Qwen4-Maxの移行:出力上限、思考、エージェントの設定

AIHubMix約 4 分で読めます
Qwen4-Maxの移行:出力上限、思考、エージェントの設定

Qwen3.8-MaxからQwen4-Maxへの移行では、モデル ID以外も変更が必要です。どちらも100万トークンのコンテキストを備えていますが、これまで回答用に設定していた出力上限で、思考分もまかなうことになります。デフォルトのeffortも変わり、エージェントではツール呼び出しをまたいで推論履歴を正しく保持する必要があります。

まずChat Completionsリクエストを1つ送信し、次に小規模なリポジトリタスクを1つ実行します。既存のワークフローを移行する前に、回答、終了理由、履歴、生成された差分を確認してください。

出力上限を再計算する

Chat Completionsのリファレンスでは、Qwen4-Maxのmax_tokensはmax_completion_tokensと同じ意味で、どちらも思考と最終回答の合計に上限を設定します。Qwen3.8-Maxのmax_tokensは回答のみが対象です。

そのため、上限を300にしても、表示される回答に300トークンが確保されるわけではありません。先に推論が予算を消費し、回答が空になったり、不完全になったりする可能性があります。HTTPリクエストが成功していても、finish_reason: "length"で終わったレスポンスには注意が必要です。値を増やさずにパラメーター名だけ変更しても何も変わりません。

新しい統合ではmax_completion_tokensを使用し、思考と回答の両方に十分な余裕を持たせてください。Qwen4-Maxは、思考モードで合計最大262,144トークン、非思考モードで最大131,072トークンの出力に対応しています。コンテキストウィンドウは1,000,000トークンですが、これに最大出力トークン数を追加できるわけではありません。入力と出力を合わせてコンテキストに収める必要があります。

effortまたは思考予算を選択する

Qwen4-Maxが対応する値はlow、high、xhighで、デフォルトはhighです。どちらの制御も省略すると、highと131,072トークンの思考予算が選択されます。これは上限であり、実際に使用されるトークン数の予測ではありません。

引き継いだ設定のうち、意味が変わるものが2つあります。highは、Qwen3.8-Maxのようにxhighへ対応付けられるのではなく、highを意味するようになりました。また、mediumはhighに対応付けられます。その他の対応関係は、minimalからlow、maxからxhigh、noneから思考無効です。

いずれか一方のreasoning_effortまたはthinking_budgetを指定してください。公式リファレンスでは両方を同時に指定することは禁止されており、予算は正の整数でなければなりません。0を指定しても思考モードは無効になりません。予算のみを指定した場合、1–4,096ではlow、4,097–131,072ではhigh、131,073–262,144ではxhighが選択され、指定した予算はそのまま保持されます。

掲載されているエンドポイントから始める

AIHubMixのモデルガイドでは、qwen4-maxがPOST /v1/chat/completionsに掲載されています。以下は開始用のリクエストであり、実測結果ではありません。

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."}]
  }'

出力上限はAlibabaが公開している仕様に基づいています。思考予算を指定せずにreasoning_effort: "low"を追加することもできますが、パラメーターが転送されるかはここでは実測していません。AIHubMixの機能フラグも未検証です。設定を信頼する前に、実際のレスポンスと使用量を確認してください。

エージェントに必要な履歴を保持する

思考をすべて保持する場合、ツールを呼び出すターンも含め、過去のassistantメッセージのreasoning_contentはcontentと分けて保存してください。Qwen4-Maxではpreserve_thinkingがデフォルトで有効になっており、返された履歴は入力としてカウントされ、課金対象になります。表示されるテキストだけを保存するシリアライザーでは、履歴の一部が失われます。

Alibabaは思考の要約と暗号化にも対応しています。すべてのリクエストでthinking_display: "summarized"を有効にすると、reasoning_contentは表示用の要約になり、encrypted_contentに推論履歴が格納されます。暗号文は変更せずに再送してください。要約で代用することはできません。ストリーミングクライアントは、表示テキストがない場合でも、暗号化されたフレームを別途保持する必要があります。

この要約モードはAlibabaのドキュメントに記載されています。AIHubMix経由で利用できるかは未検証のため、まず通常の会話履歴が維持されることを確認してください。

