Qwen4-Max-Migration: Ausgabelimits, Denkmodus und Agent-Einrichtung

AIHubMix4 Min. Lesezeit
Qwen4-Max-Migration: Ausgabelimits, Denkmodus und Agent-Einrichtung

Der Wechsel von Qwen3.8-Max zu Qwen4-Max verändert mehr als nur die Modell-ID. Beide Modelle haben ein Kontextfenster von einer Million Token, aber ein Ausgabelimit, das bisher für die Antwort bemessen war, muss jetzt auch den Denkmodus abdecken. Der Standardwert für Reasoning effort ändert sich, und Agents müssen den Verlauf des Reasonings bei Tool-Aufrufen korrekt erhalten.

Beginnen Sie mit einer einzelnen Chat-Completions-Anfrage und anschließend mit einer kleinen Repository-Aufgabe. Prüfen Sie Antwort, Abbruchgrund, Verlauf und resultierenden Diff, bevor Sie einen bestehenden Workflow migrieren.

Ausgabelimit neu berechnen

Die Chat-Completions-Referenz definiert max_tokens für Qwen4-Max als gleichbedeutend mit max_completion_tokens: Beide begrenzen Denkmodus plus finale Antwort. Bei Qwen3.8-Max gilt max_tokens nur für die Antwort.

Ein Limit von 300 reserviert also nicht 300 Token für eine sichtbare Antwort. Das Reasoning kann das Budget zuerst aufbrauchen und möglicherweise eine leere oder unvollständige Antwort hinterlassen. Eine Antwort mit finish_reason: "length" erfordert Aufmerksamkeit, auch wenn die HTTP-Anfrage erfolgreich ist. Den Parameter umzubenennen, ohne den Wert zu erhöhen, ändert nichts.

Verwenden Sie für neue Integrationen max_completion_tokens und planen Sie Platz für beide Teile ein. Qwen4-Max unterstützt im Denkmodus bis zu 262,144 kombinierte Ausgabetoken, im Modus ohne Denkmodus bis zu 131,072. Das Kontextfenster von 1,000,000 Token ist kein Eingabekontingent, zu dem Sie die maximale Ausgabe addieren können; Eingabe und Ausgabe müssen zusammen in das Kontextfenster passen.

Reasoning effort oder ein Denkbudget auswählen

Qwen4-Max verwendet low, high und xhigh, wobei high der Standardwert ist. Wenn Sie keine der beiden Steuerungsmöglichkeiten angeben, werden high und ein Denkbudget von 131,072 Token ausgewählt. Das ist eine Obergrenze, keine Vorhersage des Tokenverbrauchs.

Zwei übernommene Einstellungen ändern ihre Bedeutung: high bedeutet nun high, statt wie bei Qwen3.8-Max xhigh zu entsprechen; medium wird high zugeordnet. Weitere Zuordnungen sind minimal zu low, max zu xhigh und none zu deaktiviertem Denkmodus.

Senden Sie entweder reasoning_effort oder thinking_budget. Laut offizieller Referenz dürfen sie nicht kombiniert werden, und ein Budget muss eine positive Ganzzahl sein: Null deaktiviert den Denkmodus nicht. Bei alleiniger Angabe eines Budgets wählen 1–4,096 low, 4,097–131,072 high und 131,073–262,144 xhigh aus; das angegebene Budget bleibt dabei erhalten.

Mit dem angegebenen Endpunkt beginnen

Der AIHubMix-Modellleitfaden führt qwen4-max unter POST /v1/chat/completions auf. Dies ist eine Beispielanfrage, kein gemessenes Ergebnis:

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."}]
  }'

Das Ausgabelimit richtet sich nach der von Alibaba dokumentierten Spezifikation. Optional können Sie reasoning_effort: "low" ohne Denkbudget hinzufügen; die Weitergabe des Parameters wurde hier nicht gemessen. Die Fähigkeitskennzeichnungen von AIHubMix sind weiterhin nicht verifiziert. Prüfen Sie die tatsächliche Antwort und den Verbrauch, bevor Sie sich auf eine Einstellung verlassen.

Den für Ihren Agent erforderlichen Verlauf erhalten

Bei aktiviertem vollständigem Denkmodus müssen Sie reasoning_content und content in historischen Assistant-Nachrichten getrennt halten, auch bei Turns mit Tool-Aufrufen. Qwen4-Max aktiviert preserve_thinking standardmäßig; der zurückgegebene Verlauf zählt als Eingabe und wird berechnet. Ein Serialisierer, der nur den sichtbaren Text speichert, verliert einen Teil dieses Verlaufs.

Alibaba bietet außerdem Zusammenfassungen und Verschlüsselung des Denkverlaufs an. Bei Aktivierung mit thinking_display: "summarized" in jeder Anfrage wird reasoning_content zu einer Anzeigezusammenfassung, während encrypted_content den Verlauf des Reasonings enthält. Spielen Sie den Chiffretext unverändert erneut ein; die Zusammenfassung kann ihn nicht ersetzen. Streaming-Clients müssen den separaten verschlüsselten Frame behalten, auch wenn er keinen sichtbaren Text enthält.

Dieser Zusammenfassungsmodus ist bei Alibaba dokumentiert. Ob er über AIHubMix verfügbar ist, wurde nicht verifiziert; stellen Sie daher zuerst die Kontinuität gewöhnlicher Unterhaltungen sicher.

