API di Qwen4-Max-Preview: contesto da 1M, modifica di max_tokens, scadenza il 25 nov

Alibaba ha reso disponibile Qwen4-Max-Preview, il modello flagship di nuova generazione della famiglia Qwen, l’11 novembre 2026. Alibaba lo offre esclusivamente tramite un abbonamento Token Plan per gli strumenti di coding; non è disponibile l’opzione a consumo. L’anteprima termina alle 24:00 del 25 novembre (UTC+8), dopodiché Alibaba ritirerà il modello.

AIHubMix è la prima piattaforma a offrirlo tramite API con tariffazione per token. Lo rende disponibile dal giorno del lancio come coding-qwen4-max-preview sull’endpoint compatibile con OpenAI, al prezzo di $0.353 per milione di token di input e $1.059 per milione di token di output. Prima di affidargli un agente, tieni presente l’unica modifica che può compromettere il codice esistente. Con questo modello, max_tokens include sia il ragionamento sia la risposta. Su AIHubMix, un limite di 300 token ha restituito una risposta vuota.

In breve

• Cos’è: il modello multimodale flagship di nuova generazione di Alibaba e, all’11 novembre, l’unico modello Qwen4 nell’elenco dei modelli di Alibaba. È pensato per il coding, il design frontend, il lavoro d’ufficio e le attività agentiche. Accetta testo, immagini e video; finestra di contesto da 1M token; fino a 393,216 token di output.
• Dove usarlo: Alibaba lo offre solo con gli abbonamenti Token Plan. Su AIHubMix è un’API con tariffazione per token e ID modello coding-qwen4-max-preview.
• Per quanto tempo: l’anteprima di Alibaba è disponibile fino alle 24:00 del 25 novembre 2026 (UTC+8), ovvero le 16:00 UTC dello stesso giorno.
• Cosa può non funzionare: max_tokens ora limita la somma di ragionamento e risposta. Un limite impostato considerando solo la risposta può restituire finish_reason: "length" e un content vuoto.
• Quanto costa: Alibaba non pubblica un prezzo per token. Su AIHubMix costa $0.353 per milione di token di input e $1.059 per milione di token di output.

Due modi per accedervi e la scadenza

La pagina del modello di Alibaba specifica direttamente le condizioni: Qwen4-Max-Preview «è disponibile solo tramite Token Plan. L’accesso a consumo non è supportato». Token Plan è l’abbonamento di Alibaba Cloud per strumenti di coding basati sull’IA e strumenti agentici come Claude Code, Qwen Code e Qoder. Si paga in Credits, senza una tariffa per token pubblicata; i piani personali partono da $6 al mese. Durante l’anteprima, Alibaba applica a Qwen4-Max-Preview una tariffa in Credits pari ad appena il 20% di quella standard, e dell’8% tra le 22:00 e le 08:00 (UTC+8).

Il canale AIHubMix è l’altro modo per accedervi. Lo si chiama come qualsiasi altro modello dall’endpoint compatibile con OpenAI, si paga per token e non serve alcun abbonamento. AIHubMix lo descrive come un accesso a costi inferiori a Qwen4-Max-Preview tramite il Token Plan ufficiale e lo definisce un servizio di anteprima che «potrebbe essere instabile ed è consigliato per test e valutazioni».

Le date dell’anteprima sono definite. Si svolge dalle 10:00 dell’11 novembre alle 24:00 del 25 novembre 2026 (UTC+8), per un totale di 350 ore. Alibaba afferma che «non verranno apportate modifiche durante questo periodo e il modello sarà ritirato al termine dell’anteprima». Consideralo un modello da valutare, non una base su cui costruire un prodotto.

Cosa cambia rispetto a Qwen3.8-Max

Qwen3.8-Max è l’attuale modello flagship di Qwen e non ha una data di ritiro annunciata. Ecco il confronto tra i due modelli in base alle specifiche pubblicate da Alibaba:

Specifiche tratte dalle pagine dei modelli e dal riferimento API di Alibaba Cloud. Il limite di output di Qwen4-Max-Preview è condiviso tra ragionamento e risposta finale.

La finestra di contesto e gli input restano invariati. Cambiano due cose: il limite massimo di output triplica e max_tokens ora comprende anche il ragionamento, non solo la risposta. I controlli del ragionamento mantengono gli stessi nomi e livelli, quindi il codice che già imposta reasoning_effort per Qwen3.8 si può riutilizzare.

