API do Qwen4-Max-Preview: contexto de 1M, mudança em max_tokens, encerramento em 25 de nov.

A Alibaba lançou o Qwen4-Max-Preview, o modelo principal de próxima geração da família Qwen, em 11 de novembro de 2026. A própria Alibaba oferece acesso apenas por meio de uma assinatura do Token Plan para ferramentas de programação; não há opção de pagamento conforme o uso. A prévia termina às 24:00 de 25 de novembro (UTC+8), e a Alibaba desativa o modelo depois disso.

A AIHubMix é a primeira plataforma a oferecê-lo como API cobrada por token. Ela disponibiliza o modelo desde o dia do lançamento como coding-qwen4-max-preview no endpoint compatível com OpenAI, a US$ 0,353 por milhão de tokens de entrada e US$ 1,059 por milhão de tokens de saída. Antes de direcionar um agente para ele, fique sabendo da única mudança que pode interromper o código existente. Neste modelo, max_tokens abrange o pensamento e a resposta. Na AIHubMix, um limite de 300 tokens retornou uma resposta vazia.

Resumo

• O que é: o modelo multimodal principal de próxima geração da Alibaba e, em 11 de novembro, o único modelo Qwen4 na lista de modelos da Alibaba. É voltado para programação, design de interfaces, trabalho de escritório e tarefas agênticas. Recebe texto, imagens e vídeo; tem janela de contexto de 1M tokens; gera até 393,216 tokens.
• Onde chamar: a Alibaba oferece acesso apenas em assinaturas do Token Plan. Na AIHubMix, é uma API cobrada por token, com o ID do modelo coding-qwen4-max-preview.
• Por quanto tempo: a prévia da Alibaba vai até as 24:00 de 25 de novembro de 2026 (UTC+8), ou seja, até as 16:00 UTC desse dia.
• O que pode falhar: max_tokens agora limita o pensamento e a resposta juntos. Um limite dimensionado apenas para a resposta pode retornar finish_reason: "length" e um content vazio.
• Quanto custa: a Alibaba não divulga preços por token. Na AIHubMix, custa US$ 0,353 por milhão de tokens de entrada e US$ 1,059 por milhão de tokens de saída.

Duas formas de acessar e o prazo

A página do modelo da Alibaba informa os termos diretamente: o Qwen4-Max-Preview “está disponível apenas pelo Token Plan. O acesso com pagamento conforme o uso não é compatível”. O Token Plan é uma assinatura da Alibaba Cloud para ferramentas de programação com IA e agentes, como Claude Code, Qwen Code e Qoder. A cobrança é feita em créditos, sem tarifa por token publicada, e os planos pessoais começam em US$ 6 por mês. Durante a prévia, a Alibaba cobra pelo Qwen4-Max-Preview apenas 20% da tarifa padrão em créditos, e 8% entre 22:00 e 08:00 (UTC+8).

O canal da AIHubMix é a outra forma de acessá-lo. Você o chama como qualquer outro modelo no endpoint compatível com OpenAI, paga por token e não precisa de assinatura. A AIHubMix descreve o serviço como uma forma de acessar o Qwen4-Max-Preview por um custo menor por meio do Token Plan oficial e o identifica como um serviço de prévia que “pode ser instável e é recomendado para testes e avaliação”.

As datas da prévia são fixas. Ela vai das 10:00 de 11 de novembro às 24:00 de 25 de novembro de 2026 (UTC+8), 350 horas ao todo. A Alibaba diz que “nenhuma alteração será feita durante esse período, e o modelo será desativado após o fim da prévia”. Trate-o como um modelo de avaliação, não como algo para desenvolver um produto.

O que mudou em relação ao Qwen3.8-Max

O Qwen3.8-Max é o atual modelo principal da família Qwen, sem data de desativação anunciada. Veja a comparação entre os dois, com base nas especificações publicadas pela Alibaba:

Especificações das páginas de modelos e da referência de API da Alibaba Cloud. O limite de saída do Qwen4-Max-Preview é compartilhado entre o pensamento e a resposta final.

O contexto e as entradas permanecem iguais. Duas coisas mudam: o limite de saída triplica, e max_tokens agora abrange tanto o pensamento quanto a resposta. Os controles de pensamento mantêm os mesmos nomes e níveis, então o código que já define reasoning_effort para o Qwen3.8 continua funcionando.

