Vale la pena valutare Qwen4-Max se usi già Qwen3.8-Max: ai prezzi di listino di Alibaba Cloud per Singapore, i costi standard di input e output sono inferiori del 25%. La finestra di contesto resta di un milione di token ed entrambi accettano testo, immagini e video. Il prezzo è quindi il motivo più evidente e documentato per provare l’aggiornamento. Questo non dimostra che il nuovo modello risolva meglio i tuoi compiti o consumi meno token.
La migrazione modifica anche il contratto di integrazione. Ora un limite di output pensato solo per la risposta può limitare insieme il ragionamento e la risposta, mentre il livello di effort predefinito passa da xhigh a high. Tieni conto di questo cambiamento prima di sostituire l’ID del modello in produzione.
Cosa resta invariato e cosa cambia
La pagina del modello Qwen4-Max e la documentazione di Qwen3.8-Max di Alibaba descrivono due modelli cloud con la stessa dimensione della finestra di contesto e le stesse modalità di input. I limiti di output richiedono un’analisi più attenta:
| Voce | Qwen3.8-Max | Qwen4-Max |
|---|---|---|
| Contesto | 1,000,000 | 1,000,000 |
| Input | Testo, immagini, video | Testo, immagini, video |
| Output senza ragionamento | 131,072 | 131,072 |
| Ragionamento attivato | Predefinito | Predefinito |
| Livello di effort predefinito | xhigh | high |
| Livelli di effort nativi | low, medium, xhigh | low, high, xhigh |
Qwen4-Max consente fino a 262,144 token complessivi per il ragionamento e la risposta. Il limite di output documentato di 131,072 di Qwen3.8-Max riguarda la risposta, anche in modalità di ragionamento, con un limite separato di 262,144 per la lunghezza massima della catena di ragionamento. Questi valori hanno ambiti diversi e non giustificano l’affermazione che la capacità di output sia semplicemente raddoppiata.
Entrambi i modelli accettano input visivi, quindi un’applicazione che invia già screenshot o immagini di documenti non ottiene un nuovo tipo di input con il solo aggiornamento. Per capire se migliorano l’estrazione o il ragionamento visivo, occorre confrontarli su file rappresentativi.
La differenza di prezzo a parità di carico di lavoro
La tabella ufficiale dei prezzi riporta le seguenti tariffe in USD per Singapore, per le modalità di ragionamento e senza ragionamento, con input fino a un milione di token per richiesta:
| Per milione di token | Qwen3.8-Max | Qwen4-Max |
|---|---|---|
| Input standard | $2.00 | $1.50 |
| Output, compreso il ragionamento | $6.00 | $4.50 |
Consideriamo l’utilizzo cumulativo di più richieste: un milione di token di input non memorizzati nella cache e 100,000 token di output, compreso il ragionamento. Sono totali, non relativi a una singola richiesta. Qwen3.8-Max costa $2 + $0.60 = $2.60; Qwen4-Max costa $1.50 + $0.45 = $1.95. A parità di utilizzo, il costo è inferiore del 25%. È una stima, non il risultato di una misurazione su un’attività, ed esclude cache, strumenti, nuovi tentativi e imposte. I prezzi variano nelle altre regioni.
Il risparmio effettivo dipende dal comportamento durante la generazione. Più ragionamento, tentativi ripetuti o cronologie più lunghe possono annullare il vantaggio del prezzo unitario più basso. Confronta il costo per ottenere un risultato accettato, insieme alla sua correttezza, invece di presumere che ogni attività costi il 25% in meno.
Verifica il limite di output e le impostazioni di ragionamento
La documentazione di Chat Completions specifica che Qwen4-Max considera max_tokens equivalente a max_completion_tokens: entrambi comprendono il ragionamento e la risposta. In Qwen3.8-Max, max_tokens limita la risposta. Un limite basso ereditato può quindi interrompere il nuovo modello prima che produca una risposta utile. Controlla finish_reason: length significa che il budget è stato esaurito. Qui non vengono riportati nuovi esperimenti di inferenza.
Per le nuove integrazioni con Qwen4-Max, preferisci max_completion_tokens e assegna spazio sufficiente a entrambi i tipi di output. I valori di effort nativi sono low, high e xhigh; medium viene mappato su high. In Qwen3.8-Max, high viene mappato su xhigh. Riutilizzare la stessa enumerazione non significa necessariamente riutilizzarne il significato.
