Перехід із Qwen3.8-Max на Qwen4-Max змінює більше, ніж лише ID моделі. Обидві моделі мають контекст на мільйон токенів, але ліміт виводу, розрахований раніше на відповідь, тепер охоплює і мислення. Змінюється стандартний рівень зусиль, а агенти мають правильно зберігати історію міркувань під час викликів інструментів.
Почніть з одного запиту Chat Completions, а потім виконайте невелике завдання в репозиторії. Перевірте відповідь, причину зупинки, історію та отриманий diff, перш ніж переносити наявний робочий процес.
Перерахуйте ліміт виводу
Довідка Chat Completions визначає max_tokens для Qwen4-Max як еквівалент max_completion_tokens: обидва параметри обмежують мислення та фінальну відповідь разом. У Qwen3.8-Max параметр max_tokens охоплює лише відповідь.
Отже, ліміт у 300 токенів не резервує 300 токенів для видимої відповіді. Міркування можуть спершу вичерпати бюджет, потенційно залишивши порожню або неповну відповідь. Якщо відповідь завершується з finish_reason: "length", на це варто звернути увагу, навіть коли HTTP-запит успішний. Перейменування параметра без збільшення значення нічого не змінює.
У нових інтеграціях використовуйте max_completion_tokens і передбачте запас для обох частин. У режимі мислення Qwen4-Max підтримує до 262,144 вихідних токенів разом, а в режимі без мислення — до 131,072. Контекстне вікно на 1,000,000 токенів не означає, що до максимальної кількості вихідних токенів можна додати стільки ж вхідних: вхідні й вихідні токени разом мають уміститися в контекст.
Виберіть рівень зусиль або бюджет мислення
У Qwen4-Max доступні рівні low, high і xhigh, а за замовчуванням використовується high. Якщо не вказати жоден із двох параметрів керування, вибирається high і бюджет мислення на 131,072 токени. Це граничне значення, а не прогноз кількості використаних токенів.
Значення двох успадкованих налаштувань змінюється: high тепер означає high, а не відповідає xhigh, як у Qwen3.8-Max; medium відповідає high. Інші відповідності: minimal — low, max — xhigh, а none — вимкнене мислення.
Надсилайте або reasoning_effort, або thinking_budget. В офіційній довідці заборонено поєднувати ці параметри, а бюджет має бути додатним цілим числом: нуль не вимикає мислення. Якщо вказано лише бюджет, значення 1–4,096 відповідає low, 4,097–131,072 — high, а 131,073–262,144 — xhigh; указаний бюджет зберігається.
Почніть із зазначеного ендпоінта
Посібник AIHubMix із моделей указує для qwen4-max ендпоінт POST /v1/chat/completions. Це початковий запит, а не виміряний результат:
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."}]
}'
Ліміт виводу відповідає задокументованим умовам Alibaba. За бажанням можна додати reasoning_effort: "low" без бюджету мислення; передачу параметра тут не перевіряли. Підтримку можливостей з боку AIHubMix не підтверджено. Перш ніж покладатися на налаштування, перевірте фактичну відповідь і використання токенів.
Зберігайте історію, потрібну вашому агенту
Якщо повне мислення ввімкнено, зберігайте reasoning_content окремо від content в історичних повідомленнях асистента, зокрема й у ходах із викликами інструментів. У Qwen4-Max за замовчуванням увімкнено preserve_thinking; повернута історія зараховується як вхідні дані й оплачується. Серіалізатор, який зберігає лише видимий текст, втрачає частину цієї історії.
Alibaba також пропонує підсумки мислення та шифрування. Якщо ввімкнути цю функцію за допомогою thinking_display: "summarized" у кожному запиті, reasoning_content перетворюється на підсумок для відображення, а encrypted_content містить історію міркувань. Повторно надсилайте зашифрований вміст без змін: підсумок не може його замінити. Клієнти потокової передачі мають зберігати окремий зашифрований кадр, навіть якщо він не містить видимого тексту.
Цей режим підсумків задокументовано в Alibaba. Його роботу через AIHubMix не перевірено, тож спершу налагодьте збереження звичайної історії розмови.
Перш ніж оцінювати економію, перевірте кешування
У явному кеші Qwen4 від Alibaba підтримуються ручні й автоматичні контрольні точки з TTL 5 хвилин або 1 година. Префікс для кешування має містити щонайменше 1,024 токени. Запис у кеш коштує приблизно 125% або 200% від звичайного введення відповідно; повторні записи не дають безкоштовної економії.
