Qwen4-Max-Preview API: 1M context, wijziging van max_tokens, einddatum 25 november

Alibaba heeft Qwen4-Max-Preview, het vlaggenschip van de volgende generatie binnen de Qwen-familie, op 11 november 2026 uitgebracht. Alibaba biedt het zelf alleen aan via een Token Plan-abonnement voor codeertools; betalen per gebruik is niet mogelijk. De preview eindigt op 25 november om 24:00 uur (UTC+8), waarna Alibaba het model uitfaseert.

AIHubMix is het eerste platform dat het aanbiedt als API met betaling per token. Sinds de lanceringsdag biedt het platform het model aan als coding-qwen4-max-preview via het OpenAI-compatibele eindpunt, voor $0.353 per miljoen invoertokens en $1.059 per miljoen uitvoertokens. Voordat je een agent ermee aan de slag laat gaan, is het belangrijk om te weten welke wijziging bestaande code kan breken. Bij dit model omvat max_tokens zowel het denkproces als het antwoord. Op AIHubMix leverde een limiet van 300 tokens een leeg antwoord op.

Kort samengevat

• Wat het is: het multimodale vlaggenschip van de volgende generatie van Alibaba en, sinds 11 november, het enige Qwen4-model in de modellijst van Alibaba. Het is gericht op programmeren, frontendontwerp, kantoorwerk en agenttaken. Tekst, afbeeldingen en video als invoer; een contextvenster van 1M tokens; maximaal 393,216 uitvoertokens.
• Waar je het kunt aanroepen: Alibaba biedt het alleen aan binnen Token Plan-abonnementen. Op AIHubMix is het een API met betaling per token en model-ID coding-qwen4-max-preview.
• Hoe lang: de preview van Alibaba loopt tot 25 november 2026 om 24:00 uur (UTC+8), oftewel die dag om 16:00 UTC.
• Wat er mis kan gaan: max_tokens beperkt nu het denkproces én het antwoord. Een limiet die alleen op het antwoord is afgestemd, kan finish_reason: "length" opleveren, met een lege content.
• Wat het kost: Alibaba publiceert geen prijs per token. Op AIHubMix kost het $0.353 per miljoen invoertokens en $1.059 per miljoen uitvoertokens.

Twee manieren om toegang te krijgen, en de deadline

Op de modelpagina vermeldt Alibaba de voorwaarden duidelijk: Qwen4-Max-Preview "is alleen beschikbaar via Token Plan. Toegang op basis van betalen per gebruik wordt niet ondersteund." Token Plan is het abonnement van Alibaba Cloud voor AI-codeer- en agenttools zoals Claude Code, Qwen Code en Qoder. De kosten worden in Credits berekend, zonder gepubliceerde prijs per token, en persoonlijke abonnementen beginnen bij $6 per maand. Tijdens de preview rekent Alibaba voor Qwen4-Max-Preview slechts 20% van het standaardtarief in Credits, en 8% tussen 22:00 en 08:00 uur (UTC+8).

Het kanaal van AIHubMix is de andere manier om toegang te krijgen. Je roept het aan zoals elk ander model via het OpenAI-compatibele eindpunt, betaalt per token en hebt geen abonnement nodig. AIHubMix omschrijft het als toegang tegen lagere kosten tot Qwen4-Max-Preview via het officiële Token Plan en bestempelt het als een previewsservice die "mogelijk instabiel is en wordt aanbevolen voor testen en evaluatie."

De previewdata liggen vast. De preview loopt van 11 november om 10:00 uur tot 25 november 2026 om 24:00 uur (UTC+8), in totaal 350 uur. Alibaba zegt: "gedurende deze periode worden geen wijzigingen aangebracht en na afloop van de preview wordt het model uitgefaseerd." Beschouw het als een evaluatiemodel, niet als een model om een product op te bouwen.

Wat is er veranderd ten opzichte van Qwen3.8-Max?

Qwen3.8-Max is momenteel het vlaggenschip van Qwen; er is geen uitfaseringsdatum aangekondigd. Zo verhouden de twee modellen zich volgens de gepubliceerde specificaties van Alibaba:

Specificaties afkomstig van de modelpagina's en API-referentie van Alibaba Cloud. De uitvoerlimiet van Qwen4-Max-Preview geldt voor het denkproces en het uiteindelijke antwoord samen.

Context en invoer blijven hetzelfde. Er veranderen twee dingen: de uitvoerlimiet wordt verdrievoudigd en max_tokens omvat nu ook het denkproces. De instellingen voor het denkproces behouden dezelfde namen en niveaus, dus code die voor Qwen3.8 al reasoning_effort instelt, blijft werken.

