Qwen3.8 免費版在 AIHubMix：修正 429、"Rate Limited by Provider" 與代幣池耗盡

qwen3.8-max-free 與 qwen3.8-flash-free 的多數問題來自三個地方：免費方案的上限、GMI Cloud 在上游為活動保留的容量，以及思考代幣與 agent 上下文消耗每日 1M 代幣額度的速度。其中有些會以錯誤的形式出現，有些則表現為看似怪異的回答，或是在中午前就用完配額。此外，一般的 API 錯誤也同樣適用：金鑰或模型 ID 錯誤、上下文過長、工具呼叫歷史損壞、JSON 模式，以及內容審核。

每個問題都有對應的解法，其中一項設定就能涵蓋大部分情況：金鑰層級的 fallback，從免費 ID 切換到付費的 qwen3.8-max 與 qwen3.8-flash。設定一次之後，上游忙碌、配額用盡，或活動於太平洋時間 2026 年 11 月 13 日左右結束，都不會變成服務中斷。

快速對照

免費方案與活動的錯誤

免費方案上限造成的 429

你看到的情況。 加值 $1 以上後，AIHubMix 免費模型每分鐘允許 10 次請求、每天 100 次請求，以及每天 1M 代幣，這些額度由整個免費目錄共用。根據免費模型頁面的說明，「超過上限後，API 會持續回傳 429，直到下一分鐘或下一天開始」。AIHubMix 的HTTP 狀態碼參考中，請求頻率造成 429 的訊息為「The xx model Too many requests; please try again later.」

原因。 上限是以帳號計算，而非以模型計算。在其他免費模型上執行的批次作業，同樣會佔用同一分鐘與同一天的額度。

如何重現。 連續快速發出 11 次請求就會觸及每分鐘上限，這會用掉你每日 100 次請求中的 11 次：

for i in $(seq 1 11); do
  curl -s -o /dev/null -w "%{http_code}\n" https://aihubmix.com/v1/chat/completions \
    -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{"model":"qwen3.8-flash-free","messages":[{"role":"user","content":"hi"}],"max_tokens":16}'
done

如果 11 次都落在同一分鐘內，前 10 次會回傳 200，第 11 次會回傳 429。

解法。 用簡單的速率限制器，讓批次作業每分鐘少於 10 次請求。至於每日上限，可以等待重置，或設定下方的 fallback，讓超出的請求改由付費模型處理。

"Rate limited by provider – 請聯絡支援以申請更高的並發數,或稍後再試。"

你看到的情況。 在 10 月 16 日 AIHubMix 自己的測試中，呼叫 qwen3.8-max-free 回傳 HTTP 429 並附上這段內容，同一把金鑰在 qwen3.8-flash-free 上仍可正常使用：

{"error":{"message":"Model qwen3.8-max-free rate limited by provider – contact support to request higher concurrency or try again later. (tid: …)","type":"service_unavailable","param":"","code":"rate_limit_exceeded"}}

AIHubMix 的狀態碼參考將同樣的訊息列在 503 下，因此兩種狀態碼都要檢查。

原因。 免費 ID 運行於 GMI Cloud 為活動保留的容量上。當許多人同時呼叫 Max 時，該上游容量會在一段時間內滿載。這不是你的配額問題：同一把金鑰仍可使用其他免費模型。

解法。 以指數退避重試（例如等待 30、60 與 120 秒）。對於無法等待的請求，讓 fallback 將其轉交付費的 qwen3.8-max。若要聯絡支援，請保留 tid，它能識別該次請求。

回覆表示你的試用額度已用完

你看到的情況。 完全沒有錯誤訊息。新帳號總共有 10 次試用呼叫，由所有免費模型共用。用完第十次後，API 仍會回應，但回應內容是一段說明試用已用完的文字。若應用程式會把模型輸出顯示給使用者，使用者就會看到這段文字。

解法。 加值 $1 以上。這會讓帳號永久切換到上述的每日額度。

Max 出現用戶端逾時

你看到的情況。 對 qwen3.8-max-free 發出的非串流請求會卡住，接著在你的 HTTP 用戶端、代理或工具中以逾時失敗。

原因。 Max 在首個可見代幣出現前會先進行思考。AIHubMix 在免費路由上測得約 55 秒的延遲與每秒約 9 個代幣，因此非串流的 4K 代幣回答要約八分鐘才會完整送達。路徑中任何逾時較短的環節都會先放棄。Fallback 在這裡無濟於事：依照 AIHubMix 的 fallback 規則，用戶端逾時不會觸發 fallback。

