Migracja Qwen4-Max: limity wyjścia, tryb myślenia i konfiguracja agenta

AIHubMix4 min czytania
Migracja Qwen4-Max: limity wyjścia, tryb myślenia i konfiguracja agenta

Przejście z Qwen3.8-Max na Qwen4-Max zmienia więcej niż tylko identyfikator modelu. Oba modele mają milion tokenów w oknie kontekstu, ale limit wyjścia, który wcześniej obejmował samą odpowiedź, teraz uwzględnia również tokeny przeznaczone na myślenie. Zmienia się domyślny poziom rozumowania, a agenci muszą prawidłowo zachowywać historię rozumowania podczas wywołań narzędzi.

Zacznij od jednego żądania Chat Completions, a następnie wykonaj niewielkie zadanie w repozytorium. Zanim przeniesiesz istniejący przepływ pracy, sprawdź odpowiedź, przyczynę zakończenia, historię i wynikowy diff.

Przelicz limit wyjścia

Dokumentacja Chat Completions określa, że parametr max_tokens w Qwen4-Max jest równoważny max_completion_tokens: oba ograniczają łączną liczbę tokenów przeznaczonych na myślenie i odpowiedź końcową. W Qwen3.8-Max parametr max_tokens obejmuje wyłącznie odpowiedź.

Limit 300 nie oznacza więc, że 300 tokenów zostanie przeznaczonych na widoczną odpowiedź. Rozumowanie może najpierw zużyć cały budżet, pozostawiając pustą lub niepełną odpowiedź. Odpowiedzi kończącej się wartością finish_reason: "length" trzeba się przyjrzeć, nawet jeśli żądanie HTTP zakończyło się powodzeniem. Zmiana nazwy parametru bez zwiększenia jego wartości niczego nie zmienia.

W nowych integracjach używaj parametru max_completion_tokens i zapewnij miejsce na obie części. W trybie myślenia Qwen4-Max obsługuje łącznie do 262,144 tokenów wyjściowych, a w trybie bez myślenia — 131,072. Okno kontekstu o wielkości 1,000,000 tokenów nie jest limitem wejściowym, do którego można dodać maksymalny limit wyjścia: wejście i wyjście muszą się razem zmieścić w oknie kontekstu.

Wybierz poziom rozumowania lub budżet na myślenie

Qwen4-Max oferuje poziomy low, high i xhigh, a domyślny jest high. Jeśli pominiesz oba parametry sterujące, wybrany zostanie poziom high i budżet na myślenie wynoszący 131,072 tokenów. To górny limit, a nie prognoza liczby zużytych tokenów.

Znaczenie dwóch odziedziczonych ustawień uległo zmianie: high oznacza teraz high, zamiast mapować się na xhigh, jak w Qwen3.8-Max; medium mapuje się na high. Pozostałe mapowania to minimal na low, max na xhigh oraz none — wyłączenie trybu myślenia.

Wyślij albo parametr reasoning_effort, albo thinking_budget. Oficjalna dokumentacja zabrania łączenia tych parametrów, a budżet musi być dodatnią liczbą całkowitą: zero nie wyłącza trybu myślenia. Jeśli podasz sam budżet, wartości 1–4,096 wybierają poziom low, 4,097–131,072 — high, a 131,073–262,144 — xhigh, przy czym podany budżet zostaje zachowany.

Zacznij od wskazanego punktu końcowego

Przewodnik po modelu AIHubMix wskazuje dla qwen4-max punkt końcowy POST /v1/chat/completions. To przykładowe żądanie początkowe, a nie wynik pomiaru:

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."}]
  }'

Limit wyjścia jest zgodny z udokumentowanym kontraktem Alibaba. Opcjonalnie możesz dodać reasoning_effort: "low" bez budżetu na myślenie; przekazywanie parametru dalej nie zostało tu sprawdzone. Obsługa tych możliwości przez AIHubMix pozostaje niezweryfikowana. Zanim zaczniesz polegać na danym ustawieniu, sprawdź rzeczywistą odpowiedź i informacje o zużyciu.

Zachowaj potrzebną agentowi historię

Gdy tryb myślenia jest włączony w pełnym zakresie, w historycznych wiadomościach asystenta zachowuj reasoning_content oddzielnie od content, także w turach obejmujących wywołania narzędzi. W Qwen4-Max parametr preserve_thinking jest domyślnie włączony; zwrócona historia jest wliczana do danych wejściowych i podlega opłatom. Serializator zachowujący wyłącznie widoczny tekst gubi część tej historii.

Alibaba udostępnia również podsumowania myślenia i szyfrowanie. Gdy ta funkcja jest włączona za pomocą thinking_display: "summarized" w każdym żądaniu, reasoning_content zawiera podsumowanie przeznaczone do wyświetlenia, a encrypted_content — historię rozumowania. Przy ponownym odtwarzaniu historii przekazuj tekst szyfrogramu bez zmian; podsumowanie nie może go zastąpić. Klienci obsługujący strumieniowanie muszą zachować osobną zaszyfrowaną ramkę, nawet jeśli nie zawiera widocznego tekstu.

Ten tryb podsumowania jest opisany w dokumentacji Alibaba. Nie zweryfikowano jego działania za pośrednictwem AIHubMix, dlatego najpierw upewnij się, że zwykła ciągłość rozmowy działa prawidłowo.

