Qwen3.8-Max에서 Qwen4-Max로 바꾸면 모델 ID 이상의 변화가 생깁니다. 두 모델 모두 컨텍스트 윈도우가 1,000,000토큰이지만, 이전에는 답변 길이에 맞춰 설정하던 출력 한도가 이제 사고에도 사용됩니다. 기본 추론 수준도 달라지며, 에이전트는 도구 호출 간에 추론 기록을 올바르게 보존해야 합니다.
먼저 Chat Completions 요청을 한 번 보내고, 이어서 작은 저장소 작업을 수행해 보세요. 기존 워크플로를 옮기기 전에 답변, 종료 사유, 기록, 결과 diff를 확인하세요.
출력 한도 다시 계산하기
Chat Completions 참조 문서에 따르면 Qwen4-Max의 max_tokens는 max_completion_tokens와 동일하게, 사고와 최종 답변을 합산해 한도를 적용합니다. Qwen3.8-Max의 max_tokens는 답변에만 적용됩니다.
따라서 한도를 300으로 설정해도 사용자에게 보이는 답변에 토큰 300개가 확보되는 것은 아닙니다. 추론에 예산이 먼저 소진되어 답변이 비거나 불완전해질 수 있습니다. HTTP 요청이 성공했더라도 finish_reason: "length"로 끝난 응답은 주의가 필요합니다. 값을 늘리지 않고 매개변수 이름만 바꿔도 달라지는 것은 없습니다.
새 통합에는 max_completion_tokens를 사용하고, 두 부분을 모두 담을 수 있도록 여유를 두세요. Qwen4-Max는 사고 모드에서 사고와 답변을 합쳐 최대 262,144개 출력 토큰을 지원하며, 비사고 모드에서는 최대 131,072개를 지원합니다. 컨텍스트 윈도우가 1,000,000토큰이라고 해서 입력 허용량에 최대 출력량을 더할 수 있는 것은 아닙니다. 입력과 출력은 함께 컨텍스트 한도 안에 들어가야 합니다.
추론 수준 또는 사고 예산 선택하기
Qwen4-Max는 low, high, xhigh를 사용하며, 기본값은 high입니다. 두 제어 항목을 모두 생략하면 high와 사고 예산 131,072토큰이 선택됩니다. 이는 상한이지, 실제로 사용할 토큰 수를 예측한 값은 아닙니다.
기존 설정 중 두 가지는 의미가 달라집니다. high는 이제 high를 뜻하며, Qwen3.8-Max에서처럼 xhigh로 매핑되지 않습니다. medium은 high로 매핑됩니다. 그 밖의 매핑은 minimal에서 low로, max에서 xhigh로, none에서 사고 모드 사용 안 함으로 바뀝니다.
reasoning_effort 또는 thinking_budget 중 하나만 전송하세요. 공식 참조 문서에서는 두 항목을 함께 사용할 수 없다고 명시하며, 예산은 양의 정수여야 합니다. 0으로는 사고 모드를 끌 수 없습니다. 예산만 지정하면 1–4,096은 low, 4,097–131,072는 high, 131,073–262,144는 xhigh를 선택하며, 지정한 예산 값은 그대로 유지됩니다.
명시된 엔드포인트에서 시작하기
AIHubMix 모델 가이드에는 qwen4-max가 POST /v1/chat/completions에 등록되어 있습니다. 아래는 시작을 위한 요청이며, 측정된 결과는 아닙니다.
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."}]
}'
출력 한도는 Alibaba가 문서화한 계약을 따릅니다. 사고 예산 없이 reasoning_effort: "low"를 선택적으로 추가할 수 있습니다. 이 매개변수가 전달되는지는 여기서 측정하지 않았습니다. AIHubMix의 기능 플래그도 아직 확인되지 않았습니다. 설정을 신뢰하기 전에 실제 응답과 사용량을 확인하세요.
에이전트에 필요한 기록 보존하기
전체 사고 내용을 사용하는 경우, 도구를 호출하는 턴을 포함해 이전 assistant 메시지의 reasoning_content와 content를 별도로 보존하세요. Qwen4-Max는 기본적으로 preserve_thinking을 활성화합니다. 반환된 기록은 입력으로 계산되어 요금이 부과됩니다. 표시되는 텍스트만 보존하는 직렬화기는 기록의 일부를 잃게 됩니다.
Alibaba는 사고 요약 및 암호화 기능도 제공합니다. 모든 요청에서 thinking_display: "summarized"를 활성화하면 reasoning_content는 표시용 요약이 되고, encrypted_content에 추론 기록이 담깁니다. 암호문은 변경하지 않고 그대로 다시 전송하세요. 요약으로 대체할 수 없습니다. 스트리밍 클라이언트는 표시할 텍스트가 없는 경우에도 별도의 암호화 프레임을 보존해야 합니다.
이 요약 모드는 Alibaba 문서에 설명되어 있습니다. AIHubMix를 통해 전달되는지는 확인되지 않았으므로, 먼저 일반적인 대화의 연속성을 확인하세요.