解法。 串流回應，提高用戶端逾時時間（在 OpenAI Python 用戶端中設定 timeout=900 可涵蓋較長的回答），並且對於需要互動的場景改用 Flash。

一般 API 錯誤

免費 ID 上的錯誤並非都與額度有關。以下這些錯誤在免費與付費 ID 上同樣常見。根據 AIHubMix 的狀態碼參考，AIHubMix 會將大多數 400 錯誤直接從上游模型傳回。免費 ID 運行於 GMI Cloud，付費 ID 則運行於阿里雲，因此兩條路由下 400 錯誤的確切文字可能不同。以下訊息引自 AIHubMix 的參考資料以及阿里雲錯誤碼參考。

401:"Unauthorized – access token 無效或已過期。"

原因。 金鑰錯誤、已被撤銷或已過期。若完全沒有 Authorization 標頭，訊息為 "Unauthorized – no access token supplied; please log in and include a valid token."。常見原因是執行程式的 shell 中未設定環境變數，於是送出空白金鑰；或是把 QwenCloud 或 GMI Cloud 等其他平台的金鑰送到 AIHubMix。

解法。 在同一個 shell 中檢查變數：echo ${AIHUBMIX_API_KEY:0:3} 應該會印出 sk-。AIHubMix 金鑰只能用於 https://aihubmix.com/v1，其他平台的金鑰在這裡無法使用。

503:"Incorrect model ID. 請申請查看模型頁面,或確認您沒有使用此模型的權限。"

原因。 模型 ID 必須完全相符。免費 ID 為 qwen3.8-max-free 與 qwen3.8-flash-free，全部小寫，且 free 前面有連字號。從其他平台複製的 ID，例如 GMI Cloud 的 Qwen/Qwen3.8-Max，在 AIHubMix 上並不存在。有一種複製貼上的錯誤不會報錯：QwenCloud 的 ID qwen3.8-max 是有效的 AIHubMix ID，但它是付費模型，因此請求會默默扣費。

如何重現。

curl -s https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen-3.8-max-free","messages":[{"role":"user","content":"hi"}]}'

解法。 從模型頁面複製 ID。由於此錯誤以 503 回傳，若重試邏輯把所有 5xx 都當成暫時性錯誤，就會一直重試拼錯的 ID，因此應將此訊息視為永久性錯誤。

403:"Forbidden – key(請求金鑰的最後 6 位數字)未獲授權存取所請求的模型。"

原因。 AIHubMix 金鑰可以限制為特定的模型清單。為其他專案建立、且模型清單不同的金鑰，在你加入之前無法存取 Qwen3.8 免費 ID。

解法。 在 API 金鑰管理中編輯該金鑰，並加入 qwen3.8-max-free 與 qwen3.8-flash-free。若你設定了 fallback，也要加入付費的備援模型：fallback 會略過不在金鑰清單中的模型。

400:"Range of input length should be [1, xxx]"

原因。 這是阿里雲的訊息，表示輸入超過模型的上下文上限；取代 xxx 的數字即為上限。常見原因是 agent 工作階段，因為歷史紀錄會在每一輪增加。阿里雲也指出，開啟思考時過長的提示詞「可能導致回應截斷或請求逾時」。

解法。 修剪歷史紀錄、為新任務開啟新的工作階段，或啟用工具的壓縮功能。不過修剪時要小心，否則可能會遇到下一個錯誤。

400:角色為 "tool" 的 messages 必須是對先前含有 "tool_calls" 的訊息的回應。

阿里雲的參考資料列出了這則訊息（包括拼字錯誤），以及其對應的反向訊息："An assistant message with "tool_calls" must be followed by tool messages responding to each "tool_call_id""。Qwen Code 使用者在 issue #2360 中回報了前者。

原因。 送給模型的歷史紀錄中，有一個工具結果的工具呼叫已被修剪掉，或是有一個工具呼叫缺少對應的結果。手動修剪歷史紀錄與上下文壓縮是最常見的原因。

解法。 把工具呼叫與其結果視為一個單元。助理訊息中的每個 tool_call_id，都需要在其後緊接一則對應的 tool 訊息：

messages = [
    {"role": "user", "content": "What's the weather in Hangzhou?"},
    {"role": "assistant", "content": None, "tool_calls": [{
        "id": "call_1", "type": "function",
        "function": {"name": "get_weather", "arguments": "{\"city\": \"Hangzhou\"}"},
    }]},
    {"role": "tool", "tool_call_id": "call_1", "content": "{\"temp_c\": 21}"},
]
# When trimming, drop messages[1] and messages[2] together, never just one of them.

