Qwen4-Max-Preview 接入前必读:max_tokens 不再只管答案,回答会在半句停住

大模型解读Qwen4-Max-Preview 接入前必读openstarry.com

阿里在 11 月 11 日放出了 Qwen4 代第一个可调用的模型 qwen4-max-preview,只走 Token Plan,11 月 25 日 24:00 下线。参数很漂亮:100 万上下文、393,216 输出上限、文本图像视频三模态、兼容 OpenAI 和 Anthropic 两套协议。

但真正让人返工的不是这些数字,是文档里放在“使用注意事项”角落、一扫就过的几行。下面按接入顺序过一遍。

一、先把规格和窗口说清楚

模型 ID 是 qwen4-max-preview,别名 qwen4.0-max-preview,两个 ID 都能调,但账单统一按别名显示。上下文 100 万,最大输出 393,216 token,思考与最终回答共享此预算。输入支持文本、图片和视频。协议层兼容 OpenAI Chat Completions、OpenAI Responses 和 Anthropic Messages 三套,结构化输出支持 JSON Object 和 JSON Schema,带 web_search、web_extractor、code_interpreter 内置工具。

计费只有一条路:Token Plan,不支持按量付费。有效期 2026 年 11 月 11 日 10:00 至 11 月 25 日 24:00(UTC+8),期间模型行为不做变更。算一下,不是整两周,是14 天 14 小时。

接入地址不是通用 DashScope 端点。模型文档给的是套餐专用 Base URL:https://token-plan.cn-beijing.maas.aliyuncs.com,配套餐专用 API Key(sk-sp- 开头)。Token Plan 个人版目前仅支持华北 2(北京)。拿通用 DashScope Key 去调,额度账单会对不上。

并发按套餐走:Lite 1–2 个、Essential 2–3 个、Standard 3–4 个、Pro 6–8 个并发 Agent。压 Agent 链路时通常先撞这个墙,而不是 token 墙。

二、max_tokens 的语义变了,截断时不报错

这是最容易踩、也最不容易查出原因的一处。

从 qwen4-max-preview 开始,max_tokens 与 max_completion_tokens 等价,两者都限制“思考 + 最终回答”的总量。此前已上线的 Qwen 模型行为不变。

旧习惯的写法在这里会出问题:

completion = client.chat.completions.create(

model="qwen4-max-preview",
messages=[{"role": "user", "content": "把这份 40 页的接口文档整理成迁移清单"}],
max_tokens=4096,

)

思考默认开启,默认强度 xhigh。4096 的预算先被思考吃掉大半,剩下的才轮到答案。表现是回答在半句停住——不是报错,是 HTTP 200 返回一段残句,日志里干干净净。

排查时先看截断标记(响应中的 finish_reason 字段,值为 length),而不是先翻日志找异常。看到截断标记,再回头核 max_tokens 预算和 reasoning_effort 设置。

把参数改名成 max_completion_tokens 解决不了,两个名字等价。解法只有两个:把预算调到能同时容纳思考和答案的量级,或者用 reasoning_effort 把思考压到 low / medium。注意 reasoning_effort 和 thinking_budget 互斥,不能同时设。

同理,393,216 这个“最大输出”不是“答案上限”,是思考和答案合起来的总盘子。

三、多轮对话要回传 reasoning_content,否则第二轮跑偏

Chat Completions 下 preserve_thinking 默认开启。历史里的 assistant 消息要带着 reasoning_content 完整回传,不能把思考内容拼进 content。

自己手拼 messages 的链路,这一处最容易在第二轮开始跑偏:第一轮正常,第二轮开始答非所问,而且不报错。原因是第二轮起模型看到的思考历史已被破坏——思考内容被当成了答案内容喂回去,上下文从第二轮就失真了。

四、计费:订阅价公开,折算率不公开

公开的部分很具体:套餐 39 / 79 / 139 / 312 元每月,分别对应不同 Credits 额度;加油包 100 元一个,含 2 万 Credits;预览期 Credits 消耗低至 2 折,夜间 22:00 至次日 08:00 再享 4 折(合计 0.8 折)。

没公开的只有一样:Credits 与 token 的折算率。单次调用到底烧掉多少 Credits,官方只说“由模型类型、Token 用量、思考模式及工具调用动态决定”,实际值以控制台用量详情为准。

所以定预算前先买最小套餐实测:用真实任务形态跑一批调用,去控制台看 Credits 消耗,反推出你这套用法下的实际折算,再决定升到哪档。订阅封顶保证了试错成本有上限,但“封顶多少”和“够不够用”是两回事,中间只能靠实测填。

五、比跑分更该先确认的一条

Token Plan 个人版条款写明:使用期间,模型输入和生成内容将用于服务改进与模型优化;停止使用可终止后续授权,但不覆盖已授权数据。团队版承诺不使用对话数据训练。

这条直接决定你能不能用真实仓库、真实接口文档去试。要拿内部代码压测,先看这条,再谈能力。

六、它到底是什么

一句话:一张 14 天的试驾券,不是能开回家的车。

可以做的:拿自己仓库里的真实任务验证“百万上下文 + 视频输入”能不能解决某个具体问题;测函数调用格式在长链路里稳不稳;测工具报错后的自我恢复。这些都是跑分给不了的信息。

别做的:任何下游依赖它的自动化流程——25 日之后模型标识下线,条款本身也禁止非交互式批量调用;依赖公开基准做选型——官方至今未公布任何跑分,也没披露参数规模;大规模按量调用——它压根不支持按量。

接入检查清单收成一句:先看截断标记确认 max_tokens 预算,再确认 reasoning_content 是否完整回传,最后用小套餐实测 Credits 折算再定档——三件事都不报错,所以都得主动查。

参考

阿里云百炼·qwen4-max-preview 模型页:https://docs.bailian.console.aliyun.com/zh/model-studio/qwen4-max-preview 阿里云帮助中心·Token Plan(个人版)概述:https://help.aliyun.com/zh/model-studio/token-plan-personal-overview

以 AI 之力,筑未来之境

现在注册,立即免费获赠 200 次大模型调用权益

免费注册 →