Qwen4-Max-Preview API: контекст 1M, изменение max_tokens, отключение 25 ноября

11 ноября 2026 года Alibaba открыла доступ к Qwen4-Max-Preview, флагманской модели нового поколения семейства Qwen. Сама Alibaba предлагает её только по подписке Token Plan для инструментов программирования; оплаты по факту использования нет. Срок действия превью истекает 25 ноября в 24:00 (UTC+8), после чего Alibaba выведет модель из эксплуатации.

AIHubMix стала первой платформой, предлагающей доступ к модели через API с оплатой за токены. Со дня запуска она обслуживает модель под именем coding-qwen4-max-preview через совместимый с OpenAI эндпоинт по цене $0.353 за миллион входных токенов и $1.059 за миллион выходных токенов. Прежде чем направить на неё агента, учтите одно изменение, которое может нарушить работу существующего кода. Для этой модели параметр max_tokens учитывает вместе и токены на thinking, и токены ответа. На AIHubMix лимит в 300 токенов привёл к пустому ответу.

Кратко

• Что это: мультимодальная флагманская модель нового поколения от Alibaba и, по состоянию на 11 ноября, единственная модель Qwen4 в списке моделей Alibaba. Она предназначена для программирования, фронтенд-дизайна, офисной работы и агентных задач. Принимает текст, изображения и видео; контекстное окно — 1M токенов; до 393,216 выходных токенов.
• Где вызывать: Alibaba предлагает модель только в рамках подписки Token Plan. На AIHubMix доступно API с оплатой за токены и ID модели coding-qwen4-max-preview.
• Как долго доступна: превью от Alibaba продлится до 24:00 25 ноября 2026 года (UTC+8), то есть до 16:00 UTC того же дня.
• Что может сломаться: теперь max_tokens ограничивает суммарное количество токенов на thinking и ответ. Лимит, рассчитанный только на ответ, может привести к finish_reason: "length" и пустому значению content.
• Сколько стоит: Alibaba не публикует цену за токены. На AIHubMix цена составляет $0.353 за миллион входных токенов и $1.059 за миллион выходных токенов.

Два способа доступа и срок окончания

На странице модели Alibaba условия указаны прямо: Qwen4-Max-Preview «доступна только через Token Plan. Оплата по факту использования не поддерживается». Token Plan — это подписка Alibaba Cloud на инструменты для программирования с ИИ и агентные инструменты, такие как Claude Code, Qwen Code и Qoder. Оплата списывается в Credits, цена за токены не опубликована; персональные тарифы начинаются от $6 в месяц. В период превью Alibaba взимает за Qwen4-Max-Preview всего 20% от стандартной ставки в Credits, а с 22:00 до 08:00 (UTC+8) — 8%.

Другой способ доступа — канал AIHubMix. Модель вызывается, как и любая другая, через совместимый с OpenAI эндпоинт; оплата взимается за токены, подписка не нужна. AIHubMix описывает этот вариант как более доступный по цене способ работы с Qwen4-Max-Preview через официальный Token Plan и отмечает, что это сервис превью, который «может быть нестабильным; рекомендуется для тестирования и оценки».

Сроки превью фиксированы: с 10:00 11 ноября до 24:00 25 ноября 2026 года (UTC+8), всего 350 часов. Alibaba заявляет: «в этот период изменений не будет, а после окончания превью модель будет выведена из эксплуатации». Рассматривайте её как модель для оценки, а не как основу для продукта.

Что изменилось по сравнению с Qwen3.8-Max

Qwen3.8-Max — текущая флагманская модель Qwen, для которой дата вывода из эксплуатации не объявлена. Вот сравнение опубликованных Alibaba характеристик двух моделей:

Характеристики приведены по страницам моделей и справочнику API Alibaba Cloud. Лимит вывода Qwen4-Max-Preview общий для thinking и итогового ответа.

Контекстное окно и входные данные не изменились. Изменились две вещи: потолок вывода вырос втрое, а max_tokens теперь учитывает не только ответ, но и thinking. Настройки thinking остались с теми же названиями и уровнями, поэтому код, который уже задаёт reasoning_effort для Qwen3.8, можно использовать и здесь.

