Alibaba ra mắt Qwen4-Max-Preview, mẫu flagship thế hệ tiếp theo của dòng Qwen, vào ngày 11 tháng 11 năm 2026. Alibaba chỉ cung cấp model này thông qua gói thuê bao Token Plan dành cho công cụ lập trình; không có tùy chọn trả phí theo mức sử dụng. Bản preview kết thúc lúc 24:00 ngày 25 tháng 11 (UTC+8), sau đó Alibaba sẽ ngừng cung cấp model.
AIHubMix là nền tảng đầu tiên cung cấp model này dưới dạng API tính phí theo token. Kể từ ngày ra mắt, nền tảng đã phục vụ model với tên coding-qwen4-max-preview trên endpoint tương thích với OpenAI, với mức giá $0.353 cho mỗi triệu token đầu vào và $1.059 cho mỗi triệu token đầu ra. Trước khi kết nối agent với model này, hãy lưu ý thay đổi có thể khiến mã hiện có bị lỗi. Với model này, max_tokens tính gộp cả phần suy luận lẫn câu trả lời. Trên AIHubMix, giới hạn 300 token trả về phản hồi trống.
Tóm tắt ngắn gọn
- Đây là gì: Model đa phương thức flagship thế hệ tiếp theo của Alibaba, đồng thời là model Qwen4 duy nhất có trong danh sách model của Alibaba tính đến ngày 11 tháng 11. Model hướng đến lập trình, thiết kế giao diện frontend, công việc văn phòng và các tác vụ agent. Nhận văn bản, hình ảnh và video; cửa sổ ngữ cảnh 1M token; tối đa 393,216 token đầu ra.
- Gọi model ở đâu: Alibaba chỉ cung cấp model trong các gói thuê bao Token Plan. Trên AIHubMix, đây là API tính phí theo token với mã model
coding-qwen4-max-preview. - Thời hạn: Bản preview của Alibaba kéo dài đến 24:00 ngày 25 tháng 11 năm 2026 (UTC+8), tức 16:00 UTC cùng ngày.
- Điểm có thể gây lỗi:
max_tokenshiện giới hạn tổng số token cho cả phần suy luận lẫn câu trả lời. Giới hạn chỉ đủ cho câu trả lời có thể khiếnfinish_reason: "length"vàcontenttrống. - Chi phí: Alibaba không công bố giá theo token. Trên AIHubMix, giá là $0.353 cho mỗi triệu token đầu vào và $1.059 cho mỗi triệu token đầu ra.
Hai cách truy cập và thời hạn
Trang model của Alibaba nêu rõ điều khoản: Qwen4-Max-Preview “chỉ khả dụng thông qua Token Plan. Không hỗ trợ truy cập trả phí theo mức sử dụng.” Token Plan là gói thuê bao của Alibaba Cloud dành cho công cụ lập trình AI và agent như Claude Code, Qwen Code và Qoder. Gói này tính phí bằng Credits, không công bố mức phí theo token, và các gói cá nhân có giá từ $6 một tháng. Trong thời gian preview, Alibaba tính phí Qwen4-Max-Preview ở mức thấp nhất bằng 20% mức Credits tiêu chuẩn, và 8% trong khoảng từ 22:00 đến 08:00 (UTC+8).
Kênh của AIHubMix là cách truy cập thứ hai. Bạn gọi model như bất kỳ model nào khác trên endpoint tương thích với OpenAI, trả phí theo token và không cần đăng ký thuê bao. AIHubMix mô tả đây là cách truy cập Qwen4-Max-Preview với chi phí thấp hơn thông qua Token Plan chính thức, đồng thời ghi chú đây là dịch vụ preview “có thể không ổn định và được khuyến nghị dùng để thử nghiệm, đánh giá.”
Thời gian preview đã được ấn định. Bản preview diễn ra từ 10:00 ngày 11 tháng 11 đến 24:00 ngày 25 tháng 11 năm 2026 (UTC+8), tổng cộng 350 giờ. Alibaba cho biết “sẽ không có thay đổi nào trong thời gian này và model sẽ ngừng hoạt động sau khi bản preview kết thúc.” Hãy xem đây là model để đánh giá, không phải model để xây dựng sản phẩm.