Non sono ancora disponibili benchmark. La pagina di lancio di Alibaba non riporta punteggi e, all’11 novembre, non abbiamo trovato benchmark indipendenti di questa anteprima. Gli articoli sul lancio, come il resoconto di TechNode, riprendono la scheda tecnica, non i risultati dei test. Finché non saranno pubblicati i punteggi, valutalo con le tue attività.

Prezzo e costo effettivo

Alibaba non pubblica un prezzo per token per Qwen4-Max-Preview: l’unica modalità ufficiale è Token Plan, con pagamento in Credits. Su AIHubMix il canale applica una tariffa per token: $0.353 per milione di token di input, $1.059 per milione di token di output e $0.0441 per milione di token di input memorizzati nella cache.

Per concretizzare, prendiamo una sessione di un agente di coding. Sono ipotesi, non misurazioni: 40 turni, ciascuno con 60,000 token di input, di cui 50,000 costituiscono un prefisso del repository memorizzato nella cache, e 3,000 token di output per turno, compreso il ragionamento.

Stima calcolata sui prezzi pubblicati da AIHubMix per questo canale. I cache hit non sono garantiti e AIHubMix non li ha misurati su questo canale. Senza cache hit, la stessa sessione costa circa $0.974.

Nella pratica, due dettagli incidono su questa cifra. Primo, il ragionamento viene conteggiato come output: nei dati di utilizzo di AIHubMix, i token di ragionamento fanno parte di completion_tokens e il livello predefinito del ragionamento è xhigh. Una parte consistente dei 3,000 token di output per turno potrebbe quindi essere dedicata al ragionamento. Secondo, Alibaba attiva per impostazione predefinita preserve_thinking per questo modello. Il modello legge il ragionamento dei turni precedenti che il client gli reinvia in reasoning_content e, secondo la documentazione di Alibaba, questo «viene incluso nel conteggio dei token di input e fatturato». Di conseguenza, nelle sessioni agentiche lunghe l’input cresce più rapidamente di quanto lasci supporre la conversazione visibile.

La modifica di max_tokens: cosa vedrai e come risolverla

È la modifica che più probabilmente comprometterà un’integrazione funzionante. L’avviso di compatibilità API di Alibaba, datato 2 novembre, l’ha annunciata; la pagina del modello la ribadisce:

A partire da qwen4-max-preview, max_tokens equivale a max_completion_tokens. Entrambi limitano il totale dei token per il ragionamento e la risposta finale. Il ragionamento consuma una parte dello stesso budget, quindi un limite impostato in precedenza considerando solo la risposta può troncare l’output.

Su Qwen3.8-Max, max_tokens limita solo la risposta; il ragionamento ne resta escluso. Il codice che imposta max_tokens: 300 per una risposta breve funzionava. Su Qwen4-Max-Preview gli stessi 300 token devono coprire anche il ragionamento.

AIHubMix ha eseguito questa richiesta l’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 richiesta è stata completata con HTTP 200, ma senza contenuto da mostrare:

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

(Estratto limitato ai campi pertinenti.)

Tutti i 300 token sono stati usati per il ragionamento e la risposta non è mai iniziata. Non viene restituito alcun errore, quindi un client che legge solo content vede una stringa vuota e potrebbe considerarla una risposta valida. Con max_tokens: 16384, lo stesso prompt è stato completato normalmente: 1,206 token di completamento, di cui 608 di ragionamento, e la risposta corretta (quattro coppie).

Come risolvere:

1. Imposta un limite che includa ragionamento e risposta. Rimuovi i vecchi limiti calcolati solo per la risposta oppure aumentali ben oltre il necessario per la risposta. Alibaba indica che max_tokens «sarà deprecato» e consiglia max_completion_tokens per le nuove integrazioni. In questo modello i due parametri significano la stessa cosa, quindi rinominare il parametro non risolve il problema: su AIHubMix, max_completion_tokens: 300 ha restituito la stessa risposta vuota.
2. Limita direttamente il ragionamento se ti serve una risposta breve. Imposta reasoning_effort su low oppure su none per disattivare il ragionamento. Nel test di AIHubMix, con none il modello ha risposto a un breve prompt di coding usando 43 token di completamento, senza ragionamento.
3. Controlla finish_reason a ogni chiamata. Se "length" è accompagnato da un content vuoto, consideralo un errore e riprova con un budget più ampio: non trattarlo come una risposta.