Бенчмарков пока нет. На странице запуска Alibaba не указаны результаты, и по состоянию на 11 ноября мы не нашли независимых бенчмарков этой версии превью. В публикациях о запуске, таких как материал TechNode, повторяются характеристики, а не результаты тестов. Пока не появятся оценки, проверяйте модель на собственных задачах.

Цена и фактические расходы

Alibaba не публикует цену за токены для Qwen4-Max-Preview: единственный официальный способ доступа — Token Plan с оплатой в Credits. В канале AIHubMix оплата взимается за токены: $0.353 за миллион входных токенов, $1.059 за миллион выходных токенов и $0.0441 за миллион входных токенов, попавших в кэш.

Для наглядности рассмотрим один сеанс работы агента для программирования. Это предположения, а не измерения: 40 ходов, каждый отправляет 60,000 входных токенов, из которых 50,000 — кэшированный префикс репозитория, и генерирует 3,000 выходных токенов с учётом thinking.

Расчёт по опубликованным ценам AIHubMix для этого канала. Попадания в кэш не гарантированы, и AIHubMix не проводила их измерений для этого канала. Без попаданий в кэш тот же сеанс стоит около $0.974.

На практике на эту сумму влияют два нюанса. Во-первых, thinking учитывается как вывод: в данных об использовании AIHubMix токены рассуждений входят в completion_tokens, а по умолчанию thinking работает на уровне xhigh. Значительная часть из 3,000 выходных токенов за ход может приходиться на рассуждения. Во-вторых, для этой модели Alibaba по умолчанию включает preserve_thinking. Модель считывает рассуждения из предыдущих ходов, которые клиент отправляет обратно в поле reasoning_content, а в документации Alibaba сказано, что они «учитываются в количестве входных токенов и оплачиваются». Поэтому в длинных сеансах агента входные данные растут быстрее, чем можно предположить по видимой переписке.

Изменение max_tokens: что вы увидите и как это исправить

Именно это изменение с наибольшей вероятностью нарушит работу уже существующей интеграции. Alibaba объявила о нём в уведомлении о совместимости API от 2 ноября; оно также повторяется на странице модели:

Начиная с qwen4-max-preview, max_tokens эквивалентен max_completion_tokens. Оба параметра ограничивают суммарное количество токенов на thinking и итоговый ответ. Thinking расходует часть того же лимита, поэтому лимит, рассчитанный только на ответ, может привести к обрезанию вывода.

В Qwen3.8-Max параметр max_tokens ограничивает только ответ; thinking в этот лимит не входит. Код с настройкой max_tokens: 300 для короткого ответа работал. В Qwen4-Max-Preview те же 300 токенов должны покрыть ещё и рассуждения.

11 ноября 2026 года AIHubMix отправила этот запрос:

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."}]
  }'

В ответ пришёл HTTP 200, но отображать было нечего:

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

(Оставлены только важные поля.)

Все 300 токенов ушли на рассуждения, и модель так и не начала отвечать. Ошибки не возникает, поэтому клиент, который читает только content, получает пустую строку и может принять её за корректный ответ. С тем же промптом и max_tokens: 16384 запрос завершился штатно: 1,206 токенов в completion, из них 608 — токены рассуждений, и правильный ответ (четыре пары).

Как исправить:

1. Учитывайте в лимите и thinking, и ответ. Удалите прежние ограничения, рассчитанные только на ответ, или значительно увеличьте их. Alibaba помечает max_tokens как «устаревающий» и рекомендует использовать max_completion_tokens в новых интеграциях. Для этой модели параметры означают одно и то же, поэтому простая смена названия ничего не исправит: max_completion_tokens: 300 также вернул пустой ответ на AIHubMix.
2. Если нужен короткий ответ, задайте лимит thinking напрямую. Установите для reasoning_effort значение low или none, чтобы отключить thinking. В тесте AIHubMix при значении none модель ответила на короткий промпт по программированию 43 токенами completion без рассуждений.
3. Проверяйте finish_reason при каждом вызове. Считайте значение "length" при пустом content не ответом, а неудачным запросом, который нужно повторить с большим лимитом.

