API Qwen4-Max-Preview : contexte de 1M, changement de max_tokens, retrait le 25 novembre

Alibaba a ouvert Qwen4-Max-Preview, le modèle phare de nouvelle génération de sa famille Qwen, le 11 novembre 2026. Alibaba le propose uniquement via un abonnement Token Plan destiné aux outils de programmation ; aucune option de paiement à l’usage n’est disponible. La période de préversion prend fin le 25 novembre à 24 h (UTC+8), après quoi Alibaba retirera le modèle.

AIHubMix est la première plateforme à le proposer sous forme d’API facturée au token. Depuis le jour de son lancement, elle donne accès au modèle sous le nom coding-qwen4-max-preview via son endpoint compatible avec OpenAI, au tarif de 0,353 $ par million de tokens en entrée et de 1,059 $ par million de tokens en sortie. Avant de le confier à un agent, sachez qu’un changement peut casser votre code existant. Avec ce modèle, max_tokens couvre à la fois la réflexion et la réponse. Sur AIHubMix, une limite de 300 tokens a produit une réponse vide.

En bref

• De quoi s’agit-il ? : le modèle multimodal phare de nouvelle génération d’Alibaba et, au 11 novembre, le seul modèle Qwen4 de la liste des modèles d’Alibaba. Il est destiné au codage, à la conception d’interfaces, au travail de bureau et aux tâches agentiques. Entrées : texte, image et vidéo ; fenêtre de contexte de 1M tokens ; jusqu’à 393,216 tokens en sortie.
• Où l’utiliser ? : Alibaba le propose uniquement dans le cadre des abonnements Token Plan. Sur AIHubMix, il s’agit d’une API facturée au token, avec l’ID du modèle coding-qwen4-max-preview.
• Jusqu’à quand ? : la préversion d’Alibaba est disponible jusqu’au 25 novembre 2026 à 24 h (UTC+8), soit 16 h UTC ce jour-là.
• Qu’est-ce qui change ? : max_tokens limite désormais la réflexion et la réponse combinées. Une limite prévue pour la seule réponse peut renvoyer finish_reason: "length" et un champ content vide.
• Quel est le coût ? : Alibaba ne publie aucun tarif par token. Sur AIHubMix, le prix est de 0,353 $ par million de tokens en entrée et de 1,059 $ par million de tokens en sortie.

Deux façons d’y accéder, et une date limite

La page du modèle d’Alibaba indique directement les conditions : Qwen4-Max-Preview « est disponible uniquement via Token Plan. L’accès avec paiement à l’usage n’est pas pris en charge. » Token Plan est l’abonnement d’Alibaba Cloud pour les outils de codage et d’agent IA, tels que Claude Code, Qwen Code et Qoder. La facturation se fait en Credits, sans tarif par token publié, et les abonnements personnels commencent à 6 $ par mois. Pendant la préversion, Alibaba facture Qwen4-Max-Preview à seulement 20 % de son tarif standard en Credits, et à 8 % entre 22 h et 8 h (UTC+8).

Le canal d’AIHubMix est l’autre moyen d’y accéder. Vous l’appelez comme n’importe quel autre modèle via l’endpoint compatible avec OpenAI, payez au token et n’avez besoin d’aucun abonnement. AIHubMix le présente comme un accès à moindre coût à Qwen4-Max-Preview via le Token Plan officiel, et le décrit comme un service en préversion qui « peut être instable et est recommandé pour les tests et l’évaluation ».

Les dates de la préversion sont fixes. Elle s’étend du 11 novembre à 10 h au 25 novembre 2026 à 24 h (UTC+8), soit 350 heures au total. Alibaba précise qu’« aucun changement ne sera apporté pendant cette période et que le modèle sera retiré à la fin de la préversion ». Considérez-le comme un modèle d’évaluation, et non comme une base pour développer un produit.

Ce qui change par rapport à Qwen3.8-Max

Qwen3.8-Max est actuellement le modèle phare de Qwen, sans date de retrait annoncée. Voici une comparaison des deux modèles d’après les caractéristiques publiées par Alibaba :

Caractéristiques tirées des pages des modèles et de la référence API d’Alibaba Cloud. La limite de sortie de Qwen4-Max-Preview est partagée entre la réflexion et la réponse finale.

Le contexte et les entrées restent identiques. Deux éléments changent : le plafond de sortie triple et max_tokens couvre désormais la réflexion autant que la réponse. Les paramètres de réflexion conservent les mêmes noms et niveaux ; le code qui définit déjà reasoning_effort pour Qwen3.8 reste donc compatible.