Ainda não há benchmarks. A página de lançamento da Alibaba não apresenta pontuações, e não encontramos benchmarks independentes dessa prévia até 11 de novembro. Coberturas do lançamento, como a reportagem da TechNode, repetem a ficha técnica, não resultados de testes. Até que surjam pontuações, avalie-o nas suas próprias tarefas.

Preço e custo real

A Alibaba não divulga preço por token para o Qwen4-Max-Preview: sua única opção oficial é o Token Plan, cobrado em créditos. No canal da AIHubMix, a cobrança é por token: US$ 0,353 por milhão de tokens de entrada, US$ 1,059 por milhão de tokens de saída e US$ 0,0441 por milhão de tokens de entrada em cache.

Para dar uma ideia concreta, considere uma sessão com um agente de programação. Estes são pressupostos, não medições: 40 turnos, cada um enviando 60,000 tokens de entrada, dos quais 50,000 são um prefixo do repositório em cache, e gerando 3,000 tokens de saída por turno, incluindo o pensamento.

Estimativa com os preços publicados pela AIHubMix para este canal. Acertos de cache não são garantidos, e a AIHubMix não os mediu neste canal. Sem acertos de cache, a mesma sessão custa cerca de US$ 0,974.

Na prática, dois detalhes alteram esse valor. Primeiro, o pensamento conta como saída: nos dados de uso da AIHubMix, os tokens de raciocínio fazem parte de completion_tokens, e o pensamento é xhigh por padrão. Muitos dos 3,000 tokens de saída por turno podem ser de raciocínio. Segundo, a Alibaba ativa preserve_thinking por padrão para este modelo. O pensamento de turnos anteriores que o cliente envia de volta em reasoning_content é lido pelo modelo, e a documentação da Alibaba diz que ele “está incluído na contagem de tokens de entrada e é cobrado”. Por isso, em sessões longas com agentes, a entrada cresce mais rápido do que a conversa visível sugere.

A mudança em max_tokens: o que você verá e como corrigir

Esta é a mudança com maior probabilidade de interromper uma integração funcional. O aviso de compatibilidade de API da Alibaba, datado de 2 de novembro, anunciou a mudança, que também é mencionada na página do modelo:

A partir do qwen4-max-preview, max_tokens equivale a max_completion_tokens. Ambos limitam o total combinado de tokens para o pensamento e a resposta final. O pensamento consome parte do mesmo orçamento, então um limite que antes era dimensionado apenas para a resposta pode truncar a saída.

No Qwen3.8-Max, max_tokens limita apenas a resposta; o pensamento fica fora desse limite. O código que define max_tokens: 300 para uma resposta curta funcionava nesse modelo. No Qwen4-Max-Preview, os mesmos 300 tokens também precisam cobrir o raciocínio.

A AIHubMix executou esta solicitação em 11 de novembro de 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."}]
  }'

A resposta foi HTTP 200, mas sem nada para mostrar:

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

(Campos relevantes, de forma resumida.)

Os 300 tokens foram todos usados no raciocínio, e a resposta nem chegou a começar. Como não ocorre nenhum erro, um cliente que lê apenas content recebe uma string vazia e pode tratá-la como uma resposta válida. Com max_tokens: 16384, o mesmo prompt foi concluído normalmente: 1,206 tokens de conclusão, sendo 608 de raciocínio, e a resposta correta (quatro pares).

Como corrigir:

1. Dimensione os limites para o pensamento e a resposta juntos. Remova os limites antigos que consideravam apenas a resposta ou aumente-os bastante além do necessário para ela. A Alibaba marca max_tokens como “a ser descontinuado” e recomenda max_completion_tokens para novas integrações. Neste modelo, os dois significam a mesma coisa, então apenas renomear não resolve nada: max_completion_tokens: 300 retornou a mesma resposta vazia na AIHubMix.
2. Limite diretamente o pensamento quando precisar de uma resposta curta. Defina reasoning_effort como low ou como none para desativar o pensamento. No teste da AIHubMix, none respondeu a um prompt curto de programação com 43 tokens de conclusão, sem raciocínio.
3. Verifique finish_reason em cada chamada. Trate "length" com um content vazio como uma falha que deve ser repetida com um orçamento maior, não como uma resposta.

