API de Qwen4-Max-Preview: contexto de 1M, cambio en max_tokens, fecha límite el 25 de nov.

Alibaba lanzó Qwen4-Max-Preview, el modelo insignia de próxima generación de su familia Qwen, el 11 de noviembre de 2026. Alibaba solo lo ofrece mediante una suscripción a Token Plan para herramientas de programación; no hay opción de pago por uso. La versión preliminar termina a las 24:00 del 25 de noviembre (UTC+8), y Alibaba retirará el modelo después.

AIHubMix es la primera plataforma en ofrecerlo como API con cobro por token. Lo ofrece desde el día de su lanzamiento como coding-qwen4-max-preview en el endpoint compatible con OpenAI, a $0.353 por millón de tokens de entrada y $1.059 por millón de tokens de salida. Antes de conectar un agente, ten en cuenta el único cambio que puede romper el código existente. En este modelo, max_tokens incluye tanto el modo de pensamiento como la respuesta. En AIHubMix, un límite de 300 tokens devolvió una respuesta vacía.

En resumen

• Qué es: el modelo multimodal insignia de próxima generación de Alibaba y, al 11 de noviembre, el único modelo Qwen4 de la lista de modelos de Alibaba. Está pensado para programación, diseño frontend, trabajo de oficina y tareas con agentes. Admite texto, imágenes y video; tiene una ventana de contexto de 1M tokens y admite hasta 393,216 tokens de salida.
• Dónde llamarlo: Alibaba solo lo ofrece dentro de las suscripciones a Token Plan. En AIHubMix, es una API con cobro por token, con el ID del modelo coding-qwen4-max-preview.
• Cuánto dura: la versión preliminar de Alibaba estará disponible hasta las 24:00 del 25 de noviembre de 2026 (UTC+8), es decir, hasta las 16:00 UTC de ese día.
• Qué puede fallar: max_tokens ahora limita el modo de pensamiento y la respuesta en conjunto. Un límite calculado solo para la respuesta puede devolver finish_reason: "length" y un content vacío.
• Cuánto cuesta: Alibaba no publica un precio por token. En AIHubMix cuesta $0.353 por millón de tokens de entrada y $1.059 por millón de tokens de salida.

Dos formas de acceder y la fecha límite

La página del modelo de Alibaba indica directamente las condiciones: Qwen4-Max-Preview «solo está disponible a través de Token Plan. No se admite el acceso con pago por uso». Token Plan es la suscripción de Alibaba Cloud para herramientas de programación y agentes de IA como Claude Code, Qwen Code y Qoder. Se factura en Credits, sin una tarifa por token publicada, y los planes personales empiezan en $6 al mes. Durante la versión preliminar, Alibaba cobra Qwen4-Max-Preview a partir de solo el 20% de su tarifa estándar en Credits, y al 8% entre las 22:00 y las 08:00 (UTC+8).

El canal de AIHubMix es la otra forma de acceder. Se llama como cualquier otro modelo a través del endpoint compatible con OpenAI, se paga por token y no se necesita una suscripción. AIHubMix lo describe como una forma de acceder a Qwen4-Max-Preview a menor costo a través del Token Plan oficial, y lo identifica como un servicio preliminar que «puede ser inestable y se recomienda para pruebas y evaluación».

Las fechas de la versión preliminar son fijas. Se extiende desde las 10:00 del 11 de noviembre hasta las 24:00 del 25 de noviembre de 2026 (UTC+8), un total de 350 horas. Alibaba afirma que «no se realizarán cambios durante este periodo y el modelo se retirará cuando termine la versión preliminar». Considéralo un modelo para evaluación, no uno sobre el que construir un producto.

Qué cambió respecto a Qwen3.8-Max

Qwen3.8-Max es el modelo insignia actual de Qwen, sin una fecha de retirada anunciada. Así se comparan ambos según las especificaciones publicadas por Alibaba:

Especificaciones de las páginas de modelos y la referencia de API de Alibaba Cloud. El límite de salida de Qwen4-Max-Preview se comparte entre el modo de pensamiento y la respuesta final.

El contexto y las entradas no cambian. Cambian dos cosas: el límite de salida se triplica y max_tokens ahora incluye el modo de pensamiento además de la respuesta. Los controles del modo de pensamiento conservan los mismos nombres y niveles, así que el código que ya configura reasoning_effort para Qwen3.8 sigue siendo válido.