Caching prüfen, bevor Sie Einsparungen prognostizieren

Alibabas expliziter Qwen4-Cache unterstützt manuelle und automatische Breakpoints mit TTLs von 5 Minuten oder 1 Stunde. Ein gecachter Präfix muss mindestens 1,024 Token umfassen. Cache-Schreibvorgänge kosten etwa 125% beziehungsweise 200% der normalen Eingabe; wiederholte Schreibvorgänge sind keine kostenlosen Einsparungen.

Platzieren Sie stabile Systemanweisungen, Tool-Definitionen und Repository-Material zuerst und danach die wechselnden Fragen. Wenn keine Cache-Parameter gesetzt sind, garantiert gewöhnliches implizites Caching keine Treffer. Prüfen Sie die Cache-Lese- und Schreibnutzung sowie die Abrechnung, bevor Sie davon ausgehen, dass Ihr Agent davon profitiert. Diese Anbieter-Cache-Steuerungen wurden über AIHubMix nicht gemessen.

Coding-Tools: Eine vollständige Aufgabe überprüfen

Folgen Sie dem AIHubMix-Leitfaden für Qwen Code zur Installation und Authentifizierung. Setzen Sie OPENAI_BASE_URL=https://aihubmix.com/v1, OPENAI_MODEL=qwen4-max und übergeben Sie den Schlüssel über OPENAI_API_KEY. Verwenden Sie /status, um das ausgewählte Modell zu bestätigen; prüfen Sie außerdem die Kontext- und Ausgabeeinstellungen des Clients.

Claude Code benötigt Anthropic Messages, Codex dagegen Responses. Alibaba dokumentiert diese Protokolle, aber im Qwen4-Max-Leitfaden von AIHubMix ist nur Chat Completions aufgeführt. Ob sie über dieses Gateway verfügbar sind, ist hier nicht belegt.

Arbeiten Sie diese Migrations-Checkliste in einem temporären Repository durch:

  1. Bestätigen Sie Modell und Endpunkt; prüfen Sie beim einfachen Aufruf den Antworttext, finish_reason und den Verbrauch.
  2. Entfernen Sie übernommene Antwortlimits und widersprüchliche Denkmodus-Steuerungen. Wiederholen Sie den Aufruf bei abgeschnittenen Antworten mit mehr Spielraum; prüfen Sie die vollständige Antwort.
  3. Beheben Sie einen fehlgeschlagenen Test in zwei Dateien. Erfolg bedeutet, dass ein tatsächlicher Tool-Aufruf abgeschlossen wird, die Tests bestehen und der Diff nur die beabsichtigte Änderung enthält.
  4. Stellen Sie eine Folgefrage, die vom ersten Turn abhängt. Prüfen Sie den gespeicherten Assistant-/Tool-Verlauf und etwaige Kompaktierungen; bestätigen Sie, dass der erforderliche Kontext erhalten bleibt.
  5. Wiederholen Sie den Vorgang mit dem gewählten Reasoning effort. Vergleichen Sie akzeptierte Patches, Gesamttokenzahl und Wiederholungsversuche. Prüfen Sie die Cache-Nutzung separat, bevor Sie die laufenden Kosten schätzen.

FAQ

Welche Modell-ID sollte ich bei AIHubMix verwenden?
Verwenden Sie qwen4-max mit dem aufgeführten Chat-Completions-Endpunkt.

Warum kann eine erfolgreiche Anfrage eine unvollständige Antwort enthalten?
Denkmodus und Antwort teilen sich das Ausgabelimit. Prüfen Sie, ob finish_reason den Wert length hat, und erhöhen Sie bei Bedarf das gemeinsame Kontingent.

Wird die Abschneidung durch den Wechsel zu max_completion_tokens behoben?
Nicht von selbst. Bei Qwen4-Max hat der Parameter dieselbe Bedeutung wie max_tokens; der Wert muss ausreichend Spielraum lassen.

Kann ich Reasoning effort und ein Denkbudget gleichzeitig festlegen?
Nein. Wählen Sie eine der beiden Optionen. Ein Denkbudget muss positiv sein; verwenden Sie reasoning_effort none, um den Denkmodus zu deaktivieren.

Sollte ich eine Zusammenfassung des Denkverlaufs als Reasoning-Verlauf erneut einspielen?
Nein. Behalten Sie im Zusammenfassungsmodus encrypted_content bei und spielen Sie es unverändert erneut ein. Die Anzeigezusammenfassung kann es nicht ersetzen.

Kann ich davon ausgehen, dass Claude Code oder Codex über AIHubMix funktioniert?
Die für diese Modelle erforderlichen Protokolle sind hier nicht verifiziert. Stellen Sie zunächst sicher, dass der entsprechende Endpunkt und ein vollständiger Tool-Workflow funktionieren.

Weiterlesen: die Qwen4-Max-Reihe

Quellen

  1. Alibaba Cloud: Technische Daten zu Qwen4-Max und Qwen3.8-Max.
  2. Alibaba Cloud: Parameter für Chat Completions.
  3. Alibaba Cloud: Zusammenfassung und Verschlüsselung des Denkverlaufs.
  4. Alibaba Cloud: Expliziter Cache für Qwen4.
  5. AIHubMix: Qwen4-Max-Modellleitfaden und Einrichtung von Qwen Code.

Quellen geprüft am 17. November 2026. Für diesen Artikel wurden keine Inferenztests mit Kosten durchgeführt.

Ein Gateway zu mehreren KI-Anbietern. Gebaut für den Produktiveinsatz.

AIHubMix besuchen