Qwen4-Max-Preview API: 1M 컨텍스트, max_tokens 변경, 11월 25일 종료

Alibaba는 2026년 11월 11일 차세대 Qwen 패밀리 플래그십인 Qwen4-Max-Preview를 공개했습니다. Alibaba에서는 코딩 도구용 Token Plan 구독으로만 이용할 수 있으며, 사용량에 따른 결제 옵션은 없습니다. 프리뷰는 11월 25일 24:00(UTC+8)에 종료되며, 이후 Alibaba는 모델 지원을 중단합니다.

AIHubMix는 이를 토큰별 API로 제공하는 첫 번째 플랫폼입니다. 출시 당일부터 OpenAI 호환 엔드포인트에서 coding-qwen4-max-preview로 제공해 왔으며, 입력 토큰 100만 개당 $0.353, 출력 토큰 100만 개당 $1.059입니다. 에이전트에 연결하기 전에 기존 코드를 깨뜨릴 수 있는 한 가지 변경 사항을 알아두세요. 이 모델에서는 max_tokens가 사고와 답변을 합친 토큰 수를 제한합니다. AIHubMix에서는 300토큰 제한을 설정했을 때 빈 응답이 반환됐습니다.

핵심 요약

• 무엇인가: Alibaba의 차세대 플래그십 멀티모달 모델이며, 11월 11일 기준 Alibaba 모델 목록에 있는 유일한 Qwen4 모델입니다. 코딩, 프런트엔드 디자인, 사무 업무, 에이전트 작업을 겨냥합니다. 텍스트, 이미지, 동영상을 입력으로 받고, 1M 토큰 컨텍스트와 최대 393,216개의 출력 토큰을 지원합니다.
• 어디서 호출할 수 있나: Alibaba에서는 Token Plan 구독을 통해서만 이용할 수 있습니다. AIHubMix에서는 모델 ID coding-qwen4-max-preview를 사용하는 토큰별 API로 제공됩니다.
• 이용 기간: Alibaba의 프리뷰는 2026년 11월 25일 24:00(UTC+8), 즉 같은 날 16:00 UTC까지 진행됩니다.
• 주의할 변경 사항: max_tokens가 사고와 답변을 함께 제한합니다. 답변에 필요한 토큰만 고려해 설정하면 finish_reason: "length"와 빈 content가 반환될 수 있습니다.
• 가격: Alibaba는 토큰별 가격을 공개하지 않았습니다. AIHubMix에서는 입력 토큰 100만 개당 $0.353, 출력 토큰 100만 개당 $1.059입니다.

두 가지 이용 경로와 종료일

Alibaba의 모델 페이지에는 이용 조건이 명시되어 있습니다. Qwen4-Max-Preview는 “Token Plan을 통해서만 이용할 수 있습니다. 사용량에 따른 결제는 지원하지 않습니다.” Token Plan은 Claude Code, Qwen Code, Qoder 같은 AI 코딩 및 에이전트 도구용 Alibaba Cloud 구독 서비스입니다. 공개된 토큰별 요금 없이 Credits로 청구되며, 개인용 플랜은 월 $6부터 시작합니다. 프리뷰 기간에는 Alibaba가 Qwen4-Max-Preview에 표준 Credit 요금의 최저 20%를 부과하고, 22:00~08:00(UTC+8)에는 8%를 부과합니다.

AIHubMix를 통한 이용이 다른 경로입니다. OpenAI 호환 엔드포인트에서 다른 모델과 똑같이 호출하고 토큰별로 결제하면 되며, 구독은 필요하지 않습니다. AIHubMix는 이를 공식 Token Plan을 통한 Qwen4-Max-Preview의 저렴한 이용 경로로 소개하며, “불안정할 수 있으므로 테스트 및 평가용으로 권장”되는 프리뷰 서비스로 표시합니다.

프리뷰 일정은 확정되어 있습니다. 2026년 11월 11일 10:00부터 11월 25일 24:00(UTC+8)까지 총 350시간 진행됩니다. Alibaba는 “이 기간에는 변경 사항이 없으며, 프리뷰가 종료된 후 모델 지원이 중단됩니다”라고 밝혔습니다. 제품을 구축할 모델이 아니라 평가용 모델로 취급하세요.