Il n’existe pas encore de benchmarks. La page de lancement d’Alibaba ne publie aucun score, et nous n’avons trouvé aucun benchmark indépendant de cette préversion au 11 novembre. Les articles de lancement, comme le compte rendu de TechNode, reprennent la fiche technique, pas des résultats de tests. En attendant la publication de scores, évaluez-le sur vos propres tâches.

Prix et coût réel

Alibaba ne publie aucun tarif par token pour Qwen4-Max-Preview : son seul canal officiel est Token Plan, facturé en Credits. Sur AIHubMix, le canal est facturé au token : 0,353 $ par million de tokens en entrée, 1,059 $ par million de tokens en sortie et 0,0441 $ par million de tokens en entrée mis en cache.

Pour rendre cela plus concret, prenons une session avec un agent de codage. Il s’agit d’hypothèses, pas de mesures : 40 tours, chacun envoyant 60,000 tokens en entrée, dont 50,000 correspondent à un préfixe de dépôt mis en cache, et générant 3,000 tokens en sortie, réflexion comprise.

Estimation calculée à partir des tarifs publiés par AIHubMix pour ce canal. Les hits de cache ne sont pas garantis, et AIHubMix ne les a pas mesurés sur ce canal. Sans aucun hit de cache, la même session coûte environ 0,974 $.

En pratique, deux éléments font varier ce chiffre. Premièrement, la réflexion compte comme de la sortie : dans les données d’utilisation d’AIHubMix, les tokens de raisonnement font partie de completion_tokens, et la réflexion est réglée par défaut sur xhigh. Une bonne partie des 3,000 tokens de sortie par tour peut donc correspondre au raisonnement. Deuxièmement, Alibaba active preserve_thinking par défaut pour ce modèle. La réflexion des tours précédents que votre client renvoie dans reasoning_content est lue par le modèle, et la documentation d’Alibaba indique qu’elle « est incluse dans le nombre de tokens en entrée et facturée ». Les sessions d’agent longues font donc augmenter le nombre de tokens en entrée plus vite que ne le laisse penser la conversation visible.

Le changement de max_tokens : ce que vous verrez et comment y remédier

C’est le changement le plus susceptible de casser une intégration fonctionnelle. La note de compatibilité API d’Alibaba, datée du 2 novembre, l’a annoncé, et la page du modèle le reprend :

À partir de qwen4-max-preview, max_tokens est équivalent à max_completion_tokens. Les deux limitent le nombre combiné de tokens pour la réflexion et la réponse finale. La réflexion consomme une partie du même budget ; une limite auparavant prévue pour la seule réponse peut donc tronquer la sortie.

Sur Qwen3.8-Max, max_tokens limite uniquement la réponse ; la réflexion n’en fait pas partie. Le code qui définissait max_tokens: 300 pour obtenir une réponse courte fonctionnait donc. Sur Qwen4-Max-Preview, ces mêmes 300 tokens doivent aussi couvrir le raisonnement.

AIHubMix a exécuté cette requête le 11 novembre 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 requête a renvoyé HTTP 200, mais sans rien afficher :

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

(Extrait limité aux champs pertinents.)

Les 300 tokens ont tous été consacrés au raisonnement, et la réponse n’a jamais commencé. Aucune erreur n’est renvoyée ; un client qui ne lit que content reçoit donc une chaîne vide et peut la traiter comme une réponse valide. Avec max_tokens: 16384, le même prompt s’est terminé normalement : 1,206 tokens de complétion, dont 608 de raisonnement, et la bonne réponse (quatre paires).

Comment y remédier :

1. Prévoyez un budget suffisant pour la réflexion et la réponse. Supprimez les anciennes limites prévues pour la seule réponse, ou augmentez-les largement au-delà de ce qu’exige la réponse. Alibaba indique que max_tokens « sera déprécié » et recommande max_completion_tokens pour les nouvelles intégrations. Pour ce modèle, les deux paramètres ont le même sens ; les renommer ne résout donc rien : max_completion_tokens: 300 a renvoyé la même réponse vide sur AIHubMix.
2. Limitez directement la réflexion si vous avez besoin d’une réponse courte. Réglez reasoning_effort sur low, ou sur none pour désactiver la réflexion. Lors du test d’AIHubMix, le paramètre none a permis de répondre à un prompt de codage court en 43 tokens de complétion, sans raisonnement.
3. Vérifiez finish_reason à chaque appel. Traitez "length" accompagné d’un champ content vide comme un échec à retenter avec un budget plus élevé, et non comme une réponse.