Qwen4-Max khác gì Qwen3.8-Max
Qwen3.8-Max hiện là model flagship của Qwen và chưa có ngày ngừng hoạt động được công bố. Dưới đây là so sánh hai model theo thông số Alibaba đã công bố:
| Qwen3.8-Max | Qwen4-Max-Preview | |
|---|---|---|
| Cửa sổ ngữ cảnh | 1M | 1M |
| Đầu ra tối đa | 131,072 | 393,216 |
| max_tokens giới hạn | Chỉ câu trả lời | Phần suy luận + câu trả lời |
| Mặc định bật suy luận | Bật, xhigh | Bật, xhigh |
| Mức độ suy luận | low, medium, xhigh | low, medium, xhigh |
| Đầu vào | Văn bản, hình ảnh, video | Văn bản, hình ảnh, video |
| Cách truy cập chính thức | Trả phí theo mức sử dụng, Token Plan | Chỉ Token Plan |
| Trạng thái | Khả dụng | Ngừng hoạt động sau ngày 25 tháng 11 |
Thông số lấy từ trang model và tài liệu tham khảo API của Alibaba Cloud. Giới hạn đầu ra của Qwen4-Max-Preview được dùng chung cho phần suy luận và câu trả lời cuối cùng.
Cửa sổ ngữ cảnh và đầu vào không đổi. Có hai điểm thay đổi: giới hạn đầu ra tăng gấp ba, và max_tokens giờ tính cả phần suy luận lẫn câu trả lời. Các tùy chọn điều khiển suy luận vẫn giữ nguyên tên gọi và mức độ, nên mã đã đặt reasoning_effort cho Qwen3.8 vẫn dùng được.
Hiện chưa có benchmark nào. Trang ra mắt của Alibaba không liệt kê điểm số, và tính đến ngày 11 tháng 11, chúng tôi chưa tìm thấy benchmark độc lập nào cho bản preview này. Các bài đưa tin về ngày ra mắt, chẳng hạn như bài viết của TechNode, chỉ nhắc lại bảng thông số chứ không có kết quả kiểm thử. Hãy đánh giá model bằng chính các tác vụ của bạn cho đến khi có điểm số.
Giá và chi phí thực tế
Alibaba không công bố giá theo token cho Qwen4-Max-Preview: kênh chính thức duy nhất là Token Plan, tính phí bằng Credits. Kênh AIHubMix tính phí theo token: $0.353 cho mỗi triệu token đầu vào, $1.059 cho mỗi triệu token đầu ra và $0.0441 cho mỗi triệu token đầu vào được lưu trong bộ nhớ đệm.
Để hình dung cụ thể, hãy xét một phiên làm việc với agent lập trình. Đây là các giả định, không phải số liệu đo được: 40 lượt, mỗi lượt gửi 60,000 token đầu vào, trong đó 50,000 token là tiền tố kho mã được lưu trong bộ nhớ đệm, và tạo ra 3,000 token đầu ra, đã tính cả phần suy luận.
| Một phiên trên AIHubMix | Số token | Giá mỗi 1M | Chi phí |
|---|---|---|---|
| Đầu vào không được lưu trong bộ nhớ đệm | 400,000 | $0.353 | $0.141 |
| Đầu vào được lưu trong bộ nhớ đệm | 2,000,000 | $0.0441 | $0.088 |
| Đầu ra, đã tính cả phần suy luận | 120,000 | $1.059 | $0.127 |
| Tổng cộng | 2,520,000 | $0.356 |
Ước tính theo giá niêm yết của AIHubMix cho kênh này. Không đảm bảo sẽ trúng bộ nhớ đệm và AIHubMix chưa đo lường điều đó trên kênh này. Nếu không trúng bộ nhớ đệm, cùng phiên làm việc đó sẽ tốn khoảng $0.974.
Trên thực tế, hai chi tiết khiến con số này thay đổi. Thứ nhất, phần suy luận được tính là đầu ra: trong dữ liệu sử dụng của AIHubMix, token suy luận nằm trong completion_tokens, và mặc định phần suy luận chạy ở mức xhigh. Một phần đáng kể trong 3,000 token đầu ra mỗi lượt có thể là token suy luận. Thứ hai, Alibaba bật preserve_thinking theo mặc định cho model này. Phần suy luận từ các lượt trước mà client gửi lại trong reasoning_content sẽ được model đọc, và tài liệu của Alibaba cho biết phần đó “được tính vào số token đầu vào và tính phí.” Vì vậy, trong các phiên agent kéo dài, lượng đầu vào tăng nhanh hơn những gì cuộc hội thoại hiển thị.