Qwen3.8-Max에서 달라진 점

Qwen3.8-Max는 현재 Qwen 플래그십 모델이며, 지원 중단일은 발표되지 않았습니다. Alibaba가 공개한 사양을 기준으로 두 모델을 비교하면 다음과 같습니다.

Alibaba Cloud 모델 페이지 및 API 레퍼런스의 사양입니다. Qwen4-Max-Preview의 출력 한도는 사고와 최종 답변이 공유합니다.

컨텍스트와 입력은 그대로입니다. 두 가지가 달라집니다. 출력 한도가 세 배로 늘어나고, max_tokens가 사고뿐 아니라 답변도 제한합니다. 사고 제어 설정의 이름과 수준은 그대로이므로, Qwen3.8에서 reasoning_effort를 설정해 둔 코드는 그대로 사용할 수 있습니다.

아직 벤치마크 결과는 없습니다. Alibaba의 출시 페이지에는 점수가 없으며, 11월 11일 기준으로 이 프리뷰에 대한 독립 벤치마크도 찾지 못했습니다. TechNode의 보도 같은 출시 관련 기사도 테스트 결과가 아닌 사양을 다시 소개합니다. 점수가 공개되기 전까지는 직접 작업을 수행해 보고 평가하세요.

가격과 실제 비용

Alibaba는 Qwen4-Max-Preview의 토큰별 가격을 공개하지 않았습니다. 공식 이용 경로는 Credits로 청구되는 Token Plan뿐입니다. AIHubMix에서는 토큰별로 요금이 부과되며, 입력 토큰 100만 개당 $0.353, 출력 토큰 100만 개당 $1.059, 캐시된 입력 토큰 100만 개당 $0.0441입니다.

구체적인 비용을 계산하기 위해 코딩 에이전트 세션 하나를 가정해 보겠습니다. 다음은 측정값이 아니라 가정입니다. 40회 대화에서 매번 입력 토큰 60,000개를 보내며, 그중 저장소 접두부 50,000개는 캐시된 것으로 가정합니다. 매번 사고 토큰을 포함해 출력 토큰 3,000개를 생성합니다.

이 채널에 대해 AIHubMix가 공개한 가격을 기준으로 추정했습니다. 캐시 적중은 보장되지 않으며, AIHubMix는 이 채널에서 캐시 적중을 측정하지 않았습니다. 캐시 적중이 없으면 같은 세션의 비용은 약 $0.974입니다.

실제 비용에는 두 가지 세부 사항이 영향을 줍니다. 첫째, 사고도 출력에 포함됩니다. AIHubMix 사용량 데이터에서 추론 토큰은 completion_tokens에 포함되며, 사고 모드는 기본적으로 xhigh로 실행됩니다. 따라서 매회 출력 토큰 3,000개 중 상당수가 추론에 사용될 수 있습니다. 둘째, Alibaba는 이 모델에서 기본적으로 preserve_thinking을 활성화합니다. 클라이언트가 이전 대화의 사고 내용을 reasoning_content로 다시 보내면 모델이 이를 읽으며, Alibaba 문서에 따르면 “입력 토큰 수에 포함되어 요금이 부과됩니다.” 따라서 긴 에이전트 세션에서는 눈에 보이는 대화 내용만으로 짐작하는 것보다 입력 토큰이 더 빠르게 늘어납니다.

max_tokens 변경 사항: 나타나는 현상과 해결 방법

기존에 잘 작동하던 통합을 깨뜨릴 가능성이 가장 큰 변경 사항입니다. 11월 2일자 Alibaba API 호환성 공지에서 이 변경을 발표했으며, 모델 페이지에도 같은 내용이 있습니다.

qwen4-max-preview부터 max_tokens는 max_completion_tokens와 동일하게 작동합니다. 두 매개변수 모두 사고와 최종 답변의 토큰 수 합계를 제한합니다. 사고가 같은 한도에서 일부를 사용하므로, 이전에 답변에 필요한 토큰만 기준으로 설정한 한도에서는 출력이 잘릴 수 있습니다.

Qwen3.8-Max에서는 max_tokens가 답변만 제한하며 사고는 그 한도에 포함되지 않습니다. 짧은 답변을 위해 max_tokens: 300으로 설정한 코드는 잘 작동했습니다. 하지만 Qwen4-Max-Preview에서는 같은 300개 토큰으로 추론까지 처리해야 합니다.

