A migração de Qwen3.8-Max para Qwen4-Max muda mais do que o ID do modelo. Ambos têm uma janela de contexto de um milhão de tokens, mas um limite de saída antes dimensionado para a resposta agora também precisa comportar o pensamento. O esforço padrão muda, e os agentes precisam preservar corretamente o histórico de raciocínio entre chamadas de ferramenta.
Comece com uma solicitação de Chat Completions e, em seguida, execute uma pequena tarefa em um repositório. Confira a resposta, o motivo do encerramento, o histórico e o diff resultante antes de migrar um fluxo de trabalho existente.
Recalcule o limite de saída
A referência de Chat Completions define max_tokens do Qwen4-Max como equivalente a max_completion_tokens: ambos limitam o pensamento mais a resposta final. O max_tokens do Qwen3.8-Max abrange apenas a resposta.
Portanto, um limite de 300 não reserva 300 tokens para uma resposta visível. O raciocínio pode consumir o orçamento primeiro e, possivelmente, deixar a resposta vazia ou incompleta. Uma resposta que termina com finish_reason: "length" requer atenção, mesmo quando a solicitação HTTP é bem-sucedida. Renomear o parâmetro sem aumentar o valor não muda nada.
Use max_completion_tokens nas novas integrações e reserve espaço para ambas as partes. O Qwen4-Max aceita até 262,144 tokens de saída combinados no modo de pensamento, ou 131,072 no modo sem pensamento. A janela de contexto de 1,000,000 tokens não é uma cota de entrada à qual você pode somar a saída máxima; a entrada e a saída precisam caber juntas na janela de contexto.
Escolha o esforço ou um orçamento de pensamento
O Qwen4-Max usa low, high e xhigh, com high como padrão. Se nenhum dos controles for especificado, o padrão é high e um orçamento de pensamento de 131,072 tokens. Esse é um limite máximo, não uma previsão do número de tokens usados.
Duas configurações herdadas mudam de significado: high agora significa high, em vez de corresponder a xhigh, como acontecia no Qwen3.8-Max; medium corresponde a high. Os demais mapeamentos são minimal para low, max para xhigh e none para pensamento desativado.
Envie ou reasoning_effort ou thinking_budget. A referência oficial proíbe combiná-los, e o orçamento precisa ser um número inteiro positivo: zero não desativa o pensamento. Se você especificar apenas um orçamento, 1–4,096 seleciona low, 4,097–131,072 seleciona high e 131,073–262,144 seleciona xhigh, mantendo o orçamento informado.
Comece com o endpoint indicado
O guia de modelos da AIHubMix lista qwen4-max em POST /v1/chat/completions. Esta é uma solicitação inicial, não um resultado medido:
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."}]
}'
O limite de saída segue o contrato documentado pela Alibaba. Você pode adicionar, opcionalmente, reasoning_effort: "low" sem um orçamento de pensamento; o encaminhamento dos parâmetros não foi medido aqui. As sinalizações de recursos da AIHubMix não foram verificadas. Confira a resposta e o uso efetivos antes de confiar em uma configuração.
Preserve o histórico de que seu agente precisa
Com o pensamento completo, mantenha o reasoning_content separado do content nas mensagens históricas do assistente, inclusive em turnos que chamam ferramentas. O Qwen4-Max ativa preserve_thinking por padrão; o histórico retornado conta como entrada e é cobrado. Um serializador que mantém apenas o texto visível perde parte desse histórico.
A Alibaba também oferece resumos e criptografia do pensamento. Quando esse recurso estiver ativado com thinking_display: "summarized" em cada solicitação, reasoning_content passa a ser um resumo para exibição, e encrypted_content contém o histórico de raciocínio. Reenvie o texto cifrado sem alterações; o resumo não pode substituí-lo. Clientes de streaming precisam reter o quadro criptografado separado, mesmo quando ele não contém texto visível.
Esse modo de resumo está documentado pela Alibaba. Não foi verificado se ele funciona pela AIHubMix, então primeiro estabeleça a continuidade de uma conversa comum.
Verifique o cache antes de projetar economias
O cache explícito do Qwen4 da Alibaba oferece pontos de interrupção manuais e automáticos, com TTLs de 5 minutos ou 1 hora. Um prefixo armazenado em cache precisa ter pelo menos 1,024 tokens. As gravações no cache custam aproximadamente 125% ou 200% do custo normal de entrada, respectivamente; gravar repetidamente não gera economia sem custo.