Paramètres de réflexion à connaître

La réflexion est activée par défaut. La référence Chat Completions d’Alibaba en détaille le fonctionnement :

• Niveaux : low, medium et xhigh (par défaut). Les valeurs au format OpenAI sont converties : max et high deviennent xhigh, minimal devient low, et none désactive la réflexion. Toute autre valeur renvoie une erreur.
• Budgets : si vous ne définissez pas thinking_budget, les niveaux correspondent à des budgets de réflexion de 4,096 (low), 16,384 (medium) et 262,144 (xhigh) tokens. Si vous ne définissez aucun des deux paramètres, la même page indique que la valeur par défaut est xhigh, avec un budget de 131,072 tokens. Selon cette correspondance, envoyer explicitement xhigh autorise jusqu’au double du budget de réflexion par défaut. C’est ainsi que la documentation le décrit ; AIHubMix n’a pas effectué de mesures.
• Ne les combinez pas : Alibaba indique que définir simultanément reasoning_effort et thinking_budget provoque une erreur. Lors d’un test d’AIHubMix, l’envoi des deux paramètres a abouti normalement ; le canal ne les rejette donc peut-être pas, mais aucune documentation ne précise lequel est pris en compte. N’en envoyez qu’un seul.
• Conversations à plusieurs tours : renvoyez la réflexion des tours précédents dans le champ reasoning_content de chaque message de l’assistant, jamais dans content. L’omettre ne provoque pas d’erreur, mais le renvoyer est facturé comme une entrée.

Via AIHubMix, low et none ont été acceptés, et la réflexion a été renvoyée dans reasoning_content.

Outils de codage

Ce modèle est conçu pour les agents de codage. Voici comment l’utiliser avec les outils courants via AIHubMix :

• Claude Code utilise l’API Messages d’Anthropic. La page du modèle AIHubMix ne répertorie que /v1/chat/completions, mais une requête de test adressée à /v1/messages d’AIHubMix avec cet ID de modèle a renvoyé une réponse normale, avec des blocs de réflexion et de texte distincts. Il s’agissait d’une seule requête sans outils, et non d’une session Claude Code. Pour exécuter Claude Code avec des modèles autres que ceux de Claude, AIHubMix documente une configuration séparée, Claude Code avec n’importe quel LLM : installez son package @aihubmix/claude-code, définissez default, think et longContext sous Router dans ~/.aihubmix-claude-code/config.json sur coding-qwen4-max-preview, puis exécutez acc start et acc code. Nous n’avons pas testé cette configuration avec ce modèle : essayez donc d’abord le test rapide ci-dessous. La documentation d’Anthropic ne prend pas en charge le routage de modèles autres que Claude vers Claude Code via une passerelle ; cette configuration n’est donc pas prise en charge par Anthropic.
• Qwen Code se connecte via l’endpoint compatible avec OpenAI : OPENAI_BASE_URL=https://aihubmix.com/v1 et OPENAI_MODEL=coding-qwen4-max-preview. Un détail apparaît dans le code source de Qwen Code. Son tableau des tailles de contexte attribue une fenêtre de 1M aux ID commençant par qwen4. Notre ID commence par coding-, ne correspond à aucune ligne et utilise donc la valeur par défaut de 200,000 tokens. Il s’agit d’une déduction à partir du code, et non d’un essai mesuré. Attendez-vous à ce que Qwen Code compacte la conversation bien avant d’atteindre 1M. Si vous avez besoin de la longueur maximale, définissez model.generationConfig.contextWindowSize sur 1000000 dans ~/.qwen/settings.json.
• OpenCode, Cline, Cursor et les autres outils compatibles avec OpenAI : ajoutez un modèle personnalisé en utilisant la même URL de base et le même ID. Vérifiez deux paramètres dans chaque outil : la fenêtre de contexte, que les outils ne connaissent souvent pas pour les nouveaux ID, et toute valeur par défaut de max_tokens envoyée par l’outil. Une valeur par défaut trop faible réduira désormais la place disponible pour la réflexion.

Un test rapide de 15 minutes avant de lui confier un dépôt :

1. Envoyez une requête Chat Completions et vérifiez que reasoning_content et un champ content non vide sont renvoyés.
2. Confiez à l’agent une petite tâche dans un dépôt temporaire : corriger un test unitaire en échec impliquant deux fichiers. Le test est réussi si les tests passent et si le diff ne touche qu’aux fichiers nécessaires.
3. Recherchez finish_reason: "length" dans les journaux de votre outil ou dans sa vue d’utilisation. Si cette valeur apparaît, augmentez la limite de sortie ou réduisez reasoning_effort.
4. Répétez la tâche avec reasoning_effort: "low" et comparez le temps d’exécution et le nombre de tokens générés. Cela vous indiquera quel niveau utiliser au quotidien.