Todavía no hay benchmarks. La página de lanzamiento de Alibaba no incluye puntuaciones y, al 11 de noviembre, no encontramos ningún benchmark independiente de esta versión preliminar. Los artículos sobre el lanzamiento, como el informe de TechNode, repiten la ficha técnica, no presentan resultados de pruebas. Hasta que aparezcan puntuaciones, evalúalo con tus propias tareas.

Precio y costo real

Alibaba no publica un precio por token para Qwen4-Max-Preview: su única vía oficial es Token Plan, que se factura en Credits. En AIHubMix, el canal cobra por token: $0.353 por millón de tokens de entrada, $1.059 por millón de tokens de salida y $0.0441 por millón de tokens de entrada almacenados en caché.

Para ponerlo en contexto, considera una sesión de un agente de programación. Son suposiciones, no mediciones: 40 turnos, cada uno con 60,000 tokens de entrada, de los cuales 50,000 son un prefijo del repositorio almacenado en caché, y 3,000 tokens de salida, incluido el modo de pensamiento.

Estimación basada en los precios publicados por AIHubMix para este canal. Los aciertos de caché no están garantizados y AIHubMix no los ha medido en este canal. Sin aciertos de caché, la misma sesión cuesta aproximadamente $0.974.

En la práctica, dos detalles hacen variar esta cifra. Primero, el modo de pensamiento cuenta como salida: en los datos de uso de AIHubMix, los tokens de razonamiento forman parte de completion_tokens, y el modo de pensamiento está configurado en xhigh de forma predeterminada. Es posible que gran parte de esos 3,000 tokens de salida por turno correspondan al razonamiento. Segundo, Alibaba activa preserve_thinking de forma predeterminada para este modelo. El modelo lee el modo de pensamiento de turnos anteriores que el cliente reenvía en reasoning_content, y la documentación de Alibaba dice que «se incluye en el recuento de tokens de entrada y se factura». Por tanto, en sesiones largas de agentes, los tokens de entrada aumentan más rápido de lo que sugiere la conversación visible.

El cambio en max_tokens: qué verás y cómo solucionarlo

Este es el cambio con más probabilidades de romper una integración que funciona. El aviso de compatibilidad de API de Alibaba, fechado el 2 de noviembre, lo anunció, y la página del modelo lo reitera:

A partir de qwen4-max-preview, max_tokens equivale a max_completion_tokens. Ambos limitan el total combinado de tokens del modo de pensamiento y la respuesta final. El modo de pensamiento consume parte del mismo presupuesto, así que un límite que antes se calculaba solo para la respuesta puede truncar la salida.

En Qwen3.8-Max, max_tokens solo limita la respuesta; el modo de pensamiento no cuenta para ese límite. El código que configura max_tokens: 300 para una respuesta breve funcionaba allí. En Qwen4-Max-Preview, esos mismos 300 tokens también deben cubrir el razonamiento.

AIHubMix ejecutó esta solicitud el 11 de noviembre de 2026:

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."}]
  }'

La respuesta fue HTTP 200, pero no había nada que mostrar:

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

(Se muestran solo los campos relevantes.)

Los 300 tokens se consumieron en el razonamiento y la respuesta nunca llegó a empezar. No se produce ningún error, así que un cliente que solo lee content ve una cadena vacía y puede tratarla como una respuesta válida. Con max_tokens: 16384, el mismo prompt se completó con normalidad: 1,206 tokens de finalización, 608 de ellos de razonamiento, y la respuesta correcta (cuatro pares).

Cómo solucionarlo:

1. Dimensiona los límites para el modo de pensamiento y la respuesta en conjunto. Elimina los límites antiguos calculados solo para la respuesta o auméntalos muy por encima de lo que esta necesita. Alibaba marca max_tokens como «obsoleto» y recomienda max_completion_tokens para las integraciones nuevas. En este modelo, ambos significan lo mismo, así que cambiar solo el nombre no soluciona nada: max_completion_tokens: 300 también devolvió una respuesta vacía en AIHubMix.
2. Limita directamente el modo de pensamiento cuando necesites una respuesta breve. Configura reasoning_effort como low, o como none para desactivar el modo de pensamiento. En la prueba de AIHubMix, none respondió a un prompt breve de programación con 43 tokens de finalización y sin razonamiento.
3. Comprueba finish_reason en cada llamada. Si aparece "length" junto con un content vacío, considéralo un fallo y vuelve a intentarlo con un presupuesto mayor; no lo trates como una respuesta.

