Qwen3.8 gratis op AIHubMix: 429-fouten, "Rate Limited by Provider" en een leeg tokenbudget

De meeste problemen met qwen3.8-max-free en qwen3.8-flash-free komen uit drie bronnen: de limieten van de gratis tier, de campagnecapaciteit die GMI Cloud upstream heeft gereserveerd, en hoe snel denk-tokens en agentcontext een dagelijks pool van 1M tokens leegtrekken. Sommige hiervan zijn zichtbaar als fouten. Andere zijn zichtbaar als een vreemd antwoord, of als een lege quota tegen de lunch. Daarnaast gelden de gewone API-fouten nog steeds: een verkeerde sleutel of model-ID, een context die te lang is, een kapotte tool-call-geschiedenis, JSON-modus en contentmoderatie.

Voor elk probleem is er een oplossing, en één instelling dekt de meeste ervan: key-level fallback van de gratis ID's naar de betaalde qwen3.8-max en qwen3.8-flash. Stel dit één keer in, en een overbelaste upstream, een opgebruikte quota of het einde van de campagne rond 13 november 2026 (Pacific Time) wordt geen storing meer.

Snel overzicht

Fouten van de gratis tier en de campagne

429 door de limieten van de gratis tier

Wat je ziet. Na een opwaardering van $1 of meer staan AIHubMix-gratismodellen 10 verzoeken per minuut, 100 per dag en 1M tokens per dag toe, gedeeld over de hele gratiscatalogus. "Na een limiet geeft de API 429 tot de volgende minuut of dag begint", volgens de pagina met gratis modellen. In AIHubMix' referentie voor HTTP-statuscodes staat voor 429 bij het aantal verzoeken de melding "The xx model Too many requests; please try again later."

Waarom. De limieten gelden per account, niet per model. Een batchjob op een ander gratis model gebruikt dezelfde minuut en dezelfde dag.

Zo reproduceer je het. Elf snelle verzoeken achter elkaar raken de limiet per minuut. Dit kost 11 van je 100 dagelijkse verzoeken:

for i in $(seq 1 11); do
  curl -s -o /dev/null -w "%{http_code}\n" https://aihubmix.com/v1/chat/completions \
    -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{"model":"qwen3.8-flash-free","messages":[{"role":"user","content":"hi"}],"max_tokens":16}'
done

Als alle 11 binnen één minuut vallen, geeft de eerste tien 200 terug en de elfde 429.

Oplossing. Houd batchjobs onder 10 verzoeken per minuut met een eenvoudige rate limiter. Voor de dagelijkse limiet kun je wachten op de reset, of fallback instellen (zie hieronder), zodat overschot naar het betaalde model gaat.

"Snelheidslimiet bereikt bij provider – neem contact op met support om een hogere gelijktijdigheid aan te vragen of probeer het later opnieuw."

Wat je ziet. In AIHubMix' eigen test op 16 oktober gaf een aanroep van qwen3.8-max-free HTTP 429 met deze body, terwijl dezelfde sleutel gewoon bleef werken op qwen3.8-flash-free:

{"error":{"message":"Model qwen3.8-max-free rate limited by provider – contact support to request higher concurrency or try again later. (tid: …)","type":"service_unavailable","param":"","code":"rate_limit_exceeded"}}

De referentie voor statuscodes van AIHubMix vermeldt dezelfde melding onder 503, dus controleer op beide codes.

Waarom. De gratis ID's draaien op capaciteit die GMI Cloud voor de campagne heeft gereserveerd. Wanneer veel mensen tegelijk Max aanroepen, is die upstream-pool even vol. Het is niet je quota: andere gratis modellen blijven werken met dezelfde sleutel.

Oplossing. Probeer opnieuw met exponentiële backoff (bijvoorbeeld 30, 60 en 120 seconden). Voor verzoeken die niet kunnen wachten, laat je fallback het verzoek naar de betaalde qwen3.8-max sturen. Bewaar de tid als je support contacteert; die identificeert het verzoek.

Een antwoord dat zegt dat je proefperiode op is

Wat je ziet. Geen foutmelding. Een nieuw account krijgt in totaal 10 proefaanroepen, gedeeld over alle gratismodellen. Na de tiende blijft de API antwoorden, maar het antwoord is een melding dat de proefperiode op is. Een app die modeluitvoer aan gebruikers toont, toont hen dan die melding.