Controlli del ragionamento da conoscere

Il ragionamento è attivo per impostazione predefinita. La documentazione di riferimento di Chat Completions di Alibaba ne descrive i dettagli:

• Livelli: low, medium e xhigh (predefinito). I valori in stile OpenAI vengono convertiti: max e high diventano xhigh, minimal diventa low e none disattiva il ragionamento. Qualsiasi altro valore restituisce un errore.
• Budget: se non imposti thinking_budget, ai livelli corrispondono budget di ragionamento di 4,096 (low), 16,384 (medium) e 262,144 (xhigh) token. Se non imposti nessuno dei due parametri, la stessa pagina indica come valori predefiniti xhigh e un budget di 131,072 token. In base a questa corrispondenza, specificare esplicitamente xhigh consente un budget di ragionamento fino al doppio di quello predefinito. Questa è la descrizione della documentazione; AIHubMix non l’ha verificata con misurazioni.
• Non combinarli: Alibaba documenta che impostare insieme reasoning_effort e thinking_budget restituisce un errore. Un test di AIHubMix che li ha inviati entrambi è stato completato normalmente, quindi il canale potrebbe accettarli entrambi, ma non è documentato quale impostazione prevalga. Invia un solo parametro.
• Più turni: restituisci il ragionamento dei turni precedenti nel campo reasoning_content di ogni messaggio dell’assistente, mai dentro content. Ometterlo non genera un errore, ma reinviarlo viene conteggiato come input.

Su AIHubMix, low e none sono stati accettati e il ragionamento è arrivato in reasoning_content.

Strumenti di coding

Il modello è pensato per gli agenti di coding. Ecco come si integra con gli strumenti più comuni tramite AIHubMix:

• Claude Code usa l’API Messages di Anthropic. La pagina del modello su AIHubMix indica solo /v1/chat/completions, ma una singola richiesta di test inviata a /v1/messages di AIHubMix con questo ID modello ha restituito una risposta normale, con blocchi separati per il ragionamento e il testo. Si è trattato di una sola richiesta, senza strumenti, non di una sessione di Claude Code. Per eseguire Claude Code con modelli non Claude, AIHubMix documenta una configurazione separata, Claude Code con qualsiasi LLM: installa il pacchetto @aihubmix/claude-code, imposta coding-qwen4-max-preview per default, think e longContext in Router dentro ~/.aihubmix-claude-code/config.json, quindi esegui acc start e acc code. Non abbiamo provato questa configurazione con il modello, quindi esegui prima il test rapido qui sotto. La documentazione di Anthropic non supporta l’instradamento di modelli non Claude a Claude Code tramite un gateway, quindi questa configurazione non è supportata da Anthropic.
• Qwen Code si connette tramite l’endpoint compatibile con OpenAI: OPENAI_BASE_URL=https://aihubmix.com/v1 e OPENAI_MODEL=coding-qwen4-max-preview. C’è però un dettaglio visibile nel codice sorgente di Qwen Code. La tabella delle dimensioni di contesto assegna una finestra da 1M agli ID che iniziano con qwen4. Il nostro ID inizia con coding-, non corrisponde ad alcuna riga e ricade sul valore predefinito di 200,000 token. È un’interpretazione del codice, non il risultato di un test. È probabile che Qwen Code compatti la conversazione molto prima di raggiungere 1M. Se ti serve la lunghezza completa, imposta model.generationConfig.contextWindowSize su 1000000 in ~/.qwen/settings.json.
• OpenCode, Cline, Cursor e altri strumenti compatibili con OpenAI: aggiungi un modello personalizzato usando lo stesso URL di base e lo stesso ID. Controlla due impostazioni in ciascuno strumento: la finestra di contesto, che spesso gli strumenti non conoscono per i nuovi ID, e l’eventuale valore predefinito di max_tokens inviato dallo strumento. Ora un valore predefinito basso riduce lo spazio disponibile per il ragionamento.

Un test rapido di 15 minuti prima di affidargli un repository:

1. Invia una richiesta Chat Completions e verifica che vengano restituiti reasoning_content e un content non vuoto.
2. Assegna all’agente una piccola attività in un repository di prova: correggere un test unitario non riuscito che coinvolge due file. Il test ha esito positivo se i test passano e il diff modifica solo ciò che dovrebbe.
3. Nei log o nella schermata d’uso dello strumento, cerca finish_reason: "length". Se compare, aumenta il limite di output o riduci reasoning_effort.
4. Ripeti l’attività con reasoning_effort: "low" e confronta durata e token di output. Così capirai quale livello usare ogni giorno.

