Pasar de Qwen3.8-Max a Qwen4-Max implica más que cambiar el ID del modelo. Ambos tienen una ventana de contexto de un millón de tokens, pero un límite de salida que antes se calculaba para la respuesta ahora también incluye el pensamiento. Cambia el esfuerzo predeterminado y los agentes deben conservar correctamente el historial de razonamiento durante las llamadas a herramientas.
Empieza con una solicitud de Chat Completions y luego prueba una pequeña tarea en un repositorio. Comprueba la respuesta, el motivo de finalización, el historial y el diff resultante antes de migrar un flujo de trabajo existente.
Vuelve a calcular el límite de salida
La referencia de Chat Completions define max_tokens de Qwen4-Max como equivalente a max_completion_tokens: ambos limitan el pensamiento más la respuesta final. En Qwen3.8-Max, max_tokens solo limita la respuesta.
Por lo tanto, un límite de 300 no reserva 300 tokens para una respuesta visible. El razonamiento puede consumir primero el presupuesto y dejar una respuesta vacía o incompleta. Una respuesta que termina con finish_reason: "length" requiere atención, aunque la solicitud HTTP se complete correctamente. Cambiar el nombre del parámetro sin aumentar el valor no cambia nada.
Usa max_completion_tokens en las nuevas integraciones y deja espacio suficiente para ambas partes. Qwen4-Max admite hasta 262,144 tokens de salida combinados en modo de pensamiento, o 131,072 en modo sin pensamiento. Su contexto de 1,000,000 tokens no es un límite de entrada al que puedas sumar la salida máxima: la entrada y la salida deben caber juntas en el contexto.
Elige el esfuerzo o un presupuesto de pensamiento
Qwen4-Max usa low, high y xhigh, con high como valor predeterminado. Si se omiten ambos controles, se seleccionan high y un presupuesto de pensamiento de 131,072 tokens. Es un límite máximo, no una predicción de los tokens que se usarán.
Dos opciones heredadas cambian de significado: high ahora significa high, en lugar de corresponder a xhigh como en Qwen3.8-Max; medium corresponde a high. Las otras correspondencias son minimal con low, max con xhigh y none con el pensamiento desactivado.
Envía o bien reasoning_effort o bien thinking_budget. La referencia oficial prohíbe combinarlos, y el presupuesto debe ser un entero positivo: cero no desactiva el pensamiento. Si solo se indica un presupuesto, de 1 a 4,096 se selecciona low, de 4,097 a 131,072 se selecciona high y de 131,073 a 262,144 se selecciona xhigh, conservando el presupuesto indicado.
Empieza con el endpoint indicado
La guía del modelo de AIHubMix incluye qwen4-max en POST /v1/chat/completions. Esta es una solicitud inicial, no un resultado medido:
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."}]
}'
El límite de salida sigue las especificaciones documentadas por Alibaba. Si quieres, puedes añadir reasoning_effort: "low" sin un presupuesto de pensamiento; aquí no se ha medido si los parámetros se reenvían. Las opciones de capacidades de AIHubMix siguen sin verificarse. Comprueba la respuesta y el uso reales antes de confiar en una configuración.
Conserva el historial que necesita tu agente
Con el pensamiento completo, conserva reasoning_content por separado de content en los mensajes históricos del asistente, incluidos los turnos que llaman a herramientas. Qwen4-Max habilita preserve_thinking de forma predeterminada; el historial devuelto cuenta como entrada y se factura. Un serializador que solo conserva el texto visible pierde parte de ese historial.
Alibaba también ofrece resúmenes y cifrado del pensamiento. Cuando esta opción está habilitada con thinking_display: "summarized" en cada solicitud, reasoning_content se convierte en un resumen visible y encrypted_content contiene el historial de razonamiento. Reenvía el texto cifrado sin modificarlo; el resumen no puede reemplazarlo. Los clientes de streaming deben conservar el marco cifrado por separado, incluso cuando no contenga texto visible.
Alibaba documenta este modo de resumen. No se ha verificado que funcione a través de AIHubMix, así que primero establece la continuidad normal de la conversación.
Comprueba el almacenamiento en caché antes de calcular el ahorro
La caché explícita de Qwen4 de Alibaba admite puntos de ruptura manuales y automáticos, con TTL de 5 minutos o 1 hora. Un prefijo almacenado en caché debe tener al menos 1,024 tokens. Las escrituras en caché cuestan aproximadamente el 125% o el 200% de una entrada normal, respectivamente; las escrituras repetidas no generan ahorro gratuito.