Se non vengono specificati né il livello di effort né il budget di ragionamento, Qwen4-Max usa per impostazione predefinita high e 131,072 token di ragionamento. Non inviare insieme reasoning_effort e thinking_budget. Un budget di ragionamento esplicito deve essere positivo; per disattivare il ragionamento, usa l’apposito interruttore documentato invece di impostare il budget a zero. Conserva il ragionamento storico in un campo dedicato, anziché concatenarlo al testo della risposta.
Cosa garantisce il gateway
La guida di AIHubMix a Qwen4-Max elenca qwen4-max per Chat Completions, ma indica come non verificate le funzionalità supportate. Il supporto di Alibaba per strumenti, output strutturato, Responses e Messages non dimostra che ogni modalità funzioni attraverso questo gateway.
Alibaba documenta anche la cache esplicita di Qwen4, inclusi i punti di interruzione automatici e una TTL di 5 minuti o 1 ora. I sovrapprezzi per la scrittura e gli addebiti separati per la lettura richiedono una contabilità a parte. I riepiloghi facoltativi del ragionamento richiedono di conservare la cronologia crittografata. Verifica questi controlli sul percorso che intendi usare prima di farci affidamento per risparmiare o gestire le interazioni su più turni.
Inizia con un piccolo insieme di attività reali: una modifica a un repository, una domanda su un documento lungo e un caso visivo, se la tua applicazione usa immagini. Mantieni invariati prompt, strumenti e criteri di accettazione. Registra i risultati accettati, il totale dei token, compresi quelli dei nuovi tentativi, e gli errori. Continua a tenere disponibile Qwen3.8-Max finché il sostituto non supera i test. La pagina di confronto di AIHubMix aiuta a verificare le specifiche e i prezzi riportati; sono i tuoi test di accettazione a determinare se l’aggiornamento è valido.
FAQ
Qwen4-Max costa meno di Qwen3.8-Max?
Alle tariffe ufficiali di Singapore, input e output standard costano entrambi il 25% in meno. Il risparmio effettivo dipende dall’uso di token e dai nuovi tentativi.
La finestra di contesto aumenta?
No. Entrambi indicano una finestra di contesto da 1,000,000 token.
Qwen4-Max raddoppia il limite di output?
I limiti indicati si riferiscono ad ambiti diversi. Qwen4-Max pone un limite complessivo di 262,144 token per ragionamento e risposta; i 131,072 di Qwen3.8-Max riguardano la risposta.
Si può mantenere la vecchia impostazione max_tokens?
Prima, controllala. In Qwen4-Max il limite include il ragionamento, quindi un valore pensato per la sola risposta potrebbe non essere sufficiente.
È cambiato il livello di ragionamento predefinito?
Sì: in Qwen4-Max passa da xhigh, usato in Qwen3.8-Max, a high. Anche alcune mappature di compatibilità sono diverse.
È consigliabile spostare subito tutto il traffico di produzione?
Procedi dopo aver verificato le attività rappresentative e le funzionalità richieste del gateway. La riduzione di prezzo documentata non dimostra un miglioramento della qualità.
Continua a leggere: la serie Qwen4-Max
- Per conoscere le modifiche di configurazione alla base di questa decisione, leggi Migrazione a Qwen4-Max: limiti di output, ragionamento e configurazione degli agenti.
- Per confrontare un altro modello di punta sulla stessa attività relativa a un repository, leggi Qwen4-Max vs Kimi K3.1 Pro: quale agente di coding scegliere?.
Fonti
- Alibaba Cloud: Qwen4-Max e Qwen3.8-Max, limiti e impostazioni predefinite dei modelli.
- Alibaba Cloud: prezzi dei modelli, tariffe in USD per Singapore; il calcolo presuppone un utilizzo identico senza cache.
- Alibaba Cloud: documentazione di Chat Completions, ambito dei limiti di output e parametri di ragionamento.
- Alibaba Cloud: cache di Qwen4 e riepilogo del ragionamento e crittografia, funzionalità del fornitore.
- AIHubMix: guida a Qwen4-Max e guida a Qwen3.8-Max, modelli disponibili tramite il gateway. Fonti verificate il 17 novembre 2026 alle 02:33 UTC; nessun nuovo test di inferenza.