Спочатку розміщуйте незмінні системні інструкції, визначення інструментів і матеріали репозиторію, а потім — запитання, що змінюються. Якщо параметри кешування не задані, звичайне неявне кешування не гарантує влучень у кеш. Перш ніж вважати, що агент отримує від цього переваги, перевірте використання кешу для читання й запису та рахунок. Керування кешем від цього провайдера не перевіряли через AIHubMix.
Інструменти для кодування: перевірте виконання повного завдання
Дотримуйтеся посібника AIHubMix із налаштування Qwen Code, щоб установити й автентифікуватися. Укажіть OPENAI_BASE_URL=https://aihubmix.com/v1, OPENAI_MODEL=qwen4-max, а ключ передайте через OPENAI_API_KEY. Використайте /status, щоб підтвердити вибрану модель; також перевірте налаштування контексту й виводу в клієнті.
Для Claude Code потрібен Anthropic Messages, а для Codex — Responses. Alibaba документує ці протоколи, але в посібнику AIHubMix із Qwen4-Max зазначено лише Chat Completions. Тут не підтверджено, що вони доступні через цей шлюз.
Виконайте наведений нижче список перевірок міграції в тестовому репозиторії:
- Переконайтеся, що модель і ендпоінт правильні; перевірте текст відповіді,
finish_reasonі використання токенів у базовому запиті. - Приберіть успадковані ліміти, що охоплюють лише відповідь, і несумісні параметри керування мисленням. Якщо відповідь обрізано, повторіть запит із більшим запасом; перевірте, що відповідь повна.
- Виправте один невдалий тест у двох файлах. Успішний результат означає, що справжній виклик інструменту завершується, тести проходять, а diff містить лише передбачені зміни.
- Поставте уточнювальне запитання, відповідь на яке залежить від першого ходу. Перевірте збережену історію асистента й інструментів, а також будь-яке ущільнення контексту; переконайтеся, що потрібний контекст зберігся.
- Повторіть перевірку з вибраним рівнем зусиль. Порівняйте прийняті патчі, загальну кількість токенів і повторні спроби. Перш ніж оцінювати регулярні витрати, окремо перевірте використання кешу.
Запитання й відповіді
Який ID моделі використовувати в AIHubMix?
Використовуйте qwen4-max із зазначеним ендпоінтом Chat Completions.
Чому успішний запит може повернути неповну відповідь?
Мислення й відповідь використовують спільний ліміт виводу. Перевірте, чи має finish_reason значення length, і за потреби збільште спільний ліміт.
Чи усуне обрізання відповідей перехід на max_completion_tokens?
Сам по собі — ні. У Qwen4-Max цей параметр має те саме значення, що й max_tokens; потрібно задати достатній ліміт.
Чи можна одночасно задати рівень зусиль і бюджет мислення?
Ні. Виберіть щось одне. Бюджет мислення має бути додатним; щоб вимкнути мислення, задайте reasoning_effort зі значенням none.
Чи слід повторно надсилати підсумок мислення як історію міркувань?
Ні. У режимі підсумків зберігайте й повторно надсилайте encrypted_content без змін. Підсумок для відображення не може його замінити.
Чи можна вважати, що Claude Code або Codex працюватимуть через AIHubMix?
Сумісність цього модельного шлюзу з потрібними їм протоколами тут не підтверджено. Спершу перевірте відповідний ендпоінт і виконання повного робочого процесу з інструментами.
Читайте далі: серія Qwen4-Max
- Щоб вирішити, чи виправдовує міграція витрати, прочитайте «Qwen4-Max проти Qwen3.8-Max: чи варте оновлення того?».
- Щоб вибрати модель для того самого завдання в репозиторії, прочитайте «Qwen4-Max проти Kimi K3.1 Pro: якого агента для кодування обрати?».
Джерела
- Alibaba Cloud: технічні характеристики моделі Qwen4-Max і Qwen3.8-Max.
- Alibaba Cloud: параметри Chat Completions.
- Alibaba Cloud: підсумок мислення та шифрування.
- Alibaba Cloud: явний кеш для Qwen4.
- AIHubMix: посібник із моделі Qwen4-Max і налаштування Qwen Code.
Джерела перевірено 17 листопада 2026 року. Для цієї статті платних тестів інференсу не проводили.



