Migrazione a Qwen4-Max: limiti di output, thinking e configurazione degli agenti

AIHubMix4 min di lettura
Migrazione a Qwen4-Max: limiti di output, thinking e configurazione degli agenti

Passare da Qwen3.8-Max a Qwen4-Max comporta più di un semplice cambio dell’ID del modello. Entrambi hanno una finestra di contesto da un milione di token, ma un limite di output che prima era dimensionato per la risposta ora deve coprire anche il thinking. Cambia il livello di effort predefinito e gli agenti devono preservare correttamente la cronologia del ragionamento tra una chiamata allo strumento e l’altra.

Inizia con una richiesta Chat Completions, poi prova una piccola attività su un repository. Controlla la risposta, il motivo dell’interruzione, la cronologia e le modifiche risultanti prima di trasferire un workflow esistente.

Ricalcola il limite di output

La documentazione di riferimento di Chat Completions definisce max_tokens di Qwen4-Max come equivalente a max_completion_tokens: entrambi limitano thinking e risposta finale. max_tokens di Qwen3.8-Max copre solo la risposta.

Un limite di 300, quindi, non riserva 300 token per una risposta visibile. Il ragionamento può consumare prima il budget, lasciando potenzialmente una risposta vuota o incompleta. Una risposta che termina con finish_reason: "length" richiede attenzione anche se la richiesta HTTP va a buon fine. Cambiare il nome del parametro senza aumentarne il valore non cambia nulla.

Per le nuove integrazioni, usa max_completion_tokens e lascia spazio a entrambe le parti. Qwen4-Max supporta fino a 262,144 token di output complessivi in modalità thinking, oppure 131,072 in modalità non-thinking. La finestra di contesto da 1,000,000 token non è una quantità di input a cui si può aggiungere l’output massimo: input e output devono rientrare insieme nella finestra.

Scegli un livello di effort o un budget di thinking

Qwen4-Max usa low, high e xhigh, con high come valore predefinito. Se non specifichi nessuno dei due controlli, vengono selezionati high e un budget di thinking da 131,072 token. Si tratta di un limite massimo, non di una previsione dei token utilizzati.

Due impostazioni ereditate cambiano significato: high ora corrisponde a high, invece di essere mappato a xhigh come in Qwen3.8-Max; medium viene mappato a high. Le altre corrispondenze sono minimal con low, max con xhigh e none con thinking disattivato.

Invia o reasoning_effort oppure thinking_budget. La documentazione ufficiale vieta di combinarli e il budget deve essere un intero positivo: zero non disattiva il thinking. Se specifichi solo un budget, 1–4,096 seleziona low, 4,097–131,072 seleziona high e 131,073–262,144 seleziona xhigh, mantenendo il budget fornito.

Inizia con l’endpoint indicato

La guida ai modelli di AIHubMix indica qwen4-max su POST /v1/chat/completions. Questa è una richiesta di partenza, non un risultato misurato:

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."}]
  }'

Il limite di output segue le specifiche documentate da Alibaba. Facoltativamente, puoi aggiungere reasoning_effort: "low" senza un budget di thinking; l’inoltro dei parametri non è stato misurato in questa sede. Le capability flag di AIHubMix non sono ancora state verificate. Controlla la risposta effettiva e l’utilizzo prima di fare affidamento su un’impostazione.

Preserva la cronologia necessaria al tuo agente

Con il thinking completo, mantieni reasoning_content separato da content nei messaggi storici dell’assistente, compresi i turni che chiamano strumenti. Qwen4-Max attiva preserve_thinking per impostazione predefinita; la cronologia restituita viene conteggiata come input ed è soggetta a fatturazione. Un serializzatore che conserva solo il testo visibile perde una parte della cronologia.

Alibaba offre anche riepiloghi del thinking e crittografia. Quando questa modalità è attivata con thinking_display: "summarized" in ogni richiesta, reasoning_content diventa un riepilogo visibile e encrypted_content contiene la cronologia del ragionamento. Riproduci il testo cifrato senza modificarlo: il riepilogo non può sostituirlo. I client streaming devono conservare il frame cifrato separato anche quando non contiene testo visibile.

Questa modalità di riepilogo è documentata da Alibaba. Il suo funzionamento tramite AIHubMix non è verificato, quindi stabilisci prima la continuità delle conversazioni ordinarie.