비용 절감을 예상하기 전에 캐싱 확인하기
Alibaba의 Qwen4 명시적 캐시는 수동 및 자동 중단점을 지원하며, TTL은 5분 또는 1시간으로 설정할 수 있습니다. 캐시할 접두부는 최소 1,024토큰이어야 합니다. 캐시 쓰기 비용은 일반 입력의 약 125% 또는 200%이므로, 반복해서 쓰는 것이 공짜 절감은 아닙니다.
변하지 않는 시스템 지침, 도구 정의, 저장소 자료를 앞에 두고, 변경되는 질문은 뒤에 배치하세요. 캐시 매개변수를 설정하지 않으면 일반적인 암시적 캐시에서 적중이 보장되지 않습니다. 에이전트에 이점이 있다고 가정하기 전에 캐시 읽기·쓰기 사용량과 청구액을 확인하세요. 이 공급자 캐시 제어 기능은 AIHubMix를 통해 측정되지 않았습니다.
코딩 도구: 완전한 작업 하나로 확인하기
설치와 인증은 AIHubMix Qwen Code 가이드를 따르세요. OPENAI_BASE_URL=https://aihubmix.com/v1, OPENAI_MODEL=qwen4-max를 설정하고, OPENAI_API_KEY로 키를 제공하세요. /status를 사용해 선택된 모델을 확인하고, 클라이언트의 컨텍스트 및 출력 설정도 살펴보세요.
Claude Code에는 Anthropic Messages가 필요하고, Codex에는 Responses가 필요합니다. Alibaba는 해당 프로토콜을 문서화했지만, AIHubMix의 Qwen4-Max 가이드에는 Chat Completions만 나와 있습니다. 이 게이트웨이에서 해당 프로토콜을 사용할 수 있는지는 여기서 확인되지 않았습니다.
임시 저장소에서 다음 마이그레이션 체크리스트를 진행하세요.
- 모델과 엔드포인트를 확인하고, 기본 요청의 답변 텍스트,
finish_reason, 사용량을 살펴보세요. - 기존 답변 전용 한도와 서로 충돌하는 사고 제어 설정을 제거하세요. 응답이 잘리면 예산을 늘려 다시 시도하고, 완전한 답변인지 확인하세요.
- 두 파일에 걸친 실패 테스트 하나를 수정하세요. 실제 도구 호출이 완료되고, 테스트가 통과하며, diff에 의도한 변경만 포함되어야 성공입니다.
- 첫 번째 턴에 의존하는 후속 질문을 하세요. 저장된 assistant/tool 기록과 압축 여부를 살펴보고, 필요한 컨텍스트가 유지되는지 확인하세요.
- 선택한 추론 수준으로 다시 실행하세요. 승인된 패치, 총 토큰 수, 재시도 횟수를 비교하세요. 반복 비용을 추정하기 전에 캐시 사용량을 별도로 확인하세요.
자주 묻는 질문
AIHubMix에서 어떤 모델 ID를 사용해야 하나요?
명시된 Chat Completions 엔드포인트에서 qwen4-max를 사용하세요.
요청이 성공했는데도 답변이 불완전할 수 있는 이유는 무엇인가요?
사고와 답변이 출력 한도를 공유하기 때문입니다. finish_reason이 length인지 확인하고, 필요하면 합산 한도를 늘리세요.
max_completion_tokens로 바꾸면 잘림 문제가 해결되나요?
그것만으로는 해결되지 않습니다. Qwen4-Max에서 max_tokens와 의미가 같으므로 충분한 여유를 두도록 값을 설정해야 합니다.
추론 수준과 사고 예산을 함께 설정할 수 있나요?
아니요. 둘 중 하나를 선택하세요. 사고 예산은 양수여야 합니다. 사고 모드를 끄려면 reasoning_effort none을 사용하세요.
사고 요약을 추론 기록으로 다시 보내야 하나요?
아니요. 요약 모드에서는 encrypted_content를 변경하지 않고 보존해 다시 보내세요. 표시용 요약은 이를 대체할 수 없습니다.
Claude Code나 Codex가 AIHubMix를 통해 작동한다고 가정해도 되나요?
이 모델에서 필요한 프로토콜을 사용할 수 있는지는 여기서 확인되지 않았습니다. 먼저 해당 엔드포인트와 완전한 도구 워크플로를 확인하세요.
계속 읽기: Qwen4-Max 시리즈
- 마이그레이션으로 비용을 감수할 가치가 있는지 판단하려면 Qwen4-Max vs Qwen3.8-Max: 업그레이드할 가치가 있을까?를 읽어보세요.
- 같은 저장소 작업에 사용할 모델을 선택하려면 Qwen4-Max vs Kimi K3.1 Pro: 어떤 코딩 에이전트를 사용해야 할까?를 읽어보세요.
출처
- Alibaba Cloud: Qwen4-Max 모델 사양 및 Qwen3.8-Max.
- Alibaba Cloud: Chat Completions 매개변수.
- Alibaba Cloud: 사고 요약 및 암호화.
- Alibaba Cloud: Qwen4 명시적 캐시.
- AIHubMix: Qwen4-Max 모델 가이드 및 Qwen Code 설정.
출처 확인일: 2026년 11월 17일. 이 글을 위해 유료 추론 테스트를 진행하지 않았습니다.