Oplossing. Stort $1 of meer bij. Dat zet het account permanent over naar de dagelijkse quota hierboven.

Clienttimeouts op Max

Wat je ziet. Een niet-streamend verzoek naar qwen3.8-max-free hangt en faalt dan met een timeout in je HTTP-client, proxy of tool.

Waarom. Max denkt na voordat het eerste zichtbare token komt. AIHubMix meet ongeveer 55 seconden latentie en ongeveer 9 tokens per seconde op de gratis route, dus een niet-streamend antwoord van 4K tokens duurt ongeveer acht minuten voordat het in één keer aankomt. Alles in het pad met een kortere timeout geeft eerder op. Fallback helpt hier niet: volgens de fallbackregels van AIHubMix activeert een clienttimeout hem niet.

Oplossing. Stream het antwoord, verhoog de clienttimeout (timeout=900 in de OpenAI Python-client dekt lange antwoorden), en gebruik Flash voor alles wat interactief is.

Gewone API-fouten

Niet elke fout op de gratis ID's gaat over limieten. Deze komen even vaak voor, op de gratis en de betaalde ID's. AIHubMix geeft volgens de referentie voor statuscodes de meeste 400-fouten door van het upstreammodel. De gratis ID's draaien op GMI Cloud en de betaalde op Alibaba Cloud, dus de exacte tekst van een 400 kan per route verschillen. De onderstaande meldingen zijn overgenomen uit de referentie van AIHubMix en uit de referentie voor foutcodes van Alibaba Cloud.

401: "Unauthorized – toegangstoken is ongeldig of verlopen."

Waarom. De sleutel is fout, ingetrokken of verlopen. Zonder enige Authorization-header luidt de melding "Unauthorized – no access token supplied; please log in and include a valid token." De gebruikelijke oorzaken zijn een omgevingsvariabele die niet is ingesteld in de shell waarin de code draait, waardoor een lege sleutel wordt verstuurd, of een sleutel van een ander platform, zoals QwenCloud of GMI Cloud, die naar AIHubMix wordt gestuurd.

Oplossing. Controleer de variabele in dezelfde shell: echo ${AIHUBMIX_API_KEY:0:3} moet sk- tonen. AIHubMix-sleutels werken alleen op https://aihubmix.com/v1, en sleutels van andere platforms werken daar niet.

503: "Onjuiste model-ID. Vraag om de modelpagina te bekijken of je hebt geen toestemming om dit model te gebruiken"

Waarom. Model-ID's moeten exact overeenkomen. De gratis ID's zijn qwen3.8-max-free en qwen3.8-flash-free, allemaal in kleine letters, met een koppelteken voor free. ID's die van andere platforms zijn gekopieerd, zoals GMI Cloud's Qwen/Qwen3.8-Max, bestaan niet op AIHubMix. Eén kopieer- en plakfout geeft helemaal geen fout: de ID qwen3.8-max van QwenCloud is een geldige AIHubMix-ID, maar het is het betaalde model, dus het verzoek wordt stilletjes afgerekend.

Zo reproduceer je het.

curl -s https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen-3.8-max-free","messages":[{"role":"user","content":"hi"}]}'

Oplossing. Kopieer de ID van de modelpagina. En omdat dit als 503 terugkomt, zal retry-logica die elke 5xx als tijdelijk behandelt een typfout blijven herhalen; behandel deze melding als permanent.

403: "Forbidden – sleutel (laatste 6 cijfers van de aanvraagsleutel) is niet geautoriseerd om het gevraagde model te openen."

Waarom. AIHubMix-sleutels kunnen worden beperkt tot een lijst met modellen. Een sleutel die voor een ander project is aangemaakt, met een eigen modellijst, kan de Qwen3.8 gratis ID's niet bereiken totdat je ze toevoegt.

Oplossing. Bewerk de sleutel in het beheer van API-sleutels en voeg qwen3.8-max-free en qwen3.8-flash-free toe. Als je fallback instelt, voeg dan ook de betaalde reservemodellen toe: fallback slaat modellen over die niet op de lijst van de sleutel staan.