コスト削減を見積もる前にキャッシュを確認する

AlibabaのQwen4向け明示的キャッシュは、手動ブレークポイントと自動ブレークポイントに対応し、TTLは5分または1時間です。キャッシュするプレフィックスは少なくとも1,024トークン必要です。キャッシュ書き込みの料金は通常の入力料金の約125%または200%であり、繰り返しの書き込みが無料の節約になるわけではありません。

変わらないシステム指示、ツール定義、リポジトリの情報を先に置き、その後に変化する質問を続けます。キャッシュパラメーターを設定しない場合、通常の暗黙的キャッシュではキャッシュヒットが保証されません。エージェントに効果があると想定する前に、キャッシュの読み書き使用量と請求額を確認してください。これらのベンダー提供のキャッシュ制御は、AIHubMix経由では実測していません。

コーディングツール:タスクを最後まで実行して確認する

インストールと認証は、AIHubMixのQwen Codeガイドに従ってください。OPENAI_BASE_URL=https://aihubmix.com/v1、OPENAI_MODEL=qwen4-maxを設定し、OPENAI_API_KEY経由でキーを渡します。/statusで選択されているモデルを確認し、クライアントのコンテキストと出力の設定も確認してください。

Claude CodeはAnthropic Messagesを、CodexはResponsesを必要とします。Alibabaはこれらのプロトコルをドキュメントに記載していますが、AIHubMixのQwen4-Maxガイドに掲載されているのはChat Completionsのみです。これらがこのゲートウェイ経由で利用できるかは、ここでは確認できていません。

スクラッチリポジトリで、次の移行チェックリストを順に実行してください。

  1. モデルとエンドポイントを確認し、基本リクエストの回答テキスト、finish_reason、使用量を確認します。
  2. 引き継いだ回答のみを対象とする上限や、競合する思考制御を削除します。回答が途中で切れた場合は、余裕を増やして再試行し、回答が最後まで揃っていることを確認します。
  3. 2つのファイルにまたがる失敗テストを1つ修正します。実際のツール呼び出しが完了し、テストに合格し、意図した変更のみが差分に含まれていれば成功です。
  4. 最初のターンに依存するフォローアップを行います。保存されたassistant/tool履歴と、コンパクションの有無を確認し、必要なコンテキストが保持されていることを確かめます。
  5. 選択したeffortで再度実行します。適用されたパッチ、合計トークン数、再試行回数を比較します。継続的なコストを見積もる前に、キャッシュ使用量を個別に確認してください。

FAQ

AIHubMixではどのモデル IDを使えばよいですか?
掲載されているChat Completionsエンドポイントでqwen4-maxを使用してください。

リクエストが成功しているのに回答が不完全な場合があるのはなぜですか?
思考と回答で出力上限を共有するためです。finish_reasonがlengthになっていないか確認し、必要に応じて合計上限を増やしてください。

max_completion_tokensに切り替えれば、途中で切れる問題は解決しますか?
それだけでは解決しません。Qwen4-Maxではmax_tokensと同じ意味なので、十分な余裕が残る値を指定する必要があります。

effortと思考予算を同時に設定できますか?
いいえ。どちらか一方を選んでください。思考予算は正の値にする必要があります。思考を無効にするには、reasoning_effortにnoneを指定してください。

思考の要約を推論履歴として再送すべきですか?
いいえ。要約モードでは、encrypted_contentを変更せずに保持して再送してください。表示用の要約で代用することはできません。

Claude CodeやCodexがAIHubMix経由で使えると考えてよいですか?
このモデルで必要なプロトコルが利用できるかは、ここでは確認できていません。まず該当するエンドポイントと、ツールを使うワークフロー全体が完了することを確認してください。

続けて読む:Qwen4-Maxシリーズ

出典

  1. Alibaba Cloud:Qwen4-Maxのモデル仕様およびQwen3.8-Max。
  2. Alibaba Cloud:Chat Completionsのパラメーター。
  3. Alibaba Cloud:思考の要約と暗号化。
  4. Alibaba Cloud:Qwen4向け明示的キャッシュ。
  5. AIHubMix:Qwen4-MaxのモデルガイドおよびQwen Codeのセットアップ。

出典の確認日:2026年11月17日。本記事では有料の推論テストを実施していません。

ひとつのゲートウェイで複数のAIプロバイダーへ。 本番運用のために設計。

AIHubMix公式サイトへ