Er zijn nog geen benchmarks. De lanceringspagina van Alibaba vermeldt geen scores en per 11 november konden we geen onafhankelijke benchmark van deze preview vinden. Artikelen over de lancering, zoals het verslag van TechNode, herhalen de specificaties maar bevatten geen testresultaten. Beoordeel het model zelf aan de hand van je eigen taken totdat er scores beschikbaar zijn.

Prijs en werkelijke kosten

Alibaba publiceert geen prijs per token voor Qwen4-Max-Preview: de enige officiële toegang loopt via Token Plan, waarbij de kosten in Credits worden berekend. Het kanaal op AIHubMix rekent per token: $0.353 per miljoen invoertokens, $1.059 per miljoen uitvoertokens en $0.0441 per miljoen gecachte invoertokens.

Laten we dat concreet maken met een sessie van een codeeragent. Dit zijn aannames, geen metingen: 40 beurten, waarbij elke beurt 60,000 invoertokens verstuurt, waarvan 50,000 een gecachte repositoryprefix vormen, en 3,000 uitvoertokens genereert, inclusief het denkproces.

Geschat op basis van de gepubliceerde prijzen van AIHubMix voor dit kanaal. Cache-hits zijn niet gegarandeerd en AIHubMix heeft die voor dit kanaal niet gemeten. Zonder cache-hits kost dezelfde sessie ongeveer $0.974.

In de praktijk zijn er twee details die dit bedrag beïnvloeden. Ten eerste telt het denkproces mee als uitvoer: in de gebruiksgegevens van AIHubMix maken redeneringstokens deel uit van completion_tokens en staat het denkproces standaard op xhigh. Een groot deel van die 3,000 uitvoertokens per beurt kan uit redenering bestaan. Ten tweede schakelt Alibaba voor dit model standaard preserve_thinking in. Eerder denkwerk uit vorige beurten dat je client terugstuurt in reasoning_content, wordt door het model gelezen en volgens de documentatie van Alibaba "meegerekend in het aantal invoertokens en in rekening gebracht". Daardoor groeit de invoer bij lange agentsessies sneller dan de zichtbare conversatie doet vermoeden.

De wijziging van max_tokens: wat je ziet en hoe je het oplost

Dit is de wijziging die een werkende integratie het waarschijnlijkst breekt. Alibaba kondigde die aan in zijn bericht over API-compatibiliteit van 2 november; ook op de modelpagina wordt dit vermeld:

Vanaf qwen4-max-preview is max_tokens gelijk aan max_completion_tokens. Beide beperken het totale aantal tokens voor het denkproces en het uiteindelijke antwoord. Het denkproces verbruikt een deel van hetzelfde budget, dus een limiet die eerder alleen op het antwoord was afgestemd, kan de uitvoer afkappen.

Bij Qwen3.8-Max beperkt max_tokens alleen het antwoord; het denkproces valt daarbuiten. Code met max_tokens: 300 voor een kort antwoord werkte daar. Bij Qwen4-Max-Preview moeten dezelfde 300 tokens ook ruimte bieden aan het denkproces.

AIHubMix heeft dit verzoek uitgevoerd op 11 november 2026:

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."}]
  }'

Het verzoek kreeg HTTP 200 terug, maar er was niets te zien:

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

(Ingekort tot de relevante velden.)

Alle 300 tokens gingen op aan redenering en het antwoord begon nooit. Er treedt geen fout op, dus een client die alleen content uitleest, ziet een lege tekenreeks en kan die als een geldig antwoord behandelen. Met max_tokens: 16384 werd dezelfde prompt normaal afgehandeld: 1,206 voltooiingstokens, waarvan 608 redeneringstokens, en het juiste antwoord (vier paren).

Zo los je het op:

1. Stem de limieten af op het denkproces én het antwoord. Verwijder oude limieten die alleen voor het antwoord gelden, of verhoog ze ruimschoots boven wat het antwoord nodig heeft. Alibaba markeert max_tokens als "wordt verouderd" en raadt voor nieuwe integraties max_completion_tokens aan. Bij dit model betekenen de twee hetzelfde, dus alleen de naam wijzigen lost niets op: max_completion_tokens: 300 leverde op AIHubMix hetzelfde lege antwoord op.
2. Beperk het denkproces rechtstreeks als je een kort antwoord nodig hebt. Stel reasoning_effort in op low, of op none om het denkproces uit te schakelen. In de test van AIHubMix beantwoordde het model met none een korte programmeerprompt in 43 voltooiingstokens, zonder redenering.
3. Controleer bij elke aanroep finish_reason. Behandel "length" met een lege content als een mislukking die opnieuw moet worden geprobeerd met een groter tokenbudget, niet als een antwoord.