Coloque primeiro as instruções estáveis do sistema, as definições de ferramentas e o material do repositório; depois, as perguntas que mudam. Se nenhum parâmetro de cache for definido, o cache implícito comum não garante acertos. Verifique o uso de leitura/gravação do cache e a fatura antes de presumir que seu agente se beneficia dele. Esses controles de cache do provedor não foram medidos pela AIHubMix.
Ferramentas de programação: verifique uma tarefa completa
Siga o guia do Qwen Code da AIHubMix para instalar e autenticar. Defina OPENAI_BASE_URL=https://aihubmix.com/v1 e OPENAI_MODEL=qwen4-max, e forneça a chave por meio de OPENAI_API_KEY. Use /status para confirmar o modelo selecionado; verifique também as configurações de contexto e saída do cliente.
O Claude Code precisa do protocolo Anthropic Messages, enquanto o Codex precisa do Responses. A Alibaba documenta esses protocolos, mas o guia do Qwen4-Max da AIHubMix lista apenas Chat Completions. Não foi confirmado se eles estão disponíveis por meio deste gateway.
Siga esta lista de verificação de migração em um repositório temporário:
- Confirme o modelo e o endpoint; verifique o texto da resposta,
finish_reasone o uso na solicitação básica. - Remova os limites herdados que cobrem apenas a resposta e os controles de pensamento conflitantes. Se houver truncamento, tente novamente com mais espaço; confira se a resposta está completa.
- Corrija um teste com falha em dois arquivos. Para considerar a tarefa bem-sucedida, uma chamada de ferramenta real precisa ser concluída, os testes precisam passar e o diff deve conter apenas a alteração pretendida.
- Faça uma pergunta de acompanhamento que dependa do primeiro turno. Inspecione o histórico salvo do assistente e das ferramentas, bem como qualquer compactação; confirme que o contexto necessário foi preservado.
- Repita com o esforço escolhido. Compare os patches aceitos, o total de tokens e as novas tentativas. Verifique o uso do cache separadamente antes de estimar o custo recorrente.
Perguntas frequentes
Qual ID de modelo devo usar na AIHubMix?
Use qwen4-max com o endpoint de Chat Completions indicado.
Por que uma solicitação bem-sucedida pode conter uma resposta incompleta?
O pensamento e a resposta compartilham o limite de saída. Verifique se finish_reason indica length e aumente o limite combinado, se necessário.
Mudar para max_completion_tokens corrige o truncamento?
Não por si só. No Qwen4-Max, ele tem o mesmo significado que max_tokens; o valor precisa deixar espaço suficiente.
Posso definir o esforço e um orçamento de pensamento ao mesmo tempo?
Não. Escolha um deles. O orçamento de pensamento precisa ser positivo; use reasoning_effort none para desativar o pensamento.
Devo reenviar um resumo do pensamento como histórico de raciocínio?
Não. No modo de resumo, mantenha e reenvie encrypted_content sem alterações. O resumo exibido não pode substituí-lo.
Posso presumir que o Claude Code ou o Codex funciona pela AIHubMix?
Os protocolos exigidos por eles não foram verificados para este modelo. Primeiro, confirme o endpoint relevante e um fluxo de trabalho completo com ferramentas.
Continue lendo: a série Qwen4-Max
- Para decidir se a migração vale o custo, leia Qwen4-Max vs Qwen3.8-Max: vale a pena fazer o upgrade?.
- Para escolher um modelo para a mesma tarefa em um repositório, leia Qwen4-Max vs Kimi K3.1 Pro: qual agente de programação você deve usar?.
Fontes
- Alibaba Cloud: especificações do modelo Qwen4-Max e Qwen3.8-Max.
- Alibaba Cloud: parâmetros de Chat Completions.
- Alibaba Cloud: resumo e criptografia do pensamento.
- Alibaba Cloud: cache explícito para Qwen4.
- AIHubMix: guia do modelo Qwen4-Max e configuração do Qwen Code.
Fontes verificadas em 17 de novembro de 2026. Nenhum teste de inferência paga foi realizado para este artigo.