Controles del modo de pensamiento que conviene conocer

El modo de pensamiento está activado de forma predeterminada. La referencia de Chat Completions de Alibaba documenta los detalles:

• Niveles: low, medium y xhigh (el predeterminado). Los valores de estilo OpenAI se asignan así: max y high se convierten en xhigh, minimal se convierte en low y none desactiva el modo de pensamiento. Cualquier otro valor devuelve un error.
• Presupuestos: si no configuras thinking_budget, los niveles se asignan a presupuestos de pensamiento de 4,096 (low), 16,384 (medium) y 262,144 (xhigh) tokens. Si no configuras ninguno de los dos, la misma página indica que el valor predeterminado es xhigh, con un presupuesto de 131,072 tokens. Según esa correspondencia, enviar xhigh explícitamente permite hasta el doble del presupuesto de pensamiento predeterminado. Así lo describe la documentación; AIHubMix no lo ha medido.
• No los combines: Alibaba documenta que configurar reasoning_effort y thinking_budget a la vez produce un error. Una prueba de AIHubMix que envió ambos terminó con normalidad, así que es posible que el canal no rechace la combinación, pero no hay documentación que indique cuál de los dos ajustes se aplica. Envía solo uno.
• Varios turnos: devuelve el modo de pensamiento de turnos anteriores en el campo reasoning_content de cada mensaje del asistente, nunca dentro de content. Omitirlo no produce un error, pero reenviarlo se factura como entrada.

A través de AIHubMix, se aceptaron low y none, y el modo de pensamiento llegó en reasoning_content.

Herramientas de programación

El modelo está diseñado para agentes de programación. Así encaja con las herramientas más comunes a través de AIHubMix:

• Claude Code usa la API Messages de Anthropic. La página del modelo de AIHubMix solo indica /v1/chat/completions, pero una solicitud de prueba a /v1/messages de AIHubMix con este ID del modelo devolvió una respuesta normal con bloques separados de pensamiento y texto. Fue una sola solicitud sin herramientas, no una sesión de Claude Code. Para ejecutar Claude Code con modelos que no sean de Claude, AIHubMix documenta una configuración aparte: Claude Code con cualquier LLM: instala el paquete @aihubmix/claude-code, establece coding-qwen4-max-preview como valor de default, think y longContext bajo Router en ~/.aihubmix-claude-code/config.json; luego ejecuta acc start y acc code. No hemos probado esta configuración con este modelo, así que primero prueba el test rápido que aparece abajo. La documentación de Anthropic no admite enrutar modelos que no sean de Claude a Claude Code mediante una pasarela, por lo que esta configuración no cuenta con soporte por parte de Anthropic.
• Qwen Code se conecta mediante el endpoint compatible con OpenAI: OPENAI_BASE_URL=https://aihubmix.com/v1 y OPENAI_MODEL=coding-qwen4-max-preview. Hay un detalle que se puede ver en el código fuente de Qwen Code. Su tabla de tamaños de contexto asigna una ventana de 1M a los ID que empiezan por qwen4. Nuestro ID empieza por coding-, no coincide con ninguna fila y recurre al valor predeterminado de 200,000 tokens. Esto es una lectura del código, no el resultado de una ejecución medida. Es de esperar que Qwen Code compacte la conversación mucho antes de llegar a 1M. Si necesitas la longitud completa, establece model.generationConfig.contextWindowSize en 1000000 en ~/.qwen/settings.json.
• OpenCode, Cline, Cursor y otras herramientas compatibles con OpenAI: añade un modelo personalizado con la misma URL base y el mismo ID. Revisa dos ajustes en cada herramienta: la ventana de contexto, que a menudo las herramientas desconocen para los ID nuevos, y cualquier valor predeterminado de max_tokens que envíe la herramienta. Ahora un valor predeterminado bajo reducirá el espacio disponible para el pensamiento.

Una prueba rápida de 15 minutos antes de confiarle un repositorio:

1. Envía una solicitud de Chat Completions y confirma que se devuelvan reasoning_content y un content no vacío.
2. Asígnale al agente una tarea pequeña en un repositorio temporal: corregir una prueba unitaria fallida en dos archivos. El resultado es satisfactorio si pasan las pruebas y el diff solo modifica lo necesario.
3. Busca finish_reason: "length" en los registros de tu herramienta o en la vista de uso. Si aparece, aumenta el límite de salida o reduce reasoning_effort.
4. Repite la tarea con reasoning_effort: "low" y compara el tiempo y los tokens de salida. Así sabrás qué nivel usar en el día a día.