Controles de pensamento que vale a pena conhecer

O pensamento vem ativado por padrão. A referência de Chat Completions da Alibaba documenta os detalhes:

• Níveis: low, medium e xhigh (o padrão). Os valores no estilo OpenAI são mapeados: max e high viram xhigh, minimal vira low e none desativa o pensamento. Qualquer outro valor retorna um erro.
• Orçamentos: se você não definir thinking_budget, os níveis correspondem a orçamentos de pensamento de 4,096 (low), 16,384 (medium) e 262,144 (xhigh) tokens. Se você não definir nenhum dos dois, a mesma página informa que o padrão é xhigh, com um orçamento de 131,072 tokens. De acordo com esse mapeamento, enviar xhigh explicitamente permite até o dobro do orçamento de pensamento padrão. É assim que a documentação descreve o funcionamento; a AIHubMix não fez medições.
• Não combine: a documentação da Alibaba informa que definir reasoning_effort e thinking_budget ao mesmo tempo gera um erro. Um teste da AIHubMix que enviou ambos foi concluído normalmente, então talvez o canal não rejeite essa combinação, mas não há documentação sobre qual configuração prevalece. Envie apenas uma.
• Vários turnos: retorne o pensamento anterior no campo reasoning_content de cada mensagem do assistente, nunca dentro de content. Omiti-lo não causa um erro, mas enviá-lo de volta é cobrado como entrada.

Pelo canal da AIHubMix, low e none foram aceitos, e o pensamento chegou em reasoning_content.

Ferramentas de programação

O modelo foi desenvolvido para agentes de programação. Veja como ele se integra às ferramentas mais comuns pela AIHubMix:

• Claude Code usa a API Messages da Anthropic. A página do modelo no AIHubMix lista apenas /v1/chat/completions, mas uma solicitação de teste para /v1/messages do AIHubMix com este ID de modelo retornou uma resposta normal, com blocos separados de pensamento e texto. Foi uma única solicitação, sem ferramentas, não uma sessão do Claude Code. Para executar o Claude Code com modelos que não sejam da Claude, o AIHubMix documenta uma configuração separada, Claude Code com qualquer LLM: instale o pacote @aihubmix/claude-code, defina default, think e longContext em Router, dentro de ~/.aihubmix-claude-code/config.json, como coding-qwen4-max-preview e, em seguida, execute acc start e acc code. Não testamos essa configuração com este modelo, então faça primeiro o teste rápido abaixo. A documentação da Anthropic não oferece suporte ao encaminhamento de modelos que não sejam da Claude para o Claude Code por meio de um gateway, portanto, essa configuração não tem suporte da parte da Anthropic.
• Qwen Code se conecta pelo endpoint compatível com OpenAI: OPENAI_BASE_URL=https://aihubmix.com/v1 e OPENAI_MODEL=coding-qwen4-max-preview. Há um detalhe que fica evidente no código-fonte do Qwen Code. A tabela de tamanho de contexto atribui uma janela de 1M aos IDs que começam com qwen4. Nosso ID começa com coding-, não corresponde a nenhuma linha e usa o padrão de 200.000 tokens. Essa é uma análise do código, não o resultado de uma execução medida. É provável que o Qwen Code compacte a conversa muito antes de chegar a 1M. Se precisar do contexto completo, defina model.generationConfig.contextWindowSize como 1000000 em ~/.qwen/settings.json.
• OpenCode, Cline, Cursor e outras ferramentas compatíveis com OpenAI: adicione um modelo personalizado usando a mesma URL base e o mesmo ID. Confira duas configurações em cada ferramenta: a janela de contexto, que muitas vezes as ferramentas não reconhecem para IDs novos, e qualquer valor padrão de max_tokens enviado pela ferramenta. Um valor padrão baixo agora vai consumir parte do limite de saída que seria usado para o pensamento.

Um teste rápido de 15 minutos antes de confiar nele para trabalhar em um repositório:

1. Envie uma solicitação de Chat Completions e confirme que reasoning_content e um content não vazio são retornados.
2. Dê ao agente uma tarefa pequena em um repositório de teste: corrigir um teste unitário com falha que envolva dois arquivos. O sucesso significa que os testes passam e o diff altera apenas o necessário.
3. Procure por finish_reason: "length" nos registros ou na visualização de uso da ferramenta. Se aparecer, aumente o limite de saída ou reduza reasoning_effort.
4. Repita a tarefa com reasoning_effort: "low" e compare o tempo e os tokens de saída. Assim você saberá qual nível usar no dia a dia.

