Qwen4-Max vs Qwen3.8-Max: стоит ли переходить?

AIHubMix4 мин чтения
Qwen4-Max vs Qwen3.8-Max: стоит ли переходить?

Qwen4-Max стоит оценить, если вы уже используете Qwen3.8-Max: обычные цены на ввод и вывод на 25% ниже согласно опубликованным тарифам Alibaba Cloud для Сингапура. Контекстное окно остается равным одному миллиону токенов, а обе модели принимают текст, изображения и видео. Поэтому цена — наиболее очевидная документально подтвержденная причина попробовать новую версию. Однако это не доказывает, что новая модель лучше справляется с вашими задачами или использует меньше токенов.

Миграция также меняет контракт интеграции. Теперь ограничение только на ответ может распространяться и на thinking, и на ответ вместе, а значение effort по умолчанию меняется с xhigh на high. Учтите это изменение, прежде чем заменять ID модели в production.

Что осталось прежним и что изменилось

На странице модели Qwen4-Max Alibaba и в документации Qwen3.8-Max описаны две облачные модели с одинаковым размером контекстного окна и одинаковыми типами входных данных. Лимиты вывода нужно трактовать внимательнее:

Параметр Qwen3.8-Max Qwen4-Max
Контекст 1,000,000 1,000,000
Ввод Текст, изображения, видео Текст, изображения, видео
Вывод без thinking 131,072 131,072
Thinking включен По умолчанию По умолчанию
Значение effort по умолчанию xhigh high
Доступные уровни effort low, medium, xhigh low, high, xhigh

Qwen4-Max допускает до 262,144 токенов на thinking и ответ вместе. Указанный для Qwen3.8-Max лимит вывода в 131,072 токена — это лимит ответа, в том числе в режиме thinking; отдельно установлен максимальный размер цепочки рассуждений — 262,144 токена. Эти значения относятся к разным показателям и не подтверждают утверждение, что емкость вывода просто удвоилась.

Обе модели принимают визуальные данные, поэтому приложение, которое уже отправляет скриншоты или изображения документов, не получает новый тип входных данных при одном лишь обновлении модели. Улучшилось ли извлечение данных или визуальное рассуждение, нужно проверять на репрезентативных файлах.

Разница в цене при фиксированной нагрузке

В официальной таблице тарифов указаны следующие цены в USD для Сингапура — для режимов thinking и без thinking, при объеме вводимых данных до одного миллиона токенов на запрос:

За миллион токенов Qwen3.8-Max Qwen4-Max
Обычный ввод $2.00 $1.50
Вывод, включая thinking $6.00 $4.50

Рассмотрим суммарное использование в нескольких запросах: один миллион некэшированных входных токенов и 100,000 выходных токенов, включая рассуждения. Это общие объемы, а не один запрос. Qwen3.8-Max стоит $2 + $0.60 = $2.60; Qwen4-Max — $1.50 + $0.45 = $1.95. При одинаковом объеме использования это на 25% дешевле. Это расчетная оценка, а не результат измерения на конкретной задаче; в нее не включены кэширование, инструменты, повторные попытки и налоги. В других регионах цены отличаются.

Фактическая экономия зависит от поведения модели при генерации ответа. Более длинные рассуждения, повторные попытки или более длинная история могут свести на нет снижение цены за единицу. Сравнивайте стоимость принятого результата и его корректность, а не исходите из того, что каждая задача станет на 25% дешевле.

Проверьте лимит вывода и настройки thinking

Согласно справочнику Chat Completions, в Qwen4-Max параметр max_tokens равнозначен max_completion_tokens: оба ограничивают суммарный объем thinking и ответа. В Qwen3.8-Max параметр max_tokens ограничивает только ответ. Поэтому небольшой лимит, унаследованный от прежней модели, может остановить новую до того, как появится полезный ответ. Проверяйте finish_reason: значение length означает, что лимит исчерпан. В этой статье не приводятся результаты новых экспериментов с инференсом.

