Chuyển từ Qwen3.8-Max sang Qwen4-Max không chỉ là đổi model ID. Cả hai đều có cửa sổ ngữ cảnh một triệu token, nhưng giới hạn đầu ra trước đây chỉ dành cho câu trả lời thì nay phải tính cả phần suy luận. Mức độ suy luận mặc định cũng thay đổi, và agent phải giữ chính xác lịch sử suy luận qua các lần gọi công cụ.
Hãy bắt đầu bằng một yêu cầu Chat Completions, sau đó thử một tác vụ nhỏ trong kho mã. Kiểm tra câu trả lời, lý do dừng, lịch sử và diff tạo ra trước khi chuyển một quy trình hiện có.
Tính lại giới hạn đầu ra
Tài liệu tham khảo Chat Completions định nghĩa max_tokens của Qwen4-Max tương đương với max_completion_tokens: cả hai đều giới hạn phần suy luận cộng với câu trả lời cuối cùng. Với Qwen3.8-Max, max_tokens chỉ áp dụng cho câu trả lời.
Vì vậy, giới hạn 300 không có nghĩa là dành riêng 300 token cho câu trả lời hiển thị. Phần suy luận có thể tiêu hết ngân sách trước, khiến câu trả lời trống hoặc chưa hoàn chỉnh. Cần lưu ý khi phản hồi kết thúc với finish_reason: "length", ngay cả khi yêu cầu HTTP thành công. Chỉ đổi tên tham số mà không tăng giá trị thì không thay đổi gì.
Với các tích hợp mới, hãy dùng max_completion_tokens và chừa đủ chỗ cho cả hai phần. Qwen4-Max hỗ trợ tổng cộng tối đa 262,144 token đầu ra ở chế độ suy luận, hoặc 131,072 ở chế độ không suy luận. Cửa sổ ngữ cảnh 1,000,000 token không phải là hạn mức đầu vào để cộng thêm lượng đầu ra tối đa; đầu vào và đầu ra phải cùng nằm trong giới hạn ngữ cảnh.
Chọn mức độ suy luận hoặc ngân sách suy luận
Qwen4-Max có các mức low, high và xhigh, trong đó mặc định là high. Nếu bỏ qua cả hai tùy chọn điều khiển, hệ thống sẽ chọn high cùng ngân sách suy luận 131,072 token. Đây là giới hạn tối đa, không phải dự đoán số token sẽ dùng.
Hai thiết lập được kế thừa đã đổi ý nghĩa: high nay tương ứng với high, thay vì ánh xạ sang xhigh như trên Qwen3.8-Max; medium ánh xạ sang high. Các ánh xạ khác gồm minimal sang low, max sang xhigh và none để tắt suy luận.
Hãy gửi một trong hai reasoning_effort hoặc thinking_budget. Tài liệu tham khảo chính thức không cho phép kết hợp hai tùy chọn này, và ngân sách phải là số nguyên dương: giá trị 0 không tắt suy luận. Nếu chỉ đặt ngân sách, các khoảng 1–4,096, 4,097–131,072 và 131,073–262,144 lần lượt chọn low, high và xhigh, đồng thời giữ nguyên ngân sách đã cung cấp.
Bắt đầu với endpoint được liệt kê
Hướng dẫn model của AIHubMix liệt kê qwen4-max trên POST /v1/chat/completions. Đây là yêu cầu khởi đầu, không phải kết quả đo được:
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."}]
}'
Giới hạn đầu ra tuân theo đặc tả mà Alibaba công bố. Bạn có thể thêm tùy chọn reasoning_effort: "low" nếu muốn, mà không cần đặt ngân sách suy luận; việc chuyển tiếp tham số chưa được kiểm chứng bằng đo lường ở đây. Các cờ năng lực của AIHubMix vẫn chưa được xác minh. Hãy kiểm tra phản hồi thực tế và mức sử dụng trước khi dựa vào một thiết lập.
Giữ lại lịch sử mà agent cần
Khi bật đầy đủ phần suy luận, hãy giữ riêng reasoning_content trong các tin nhắn assistant trước đó với content, kể cả các lượt gọi công cụ. Qwen4-Max bật preserve_thinking theo mặc định; lịch sử được trả về sẽ được tính là đầu vào và tính phí. Bộ tuần tự hóa chỉ giữ lại văn bản hiển thị sẽ làm mất một phần lịch sử đó.
Alibaba cũng cung cấp tóm tắt và mã hóa phần suy luận. Khi bật tính năng này với thinking_display: "summarized" trong mọi yêu cầu, reasoning_content sẽ trở thành bản tóm tắt hiển thị, còn encrypted_content lưu phần lịch sử suy luận. Hãy gửi lại nguyên vẹn nội dung mã hóa; bản tóm tắt không thể thay thế nội dung đó. Các ứng dụng truyền phát phải giữ riêng khung dữ liệu đã mã hóa, ngay cả khi khung đó không có văn bản hiển thị.
Alibaba có tài liệu về chế độ tóm tắt này. Chưa xác minh được chế độ này có hoạt động qua AIHubMix hay không, vì vậy trước tiên hãy xác lập tính liên tục của hội thoại thông thường.
Kiểm tra bộ nhớ đệm trước khi dự báo khoản tiết kiệm
Bộ nhớ đệm tường minh Qwen4 của Alibaba hỗ trợ điểm ngắt thủ công và tự động, với TTL 5 phút hoặc 1 giờ. Tiền tố được lưu vào bộ nhớ đệm cần có ít nhất 1,024 token. Chi phí ghi vào bộ nhớ đệm lần lượt xấp xỉ 125% hoặc 200% chi phí đầu vào thông thường; ghi đi ghi lại không giúp tiết kiệm miễn phí.