Что важно знать о настройках thinking

По умолчанию thinking включён. Подробности приведены в справочнике Chat Completions от Alibaba:

• Уровни: low, medium и xhigh (значение по умолчанию). Значения в стиле OpenAI преобразуются: max и high становятся xhigh, minimal становится low, а none отключает thinking. Любое другое значение приводит к ошибке.
• Лимиты: если не задавать thinking_budget, уровням соответствуют лимиты на thinking в 4,096 (low), 16,384 (medium) и 262,144 (xhigh) токенов. Если не задать ни один из параметров, на той же странице указано значение по умолчанию: xhigh с лимитом 131,072 токена. Согласно этому соответствию, явная передача xhigh допускает вдвое больший лимит на thinking, чем значение по умолчанию. Именно так это описано в документации; AIHubMix не проверяла это измерениями.
• Не задавайте оба параметра одновременно: Alibaba указывает, что совместная настройка reasoning_effort и thinking_budget приводит к ошибке. Один тест AIHubMix с обоими параметрами завершился штатно, поэтому канал, возможно, не отклоняет такую комбинацию, однако в документации не сказано, какой параметр вступает в силу. Передавайте только один.
• Несколько ходов: возвращайте рассуждения из предыдущих ходов в поле reasoning_content каждого сообщения ассистента и никогда не помещайте их в content. Если не передавать их обратно, ошибки не возникнет, но передача обратно тарифицируется как входные токены.

Через AIHubMix принимались значения low и none, а thinking передавался в поле reasoning_content.

Инструменты для программирования

Модель создана для агентов-программистов. Вот как она работает с популярными инструментами через AIHubMix:

• Claude Code использует Anthropic Messages API. На странице модели AIHubMix указан только /v1/chat/completions, однако тестовый запрос к /v1/messages на AIHubMix с этим ID модели вернул обычный ответ с отдельными блоками thinking и text. Это был один запрос без инструментов, а не сессия Claude Code. Чтобы запускать Claude Code с моделями не от Claude, AIHubMix описывает отдельную настройку — Claude Code с любой LLM: установите пакет @aihubmix/claude-code, задайте для default, think и longContext в разделе Router файла ~/.aihubmix-claude-code/config.json значение coding-qwen4-max-preview, затем выполните acc start и acc code. Мы не проверяли эту настройку с данной моделью, поэтому сначала попробуйте короткий тест ниже. Документация Anthropic не предусматривает маршрутизацию моделей не от Claude в Claude Code через шлюз, поэтому со стороны Anthropic такая настройка не поддерживается.
• Qwen Code подключается через эндпоинт, совместимый с OpenAI: OPENAI_BASE_URL=https://aihubmix.com/v1 и OPENAI_MODEL=coding-qwen4-max-preview. Однако в исходном коде Qwen Code есть один нюанс. В таблице размеров контекстного окна для ID, начинающихся с qwen4, указано окно на 1M. Наш ID начинается с coding-, поэтому не соответствует ни одной строке, и программа использует значение по умолчанию — 200,000 токенов. Это вывод по исходному коду, а не результат практического тестирования. Вероятнее всего, Qwen Code будет сжимать историю разговора задолго до достижения 1M. Если вам нужна полная длина контекстного окна, задайте model.generationConfig.contextWindowSize значение 1000000 в файле ~/.qwen/settings.json.
• OpenCode, Cline, Cursor и другие инструменты, совместимые с OpenAI: добавьте пользовательскую модель с теми же базовым URL и ID. Проверьте в каждом инструменте два параметра: размер контекстного окна, который инструменты часто не знают для новых ID, и заданное по умолчанию значение max_tokens. Небольшое значение по умолчанию теперь ограничит и thinking.

15-минутный короткий тест, прежде чем доверить ей репозиторий:

1. Отправьте один запрос Chat Completions и убедитесь, что в ответе есть reasoning_content и непустое поле content.
2. Поручите агенту небольшую задачу в тестовом репозитории: исправить один упавший модульный тест в двух файлах. Успех — это прошедшие тесты и изменения только в нужных местах.
3. Проверьте, не появляется ли finish_reason: "length" в логах инструмента или в разделе использования. Если появляется, увеличьте лимит вывода или уменьшите reasoning_effort.
4. Повторите задачу с параметром reasoning_effort: "low" и сравните время выполнения и количество выходных токенов. Так вы поймёте, какой уровень использовать в повседневной работе.