Alibaba documenta l’uso degli strumenti e gli output strutturati per questo modello. AIHubMix non ha ancora pubblicato indicatori di funzionalità per questo canale e, secondo la guida ai modelli, la loro assenza significa «non verificato, non non supportato». Il passaggio 2 è la verifica dell’uso degli strumenti.

Dovresti passare a questo modello?

Provalo subito se usi agenti di programmazione e vuoi vedere la prossima generazione di Qwen sul tuo codice, oppure se stai valutando se pianificare l’adozione di Qwen4. Al prezzo del canale AIHubMix, una sessione come quella descritta sopra costa meno di un dollaro, e l’anteprima di Alibaba termina il 25 novembre.

Aspetta se ti servono un comportamento stabile, benchmark pubblicati o disponibilità a lungo termine. L’anteprima è indicata come instabile e Alibaba la ritirerà al termine del periodo di anteprima. Alibaba non ha dichiarato cosa succederà dopo l’anteprima, quanto costerà il modello né se si comporterà allo stesso modo.

Per la produzione, resta su Qwen3.8-Max. Ha la stessa finestra di contesto da 1M, un prezzo ufficiale a consumo e nessuna data di ritiro annunciata. Le impostazioni di max_tokens mantengono il significato precedente.

Se li provi entrambi, il confronto affiancato su AIHubMix elenca specifiche e prezzi. Puoi chiamare entrambi i modelli con la stessa chiave AIHubMix: cambia solo l’ID del modello.

FAQ

Qwen4-Max-Preview è disponibile tramite un’API a consumo?
Non tramite Alibaba, che lo offre solo con abbonamenti Token Plan. AIHubMix è stata la prima piattaforma a offrirlo a pagamento per token, con l’ID coding-qwen4-max-preview, a $0.353 per milione di token di input e $1.059 per milione di token di output.

Quando ritirerà Alibaba Qwen4-Max-Preview?
L’anteprima di Alibaba termina alle 24:00 del 25 novembre 2026 (UTC+8), ovvero alle 16:00 UTC. Alibaba afferma che il modello verrà ritirato al termine dell’anteprima.

Perché la mia richiesta restituisce una risposta vuota?
Molto probabilmente il valore di max_tokens è troppo basso. In questo modello limita insieme il ragionamento e la risposta, quindi il ragionamento può esaurire l’intero budget. Controlla se compare finish_reason "length", quindi aumenta il limite o riduci reasoning_effort.

Qual è la finestra di contesto e qual è l’output massimo?
Alibaba indica un contesto di 1M token e fino a 393,216 token di output; il ragionamento e la risposta finale condividono il limite di output.

Come faccio a disattivare o ridurre il ragionamento?
Imposta reasoning_effort su low o medium per ridurlo, oppure su none per disattivarlo. Invia solo uno tra reasoning_effort e thinking_budget: Alibaba documenta che combinarli genera un errore e la documentazione non specifica quale dei due abbia effetto sul canale AIHubMix.

Qwen4-Max-Preview è migliore di Qwen3.8-Max?
Non esistono ancora benchmark pubblicati che permettano di rispondere. La pagina di lancio di Alibaba elenca funzionalità e limiti, ma non punteggi; inoltre, al 11 novembre 2026 non abbiamo trovato benchmark indipendenti. Confrontali quindi sulle tue attività.

Funziona con Claude Code?
AIHubMix documenta una configurazione per eseguire Claude Code con modelli non Claude, ma Anthropic non la supporta. Con questo modello abbiamo testato solo una richiesta all’endpoint Messages compatibile con Anthropic di AIHubMix, che ha restituito blocchi di ragionamento e testo. Esegui un breve test rapido con gli strumenti prima di farci affidamento per sessioni lunghe.

Fonti

1. Alibaba Cloud Model Studio: Qwen4-Max-Preview (consultato l’11 novembre 2026)
2. Alibaba Cloud Model Studio: riferimento API Chat Completions
3. Alibaba Cloud Model Studio: Token Plan (edizione personale) (consultato l’11 novembre 2026)
4. Alibaba Cloud Model Studio: Qwen3.8-Max (consultato l’11 novembre 2026)
5. AIHubMix: Coding Qwen4 Max Preview (prezzi verificati l’11 novembre 2026; test dal vivo eseguiti dalle 10:22 alle 10:48 UTC)