В новых интеграциях с Qwen4-Max отдавайте предпочтение параметру max_completion_tokens и выделяйте достаточно места для обоих типов вывода. Доступные значения effort: low, high и xhigh; значение medium преобразуется в high. В Qwen3.8-Max значение high преобразуется в xhigh. Повторное использование перечисления не обязательно означает, что значения имеют тот же смысл.

Если не заданы ни effort, ни бюджет thinking, в Qwen4-Max используются значения high и 131,072 токенов для thinking по умолчанию. Не передавайте одновременно reasoning_effort и thinking_budget. Явно заданный бюджет thinking должен быть положительным; чтобы отключить thinking, используйте документированный переключатель thinking, а не нулевой бюджет. Храните прежние рассуждения в отдельном поле, не добавляя их к тексту ответа.

Что подтверждено для шлюза

Руководство AIHubMix по Qwen4-Max указывает qwen4-max для Chat Completions, но помечает флаги возможностей как непроверенные. Поддержка Alibaba вызовов инструментов, структурированного вывода, Responses и Messages не подтверждает, что все эти варианты работают через данный шлюз.

Alibaba также документирует явное кэширование в Qwen4, включая автоматические контрольные точки и TTL в 5 минут или 1 час. Дополнительную плату за запись и отдельную плату за чтение необходимо учитывать отдельно. Для необязательных сводок thinking требуется сохранять зашифрованную историю. Прежде чем полагаться на эти возможности для экономии или работы в несколько ходов, проверьте их на нужном вам маршруте.

Начните с небольшого набора реальных задач: одно изменение в репозитории, один вопрос по длинному документу и один визуальный сценарий, если приложение работает с изображениями. Не меняйте промпты, инструменты и критерии приемки. Фиксируйте принятые результаты, общее число токенов с учетом повторных попыток и ошибки. Не отключайте Qwen3.8-Max, пока новая модель не пройдет проверку. Страница сравнения AIHubMix поможет сверить опубликованные характеристики и цены; решение о переходе принимайте по результатам приемочных тестов.

Часто задаваемые вопросы

Qwen4-Max дешевле Qwen3.8-Max?
По официальным тарифам для Сингапура обычные цены на ввод и вывод на 25% ниже. Фактическая экономия на задаче зависит от расхода токенов и количества повторных попыток.

Увеличилось ли контекстное окно?
Нет. Для обеих моделей указано контекстное окно на 1,000,000 токенов.

Лимит вывода Qwen4-Max вдвое больше?
Указанные лимиты относятся к разным показателям. В Qwen4-Max лимит в 262,144 токена охватывает thinking и ответ вместе; значение 131,072 для Qwen3.8-Max — это лимит ответа.

Можно ли оставить прежнее значение max_tokens?
Сначала проверьте его. В Qwen4-Max этот лимит включает thinking, поэтому значения, рассчитанного только на ответ, может быть недостаточно.

Изменился ли уровень thinking по умолчанию?
Да: в Qwen3.8-Max используется xhigh, а в Qwen4-Max — high. Некоторые правила преобразования значений для совместимости тоже отличаются.

Нужно ли сразу переводить весь production-трафик?
Переходите, только когда новая модель пройдет проверку на репрезентативных задачах и подтвердится работа необходимых функций шлюза. Документированное снижение цены не доказывает улучшение качества.

Продолжение: серия Qwen4-Max

Источники

  1. Alibaba Cloud: Qwen4-Max и Qwen3.8-Max — лимиты и значения по умолчанию.
  2. Alibaba Cloud: тарифы моделей, цены в USD для Сингапура; расчет предполагает одинаковый объем некэшированных данных.
  3. Alibaba Cloud: справочник Chat Completions — область действия лимита вывода и параметры thinking.
  4. Alibaba Cloud: кэширование в Qwen4 и сводка thinking и шифрование — функции провайдера.
  5. AIHubMix: руководство по Qwen4-Max и руководство по Qwen3.8-Max — модели в каталоге шлюза. Источники проверены 17 ноября 2026 года, 02:33 UTC; новых тестов инференса не проводилось.

Один шлюз ко многим провайдерам ИИ. Создан для продакшена.

Перейти на AIHubMix