Thay đổi max_tokens: bạn sẽ thấy gì và cách khắc phục
Đây là thay đổi có khả năng làm hỏng một tích hợp đang hoạt động nhất. Thông báo về khả năng tương thích API của Alibaba, đề ngày 2 tháng 11, đã công bố thay đổi này, và trang mô hình cũng nhắc lại:
Bắt đầu từ qwen4-max-preview, max_tokens tương đương với max_completion_tokens. Cả hai đều giới hạn tổng số token dùng cho phần suy luận và câu trả lời cuối cùng. Phần suy luận tiêu tốn một phần ngân sách này, vì vậy giới hạn trước đây chỉ dành cho câu trả lời có thể khiến đầu ra bị cắt cụt.
Trên Qwen3.8-Max, max_tokens chỉ giới hạn câu trả lời; phần suy luận nằm ngoài giới hạn này. Mã đặt max_tokens: 300 để nhận câu trả lời ngắn vẫn hoạt động trên model đó. Trên Qwen4-Max-Preview, 300 token tương tự phải dùng cho cả phần suy luận.
AIHubMix đã chạy yêu cầu này vào ngày 11 tháng 11 năm 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."}]
}'
Yêu cầu trả về HTTP 200 nhưng không có nội dung nào:
{
"finish_reason": "length",
"content": "",
"usage": {
"prompt_tokens": 56,
"completion_tokens": 300,
"completion_tokens_details": {"reasoning_tokens": 300}
}
}
(Đã lược bớt, chỉ giữ lại các trường liên quan.)
Cả 300 token đều được dùng cho phần suy luận, và câu trả lời chưa kịp bắt đầu. Không có lỗi nào được báo, nên client chỉ đọc content sẽ thấy chuỗi trống và có thể xem đó là phản hồi hợp lệ. Với max_tokens: 16384, cùng prompt đó hoàn tất bình thường: 1,206 token hoàn tất, trong đó có 608 token suy luận, cùng câu trả lời chính xác (bốn cặp).
Cách khắc phục:
- Đặt giới hạn đủ cho cả phần suy luận lẫn câu trả lời. Bỏ các giới hạn cũ chỉ dành cho câu trả lời, hoặc tăng chúng cao hơn nhiều so với nhu cầu của câu trả lời. Alibaba đánh dấu
max_tokenslà “sẽ bị ngừng hỗ trợ” và khuyến nghị dùngmax_completion_tokenscho các tích hợp mới. Trên model này, hai tham số có cùng ý nghĩa, nên chỉ đổi tên sẽ không khắc phục được gì:max_completion_tokens: 300cũng trả về phản hồi trống trên AIHubMix. - Giới hạn trực tiếp phần suy luận khi cần câu trả lời ngắn. Đặt
reasoning_effortthànhlow, hoặc thànhnoneđể tắt suy luận. Trong thử nghiệm của AIHubMix,nonetrả lời một prompt lập trình ngắn bằng 43 token hoàn tất, không có phần suy luận. - Kiểm tra
finish_reasontrong mọi lần gọi. Xem"length"kèmcontenttrống là lỗi và thử lại với ngân sách lớn hơn, không phải một câu trả lời.
Những điều cần biết về tùy chọn suy luận
Suy luận được bật theo mặc định. Tài liệu tham khảo Chat Completions của Alibaba nêu chi tiết như sau:
- Các mức:
low,mediumvàxhigh(mặc định). Các giá trị theo kiểu OpenAI được ánh xạ như sau:maxvàhighthànhxhigh,minimalthànhlow, cònnonesẽ tắt suy luận. Mọi giá trị khác đều trả về lỗi. - Ngân sách: nếu không đặt
thinking_budget, các mức sẽ tương ứng với ngân sách suy luận 4,096 token (low), 16,384 token (medium) và 262,144 token (xhigh). Nếu không đặt cả hai, cùng trang tài liệu cho biết mặc định làxhighvới ngân sách 131,072 token. Theo cách ánh xạ này, gửi rõxhighsẽ cho phép ngân sách suy luận tối đa gấp đôi mức mặc định. Đây là mô tả trong tài liệu; AIHubMix chưa đo lường điều này. - Không kết hợp: Alibaba ghi rõ việc đặt đồng thời
reasoning_effortvàthinking_budgetsẽ gây lỗi. Một thử nghiệm của AIHubMix gửi cả hai vẫn trả về bình thường, nên kênh này có thể không từ chối cặp tham số đó, nhưng tài liệu không nói rõ cài đặt nào có hiệu lực. Chỉ gửi một tham số. - Nhiều lượt: gửi lại phần suy luận từ các lượt trước trong trường
reasoning_contentcủa từng thông điệp assistant, không đặt trongcontent. Bỏ qua trường này không gây lỗi, nhưng gửi lại sẽ bị tính phí đầu vào.
Qua AIHubMix, các mức low và none đều được chấp nhận, và phần suy luận được trả về trong reasoning_content.