400: JSON 模式

阿里雲的參考資料列出兩種 JSON 模式錯誤：

• "'messages' 必須以某種形式包含 'json' 一詞,才能使用類型為 'json_object' 的 'response_format'。"
• "當 enable_thinking 為 true 時,不支援 Json mode 回應"

原因。 第一則與 OpenAI JSON 模式的規則相同：提示詞必須提到 JSON。第二則對 Qwen3.8 更重要，因為它預設開啟思考，因此在其他模型上可正常運作的 json_object 請求，在這裡可能失敗。阿里雲的參考資料並未列出哪些模型會回傳第二則訊息，因此請針對你使用的 ID 進行測試。

解法。 在提示詞中提到 JSON，並在 JSON 模式的呼叫中關閉思考：

curl -s https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-flash-free",
    "messages": [{"role": "user", "content": "Reply in JSON with the city and date: meet in Hangzhou on Nov 3."}],
    "response_format": {"type": "json_object"},
    "enable_thinking": false
  }'

400: "Input data may contain inappropriate content."

原因。 錯誤代碼為 data_inspection_failed。阿里雲會檢查其所託管模型的輸入與輸出，其中包括 fallback 會轉送請求過去的付費 ID。其他變體訊息為 "Output data may contain inappropriate content." 或 "Input or output data may contain inappropriate content."。常見的觸發來源是貼入提示詞的使用者產生內容，例如爬取的網頁或客服工單。

解法。 透過切分輸入來找出觸發問題的段落，然後過濾或改寫該段內容。重新送出相同的輸入只會得到相同的結果。

無聲的失敗：代幣池耗盡

在 1M 代幣池耗盡之前不會出現任何錯誤，之後所有請求會同時回傳 429。有三件事會比預期更快耗盡代幣池。

思考代幣

两个模型默认都会思考，阿里巴巴将思考计为输出 token；在免费通道上，这些 token 会计入你的每日额度。在 AIHubMix 的测试中，qwen3.8-flash-free 回答两句话就用了 89 个输出 token，其中 36 个用于思考。Max 思考得更多：Artificial Analysis 测得它在其指数评测中使用了 1.9 亿个输出 token，而中位数为 8,700 万。

对于信息提取、格式化和简短查询，请关闭思考。enable_thinking 是 Qwen3.8 的阿里巴巴官方文档所列开关；使用 OpenAI SDK 时，将其放在 extra_body 中：

resp = client.chat.completions.create(
    model="qwen3.8-flash-free",
    messages=[{"role": "user", "content": "Return only the invoice number: INV-2026-0042, due Nov 3"}],
    extra_body={"enable_thinking": False},
)
print(resp.choices[0].message.content)
print(resp.usage.completion_tokens_details)

请确认用量区块中的 reasoning_tokens 降为 0。若没有降为 0，表示该通道上的开关未生效，思考仍在消耗 token。

Agent 循环会重复发送上下文

编码 Agent 每一轮都会发送整段对话，包括文件内容和工具结果。一个已增长到 40K token 的会话，再运行 20 轮，就会发送 80 万个输入 token，几乎耗尽一天额度的大部分，还没算输出。请在工具的模型设置中限制上下文窗口，为新任务开启新会话，并在工具支持时使用压缩功能。

单次大型请求

Max 和 Flash 都支持 100 万 token 的上下文，与每日额度的大小相同。一个填满窗口的请求就会用完一整天的额度。

活动结束时

免费期约于 2026 年 11 月 13 日（太平洋时间）结束，若 GMI Cloud 的活动额度提前用完，则会更早结束。之后，-free 的 ID 将不再免费。已设定回退到付费 ID 的代码仍可正常运作。直接调用免费 ID 的代码需要做一项修改：从模型名称中移除 -free。

一次设定回退

AIHubMix 可以在主要模型失败时于网关层切换模型，按 API 密钥设定，无需更改代码。模型映射与回退涵盖完整规则。以下是 Qwen3.8 免费 ID 的设定方式：

1. 在 AIHubMix 控制台打开 API 密钥管理，编辑你的应用程序所使用的密钥。
2. 在「Fallback models on error」下，第一个加入 qwen3.8-max，第二个加入 qwen3.8-flash。
3. 代码中继续调用 qwen3.8-max-free。

请勿将免费 ID 放入备用列表。免费模型只能作为主要模型；若放在备用列表中，会被静默跳过。

回退请求将按付费模型的价格计费，因此请在账户中保留一些余额。若回退请求开始以 403 失败并显示「Your account balance is insufficient. Please recharge your account to continue using the API.」，请充值：回退机制无法绕过你自身的余额限制。一旦余额降至 -$1 以下，免费模型也会停止运作，直到你充值为止。