Zanim oszacujesz oszczędności, sprawdź buforowanie

Jawne buforowanie Qwen4 w Alibaba obsługuje ręczne i automatyczne punkty kontrolne oraz TTL wynoszący 5 minut lub 1 godzinę. Buforowany prefiks musi mieć co najmniej 1,024 tokenów. Zapis w pamięci podręcznej kosztuje odpowiednio około 125% lub 200% standardowej ceny danych wejściowych; wielokrotne zapisy nie są sposobem na darmowe oszczędności.

Umieść stabilne instrukcje systemowe, definicje narzędzi i materiały z repozytorium na początku, a zmienne pytania — na końcu. Jeśli nie ustawisz parametrów pamięci podręcznej, zwykłe buforowanie niejawne nie gwarantuje trafień w pamięci podręcznej. Zanim założysz, że agent odniesie korzyść, sprawdź zużycie przy odczycie i zapisie z pamięci podręcznej oraz rachunek. Te mechanizmy buforowania dostawcy nie zostały sprawdzone za pośrednictwem AIHubMix.

Narzędzia do kodowania: sprawdź wykonanie pełnego zadania

Skorzystaj z przewodnika AIHubMix po Qwen Code, aby przeprowadzić instalację i uwierzytelnianie. Ustaw OPENAI_BASE_URL=https://aihubmix.com/v1, OPENAI_MODEL=qwen4-max i przekaż klucz przez OPENAI_API_KEY. Użyj polecenia /status, aby potwierdzić wybrany model; sprawdź też ustawienia kontekstu i wyjścia w kliencie.

Claude Code wymaga protokołu Anthropic Messages, a Codex — Responses. Alibaba opisuje te protokoły, ale przewodnik AIHubMix po Qwen4-Max wymienia wyłącznie Chat Completions. Nie ustalono, czy są one dostępne za pośrednictwem tej bramki.

Wykonaj poniższą listę kontrolną migracji w tymczasowym repozytorium:

  1. Potwierdź model i punkt końcowy; sprawdź tekst odpowiedzi, finish_reason i informacje o zużyciu w podstawowym żądaniu.
  2. Usuń odziedziczone limity obejmujące wyłącznie odpowiedź oraz sprzeczne ustawienia trybu myślenia. Jeśli odpowiedź jest ucięta, ponów próbę z większym budżetem i sprawdź, czy jest kompletna.
  3. Napraw jeden niezaliczony test w dwóch plikach. Sukces oznacza, że rzeczywiste wywołanie narzędzia zakończyło się pomyślnie, testy przeszły, a diff zawiera tylko zamierzoną zmianę.
  4. Zadaj pytanie uzupełniające, które zależy od pierwszej tury. Sprawdź zapisaną historię asystenta i narzędzi oraz ewentualną kompakcję; upewnij się, że wymagany kontekst został zachowany.
  5. Powtórz test z wybranym poziomem rozumowania. Porównaj zaakceptowane poprawki, łączną liczbę tokenów i liczbę ponownych prób. Zanim oszacujesz regularne koszty, osobno zweryfikuj użycie pamięci podręcznej.

FAQ

Jakiego identyfikatora modelu używać w AIHubMix?
Użyj qwen4-max ze wskazanym punktem końcowym Chat Completions.

Dlaczego udane żądanie może zawierać niepełną odpowiedź?
Tokeny przeznaczone na myślenie i odpowiedź dzielą ten sam limit wyjścia. Sprawdź, czy finish_reason ma wartość length, i w razie potrzeby zwiększ łączny limit.

Czy przejście na max_completion_tokens rozwiąże problem ucinania odpowiedzi?
Nie samo w sobie. W Qwen4-Max parametr ten ma takie samo znaczenie jak max_tokens; jego wartość musi zapewniać wystarczający zapas.

Czy mogę jednocześnie ustawić poziom rozumowania i budżet na myślenie?
Nie. Wybierz jeden z tych parametrów. Budżet na myślenie musi być dodatni; aby wyłączyć tryb myślenia, użyj reasoning_effort none.

Czy mogę ponownie przekazać podsumowanie myślenia jako historię rozumowania?
Nie. W trybie podsumowania zachowuj i przekazuj encrypted_content bez zmian. Podsumowanie przeznaczone do wyświetlenia nie może go zastąpić.

Czy mogę założyć, że Claude Code lub Codex działa przez AIHubMix?
Nie zweryfikowano tu obsługi wymaganych przez nie protokołów dla tego modelu. Najpierw sprawdź odpowiedni punkt końcowy i pełny przepływ pracy z użyciem narzędzi.

Czytaj dalej: seria Qwen4-Max

Źródła

  1. Alibaba Cloud: specyfikacja modelu Qwen4-Max i Qwen3.8-Max.
  2. Alibaba Cloud: parametry Chat Completions.
  3. Alibaba Cloud: podsumowanie myślenia i szyfrowanie.
  4. Alibaba Cloud: jawne buforowanie dla Qwen4.
  5. AIHubMix: przewodnik po modelu Qwen4-Max i konfiguracja Qwen Code.

Źródła sprawdzono 17 listopada 2026 r. Na potrzeby tego artykułu nie przeprowadzono płatnych testów inferencji.

Jedna brama do wielu dostawców AI. Stworzona z myślą o produkcji.

Odwiedź AIHubMix