Vale la pena evaluar Qwen4-Max si ya usas Qwen3.8-Max: los precios habituales de entrada y salida son un 25% más bajos según las tarifas publicadas por Alibaba Cloud en Singapur. La ventana de contexto se mantiene en un millón de tokens y ambos aceptan texto, imágenes y vídeo. Por eso, el precio es la razón más clara documentada para probar la actualización. Esto no demuestra que el nuevo modelo resuelva mejor tus tareas ni que use menos tokens.
La migración también cambia el contrato de integración. Ahora, un límite de salida pensado solo para la respuesta puede limitar conjuntamente el pensamiento y la respuesta, y el esfuerzo predeterminado cambia de xhigh a high. Ten en cuenta ese cambio antes de sustituir un ID de modelo en producción.
Qué se mantiene y qué cambia
La página del modelo Qwen4-Max y la documentación de Qwen3.8-Max de Alibaba describen dos modelos en la nube con el mismo tamaño de contexto y las mismas modalidades de entrada. Los límites de salida requieren una lectura más cuidadosa:
| Elemento | Qwen3.8-Max | Qwen4-Max |
|---|---|---|
| Contexto | 1,000,000 | 1,000,000 |
| Entrada | Texto, imagen y vídeo | Texto, imagen y vídeo |
| Salida sin modo de pensamiento | 131,072 | 131,072 |
| Modo de pensamiento habilitado | Predeterminado | Predeterminado |
| Esfuerzo predeterminado | xhigh | high |
| Niveles de esfuerzo nativos | low, medium, xhigh | low, high, xhigh |
Qwen4-Max permite hasta 262,144 tokens para el pensamiento y la respuesta en conjunto. El límite de salida documentado de 131,072 de Qwen3.8-Max se aplica a la respuesta, también en el modo de pensamiento, con una longitud máxima separada de la cadena de pensamiento de 262,144. Estas cifras tienen alcances distintos; no justifican afirmar que la capacidad de salida simplemente se duplicó.
Ambos modelos pueden recibir entradas visuales, así que una aplicación que ya envía capturas de pantalla o imágenes de documentos no obtiene un nuevo tipo de entrada solo por actualizar. Para saber si mejora la extracción o el razonamiento visual, hay que comparar los modelos con archivos representativos.
La diferencia de precio con una carga de trabajo fija
La tabla oficial de precios muestra las siguientes tarifas en USD para Singapur, tanto en el modo de pensamiento como en el modo sin pensamiento, para entradas de hasta un millón de tokens por solicitud:
| Por millón de tokens | Qwen3.8-Max | Qwen4-Max |
|---|---|---|
| Entrada habitual | $2.00 | $1.50 |
| Salida, incluido el pensamiento | $6.00 | $4.50 |
Considera el uso acumulado de varias solicitudes: un millón de tokens de entrada sin caché y 100,000 tokens de salida, incluido el razonamiento. Son totales, no una sola solicitud. Qwen3.8-Max cuesta $2 + $0.60 = $2.60; Qwen4-Max cuesta $1.50 + $0.45 = $1.95. Eso supone un 25% menos con un uso idéntico. Es una estimación, no el resultado medido de una tarea, y no incluye caché, herramientas, reintentos ni impuestos. Los precios varían en otras regiones.
El ahorro real depende del comportamiento de las respuestas. Un mayor razonamiento, los intentos repetidos o los historiales más largos pueden contrarrestar el menor precio por unidad. Compara el costo de obtener un resultado aceptado y su corrección, en lugar de dar por sentado que cada tarea será un 25% más barata.
Revisa el límite de salida y la configuración del pensamiento
La referencia de Chat Completions indica que Qwen4-Max trata max_tokens como equivalente a max_completion_tokens: ambos incluyen el pensamiento y la respuesta. En Qwen3.8-Max, max_tokens se aplica a la respuesta. Por tanto, un límite bajo heredado puede hacer que el nuevo modelo se detenga antes de generar una respuesta útil. Comprueba finish_reason: length significa que se agotó el presupuesto. Aquí no se reporta ningún nuevo experimento de inferencia.
Para las nuevas integraciones con Qwen4-Max, es preferible usar max_completion_tokens y dejar espacio para ambos tipos de salida. Sus valores de esfuerzo nativos son low, high y xhigh; medium se asigna a high. En Qwen3.8-Max, high se asigna a xhigh. Reutilizar una enumeración no significa necesariamente que conserve el mismo significado.