AIHubMix는 2026년 11월 11일 다음 요청을 실행했습니다.

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."}]
  }'

HTTP 200 응답이 돌아왔지만, 표시할 내용은 없었습니다.

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

(관련 필드만 남기고 생략했습니다.)

300개 토큰이 모두 추론에 사용되어 답변이 시작되지 않았습니다. 오류가 발생하지 않으므로 content만 읽는 클라이언트에는 빈 문자열이 반환되고, 이를 유효한 응답으로 취급할 수 있습니다. 같은 프롬프트에 max_tokens: 16384를 설정하자 정상적으로 완료됐습니다. completion 토큰은 1,206개였고, 그중 608개가 추론 토큰이었으며, 정답은 네 쌍이었습니다.

해결 방법:

1. 사고와 답변을 모두 고려해 한도를 설정하세요. 기존의 답변 전용 제한을 없애거나, 답변에 필요한 양보다 훨씬 크게 설정하세요. Alibaba는 max_tokens를 “폐기 예정”으로 표시하고 새 통합에는 max_completion_tokens를 권장합니다. 이 모델에서는 두 매개변수가 같은 의미이므로 이름만 바꿔서는 해결되지 않습니다. AIHubMix에서 max_completion_tokens: 300을 설정해도 똑같이 빈 응답이 반환됐습니다.
2. 짧은 답변이 필요하면 사고를 직접 제한하세요. reasoning_effort를 low로 설정하거나 none으로 설정해 사고를 끄세요. AIHubMix 테스트에서 none은 짧은 코딩 프롬프트에 추론 없이 completion 토큰 43개로 답했습니다.
3. 모든 호출에서 finish_reason을 확인하세요. "length"와 빈 content가 함께 반환되면 답변으로 취급하지 말고, 한도를 늘려 재시도해야 합니다.

알아두면 좋은 사고 제어 설정

사고 모드는 기본적으로 켜져 있습니다. Alibaba의 Chat Completions 레퍼런스에 자세한 내용이 나와 있습니다.

• 수준: low, medium, xhigh(기본값)입니다. OpenAI 스타일 값은 다음과 같이 매핑됩니다. max와 high는 xhigh로, minimal은 low로 변환되며, none은 사고를 끕니다. 그 밖의 값을 사용하면 오류가 반환됩니다.
• 토큰 한도: thinking_budget을 설정하지 않으면 수준에 따라 사고 토큰 한도가 4,096(low), 16,384(medium), 262,144(xhigh)로 매핑됩니다. 아무 설정도 하지 않으면 같은 페이지에서는 기본값이 xhigh이고 토큰 한도는 131,072라고 설명합니다. 이 매핑에 따르면 xhigh를 명시적으로 보내면 기본 사고 토큰 한도의 최대 두 배까지 허용됩니다. 이는 문서에 설명된 내용이며, AIHubMix는 이를 측정하지 않았습니다.
• 함께 설정하지 마세요: Alibaba 문서에 따르면 reasoning_effort와 thinking_budget을 함께 설정하면 오류가 발생합니다. 두 값을 모두 보낸 AIHubMix 테스트에서는 정상 응답이 반환되어 해당 채널에서는 두 설정을 거부하지 않을 수 있지만, 어떤 설정이 적용되는지는 문서에 나와 있지 않습니다. 둘 중 하나만 보내세요.
• 멀티턴 대화: 이전 사고 내용은 각 assistant 메시지의 reasoning_content 필드에 넣어 전달하고, content 안에는 넣지 마세요. 이를 제외해도 오류는 발생하지 않지만, 다시 보내면 입력으로 요금이 부과됩니다.

AIHubMix에서는 low와 none을 사용할 수 있었으며, 사고 내용은 reasoning_content로 반환됐습니다.

코딩 도구

이 모델은 코딩 에이전트용으로 만들어졌습니다. AIHubMix를 통해 널리 쓰이는 도구에서 어떻게 사용할 수 있는지 살펴보겠습니다.