Handige instellingen voor het denkproces

Het denkproces staat standaard aan. De Chat Completions-referentie van Alibaba beschrijft de details:

• Niveaus: low, medium en xhigh (de standaardinstelling). Waarden in de stijl van OpenAI worden omgezet: max en high worden xhigh, minimal wordt low en none schakelt het denkproces uit. Elke andere waarde levert een fout op.
• Budgetten: als je thinking_budget niet instelt, worden de niveaus gekoppeld aan denkbudgetten van 4,096 (low), 16,384 (medium) en 262,144 (xhigh) tokens. Als je geen van beide instelt, vermeldt dezelfde pagina dat de standaardinstelling xhigh is met een budget van 131,072 tokens. Volgens die koppeling staat het expliciet versturen van xhigh dus tot tweemaal het standaarddenkbudget toe. Zo beschrijft de documentatie het; AIHubMix heeft dit niet gemeten.
• Niet combineren: volgens de documentatie van Alibaba levert het samen instellen van reasoning_effort en thinking_budget een fout op. Bij een test van AIHubMix waarbij beide werden meegestuurd, kwam er gewoon een antwoord terug. Het kanaal wijst het paar dus mogelijk niet af, maar nergens staat beschreven welke instelling wordt toegepast. Stuur er maar één mee.
• Meerdere beurten: geef eerder denkwerk bij elk assistentbericht terug in het veld reasoning_content, nooit in content. Het weglaten ervan veroorzaakt geen fout, maar het terugsturen ervan wordt als invoer in rekening gebracht.

Via AIHubMix werden low en none geaccepteerd en verscheen het denkproces in reasoning_content.

Codeertools

Het model is gebouwd voor codeeragenten. Zo werkt het met de gangbare tools via AIHubMix:

• Claude Code gebruikt de Anthropic Messages API. Op de modelpagina van AIHubMix staat alleen /v1/chat/completions, maar één testverzoek aan AIHubMix's /v1/messages met deze model-ID gaf een normale respons met afzonderlijke denk- en tekstblokken. Dat was één verzoek zonder tools, geen Claude Code-sessie. Voor het uitvoeren van Claude Code met niet-Claude-modellen documenteert AIHubMix een afzonderlijke configuratie: Claude Code met elke LLM. Installeer het pakket @aihubmix/claude-code, stel onder Router in ~/.aihubmix-claude-code/config.json de waarden van default, think en longContext in op coding-qwen4-max-preview en voer vervolgens acc start en acc code uit. We hebben deze configuratie niet met dit model getest, dus voer eerst de onderstaande rooktest uit. De documentatie van Anthropic ondersteunt geen routering van niet-Claude-modellen naar Claude Code via een gateway, dus deze configuratie wordt niet ondersteund aan de kant van Anthropic.
• Qwen Code maakt verbinding via het OpenAI-compatibele eindpunt: OPENAI_BASE_URL=https://aihubmix.com/v1 en OPENAI_MODEL=coding-qwen4-max-preview. Er is wel een addertje onder het gras dat zichtbaar is in de broncode van Qwen Code. In de tabel met contextgroottes krijgen ID's die beginnen met qwen4 een contextvenster van 1M. Onze ID begint met coding-, komt in geen enkele rij voor en valt terug op de standaardwaarde van 200,000 tokens. Dit is een interpretatie van de code, geen gemeten resultaat. Verwacht dat Qwen Code het gesprek al veel eerder comprimeert dan bij 1M. Wil je de volledige lengte benutten, stel dan model.generationConfig.contextWindowSize in op 1000000 in ~/.qwen/settings.json.
• OpenCode, Cline, Cursor en andere OpenAI-compatibele tools: voeg een aangepast model toe met dezelfde basis-URL en ID. Controleer in elke tool twee instellingen: het contextvenster, dat tools voor nieuwe ID's vaak niet kennen, en eventuele standaardwaarde voor max_tokens die de tool meestuurt. Een lage standaardwaarde beperkt nu ook het denkproces.

Een rooktest van 15 minuten voordat je het met een repository vertrouwt:

1. Stuur één Chat Completions-verzoek en controleer of reasoning_content en een niet-lege content worden teruggegeven.
2. Geef de agent een kleine taak in een tijdelijke repository: los één falende unittests op die twee bestanden raakt. De taak is geslaagd als de tests slagen en de diff alleen de verwachte wijzigingen bevat.
3. Let in de logs of het gebruiksoverzicht van je tool op finish_reason: "length". Als je dit ziet, verhoog dan de uitvoerlimiet of verlaag reasoning_effort.
4. Herhaal de taak met reasoning_effort: "low" en vergelijk de tijd en het aantal uitvoertokens. Zo ontdek je welk niveau je dagelijks kunt gebruiken.