Verifica il caching prima di stimare i risparmi

La cache esplicita Qwen4 di Alibaba supporta breakpoint manuali e automatici, con TTL di 5 minuti o 1 ora. Un prefisso memorizzato nella cache deve contenere almeno 1,024 token. Le scritture nella cache costano circa il 125% o il 200% del normale input, rispettivamente: le scritture ripetute non generano risparmi gratuiti.

Metti prima le istruzioni di sistema stabili, le definizioni degli strumenti e i materiali del repository, seguiti dalle domande che cambiano. Se non imposti parametri della cache, il normale caching implicito non garantisce cache hit. Verifica le letture e le scritture della cache e la fattura prima di supporre che il tuo agente ne tragga vantaggio. Questi controlli della cache del fornitore non sono stati misurati tramite AIHubMix.

Strumenti di coding: verifica un’attività completa

Segui la guida AIHubMix a Qwen Code per l’installazione e l’autenticazione. Imposta OPENAI_BASE_URL=https://aihubmix.com/v1, OPENAI_MODEL=qwen4-max e fornisci la chiave tramite OPENAI_API_KEY. Usa /status per confermare il modello selezionato; controlla anche le impostazioni del client relative a contesto e output.

Claude Code richiede Anthropic Messages, mentre Codex richiede Responses. Alibaba documenta questi protocolli, ma la guida di AIHubMix per Qwen4-Max indica solo Chat Completions. La loro disponibilità tramite questo gateway non è stata accertata in questa sede.

Segui questa checklist di migrazione in un repository di prova:

  1. Conferma il modello e l’endpoint; controlla il testo della risposta, finish_reason e l’utilizzo nella richiesta di base.
  2. Rimuovi i limiti ereditati che si applicano solo alla risposta e i controlli di thinking in conflitto. Se la risposta viene troncata, riprova lasciando più spazio; verifica che sia completa.
  3. Correggi un test non riuscito in due file. Il successo significa che una chiamata effettiva allo strumento va a buon fine, i test passano e la diff contiene solo le modifiche previste.
  4. Fai una domanda successiva che dipenda dal primo turno. Controlla la cronologia salvata di assistente e strumenti e l’eventuale compattazione; verifica che il contesto necessario venga preservato.
  5. Ripeti con il livello di effort scelto. Confronta le patch accettate, i token totali e i nuovi tentativi. Verifica separatamente l’utilizzo della cache prima di stimare i costi ricorrenti.

FAQ

Quale ID modello devo usare su AIHubMix?
Usa qwen4-max con l’endpoint Chat Completions indicato.

Perché una richiesta riuscita può restituire una risposta incompleta?
Thinking e risposta condividono il limite di output. Controlla se finish_reason è length e, se necessario, aumenta il budget complessivo.

Il passaggio a max_completion_tokens risolve il troncamento?
Non da solo. Su Qwen4-Max ha lo stesso significato di max_tokens: il valore deve lasciare spazio sufficiente.

Posso impostare contemporaneamente effort e un budget di thinking?
No. Scegline uno. Il budget di thinking deve essere positivo; usa reasoning_effort none per disattivare il thinking.

Devo riprodurre un riepilogo del thinking come cronologia del ragionamento?
No. In modalità riepilogo, conserva e riproduci encrypted_content senza modificarlo. Il riepilogo visibile non può sostituirlo.

Posso dare per scontato che Claude Code o Codex funzionino tramite AIHubMix?
I protocolli richiesti non sono verificati qui per questo modello. Prima, individua l’endpoint pertinente e verifica un workflow completo con strumenti.

Continua a leggere: la serie Qwen4-Max

Fonti

  1. Alibaba Cloud: specifiche del modello Qwen4-Max e Qwen3.8-Max.
  2. Alibaba Cloud: parametri di Chat Completions.
  3. Alibaba Cloud: riepilogo e crittografia del thinking.
  4. Alibaba Cloud: cache esplicita per Qwen4.
  5. AIHubMix: guida al modello Qwen4-Max e configurazione di Qwen Code.

Fonti consultate il 17 novembre 2026. Per questo articolo non sono stati eseguiti test di inferenza a pagamento.

Un unico gateway per più provider di IA. Pensato per la produzione.

Visita AIHubMix