400: "Het bereik van de invoerlengte moet [1, xxx] zijn"

Waarom. Dit is Alibaba's melding voor invoer die boven de contextlimiet van het model uitkomt; het getal in plaats van xxx is de limiet. Agentsessies zijn de gebruikelijke oorzaak, omdat de geschiedenis bij elke beurt groeit. Alibaba merkt ook op dat lange prompts met denken aan "may cause response truncation or request timeout" kunnen leiden.

Oplossing. Kort de geschiedenis in, start een nieuwe sessie voor een nieuwe taak, of schakel de compactie van je tool in. Doe dit wel zorgvuldig, anders loop je tegen de volgende fout aan.

400: berichten met rol "tool" moeten een antwoord zijn op een eerder bericht met "tool_calls"

Alibaba's referentie vermeldt deze melding, inclusief de typfout, samen met het spiegelbeeld ervan: "An assistant message with "tool_calls" must be followed by tool messages responding to each "tool_call_id"". Qwen Code-gebruikers meldden de eerste in issue #2360.

Waarom. De geschiedenis die naar het model wordt gestuurd bevat een toolresultaat waarvan de tool-call is weggesnoeid, of een tool-call waarvan het resultaat ontbreekt. Zelfgemaakt inkorten van de geschiedenis en contextcompactie zijn de gebruikelijke boosdoeners.

Oplossing. Behandel een tool-call en zijn resultaten als één geheel. Elke tool_call_id in een assistentbericht heeft direct daarna een bijpassend tool-bericht nodig:

messages = [
    {"role": "user", "content": "What's the weather in Hangzhou?"},
    {"role": "assistant", "content": None, "tool_calls": [{
        "id": "call_1", "type": "function",
        "function": {"name": "get_weather", "arguments": "{\"city\": \"Hangzhou\"}"},
    }]},
    {"role": "tool", "tool_call_id": "call_1", "content": "{\"temp_c\": 21}"},
]
# When trimming, drop messages[1] and messages[2] together, never just one of them.

400: JSON-modus

Alibaba's referentie vermeldt twee fouten in JSON-modus:

• "'messages' moet het woord 'json' in een of andere vorm bevatten om 'response_format' van het type 'json_object' te gebruiken."
• "Json-modus-antwoord wordt niet ondersteund wanneer enable_thinking true is"

Waarom. De eerste is dezelfde regel als bij de JSON-modus van OpenAI: de prompt moet JSON noemen. De tweede is belangrijker voor Qwen3.8, waar denken standaard aan staat, dus een json_object-verzoek dat op andere modellen werkt, kan hier mislukken. Alibaba's referentie vermeldt niet welke modellen de tweede melding geven, dus test dit op de ID die je gebruikt.

Oplossing. Noem JSON in de prompt, en zet denken uit voor aanroepen in JSON-modus:

curl -s https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-flash-free",
    "messages": [{"role": "user", "content": "Reply in JSON with the city and date: meet in Hangzhou on Nov 3."}],
    "response_format": {"type": "json_object"},
    "enable_thinking": false
  }'

400: "Input data may contain inappropriate content."

Waarom. De code is data_inspection_failed. Alibaba Cloud controleert invoer en uitvoer op de modellen die het host, inclusief de betaalde ID's waar fallback verzoeken naartoe stuurt. De varianten luiden "Output data may contain inappropriate content." of "Input or output data may contain inappropriate content." Door gebruikers gegenereerde tekst die in een prompt wordt geplakt, zoals gescrapete pagina's of supporttickets, is de gebruikelijke trigger.

Oplossing. Zoek de passage die de fout veroorzaakt door de invoer op te splitsen, en filter of herformuleer die. Dezelfde invoer opnieuw sturen geeft hetzelfde antwoord.

De stille fout: een leeg tokenbudget

Er gaat niets mis totdat het pool van 1M tokens leeg is, en dan geeft alles tegelijk 429 terug. Drie dingen putten het sneller uit dan verwacht.

Denk-tokens

Beide modellen denken standaard mee, en Alibaba rekent denktokens als outputtokens; op de gratis route tellen die tokens mee voor je dagelijkse pool. In de test van AIHubMix gebruikte een antwoord van twee zinnen van qwen3.8-flash-free 89 outputtokens, waarvan 36 voor het denken. Max denkt nog meer: Artificial Analysis mat op zijn index 190M outputtokens tegenover een mediaan van 87M.