Alibaba documenta la llamada a herramientas y las salidas estructuradas para este modelo. AIHubMix todavía no ha publicado indicadores de capacidades para este canal y, según su guía del modelo, si no aparecen significa «no verificado, no incompatible». El paso 2 es la prueba de llamada a herramientas.

¿Deberías cambiar?

Pruébalo ahora si usas agentes de programación y quieres probar la próxima generación de Qwen con tu propio código, o si estás decidiendo si planificar en torno a Qwen4. Al precio del canal de AIHubMix, una sesión como la anterior cuesta menos de un dólar, y la vista previa de Alibaba termina el 25 de noviembre.

Espera si necesitas un comportamiento estable, benchmarks publicados o disponibilidad a largo plazo. La vista previa está etiquetada como inestable y Alibaba retirará el modelo cuando termine. Alibaba no ha dicho qué vendrá después de la vista previa, cuánto costará ni si se comportará igual.

Quédate con Qwen3.8-Max para producción. Tiene el mismo contexto de 1M, un precio oficial de pago por uso y ninguna fecha de retirada anunciada. Allí, tus ajustes de max_tokens conservan su significado anterior.

Si pruebas ambos, la comparación lado a lado en AIHubMix muestra sus especificaciones y precios. Puedes llamar a cualquiera de los dos modelos con la misma clave de AIHubMix; solo cambia el ID del modelo.

Preguntas frecuentes

¿Se puede acceder a Qwen4-Max-Preview mediante una API de pago por uso?
No a través de Alibaba, que solo lo ofrece con suscripciones a Token Plan. AIHubMix fue la primera plataforma en ofrecerlo con cobro por token, con el ID coding-qwen4-max-preview, a $0.353 por millón de tokens de entrada y $1.059 por millón de tokens de salida.

¿Cuándo retirará Alibaba Qwen4-Max-Preview?
La vista previa de Alibaba termina a las 24:00 del 25 de noviembre de 2026 (UTC+8), es decir, a las 16:00 UTC. Alibaba dice que el modelo se retirará cuando termine la vista previa.

¿Por qué mi solicitud devuelve una respuesta vacía?
Lo más probable es que max_tokens sea demasiado bajo. En este modelo limita el pensamiento y la respuesta en conjunto, por lo que el razonamiento puede agotar todo el presupuesto. Comprueba si finish_reason es "length" y, si lo es, aumenta el límite o reduce reasoning_effort.

¿Cuál es la ventana de contexto y cuál es la salida máxima?
Alibaba indica un contexto de 1M tokens y hasta 393,216 tokens de salida; el pensamiento y la respuesta final comparten el límite de salida.

¿Cómo desactivo el pensamiento o lo reduzco?
Establece reasoning_effort en low o medium para reducirlo, o en none para desactivarlo. Envía solo uno de estos parámetros: reasoning_effort o thinking_budget. Alibaba documenta que combinarlos provoca un error, y no hay documentación que indique cuál de los dos tiene efecto en el canal de AIHubMix.

¿Qwen4-Max-Preview es mejor que Qwen3.8-Max?
Todavía no hay benchmarks publicados que permitan responder. La página de lanzamiento de Alibaba enumera capacidades y límites, pero no puntuaciones; al 11 de noviembre de 2026, tampoco encontramos benchmarks independientes. Por eso, compara ambos con tus propias tareas.

¿Funciona con Claude Code?
AIHubMix documenta una configuración para ejecutar Claude Code con modelos que no son de Claude, algo que Anthropic no admite. Con este modelo, solo hemos probado una solicitud al endpoint Messages compatible con Anthropic de AIHubMix, que devolvió bloques de pensamiento y texto. Haz una prueba rápida con herramientas antes de confiar en él para sesiones largas.

Fuentes

1. Alibaba Cloud Model Studio: Qwen4-Max-Preview (consultado el 11 de noviembre de 2026)
2. Alibaba Cloud Model Studio: referencia de la API Chat Completions
3. Alibaba Cloud Model Studio: Token Plan (edición personal) (consultado el 11 de noviembre de 2026)
4. Alibaba Cloud Model Studio: Qwen3.8-Max (consultado el 11 de noviembre de 2026)
5. AIHubMix: Coding Qwen4 Max Preview (precios verificados el 11 de noviembre de 2026; pruebas en vivo realizadas entre las 10:22 y las 10:48 UTC)