Công cụ lập trình
Model được xây dựng dành cho agent lập trình. Dưới đây là cách sử dụng model với các công cụ phổ biến thông qua AIHubMix:
- Claude Code sử dụng Messages API của Anthropic. Trang model trên AIHubMix chỉ liệt kê
/v1/chat/completions, nhưng một yêu cầu thử nghiệm gửi đến/v1/messagescủa AIHubMix bằng ID model này đã trả về phản hồi bình thường, gồm các khối suy luận và văn bản riêng biệt. Đó chỉ là một yêu cầu đơn lẻ không dùng công cụ, không phải một phiên Claude Code. Để chạy Claude Code với các model không phải Claude, AIHubMix có hướng dẫn thiết lập riêng, Claude Code với mọi LLM: cài gói@aihubmix/claude-code, đặt các mụcdefault,thinkvàlongContexttrongRouterở~/.aihubmix-claude-code/config.jsonthànhcoding-qwen4-max-preview, sau đó chạyacc startvàacc code. Chúng tôi chưa chạy thiết lập đó với model này, vì vậy hãy thử bài kiểm tra nhanh bên dưới trước. Tài liệu của Anthropic không hỗ trợ định tuyến các model không phải Claude đến Claude Code thông qua cổng trung gian, nên thiết lập này không được Anthropic hỗ trợ. - Qwen Code kết nối qua endpoint tương thích OpenAI:
OPENAI_BASE_URL=https://aihubmix.com/v1vàOPENAI_MODEL=coding-qwen4-max-preview. Có một điểm cần lưu ý trong mã nguồn của Qwen Code. Bảng kích thước ngữ cảnh của ứng dụng gán cửa sổ 1M cho các ID bắt đầu bằngqwen4. ID của chúng tôi bắt đầu bằngcoding-, không khớp với hàng nào nên sẽ dùng giá trị mặc định 200,000 token. Đây là nhận định dựa trên việc đọc mã, không phải kết quả chạy thử. Qwen Code có thể sẽ nén cuộc trò chuyện từ lâu trước khi đạt 1M. Nếu cần sử dụng toàn bộ độ dài, hãy đặtmodel.generationConfig.contextWindowSizethành 1000000 trong~/.qwen/settings.json. - OpenCode, Cline, Cursor và các công cụ tương thích OpenAI khác: thêm model tùy chỉnh bằng cùng URL gốc và ID. Kiểm tra hai cài đặt trong mỗi công cụ: cửa sổ ngữ cảnh, vốn thường chưa được công cụ nhận diện với các ID mới, và giá trị mặc định
max_tokensmà công cụ gửi đi. Giá trị mặc định nhỏ giờ đây sẽ làm giới hạn cả phần suy luận.
Bài kiểm tra nhanh trong 15 phút trước khi giao cho model xử lý một kho mã:
- Gửi một yêu cầu Chat Completions và xác nhận phản hồi có
reasoning_contentcùngcontentkhông rỗng. - Giao cho agent một nhiệm vụ nhỏ trong kho mã thử nghiệm: sửa một bài kiểm thử đơn vị bị lỗi ở hai tệp. Thành công nghĩa là các bài kiểm thử đều chạy qua và phần diff chỉ thay đổi những gì cần thiết.
- Theo dõi
finish_reason: "length"trong nhật ký hoặc mục sử dụng của công cụ. Nếu thấy giá trị này, hãy tăng giới hạn đầu ra hoặc giảmreasoning_effort. - Lặp lại nhiệm vụ với
reasoning_effort: "low"rồi so sánh thời gian và số token đầu ra. Việc này giúp bạn biết nên dùng mức nào hằng ngày.
Alibaba có tài liệu về gọi công cụ và đầu ra có cấu trúc cho model này. AIHubMix chưa công bố các cờ năng lực cho kênh này, còn hướng dẫn model của họ cho biết việc thiếu các cờ đó có nghĩa là “chưa được xác minh, không phải không được hỗ trợ”. Bước 2 là phần kiểm tra gọi công cụ của bạn.
Bạn có nên chuyển sang dùng model này không?
Dùng thử ngay nếu bạn chạy các agent lập trình và muốn xem thế hệ Qwen tiếp theo hoạt động trên mã của mình, hoặc đang cân nhắc liệu có nên lên kế hoạch dựa trên Qwen4 hay không. Với mức giá kênh của AIHubMix, một phiên như ví dụ trên tốn chưa đến một đô la, và bản xem trước của Alibaba kết thúc vào ngày 25 tháng 11.