Voor extractie, opmaak en korte opzoekvragen schakel je het denken uit. enable_thinking is de gedocumenteerde schakelaar van Alibaba voor Qwen3.8; met de OpenAI SDK gaat die in extra_body:

resp = client.chat.completions.create(
    model="qwen3.8-flash-free",
    messages=[{"role": "user", "content": "Return only the invoice number: INV-2026-0042, due Nov 3"}],
    extra_body={"enable_thinking": False},
)
print(resp.choices[0].message.content)
print(resp.usage.completion_tokens_details)

Controleer of reasoning_tokens in het usage-blok naar 0 gaat. Als dat niet gebeurt, heeft de schakelaar het model op die route niet bereikt en wordt er nog steeds denktijd verbruikt.

Agentlussen sturen context opnieuw mee

Coding-agents sturen bij elke beurt het hele gesprek mee, inclusief bestandsinhoud en toolresultaten. Een sessie die is gegroeid tot 40K tokens en daarna nog 20 beurten doorloopt, stuurt 800K inputtokens: het grootste deel van de dagpool, nog voordat er output is. Beperk het contextvenster in de modelinstellingen van je tool, start nieuwe sessies voor nieuwe taken en gebruik compactie als je tool dat ondersteunt.

Eén grote aanvraag

Max en Flash accepteren beide 1M tokens context, wat even groot is als de dagpool. Eén aanvraag die het venster volledig vult, verbruikt de hele dag.

Wanneer de campagne eindigt

Het gratis venster sluit rond 13 november 2026 (Pacific Time), of eerder als de campagnecredits van GMI Cloud op zijn. Daarna zijn de -free-ID's niet langer gratis. Code die al terugvalt naar de betaalde ID's blijft werken. Code die de gratis ID's rechtstreeks aanroept, heeft één wijziging nodig: verwijder -free uit de modelnaam.

Eenmalig fallback instellen

AIHubMix kan op de gateway van model wisselen wanneer het primaire model faalt, ingesteld per API-key, zonder wijziging in je code. Modelmapping en fallback beschrijft alle regels. Voor de gratis Qwen3.8-ID's:

1. Open het API-keybeheer in de AIHubMix-console en bewerk de key die je app gebruikt.
2. Voeg onder "Fallback models on error" eerst qwen3.8-max toe en daarna qwen3.8-flash.
3. Blijf qwen3.8-max-free in je code aanroepen.

Laat de gratis ID's uit de backuplijst. Een gratis model kan alleen het primaire model zijn; in de backuplijst wordt het stilzwijgend overgeslagen.

Fallback-aanvragen worden gefactureerd tegen de prijs van het betaalde model, dus houd wat saldo op het account. Als fallback-aanvragen beginnen te falen met 403 "Your account balance is insufficient. Please recharge your account to continue using the API.", laad dan op: fallback omzeilt je eigen saldo niet. Zodra het saldo onder -$1 zakt, werken ook de gratis modellen niet meer, totdat je opnieuw oplaadt.

Om te zien welk model heeft geantwoord, lees je de responseheaders:

curl -s -i https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen3.8-max-free","messages":[{"role":"user","content":"hi"}]}' \
  | grep -i -E 'x-aihubmix-(model|fallback)'

X-Aihubmix-Fallback: true betekent dat de aanvraag is teruggevallen. X-Aihubmix-Model noemt het model dat heeft geantwoord, en dat is ook het model waarvoor je wordt gefactureerd.

Coding-tools

Elke tool die een OpenAI-compatibele provider accepteert, werkt met de gratis ID's, waaronder OpenCode, Cline, Kilo Code, Qwen Code en Hermes Agent. AIHubMix heeft installatiepagina's voor elk van die tools; de OpenCode-gids is een goed startpunt. De waarden zijn in elke tool hetzelfde:

Twee bekende problemen gelden in elke tool. Agentlussen leegen de gedeelde tokenpool, zoals hierboven beschreven. En de lange latentie van Max maakt het traag als hoofdmodel in een interactieve agent. Tools waarmee je aparte modellen kunt kiezen voor plannen en bewerken, zoals de Plan- en Act-modi van Cline, kunnen Max voor het plannen en Flash voor de bewerkingen inzetten.

