den Stufen Denkbudgets von 4,096 (low), 16,384 (medium) und 262,144 (xhigh) Tokens zugeordnet. Wenn Sie beides nicht festlegen, gibt dieselbe Seite für den Standardwert xhigh ein Denkbudget von 131,072 Tokens an. Laut dieser Zuordnung erlaubt die explizite Angabe von xhigh ein bis zu doppelt so großes Denkbudget wie der Standardwert. So beschreibt es die Dokumentation; AIHubMix hat dies nicht gemessen.
• Nicht kombinieren: Laut Alibabas Dokumentation führt die gleichzeitige Angabe von reasoning_effort und thinking_budget zu einem Fehler. Ein Test von AIHubMix, bei dem beides gesendet wurde, wurde normal abgeschlossen. Der Kanal weist die Kombination also möglicherweise nicht zurück; es ist jedoch nicht dokumentiert, welche Einstellung greift. Senden Sie nur eine davon.
• Mehrere Gesprächsrunden: Geben Sie frühere Denkprozesse in jeder Assistant-Nachricht im Feld reasoning_content zurück, niemals in content. Wenn Sie es weglassen, tritt kein Fehler auf; wenn Sie es zurücksenden, wird es jedoch als Input abgerechnet.

Über AIHubMix wurden low und none akzeptiert, und das Denken wurde in reasoning_content ausgegeben.

Coding-Tools

Das Modell wurde für Coding-Agents entwickelt. So lässt es sich über AIHubMix mit den gängigen Tools verwenden:

• Claude Code verwendet die Anthropic Messages API. Auf der AIHubMix-Modellseite ist nur /v1/chat/completions aufgeführt. Eine einzelne Testanfrage an /v1/messages von AIHubMix mit dieser Modell-ID lieferte jedoch eine normale Antwort mit getrennten Denk- und Textblöcken. Das war eine einzelne Anfrage ohne Tools, keine Claude-Code-Sitzung. Um Claude Code mit Nicht-Claude-Modellen auszuführen, dokumentiert AIHubMix eine separate Einrichtung: Claude Code mit einem beliebigen LLM. Installiere das Paket @aihubmix/claude-code, setze unter Router in ~/.aihubmix-claude-code/config.json die Werte für default, think und longContext auf coding-qwen4-max-preview und führe dann acc start und acc code aus. Wir haben diese Einrichtung mit dem Modell nicht getestet, probiere also zuerst den folgenden Kurztest. Anthropic unterstützt laut eigener Dokumentation nicht, Nicht-Claude-Modelle über ein Gateway an Claude Code weiterzuleiten. Diese Einrichtung wird daher von Anthropic nicht unterstützt.
• Qwen Code wird über den OpenAI-kompatiblen Endpunkt angebunden: OPENAI_BASE_URL=https://aihubmix.com/v1 und OPENAI_MODEL=coding-qwen4-max-preview. Ein Haken ist im Quellcode von Qwen Code zu erkennen: Die Tabelle für die Kontextgröße ordnet IDs, die mit qwen4 beginnen, ein Kontextfenster von 1M zu. Unsere ID beginnt mit coding-, passt auf keine Zeile und fällt auf den Standardwert von 200,000 Token zurück. Das ist eine Analyse des Codes, kein getesteter Lauf. Qwen Code dürfte die Unterhaltung also lange vor 1M komprimieren. Wenn du die volle Länge brauchst, setze model.generationConfig.contextWindowSize in ~/.qwen/settings.json auf 1000000.
• OpenCode, Cline, Cursor und andere OpenAI-kompatible Tools: Füge ein benutzerdefiniertes Modell mit derselben Basis-URL und ID hinzu. Prüfe in jedem Tool zwei Einstellungen: das Kontextfenster, das Tools bei neuen IDs oft nicht kennen, und einen eventuell standardmäßig gesendeten Wert für max_tokens. Ein niedriger Standardwert beschneidet jetzt auch das Denken.

Ein 15-minütiger Kurztest, bevor du dem Modell ein Repository anvertraust:

1. Sende eine Chat-Completions-Anfrage und prüfe, ob reasoning_content und ein nicht leeres content zurückkommen.
2. Gib dem Agenten in einem temporären Repository eine kleine Aufgabe: Behebe einen fehlschlagenden Unit-Test, der sich über zwei Dateien erstreckt. Der Test ist bestanden, wenn die Tests erfolgreich durchlaufen und der Diff nur die erwarteten Änderungen enthält.
3. Achte in den Logs oder der Nutzungsansicht deines Tools auf finish_reason: "length". Wenn es auftaucht, erhöhe das Ausgabelimit oder senke reasoning_effort.
4. Wiederhole die Aufgabe mit reasoning_effort: "low" und vergleiche Zeitaufwand und Ausgabe-Token. So findest du heraus, welche Stufe sich für den täglichen Einsatz eignet.