A Alibaba documenta chamadas de ferramentas e saídas estruturadas para este modelo. O AIHubMix ainda não publicou indicadores de capacidade para este canal, e o guia do modelo informa que a ausência deles significa “não verificado, não incompatível”. A etapa 2 é seu teste de chamadas de ferramentas.

Você deve mudar?

Teste agora se você usa agentes de programação e quer ver a próxima geração do Qwen em seu próprio código, ou se está decidindo se deve planejar em torno do Qwen4. No preço do canal do AIHubMix, uma sessão como a descrita acima custa menos de um dólar, e a prévia da Alibaba termina em 25 de novembro.

Espere se você precisa de comportamento estável, benchmarks publicados ou disponibilidade de longo prazo. A prévia é identificada como instável, e a Alibaba desativa o modelo quando ela termina. A Alibaba não informou o que virá depois da prévia, quanto custará nem se o comportamento será o mesmo.

Continue usando o Qwen3.8-Max em produção. Ele tem o mesmo contexto de 1M, um preço oficial de pagamento conforme o uso e nenhuma data de desativação anunciada. Suas configurações de max_tokens mantêm o significado antigo nesse modelo.

Se testar os dois, a comparação lado a lado no AIHubMix lista as especificações e os preços. Você pode chamar qualquer um dos modelos com a mesma chave do AIHubMix; muda apenas o ID do modelo.

Perguntas frequentes

O Qwen4-Max-Preview está disponível por meio de uma API com pagamento conforme o uso?
Não pela Alibaba, que o oferece apenas por meio de assinaturas do Token Plan. O AIHubMix foi a primeira plataforma a oferecê-lo por token, com o ID coding-qwen4-max-preview, a US$ 0.353 por milhão de tokens de entrada e US$ 1.059 por milhão de tokens de saída.

Quando a Alibaba desativa o Qwen4-Max-Preview?
A prévia da Alibaba termina às 24:00 de 25 de novembro de 2026 (UTC+8), ou seja, às 16:00 UTC. A Alibaba informa que o modelo será desativado após o fim da prévia.

Por que minha solicitação retorna uma resposta vazia?
O mais provável é que max_tokens esteja muito baixo. Neste modelo, ele limita tanto o pensamento quanto a resposta, então o raciocínio pode consumir todo o orçamento. Verifique se finish_reason é "length" e, em seguida, aumente o limite ou reduza reasoning_effort.

Qual é a janela de contexto e qual é o limite máximo de saída?
A Alibaba lista um contexto de 1M de tokens e até 393,216 tokens de saída; o pensamento e a resposta final compartilham o limite de saída.

Como desativar ou reduzir o modo de pensamento?
Defina reasoning_effort como low ou medium para reduzi-lo, ou como none para desativá-lo. Envie apenas um entre reasoning_effort e thinking_budget: a Alibaba documenta que combiná-los causa um erro, e não há documentação que indique qual deles tem efeito no canal do AIHubMix.

O Qwen4-Max-Preview é melhor que o Qwen3.8-Max?
Ainda não há benchmarks publicados que permitam responder. A página de lançamento da Alibaba lista capacidades e limites, mas não apresenta pontuações; também não encontramos benchmarks independentes até 11 de novembro de 2026. Portanto, compare os dois em suas próprias tarefas.

Funciona com o Claude Code?
O AIHubMix documenta uma configuração para executar o Claude Code com modelos que não sejam da Claude, algo que a Anthropic não oferece suporte. Com este modelo, testamos apenas uma solicitação ao endpoint Messages compatível com Anthropic do AIHubMix, que retornou blocos de pensamento e texto. Faça um teste rápido com ferramentas antes de confiar nele para sessões longas.

Fontes

1. Alibaba Cloud Model Studio: Qwen4-Max-Preview (acessado em 11 de novembro de 2026)
2. Alibaba Cloud Model Studio: referência da API Chat Completions
3. Alibaba Cloud Model Studio: Token Plan (Personal Edition) (acessado em 11 de novembro de 2026)
4. Alibaba Cloud Model Studio: Qwen3.8-Max (acessado em 11 de novembro de 2026)
5. AIHubMix: Coding Qwen4 Max Preview (preços verificados em 11 de novembro de 2026; testes ao vivo executados das 10:22 às 10:48 UTC)