Coloca primero las instrucciones estables del sistema, las definiciones de herramientas y el material del repositorio; después, las preguntas que cambian. Si no se configuran parámetros de caché, el almacenamiento en caché implícito normal no garantiza aciertos. Verifica el uso de lecturas y escrituras de caché y la factura antes de dar por hecho que tu agente se beneficia. Estos controles de caché del proveedor no se han medido a través de AIHubMix.
Herramientas de programación: verifica una tarea completa
Sigue la guía de Qwen Code de AIHubMix para la instalación y la autenticación. Configura OPENAI_BASE_URL=https://aihubmix.com/v1, OPENAI_MODEL=qwen4-max y proporciona la clave mediante OPENAI_API_KEY. Usa /status para confirmar el modelo seleccionado; revisa también la configuración de contexto y salida del cliente.
Claude Code necesita Anthropic Messages, mientras que Codex necesita Responses. Alibaba documenta esos protocolos, pero la guía de Qwen4-Max de AIHubMix solo menciona Chat Completions. Aquí no se ha establecido si están disponibles a través de esta pasarela.
Sigue esta lista de comprobación de migración en un repositorio de prueba:
- Confirma el modelo y el endpoint; revisa el texto de la respuesta,
finish_reasony el uso en la solicitud básica. - Elimina los límites heredados que solo contemplan la respuesta y los controles de pensamiento incompatibles. Si la respuesta se trunca, vuelve a intentarlo con más margen; comprueba que esté completa.
- Corrige una prueba fallida que afecte a dos archivos. Para darla por completada, debe ejecutarse una llamada real a una herramienta, pasar las pruebas y contener el diff únicamente el cambio previsto.
- Haz una pregunta de seguimiento que dependa del primer turno. Revisa el historial guardado del asistente y de las herramientas, y cualquier compactación; confirma que se conserve el contexto necesario.
- Repite la prueba con el esfuerzo que hayas elegido. Compara los parches aceptados, el total de tokens y los reintentos. Verifica por separado el uso de la caché antes de calcular el costo recurrente.
Preguntas frecuentes
¿Qué ID de modelo debo usar en AIHubMix?
Usa qwen4-max con el endpoint de Chat Completions indicado.
¿Por qué una solicitud completada correctamente puede devolver una respuesta incompleta?
El pensamiento y la respuesta comparten el límite de salida. Comprueba si finish_reason indica length y, si hace falta, aumenta el límite combinado.
¿Cambiar a max_completion_tokens soluciona el truncamiento?
No por sí solo. En Qwen4-Max significa lo mismo que max_tokens; el valor debe dejar margen suficiente.
¿Puedo configurar a la vez el esfuerzo y un presupuesto de pensamiento?
No. Elige uno. El presupuesto de pensamiento debe ser positivo; usa reasoning_effort none para desactivar el pensamiento.
¿Debo reenviar un resumen del pensamiento como historial de razonamiento?
No. En el modo de resumen, conserva y reenvía encrypted_content sin modificarlo. El resumen visible no puede sustituirlo.
¿Puedo dar por hecho que Claude Code o Codex funcionan a través de AIHubMix?
No se han verificado aquí los protocolos que requieren para este modelo. Primero confirma que el endpoint correspondiente esté disponible y completa un flujo de trabajo con herramientas.
Sigue leyendo: la serie Qwen4-Max
- Para decidir si la migración justifica el costo, lee Qwen4-Max frente a Qwen3.8-Max: ¿vale la pena la actualización?.
- Para elegir un modelo para la misma tarea en el repositorio, lee Qwen4-Max frente a Kimi K3.1 Pro: ¿qué agente de programación deberías usar?.
Fuentes
- Alibaba Cloud: Especificaciones del modelo Qwen4-Max y Qwen3.8-Max.
- Alibaba Cloud: Parámetros de Chat Completions.
- Alibaba Cloud: Resumen y cifrado del pensamiento.
- Alibaba Cloud: Caché explícita para Qwen4.
- AIHubMix: Guía del modelo Qwen4-Max y Configuración de Qwen Code.
Fuentes consultadas el 17 de noviembre de 2026. No se realizaron pruebas de inferencia de pago para este artículo.