Een smoke test van 15 minuten. Richt je tool op qwen3.8-flash-free en vraag hem één unittest toe te voegen voor een kleine functie in een echte repository, en voer daarna de test uit. Succes ziet er zo uit: de agent leest het bestand, schrijft de test, voert hem uit via een toolaanroep, en het AIHubMix-gebruikslogboek toont de aanvragen onder het gratis model tegen $0. Herhaal daarna de planningsstap op qwen3.8-max-free en controleer de tijd en tokens die het heeft gebruikt.

Checklist

• Minstens $1 opgeladen, zodat het dagelijkse quota de 10 proefaanroepen vervangt
• Model-ID exact gekopieerd van de modelpagina, en ingeschakeld voor de key
• Batchjobs getemporiseerd tot minder dan 10 aanvragen per minuut
• Max-aanvragen streamen, met een clienttimeout van 10 minuten of meer
• Denken uit bij eenvoudige aanvragen, en reasoning_tokens gecontroleerd
• Agentcontext beperkt, met nieuwe sessies voor nieuwe taken
• Geschiedenisinkorting houdt elke toolaanroep en zijn resultaten samen
• JSON-modusaanroepen vermelden JSON en draaien met denken uit
• Fallback ingesteld op qwen3.8-max, daarna qwen3.8-flash
• Er staat nog wat saldo voor fallback-aanvragen
• Een herinnering ingesteld rond 13 november, wanneer het gratis venster sluit

Veelgestelde vragen

Waarom krijg ik een 429 op qwen3.8-max-free terwijl ik het nauwelijks heb gebruikt?
Een ander gratis model op je account heeft de gedeelde minuut- of dagquota opgebruikt, of de upstreamcapaciteit van de campagne is bezet. De foutmelding vertelt je welke het is: "rate limited by provider" betekent de upstream.

Waarom krijg ik "Incorrect model ID"?
De modelnaam komt niet exact overeen met een AIHubMix-ID. Gebruik qwen3.8-max-free of qwen3.8-flash-free, allemaal in kleine letters; ID's van GMI Cloud of andere platforms bestaan hier niet. Het komt terug als een 503, dus zorg dat je retrylogica dit niet blijft herhalen.

Kost fallback geld?
Alleen wanneer het gebeurt. Een aanvraag die terugvalt, wordt gefactureerd tegen de prijs van het betaalde model dat heeft geantwoord.

Kan ik qwen3.8-flash-free in de fallbacklijst zetten?
Nee. Gratis modellen kunnen alleen het primaire model zijn; AIHubMix slaat ze over in de backuplijst.

Hoe voorkom ik dat denken mijn gratis tokens opgebruikt?
Geef enable_thinking op false in extra_body mee voor aanvragen die geen redenering nodig hebben, en controleer of reasoning_tokens in het usage-blok naar 0 gaat.

Waarom verbruikt mijn coding-agent de dagpool zo snel?
Agents sturen bij elke beurt het hele gesprek opnieuw mee. Beperk het contextvenster, start nieuwe sessies voor nieuwe taken en gebruik Flash als hoofdmodel van de agent.

Wat gebeurt er met de gratis ID's na 13 november?
Ze zijn niet langer gratis, en eerder als de campagnecredits van GMI Cloud op zijn. Schakel over naar qwen3.8-max of qwen3.8-flash, of vertrouw op de fallback die je hebt ingesteld.

Lees verder: de Qwen3.8 Free-serie

• Voor de quotaregels, de einddatum en een werkende eerste aanvraag: Gratis Qwen3.8 Max- en Flash-API op AIHubMix: limieten, einddatum en je eerste aanroep
• Om de wachttijden van Max te vermijden bij werk dat Flash aankan: Qwen3.8 Max Free vs Qwen3.8 Flash Free: is Flash genoeg?

Bronnen

• HTTP-statuscodes (AIHubMix-documentatie)
• Modelmapping en fallback (AIHubMix-documentatie)
• Gratis AI-modellen en quota's (AIHubMix)
• Foutcodes (Alibaba Cloud Model Studio)
• Deep-thinking-modellen via de API gebruiken (Alibaba Cloud Model Studio)