Alibaba documente l’appel d’outils et les sorties structurées pour ce modèle. AIHubMix n’a pas encore publié d’indicateurs de capacités pour ce canal, et son guide des modèles précise que leur absence signifie « non vérifié, et non non pris en charge ». L’étape 2 consiste à vérifier l’appel d’outils.

Devriez-vous changer de modèle ?

Testez-le dès maintenant si vous utilisez des agents de programmation et souhaitez découvrir la prochaine génération de Qwen sur votre propre code, ou si vous envisagez d’adopter Qwen4. Au tarif du canal AIHubMix, une session comme celle décrite ci-dessus coûte moins d’un dollar, et la version Preview d’Alibaba prend fin le 25 novembre.

Attendez si vous avez besoin d’un comportement stable, de benchmarks publiés ou d’une disponibilité à long terme. La version Preview est signalée comme instable, et Alibaba la retire à la fin de cette période. Alibaba n’a pas précisé ce qui suivra la version Preview, combien cela coûtera ni si le comportement restera le même.

Restez sur Qwen3.8-Max pour la production. Il offre la même fenêtre de contexte de 1M, un tarif officiel à l’usage et aucune date de retrait annoncée. Vos paramètres max_tokens y conservent leur ancienne signification.

Si vous testez les deux modèles, la comparaison côte à côte sur AIHubMix répertorie leurs caractéristiques et leurs tarifs. Vous pouvez appeler l’un ou l’autre avec la même clé AIHubMix ; seul l’ID du modèle change.

FAQ

Qwen4-Max-Preview est-il disponible via une API à l’usage ?
Pas auprès d’Alibaba, qui ne le propose que dans le cadre des abonnements Token Plan. AIHubMix a été la première plateforme à le proposer à la consommation, sous l’ID coding-qwen4-max-preview, au tarif de $0.353 par million de tokens en entrée et de $1.059 par million de tokens en sortie.

Quand Alibaba retirera-t-il Qwen4-Max-Preview ?
La version Preview d’Alibaba prend fin à 24:00 le 25 novembre 2026 (UTC+8), soit 16:00 UTC. Alibaba indique que le modèle sera retiré à la fin de cette période.

Pourquoi ma requête renvoie-t-elle une réponse vide ?
La cause la plus probable est une valeur trop faible de max_tokens. Pour ce modèle, ce paramètre limite à la fois la réflexion et la réponse, si bien que le raisonnement peut épuiser tout le budget. Vérifiez si finish_reason vaut "length", puis augmentez la limite ou réduisez reasoning_effort.

Quelle est la fenêtre de contexte et la sortie maximale ?
Alibaba indique un contexte de 1M tokens et jusqu’à 393,216 tokens en sortie, la réflexion et la réponse finale partageant la limite de sortie.

Comment désactiver ou réduire le mode de réflexion ?
Définissez reasoning_effort sur low ou medium pour le raccourcir, ou sur none pour le désactiver. N’envoyez qu’un seul des deux paramètres, reasoning_effort et thinking_budget : Alibaba indique que les combiner provoque une erreur, et aucune documentation ne précise lequel prend effet sur le canal AIHubMix.

Qwen4-Max-Preview est-il meilleur que Qwen3.8-Max ?
Aucun benchmark publié ne permet encore de répondre à cette question. La page de lancement d’Alibaba présente les capacités et les limites, mais aucun score, et nous n’avons trouvé aucun benchmark indépendant au 11 novembre 2026. Comparez donc les deux modèles sur vos propres tâches.

Est-il compatible avec Claude Code ?
AIHubMix documente une configuration permettant d’exécuter Claude Code avec des modèles autres que ceux de Claude, ce qu’Anthropic ne prend pas en charge. Avec ce modèle, nous n’avons testé qu’une seule requête adressée à l’endpoint Messages compatible avec Anthropic d’AIHubMix ; elle a renvoyé des blocs de réflexion et de texte. Effectuez un test rapide avec des outils avant de vous y fier pour de longues sessions.

Sources

1. Alibaba Cloud Model Studio : Qwen4-Max-Preview (consulté le 11 novembre 2026)
2. Alibaba Cloud Model Studio : référence de l’API Chat Completions
3. Alibaba Cloud Model Studio : Token Plan (édition personnelle) (consulté le 11 novembre 2026)
4. Alibaba Cloud Model Studio : Qwen3.8-Max (consulté le 11 novembre 2026)
5. AIHubMix : Coding Qwen4 Max Preview (tarifs vérifiés le 11 novembre 2026 ; tests en direct effectués de 10:22 à 10:48 UTC)