• Claude Code은 Anthropic Messages API를 사용합니다. AIHubMix 모델 페이지에는 /v1/chat/completions만 나와 있지만, 이 모델 ID로 AIHubMix의 /v1/messages에 테스트 요청을 한 번 보냈더니 사고 블록과 텍스트 블록이 분리된 정상 응답이 돌아왔습니다. 도구를 사용하지 않은 단일 요청일 뿐, Claude Code 세션을 실행한 것은 아닙니다. Claude가 아닌 모델로 Claude Code를 실행하는 방법은 AIHubMix가 별도로 안내합니다. 모든 LLM에서 Claude Code 사용하기: @aihubmix/claude-code 패키지를 설치하고 ~/.aihubmix-claude-code/config.json의 Router 아래에 있는 default, think, longContext를 coding-qwen4-max-preview로 설정한 다음 acc start와 acc code를 실행하면 됩니다. 이 모델로 해당 설정을 실행해 보지는 않았으니, 먼저 아래 스모크 테스트를 진행해 보세요. Anthropic 문서에서는 게이트웨이를 통해 Claude가 아닌 모델을 Claude Code로 연결하는 방법을 지원하지 않으므로, 이 설정은 Anthropic 측에서 지원되지 않습니다.
• Qwen Code는 OpenAI 호환 엔드포인트를 통해 연결합니다. OPENAI_BASE_URL=https://aihubmix.com/v1, OPENAI_MODEL=coding-qwen4-max-preview로 설정하면 됩니다. 다만 Qwen Code의 소스 코드에서 한 가지 주의할 점을 확인할 수 있습니다. 컨텍스트 크기 표에서는 qwen4로 시작하는 ID에 1M 윈도우를 지정합니다. 사용하는 ID는 coding-으로 시작해 표의 어느 항목에도 해당하지 않으므로 기본값인 200,000토큰을 사용합니다. 이는 코드 내용을 바탕으로 판단한 것이며, 직접 실행해 측정한 결과는 아닙니다. 따라서 Qwen Code가 1M에 훨씬 못 미치는 시점에 대화를 압축할 수 있습니다. 전체 길이를 사용하려면 ~/.qwen/settings.json에서 model.generationConfig.contextWindowSize를 1000000으로 설정하세요.
• OpenCode, Cline, Cursor 등 OpenAI 호환 도구: 동일한 기본 URL과 ID로 사용자 지정 모델을 추가하세요. 각 도구에서 두 가지 설정을 확인해야 합니다. 새 ID에 대해 도구가 모르는 경우가 많은 컨텍스트 윈도우와 도구가 전송하는 기본 max_tokens 값입니다. 기본값이 낮으면 이제 사고에 쓸 토큰이 줄어듭니다.

실제 저장소에서 사용하기 전에 15분간 스모크 테스트를 진행하세요.

1. Chat Completions 요청을 한 번 보내 reasoning_content와 비어 있지 않은 content가 반환되는지 확인하세요.
2. 임시 저장소에서 에이전트에게 간단한 작업을 시키세요. 파일 두 개에 걸친 실패한 단위 테스트 하나를 수정하도록 합니다. 테스트가 통과하고 변경 사항이 필요한 부분에만 적용되면 성공입니다.
3. 도구 로그나 사용량 화면에서 finish_reason: "length"가 표시되는지 확인하세요. 표시된다면 출력 한도를 높이거나 reasoning_effort를 낮추세요.
4. reasoning_effort: "low"로 같은 작업을 반복하고 소요 시간과 출력 토큰을 비교하세요. 이를 통해 일상적으로 사용할 수준을 정할 수 있습니다.

Alibaba는 이 모델의 도구 호출과 구조화된 출력을 문서화했습니다. AIHubMix는 아직 이 채널의 기능 플래그를 공개하지 않았으며, 모델 가이드에는 기능 플래그가 없다는 것은 “미지원이 아니라 미검증”이라는 설명이 있습니다. 2단계에서 도구 호출을 확인하세요.

전환해야 할까요?

코딩 에이전트를 사용하며 자신의 코드로 차세대 Qwen을 시험해 보고 싶거나, Qwen4를 기준으로 계획을 세울지 고민 중이라면 지금 테스트해 보세요. AIHubMix 채널 가격 기준으로 위와 같은 세션은 1달러 미만이며, Alibaba의 프리뷰는 11월 25일에 종료됩니다.

