从 Qwen3.8-Max 迁移到 Qwen4-Max,改变的不只是模型 ID。两者的上下文窗口都是 1,000,000 token,但以前只为答案设置的输出限制,现在也要容纳思考内容。默认推理强度也有所变化,智能体还必须在工具调用过程中正确保留推理历史。
先发送一个 Chat Completions 请求,再完成一项小型代码仓库任务。检查答案、停止原因、历史记录和最终差异,然后再迁移现有工作流。
重新计算输出限制
Chat Completions 参考文档将 Qwen4-Max 的 max_tokens 定义为等同于 max_completion_tokens:两者都会限制思考内容与最终答案的总长度。Qwen3.8-Max 的 max_tokens 则只限制答案。
因此,300 的上限并不意味着可为可见答案预留 300 个 token。推理过程可能先耗尽预算,导致答案为空或不完整。即使 HTTP 请求成功,若响应以 finish_reason: "length" 结束,也需要留意。只改参数名、不提高数值,不会有任何改变。
新集成请使用 max_completion_tokens,并为这两部分预留足够空间。Qwen4-Max 在思考模式下最多支持 262,144 个合计输出 token,非思考模式下最多支持 131,072 个。其 1,000,000-token 上下文窗口并不代表输入额度之外还能再加上最大输出;输入和输出必须共同适配上下文窗口。
选择推理强度或思考预算
Qwen4-Max 支持 low、high 和 xhigh,默认值为 high。如果两个控制参数都不填写,将使用 high,思考预算为 131,072 个 token。这是上限,并非对实际 token 用量的预测。
有两项沿用的设置含义发生了变化:high 现在表示 high,而不是像在 Qwen3.8-Max 中那样映射到 xhigh;medium 会映射到 high。其他映射为 minimal 对应 low,max 对应 xhigh,none 则表示关闭思考。
请发送其中一个:reasoning_effort 或 thinking_budget。官方参考文档不允许同时使用两者,且预算必须是正整数:设为零并不能关闭思考。只设置预算时,1–4,096 会选择 low,4,097–131,072 会选择 high,131,073–262,144 会选择 xhigh,同时保留所设的预算。
从列出的端点开始
AIHubMix 模型指南列出了 qwen4-max,端点为 POST /v1/chat/completions。下面是一个起始请求,并非经过实测的结果:
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."}]
}'
输出限制遵循 Alibaba 的文档说明。你可以选择添加 reasoning_effort: "low",而不设置思考预算;此处尚未实测参数转发情况。AIHubMix 的能力标志仍未核实。请检查实际响应和用量,再依赖某项设置。
保留智能体所需的历史记录
启用完整思考时,请将历史 assistant 消息中的 reasoning_content 与 content 分开保留,包括调用工具的轮次。Qwen4-Max 默认启用 preserve_thinking;返回的历史记录会计入输入并产生费用。如果序列化程序只保留可见文本,就会丢失部分历史记录。
Alibaba 还提供思考摘要与加密功能。每次请求都启用 thinking_display: "summarized" 后,reasoning_content 会变为供显示的摘要,而 encrypted_content 则承载推理历史。重放密文时请保持原样;摘要不能替代密文。流式输出客户端必须保留单独的加密帧,即使其中没有可见文本也不例外。
Alibaba 的文档介绍了这种摘要模式。其功能能否通过 AIHubMix 使用尚未核实,因此请先确保普通对话能够连续进行。
先检查缓存,再预测节省金额
Alibaba 的Qwen4 显式缓存支持手动和自动断点,TTL 可设为 5 分钟或 1 小时。缓存前缀至少需要 1,024 个 token。写入缓存的费用分别约为普通输入费用的 125% 或 200%;重复写入并不能免费省钱。
请将稳定的系统指令、工具定义和代码仓库资料放在前面,再放会变化的问题。如果不设置缓存参数,普通隐式缓存并不保证命中。请核实缓存读写用量和账单,再判断智能体是否受益。这些供应商的缓存控制参数尚未经过 AIHubMix 实测。
编码工具:验证一项完整任务
按照 AIHubMix Qwen Code 指南完成安装和身份验证。设置 OPENAI_BASE_URL=https://aihubmix.com/v1、OPENAI_MODEL=qwen4-max,并通过 OPENAI_API_KEY 提供密钥。使用 /status 确认所选模型;同时检查客户端的上下文和输出设置。
Claude Code 需要 Anthropic Messages,而 Codex 需要 Responses。Alibaba 有这两种协议的文档,但 AIHubMix 的 Qwen4-Max 指南只列出了 Chat Completions。本文尚未确认这些协议能否通过该网关使用。
在临时代码仓库中按以下迁移清单逐项操作:
- 确认模型和端点;检查基本请求的答案文本、
finish_reason和用量。 - 移除沿用的仅限答案的上限,以及相互冲突的思考控制参数。如果答案被截断,请增加预算后重试;检查答案是否完整。
- 修复两个文件中的一个失败测试。成功的标准是:真实的工具调用完成、测试通过,且差异中只包含预期的更改。
- 提出一个依赖上一轮内容的后续问题。检查已保存的 assistant/tool 历史记录及任何压缩内容,并确认所需上下文仍然保留。
- 使用你选择的推理强度重复测试。比较已接受的补丁、token 总数和重试次数。估算持续成本前,请单独核实缓存用量。
常见问题
在 AIHubMix 上应该使用什么模型 ID?
使用 qwen4-max 和列出的 Chat Completions 端点。
为什么请求成功了,答案仍可能不完整?
思考内容和答案共用输出上限。检查 finish_reason 是否为 length,并在需要时提高总预算。
改用 max_completion_tokens 能解决截断问题吗?
仅靠这一点不行。在 Qwen4-Max 中,它与 max_tokens 含义相同;数值必须留有足够空间。
能同时设置推理强度和思考预算吗?
不能。请选择其中一个。思考预算必须为正数;使用 reasoning_effort none 可关闭思考。
应该将思考摘要作为推理历史重放吗?
不应该。在摘要模式下,应原样保留并重放 encrypted_content。显示摘要不能替代它。
能假定 Claude Code 或 Codex 可以通过 AIHubMix 使用吗?
本文尚未核实该模型是否支持它们所需的协议。请先确认相应端点可用,并完成一项完整的工具工作流。
继续阅读:Qwen4-Max 系列
- 若要判断这次迁移是否值得花费,请阅读 Qwen4-Max 与 Qwen3.8-Max 对比:升级值得吗?。
- 若要为同一项代码仓库任务选择模型,请阅读 Qwen4-Max 与 Kimi K3.1 Pro 对比:应该使用哪款编码智能体?。
来源
- Alibaba Cloud:Qwen4-Max 模型规格和Qwen3.8-Max。
- Alibaba Cloud:Chat Completions 参数。
- Alibaba Cloud:思考摘要与加密。
- Alibaba Cloud:Qwen4 显式缓存。
- AIHubMix:Qwen4-Max 模型指南和Qwen Code 设置。
来源核查日期:2026 年 11 月 17 日。本文未进行付费推理测试。