要查看由哪个模型回答，请读取响应标头：

curl -s -i https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen3.8-max-free","messages":[{"role":"user","content":"hi"}]}' \
  | grep -i -E 'x-aihubmix-(model|fallback)'

X-Aihubmix-Fallback: true 表示该请求已回退。X-Aihubmix-Model 标明实际回答的模型，也是你被计费的模型。

编码工具

任何支持 OpenAI 兼容提供商的工具都可以搭配免费 ID 使用，包括 OpenCode、Cline、Kilo Code、Qwen Code 和 Hermes Agent。AIHubMix 为每个工具提供设置页面；OpenCode 指南是很好的起点。各工具的设定值相同：

以下两个已知问题适用于所有工具。Agent 循环会耗尽共享的 token 额度，如上所述。另外，Max 的高延迟使其不适合作为互动式 Agent 的主要模型。若工具允许为规划与编辑分别选择模型，例如 Cline 的 Plan 与 Act 模式，可将 Max 用于规划，Flash 用于编辑。

15 分钟冒烟测试。将工具指向 qwen3.8-flash-free，请它为真实代码库中的一个小函数新增一个单元测试，然后执行该测试。成功的情况是：Agent 读取文件、编写测试、通过工具调用执行它，且 AIHubMix 用量记录显示这些请求都使用免费模型，费用为 $0。接着，在 qwen3.8-max-free 上重复规划步骤，并检查其耗时与 token 用量。

检查清单

• 已充值 $1 或以上，因此每日配额取代了 10 次试用调用
• 模型 ID 已从模型页面完整复制，并已在密钥上启用
• 批次任务控制在每分钟 10 个请求以下
• Max 请求使用串流，客户端超时设为 10 分钟或以上
• 简单请求已关闭思考，并已检查 reasoning_tokens
• Agent 上下文已限制，新任务使用新会话
• 历史记录修剪会将每个工具调用与其结果保留在一起
• JSON 模式的调用提示词中提到 JSON，并已关闭思考
• 回退设定为 qwen3.8-max，其次为 qwen3.8-flash
• 为回退请求保留一些余额
• 已设定提醒，约在 11 月 13 日免费期结束时

常见问题

我几乎没用 qwen3.8-max-free，为什么还会收到 429？
可能是你账户上的其他免费模型用完了共享的每分钟或每日额度，或活动的上游容量繁忙。错误信息会告诉你是哪一种：「rate limited by provider」表示是上游的限制。

为什么我的请求返回「Incorrect model ID」？
模型名称与 AIHubMix 的 ID 不完全相符。请使用 qwen3.8-max-free 或 qwen3.8-flash-free，全部小写；来自 GMI Cloud 或其他平台的 ID 在此不存在。此错误会以 503 返回，因此请确保重试逻辑不会持续重试它。

回退会产生费用吗？
只有在实际发生回退时才会。发生回退的请求，将按实际回答的付费模型价格计费。

我可以把 qwen3.8-flash-free 放入回退列表吗？
不可以。免费模型只能作为主要模型；AIHubMix 会在备用列表中跳过它们。

如何避免思考消耗我的免费 token？
对于不需要推理的请求，在 extra_body 中传入 enable_thinking 并设为 false，并检查用量区块中的 reasoning_tokens 是否降为 0。

为什么我的编码 Agent 这么快就耗尽每日额度？
Agent 每一轮都会重新发送整段对话。请限制上下文窗口，为新任务开启新会话，并将 Flash 作为 Agent 的主要模型。

11 月 13 日之后，免费 ID 会怎样？
它们将不再免费，若 GMI Cloud 的活动额度提前用完则会更早停止。请切换到 qwen3.8-max 或 qwen3.8-flash，或依赖你已设定的回退。

延伸阅读：Qwen3.8 免费系列

• 如需了解配额规则、结束日期以及可运行的首次请求：AIHubMix 上的免费 Qwen3.8 Max 与 Flash API：限制、结束日期与首次调用
• 若要避免 Max 的长时间等待，改用 Flash 处理其能胜任的工作：Qwen3.8 Max Free 与 Qwen3.8 Flash Free：Flash 是否足够？

资料来源

• HTTP 状态码（AIHubMix 文档）
• 模型映射与回退（AIHubMix 文档）
• 免费 AI 模型与配额（AIHubMix）
• 错误代码（阿里云 Model Studio）
• 通过 API 使用深度思考模型（阿里云 Model Studio）