Alibaba указывает, что модель поддерживает вызов инструментов и структурированный вывод. AIHubMix пока не опубликовала флаги возможностей для этого канала; в руководстве по моделям сказано, что их отсутствие означает «не проверено, а не не поддерживается». Шаг 2 — проверка вызова инструментов.

Стоит ли переходить?

Попробуйте сейчас, если используете агентов для написания кода и хотите протестировать следующее поколение Qwen на собственном коде или решить, стоит ли планировать переход на Qwen4. По тарифам канала AIHubMix сессия вроде описанной выше обойдётся менее чем в доллар, а срок действия превью Alibaba истекает 25 ноября.

Подождите, если вам нужны стабильная работа, опубликованные бенчмарки или долгосрочная доступность. Превью помечено как нестабильное, а по его окончании Alibaba выведет модель из эксплуатации. Alibaba не сообщила, что будет после превью, сколько это будет стоить и останется ли поведение модели прежним.

Оставьте Qwen3.8-Max для продакшена. У неё такое же контекстное окно на 1M, официальная оплата по факту использования и пока не объявленная дата вывода из эксплуатации. Параметры max_tokens сохраняют там прежнее значение.

Если вы тестируете обе модели, в сравнительной таблице на AIHubMix указаны их характеристики и цены. Для запросов к любой из моделей можно использовать один и тот же ключ AIHubMix — меняется только ID модели.

Часто задаваемые вопросы

Доступна ли Qwen4-Max-Preview через API с оплатой по факту использования?
Не у Alibaba: она предлагает модель только в рамках подписки Token Plan. AIHubMix стала первой платформой, предложившей оплату за токены; ID модели — coding-qwen4-max-preview, цена — $0.353 за миллион входных токенов и $1.059 за миллион выходных токенов.

Когда Alibaba выведет Qwen4-Max-Preview из эксплуатации?
Превью Alibaba заканчивается 25 ноября 2026 года в 24:00 (UTC+8), то есть в 16:00 UTC. Alibaba сообщает, что выведет модель из эксплуатации после окончания превью.

Почему мой запрос возвращает пустой ответ?
Скорее всего, значение max_tokens слишком мало. В этой модели оно ограничивает суммарный объём thinking и ответа, поэтому рассуждения могут исчерпать весь лимит. Проверьте, не указано ли finish_reason "length", затем увеличьте лимит или уменьшите reasoning_effort.

Каковы размер контекстного окна и максимальный объём вывода?
Alibaba указывает контекстное окно на 1M токенов и максимум 393,216 выходных токенов; thinking и итоговый ответ используют общий лимит вывода.

Как отключить thinking или сократить его?
Установите reasoning_effort в low или medium, чтобы сократить его, либо в none, чтобы отключить. Передавайте только один из параметров — reasoning_effort или thinking_budget: согласно документации Alibaba, их сочетание приводит к ошибке, а для канала AIHubMix нигде не указано, какой из них применяется.

Qwen4-Max-Preview лучше Qwen3.8-Max?
Опубликованных бенчмарков, которые помогли бы ответить на этот вопрос, пока нет. На странице запуска Alibaba перечислены возможности и ограничения, но нет результатов тестов; по состоянию на 11 ноября 2026 года мы также не нашли независимых бенчмарков. Поэтому сравните модели на собственных задачах.

Работает ли она с Claude Code?
AIHubMix описывает настройку для запуска Claude Code с моделями не от Claude, но Anthropic такой вариант не поддерживает. С этой моделью мы проверили лишь один запрос к совместимому с Anthropic эндпоинту Messages на AIHubMix; он вернул блоки thinking и text. Прежде чем использовать её в длительных сессиях, проведите короткий тест с инструментами.

Источники

1. Alibaba Cloud Model Studio: Qwen4-Max-Preview (дата обращения: 11 ноября 2026 года)
2. Alibaba Cloud Model Studio: справочник по API Chat Completions
3. Alibaba Cloud Model Studio: Token Plan (Personal Edition) (дата обращения: 11 ноября 2026 года)
4. Alibaba Cloud Model Studio: Qwen3.8-Max (дата обращения: 11 ноября 2026 года)
5. AIHubMix: Coding Qwen4 Max Preview (цены проверены 11 ноября 2026 года; живые тесты проведены с 10:22 до 10:48 UTC)