Alibaba documenteert tool-aanroepen en gestructureerde uitvoer voor dit model. AIHubMix heeft voor dit kanaal nog geen mogelijkhedenvlaggen gepubliceerd; in de modelhandleiding staat dat het ontbreken daarvan betekent: 'niet geverifieerd, niet niet-ondersteund'. Stap 2 is je controle van tool-aanroepen.

Moet je overstappen?

Test het nu als je codeeragents gebruikt en de volgende generatie Qwen met je eigen code wilt uitproberen, of als je overweegt om plannen te maken op basis van Qwen4. Bij de kanaalprijs van AIHubMix kost een sessie zoals hierboven minder dan een dollar, en de preview van Alibaba eindigt op November 25.

Wacht af als je stabiel gedrag, gepubliceerde benchmarks of beschikbaarheid op lange termijn nodig hebt. De preview is gemarkeerd als instabiel en Alibaba trekt het model in zodra de preview afloopt. Alibaba heeft niet gezegd wat er na de preview komt, wat het gaat kosten of of het zich hetzelfde zal gedragen.

Blijf voor productie bij Qwen3.8-Max. Het heeft hetzelfde contextvenster van 1M, een officiële prijs op basis van gebruik en geen aangekondigde datum waarop het wordt ingetrokken. Je instellingen voor max_tokens houden daar hun oude betekenis.

Als je beide test, vind je de specificaties en prijzen in de vergelijking naast elkaar op AIHubMix. Je kunt beide modellen aanroepen met dezelfde AIHubMix-sleutel; alleen de model-ID verandert.

Veelgestelde vragen

Is Qwen4-Max-Preview beschikbaar via een API op basis van gebruik?
Niet via Alibaba, dat het model alleen aanbiedt via Token Plan-abonnementen. AIHubMix was het eerste platform dat het per token aanbood, onder de ID coding-qwen4-max-preview, voor $0.353 per miljoen invoertokens en $1.059 per miljoen uitvoertokens.

Wanneer trekt Alibaba Qwen4-Max-Preview in?
De preview van Alibaba eindigt op November 25, 2026 om 24:00 (UTC+8), oftewel 16:00 UTC. Alibaba zegt dat het model na afloop van de preview wordt ingetrokken.

Waarom geeft mijn verzoek een lege respons terug?
Waarschijnlijk is max_tokens te laag ingesteld. Bij dit model beperkt het zowel het denkproces als het antwoord, waardoor het redeneren het volledige budget kan opsouperen. Controleer op finish_reason "length" en verhoog vervolgens de limiet of verlaag reasoning_effort.

Wat zijn het contextvenster en de maximale uitvoer?
Alibaba vermeldt een contextvenster van 1M tokens en maximaal 393,216 uitvoertokens; het denkproces en het uiteindelijke antwoord delen de uitvoerlimiet.

Hoe schakel ik het denkproces uit of beperk ik het?
Stel reasoning_effort in op low of medium om het te verkorten, of op none om het uit te schakelen. Stuur slechts één van reasoning_effort en thinking_budget mee: Alibaba documenteert dat het combineren ervan een fout oplevert, en nergens staat gedocumenteerd welke van de twee van kracht wordt op het AIHubMix-kanaal.

Is Qwen4-Max-Preview beter dan Qwen3.8-Max?
Daar is nog geen gepubliceerd benchmarkresultaat voor. Op de lanceringspagina van Alibaba staan mogelijkheden en limieten, maar geen scores. Bovendien hebben we per November 11, 2026 geen onafhankelijke benchmark gevonden. Vergelijk de twee dus op je eigen taken.

Werkt het met Claude Code?
AIHubMix documenteert een configuratie om Claude Code met niet-Claude-modellen uit te voeren, iets wat Anthropic niet ondersteunt. Met dit model hebben we alleen één verzoek getest aan het Anthropic-compatibele Messages-eindpunt van AIHubMix; dat gaf denk- en tekstblokken terug. Voer een korte rooktest met tools uit voordat je het inzet voor lange sessies.

Bronnen

1. Alibaba Cloud Model Studio: Qwen4-Max-Preview (geraadpleegd op November 11, 2026)
2. Alibaba Cloud Model Studio: naslag voor de Chat Completions API
3. Alibaba Cloud Model Studio: Token Plan (Personal Edition) (geraadpleegd op November 11, 2026)
4. Alibaba Cloud Model Studio: Qwen3.8-Max (geraadpleegd op November 11, 2026)
5. AIHubMix: Coding Qwen4 Max Preview (prijzen gecontroleerd op November 11, 2026; live tests uitgevoerd van 10:22–10:48 UTC)