Đưa chỉ dẫn hệ thống ổn định, định nghĩa công cụ và nội dung kho mã lên trước, sau đó mới đến các câu hỏi thay đổi. Nếu không đặt tham số bộ nhớ đệm, cơ chế lưu đệm ngầm thông thường không đảm bảo có lượt trúng bộ nhớ đệm. Hãy xác minh mức sử dụng đọc/ghi bộ nhớ đệm và hóa đơn trước khi cho rằng agent của bạn được hưởng lợi. Các tùy chọn điều khiển bộ nhớ đệm của nhà cung cấp này chưa được đo lường qua AIHubMix.
Công cụ lập trình: xác minh một tác vụ hoàn chỉnh
Làm theo hướng dẫn Qwen Code của AIHubMix để cài đặt và xác thực. Đặt OPENAI_BASE_URL=https://aihubmix.com/v1, OPENAI_MODEL=qwen4-max và cung cấp khóa qua OPENAI_API_KEY. Dùng /status để xác nhận model đã chọn; đồng thời kiểm tra cài đặt cửa sổ ngữ cảnh và đầu ra của ứng dụng.
Claude Code cần Anthropic Messages, còn Codex cần Responses. Alibaba có tài liệu về các giao thức đó, nhưng hướng dẫn Qwen4-Max của AIHubMix chỉ liệt kê Chat Completions. Chưa xác định được liệu các giao thức này có khả dụng qua cổng kết nối đó hay không.
Thực hiện lần lượt danh sách kiểm tra di chuyển này trong một kho mã thử nghiệm:
- Xác nhận model và endpoint; kiểm tra nội dung câu trả lời,
finish_reasonvà mức sử dụng trong yêu cầu cơ bản. - Xóa các giới hạn kế thừa chỉ áp dụng cho câu trả lời và các tùy chọn điều khiển suy luận xung đột. Nếu bị cắt cụt, hãy thử lại với ngân sách lớn hơn; kiểm tra câu trả lời đầy đủ.
- Sửa một bài kiểm thử không đạt trong hai tệp. Thành công nghĩa là có một lần gọi công cụ thực sự hoàn tất, các bài kiểm thử đều đạt và diff chỉ chứa thay đổi dự kiến.
- Đặt câu hỏi tiếp theo cần dựa vào lượt đầu tiên. Kiểm tra lịch sử assistant/công cụ đã lưu và mọi thao tác rút gọn ngữ cảnh; xác nhận ngữ cảnh cần thiết vẫn còn.
- Thử lại với mức độ suy luận bạn chọn. So sánh các bản vá được chấp nhận, tổng số token và số lần thử lại. Xác minh riêng mức sử dụng bộ nhớ đệm trước khi ước tính chi phí định kỳ.
Câu hỏi thường gặp
Nên dùng model ID nào trên AIHubMix?
Dùng qwen4-max với endpoint Chat Completions được liệt kê.
Vì sao yêu cầu thành công nhưng câu trả lời vẫn chưa hoàn chỉnh?
Phần suy luận và câu trả lời cùng dùng chung giới hạn đầu ra. Kiểm tra finish_reason xem có phải là length không, rồi tăng tổng hạn mức khi cần.
Chuyển sang max_completion_tokens có khắc phục việc bị cắt cụt không?
Bản thân việc đó thì không. Trên Qwen4-Max, tham số này có cùng ý nghĩa với max_tokens; giá trị phải đủ lớn.
Có thể đặt đồng thời mức độ suy luận và ngân sách suy luận không?
Không. Hãy chọn một trong hai. Ngân sách suy luận phải là số dương; dùng reasoning_effort none để tắt suy luận.
Có nên gửi lại bản tóm tắt suy luận làm lịch sử suy luận không?
Không. Ở chế độ tóm tắt, hãy giữ lại và gửi lại nguyên vẹn encrypted_content. Bản tóm tắt hiển thị không thể thay thế nội dung đó.
Có thể mặc định Claude Code hoặc Codex hoạt động qua AIHubMix không?
Các giao thức cần thiết của chúng chưa được xác minh với model này. Trước tiên, hãy xác lập endpoint phù hợp và hoàn thành một quy trình dùng công cụ.
Đọc tiếp: dòng Qwen4-Max
- Để quyết định liệu chi phí di chuyển có đáng không, hãy đọc Qwen4-Max so với Qwen3.8-Max: nâng cấp có đáng không?.
- Để chọn model cho cùng một tác vụ trong kho mã, hãy đọc Qwen4-Max so với Kimi K3.1 Pro: nên dùng agent lập trình nào?.
Nguồn
- Alibaba Cloud: Thông số kỹ thuật model Qwen4-Max và Qwen3.8-Max.
- Alibaba Cloud: Các tham số Chat Completions.
- Alibaba Cloud: Tóm tắt và mã hóa phần suy luận.
- Alibaba Cloud: Bộ nhớ đệm tường minh cho Qwen4.
- AIHubMix: Hướng dẫn model Qwen4-Max và Thiết lập Qwen Code.
Các nguồn được kiểm tra ngày 17 tháng 11, 2026. Bài viết này không chạy thử nghiệm suy luận có trả phí.