안정적인 동작, 공개된 벤치마크 또는 장기적인 사용 가능성이 필요하다면 기다리세요. 프리뷰에는 불안정하다고 표시되어 있으며, Alibaba는 프리뷰가 끝나면 모델을 폐기합니다. 프리뷰 이후에 무엇이 나올지, 가격은 얼마일지, 동작이 동일할지는 Alibaba가 아직 밝히지 않았습니다.

프로덕션 환경에서는 Qwen3.8-Max를 계속 사용하세요. 동일한 1M 컨텍스트를 제공하고, 공식 종량제 가격이 있으며, 지원 중단 일정도 발표되지 않았습니다. 이 모델에서는 max_tokens 설정이 기존과 같은 의미로 유지됩니다.

두 모델을 모두 시험한다면 AIHubMix의 나란히 비교 페이지에서 사양과 가격을 확인할 수 있습니다. 같은 AIHubMix 키로 두 모델 중 어느 쪽이든 호출할 수 있으며, 모델 ID만 바꾸면 됩니다.

자주 묻는 질문

Qwen4-Max-Preview를 종량제 API로 이용할 수 있나요?
Alibaba에서는 이용할 수 없습니다. Token Plan 구독으로만 제공됩니다. AIHubMix는 이를 토큰 단위로 제공한 첫 플랫폼이며, 모델 ID는 coding-qwen4-max-preview, 가격은 입력 토큰 100만 개당 $0.353, 출력 토큰 100만 개당 $1.059입니다.

Alibaba는 Qwen4-Max-Preview를 언제 폐기하나요?
Alibaba의 프리뷰는 2026년 11월 25일 24:00(UTC+8), 즉 16:00 UTC에 종료됩니다. Alibaba는 프리뷰 종료 후 모델을 폐기한다고 밝혔습니다.

요청에 빈 응답이 반환되는 이유는 무엇인가요?
max_tokens가 너무 작기 때문일 가능성이 높습니다. 이 모델에서는 max_tokens가 사고와 답변을 함께 제한하므로, 추론 과정에서 예산을 모두 소진할 수 있습니다. finish_reason이 "length"인지 확인한 다음, 제한을 높이거나 reasoning_effort를 낮추세요.

컨텍스트 윈도우와 최대 출력 길이는 얼마인가요?
Alibaba는 1M 토큰 컨텍스트와 최대 393,216 출력 토큰을 명시하고 있습니다. 사고와 최종 답변은 출력 한도를 함께 사용합니다.

사고를 끄거나 줄이려면 어떻게 하나요?
사고를 줄이려면 reasoning_effort를 low 또는 medium으로 설정하고, 끄려면 none으로 설정하세요. reasoning_effort와 thinking_budget 중 하나만 전송하세요. Alibaba는 두 값을 함께 사용하면 오류가 발생한다고 안내하며, AIHubMix 채널에서 어느 값이 적용되는지는 문서에 나와 있지 않습니다.

Qwen4-Max-Preview가 Qwen3.8-Max보다 나은가요?
아직 답을 내릴 수 있는 공개 벤치마크가 없습니다. Alibaba의 출시 페이지에는 기능과 한도만 있고 점수는 없으며, 2026년 11월 11일 기준으로 독립적인 벤치마크도 찾지 못했습니다. 따라서 직접 사용하는 작업으로 두 모델을 비교해 보세요.

Claude Code에서 작동하나요?
AIHubMix는 Claude가 아닌 모델로 Claude Code를 실행하는 설정을 안내하지만, Anthropic은 이를 지원하지 않습니다. 이 모델로는 AIHubMix의 Anthropic 호환 Messages 엔드포인트에 요청을 한 번 보내 사고 블록과 텍스트 블록이 반환되는 것만 확인했습니다. 긴 세션에 의존하기 전에 도구를 사용하는 짧은 스모크 테스트를 진행하세요.

출처

1. Alibaba Cloud Model Studio: Qwen4-Max-Preview (2026년 11월 11일 확인)
2. Alibaba Cloud Model Studio: Chat Completions API 참조 문서
3. Alibaba Cloud Model Studio: Token Plan (Personal Edition) (2026년 11월 11일 확인)
4. Alibaba Cloud Model Studio: Qwen3.8-Max (2026년 11월 11일 확인)
5. AIHubMix: Coding Qwen4 Max Preview (가격은 2026년 11월 11일 확인, 실시간 테스트는 10:22–10:48 UTC에 진행)