Si se omiten tanto el esfuerzo como el presupuesto de pensamiento, Qwen4-Max usa high y 131,072 tokens de pensamiento de forma predeterminada. No envíes reasoning_effort y thinking_budget juntos. El presupuesto de pensamiento explícito debe ser positivo; para desactivar el pensamiento, usa el interruptor de pensamiento documentado en lugar de un presupuesto de cero. Conserva el razonamiento histórico en su propio campo, en vez de concatenarlo con el texto de la respuesta.
Qué confirma la pasarela
La guía de AIHubMix para Qwen4-Max incluye qwen4-max en Chat Completions, pero marca las indicaciones de compatibilidad como no verificadas. La compatibilidad de Alibaba con herramientas, salida estructurada, Responses y Messages no demuestra que todas las opciones funcionen a través de esta pasarela.
Alibaba también documenta el almacenamiento en caché explícito de Qwen4, incluidos los puntos de ruptura automáticos y los TTL de 5 minutos o 1 hora. Sus recargos por escritura y cargos separados por lectura requieren un cálculo aparte. Los resúmenes opcionales de pensamiento requieren conservar el historial cifrado. Verifica esos controles en la ruta que piensas usar antes de confiar en ellos para ahorrar o gestionar conversaciones de varios turnos.
Empieza con un pequeño conjunto de tareas reales: un cambio en un repositorio, una pregunta sobre un documento largo y un caso visual si tu aplicación usa imágenes. Mantén fijos los prompts, las herramientas y los criterios de aceptación. Registra los resultados aceptados, el total de tokens incluidos los reintentos y los fallos. Mantén Qwen3.8-Max disponible hasta que el reemplazo supere las pruebas. La página de comparación de AIHubMix ayuda a revisar las especificaciones y los precios publicados; son tus pruebas de aceptación las que determinan si vale la pena actualizar.
Preguntas frecuentes
¿Qwen4-Max es más barato que Qwen3.8-Max?
Según las tarifas oficiales de Singapur, la entrada y la salida habituales cuestan un 25% menos. El ahorro real por tarea depende del uso de tokens y los reintentos.
¿Aumenta el contexto?
No. Ambos indican una ventana de contexto de 1,000,000 tokens.
¿Qwen4-Max duplica el límite de salida?
Los límites publicados tienen alcances distintos. Qwen4-Max establece un máximo de 262,144 para el pensamiento y la respuesta en conjunto; los 131,072 de Qwen3.8-Max corresponden al límite de la respuesta.
¿Se puede conservar la configuración anterior de max_tokens?
Revísala primero. Qwen4-Max incluye el pensamiento en ese límite, por lo que uno configurado para una respuesta podría ser insuficiente.
¿Cambió el nivel de pensamiento predeterminado?
Sí: en Qwen3.8-Max, xhigh pasa a ser high en Qwen4-Max. Algunas asignaciones de compatibilidad también son distintas.
¿Se debería migrar de inmediato todo el tráfico de producción?
Migra cuando las tareas representativas y las funciones necesarias de la pasarela superen las pruebas. La reducción de precio documentada no demuestra una mejora en la calidad.
Sigue leyendo: la serie Qwen4-Max
- Para conocer los cambios de configuración que motivan esta decisión, lee Migración a Qwen4-Max: límites de salida, pensamiento y configuración de agentes.
- Para comparar otro modelo insignia con la misma tarea de repositorio, lee Qwen4-Max vs Kimi K3.1 Pro: ¿qué agente de programación deberías usar?.
Fuentes
- Alibaba Cloud: Qwen4-Max y Qwen3.8-Max, límites y valores predeterminados de los modelos.
- Alibaba Cloud: precios de los modelos, tarifas en USD para Singapur; el cálculo supone un uso idéntico sin caché.
- Alibaba Cloud: referencia de Chat Completions, alcance del límite de salida y parámetros de pensamiento.
- Alibaba Cloud: caché de Qwen4 y resumen de pensamiento y cifrado, funciones del proveedor.
- AIHubMix: guía de Qwen4-Max y guía de Qwen3.8-Max, listados de la pasarela. Fuentes consultadas el 17 de noviembre de 2026, 02:33 UTC; no se realizaron nuevas pruebas de inferencia.