Alibaba dokumentiert Tool-Aufrufe und strukturierte Ausgaben für dieses Modell. AIHubMix hat für diesen Kanal noch keine Funktionskennzeichnungen veröffentlicht; im Modellleitfaden steht, dass deren Fehlen „nicht verifiziert, nicht aber nicht unterstützt“ bedeutet. Schritt 2 ist dein Test für Tool-Aufrufe.

Solltest du wechseln?

Jetzt testen, wenn du Coding-Agenten einsetzt und die nächste Qwen-Generation mit deinem eigenen Code ausprobieren möchtest oder überlegst, deine Planung auf Qwen4 auszurichten. Zum Kanalpreis von AIHubMix kostet eine Sitzung wie die oben beschriebene weniger als einen Dollar, und Alibabas Preview endet am 25. November.

Warten, wenn du stabiles Verhalten, veröffentlichte Benchmarks oder langfristige Verfügbarkeit brauchst. Die Preview ist als instabil gekennzeichnet, und Alibaba stellt das Modell nach ihrem Ende ein. Alibaba hat nicht bekannt gegeben, was auf die Preview folgt, was es kosten wird oder ob es sich gleich verhalten wird.

Für den Produktionseinsatz bei Qwen3.8-Max bleiben. Es bietet dasselbe Kontextfenster von 1M, einen offiziellen nutzungsbasierten Preis und kein angekündigtes Einstellungsdatum. Deine max_tokens-Einstellungen behalten dort ihre bisherige Bedeutung.

Wenn du beide testest, findest du in der Gegenüberstellung auf AIHubMix ihre technischen Daten und Preise. Du kannst beide Modelle mit demselben AIHubMix-Schlüssel aufrufen; nur die Modell-ID ändert sich.

Häufig gestellte Fragen

Ist Qwen4-Max-Preview über eine nutzungsbasierte API verfügbar?
Nicht bei Alibaba, das das Modell nur über Token-Plan-Abonnements anbietet. AIHubMix war die erste Plattform, die es unter der ID coding-qwen4-max-preview pro Token angeboten hat: für $0.353 pro Million Eingabe-Token und $1.059 pro Million Ausgabe-Token.

Wann stellt Alibaba Qwen4-Max-Preview ein?
Alibabas Preview endet am 25. November 2026 um 24:00 Uhr (UTC+8), also um 16:00 UTC. Alibaba zufolge wird das Modell nach Ende der Preview eingestellt.

Warum liefert meine Anfrage eine leere Antwort?
Wahrscheinlich ist max_tokens zu niedrig. Bei diesem Modell begrenzt es Denken und Antwort zusammen, sodass das Reasoning das gesamte Kontingent aufbrauchen kann. Prüfe, ob finish_reason "length" lautet, und erhöhe dann das Limit oder senke reasoning_effort.

Wie groß sind das Kontextfenster und die maximale Ausgabe?
Alibaba gibt ein Kontextfenster von 1M Token und bis zu 393,216 Ausgabe-Token an. Dabei teilen sich Denkprozess und endgültige Antwort das Ausgabelimit.

Wie kann ich das Denken abschalten oder reduzieren?
Setze reasoning_effort auf low oder medium, um den Denkprozess zu verkürzen, oder auf none, um ihn abzuschalten. Sende entweder reasoning_effort oder thinking_budget, nicht beides: Alibaba dokumentiert, dass ihre Kombination einen Fehler verursacht. Für den AIHubMix-Kanal ist nicht dokumentiert, welcher Parameter Vorrang hat.

Ist Qwen4-Max-Preview besser als Qwen3.8-Max?
Dazu gibt es noch keinen veröffentlichten Benchmark. Auf Alibabas Einführungsseite stehen Funktionen und Limits, aber keine Ergebnisse. Bis zum 11. November 2026 haben wir auch keinen unabhängigen Benchmark gefunden. Vergleiche die beiden daher anhand deiner eigenen Aufgaben.

Funktioniert es mit Claude Code?
AIHubMix dokumentiert eine Einrichtung, um Claude Code mit Nicht-Claude-Modellen auszuführen; Anthropic unterstützt das nicht. Mit diesem Modell haben wir lediglich eine Anfrage an den Anthropic-kompatiblen Messages-Endpunkt von AIHubMix getestet. Sie lieferte Denk- und Textblöcke zurück. Führe einen kurzen Test mit Tools durch, bevor du dich bei längeren Sitzungen darauf verlässt.

Quellen

1. Alibaba Cloud Model Studio: Qwen4-Max-Preview (abgerufen am 11. November 2026)
2. Alibaba Cloud Model Studio: Referenz zur Chat Completions API
3. Alibaba Cloud Model Studio: Token Plan (Personal Edition) (abgerufen am 11. November 2026)
4. Alibaba Cloud Model Studio: Qwen3.8-Max (abgerufen am 11. November 2026)
5. AIHubMix: Coding Qwen4 Max Preview (Preise geprüft am 11. November 2026; Live-Tests von 10:22 bis 10:48 UTC)