Chờ thêm nếu bạn cần hành vi ổn định, benchmark đã công bố hoặc khả năng sử dụng lâu dài. Bản xem trước được gắn nhãn không ổn định và Alibaba sẽ ngừng cung cấp model khi thời gian xem trước kết thúc. Alibaba chưa cho biết điều gì sẽ thay thế bản xem trước, giá sẽ ra sao hay model có hoạt động như cũ hay không.
Tiếp tục dùng Qwen3.8-Max cho môi trường production. Model này có cùng cửa sổ ngữ cảnh 1M, giá trả theo mức sử dụng chính thức và chưa có ngày ngừng cung cấp được công bố. Các thiết lập max_tokens của bạn vẫn giữ nguyên ý nghĩa cũ ở đó.
Nếu thử cả hai, bảng so sánh song song trên AIHubMix liệt kê thông số và giá của chúng. Bạn có thể gọi một trong hai model bằng cùng khóa AIHubMix; chỉ cần thay đổi ID model.
Câu hỏi thường gặp
Qwen4-Max-Preview có dùng được qua API trả phí theo mức sử dụng không?
Không phải từ Alibaba, đơn vị chỉ cung cấp model này qua các gói đăng ký Token Plan. AIHubMix là nền tảng đầu tiên cung cấp model này với mức phí tính theo token, dùng ID coding-qwen4-max-preview, với giá $0.353 cho mỗi triệu token đầu vào và $1.059 cho mỗi triệu token đầu ra.
Khi nào Alibaba ngừng cung cấp Qwen4-Max-Preview?
Bản xem trước của Alibaba kết thúc lúc 24:00 ngày 25 tháng 11 năm 2026 (UTC+8), tức 16:00 UTC. Alibaba cho biết model sẽ bị ngừng cung cấp sau khi thời gian xem trước kết thúc.
Tại sao yêu cầu của tôi trả về phản hồi trống?
Nhiều khả năng max_tokens quá nhỏ. Với model này, giới hạn đó áp dụng cho cả phần suy luận lẫn câu trả lời, nên suy luận có thể dùng hết ngân sách. Kiểm tra xem có finish_reason "length" không, sau đó tăng giới hạn hoặc giảm reasoning_effort.
Cửa sổ ngữ cảnh và đầu ra tối đa là bao nhiêu?
Alibaba công bố ngữ cảnh 1M token và tối đa 393,216 token đầu ra; phần suy luận và câu trả lời cuối cùng cùng dùng chung giới hạn đầu ra.
Làm thế nào để tắt hoặc giảm phần suy luận?
Đặt reasoning_effort thành low hoặc medium để rút ngắn phần này, hoặc thành none để tắt. Chỉ gửi một trong hai tham số reasoning_effort và thinking_budget: Alibaba ghi rõ rằng kết hợp chúng sẽ gây lỗi, còn không có tài liệu nào cho biết tham số nào có hiệu lực trên kênh AIHubMix.
Qwen4-Max-Preview có tốt hơn Qwen3.8-Max không?
Hiện chưa có benchmark được công bố để trả lời câu hỏi này. Trang ra mắt của Alibaba liệt kê năng lực và giới hạn nhưng không có điểm số, và chúng tôi không tìm thấy benchmark độc lập nào tính đến ngày 11 tháng 11 năm 2026, vì vậy hãy so sánh hai model bằng các tác vụ của riêng bạn.
Model này có hoạt động với Claude Code không?
AIHubMix có tài liệu hướng dẫn chạy Claude Code với các model không phải Claude, nhưng Anthropic không hỗ trợ cách này. Với model này, chúng tôi mới chỉ thử một yêu cầu đến endpoint Messages tương thích Anthropic của AIHubMix và nhận được các khối suy luận cùng văn bản. Hãy chạy một bài kiểm tra nhanh có dùng công cụ trước khi dựa vào model này cho các phiên dài.
Nguồn
- Alibaba Cloud Model Studio: Qwen4-Max-Preview (truy cập ngày 11 tháng 11 năm 2026)
- Alibaba Cloud Model Studio: Tài liệu tham khảo Chat Completions API
- Alibaba Cloud Model Studio: Token Plan (Phiên bản cá nhân) (truy cập ngày 11 tháng 11 năm 2026)
- Alibaba Cloud Model Studio: Qwen3.8-Max (truy cập ngày 11 tháng 11 năm 2026)
- AIHubMix: Coding Qwen4 Max Preview (giá được kiểm tra ngày 11 tháng 11 năm 2026; thử nghiệm trực tiếp diễn ra từ 10:22–10:48 UTC)
