
Vorschau-Veröffentlichung mit erheblichen Fortschritten gegenüber der 2.5-Serie in Bezug auf Chinesisch-Englisch-Verständnis, komplexe Anleitungen, mehrsprachige Fähigkeiten und Werkzeugnutzung.
Vorschau-Veröffentlichung mit erheblichen Fortschritten gegenüber der 2.5-Serie in Bezug auf Chinesisch-Englisch-Verständnis, komplexe Anleitungen, mehrsprachige Fähigkeiten und Werkzeugnutzung.
Auch bekannt als Alibaba Cloud Qwen3 Max Preview
qwen3-max-preview/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/qwen3-max-preview:generateContentLive Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.
Qwen3 Max Preview bedient die OpenAI-kompatible Chat Completions API. Richte ein beliebiges OpenAI SDK mit deinem EmpirioLabs API-Schlüssel auf https://api.empiriolabs.ai/v1 und verwende die Modell-ID qwen3-max-preview. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3-max-preview",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'from openai import OpenAI
client = OpenAI(
base_url="https://api.empiriolabs.ai/v1",
api_key="YOUR_EMPIRIOLABS_API_KEY",
)
response = client.chat.completions.create(
model="qwen3-max-preview",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Request-Parameter, die die Qwen3 Max Preview API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.
| Parameter | Typ | Standard | Bereich / Werte | Beschreibung |
|---|---|---|---|---|
| temperature | number | 0.7 | 0 bis 2 | Temperatur wird geprochen. 0 ist deterministisch und 2 ist maximale Zufälligkeit. |
| top_p | number | 1 | 0 bis 1 | Kernprobenwahrscheinlichkeitsmasse. Niedrigere Werte machen die Ausgaben fokussierter. |
| max_tokens | number | 4096 | 1 bis 65536 | Maximale Ausgabe-Token. |
| stop | string | - | - | Bis zu 4 Zeichenketten, bei denen das Modell aufhört, weitere Token zu generieren. |
| enable_thinking | boolean | true | - | Aktiviere das Schließen, bevor du antwortest. |
| frequency_penalty | number | 0 | -2 bis 2 | Strafe basiert darauf, wie oft ein Token bereits aufgetaucht ist. |
| presence_penalty | number | 0 | -2 bis 2 | Strafe für Token, die bereits im generierten Text erschienen sind. |
| tool_web_search | boolean | false | - | Suchen Sie im Internet nach Echtzeitinformationen. Fügt $0.015 die Anfragekosten für jeden aufgerufenen Aufruf hinzu. |
| tool_code_interpreter | boolean | false | - | Führe Python-Code in einer Sandbox aus. Erfordert Nachdenken. |
| response_format | enum | - | - | Geben Sie die Ausgabe als gültiges JSON-Objekt (JSON-Modus) zurück. Beschreibe die Felder, die du in deinem Prompt verwenden möchtest. |
| disable_formatting | boolean | false | - | Überspringe die EmpirioLabs Markdown-Formatierung (Zitation [[N]](URL) Umschreiben + Referenzblock, wenn Websuche / Tools verwendet wurden). Die rohe... |
Deep Thinking + Code-Interpreter sind beide als Opt-in-Schalter verfügbar.
Auf EmpirioLabs wird Qwen3 Max Preview nach Verbrauch abgerechnet. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.
Qwen3 Max Preview unterstützt ein Kontextfenster von 256K Token mit bis zu 65.536 Ausgabe-Token pro Antwort.
Ja. Qwen3 Max Preview bedient die OpenAI-kompatible Chat Completions API. Bestehende OpenAI SDKs funktionieren, indem du base_url auf https://api.empiriolabs.ai/v1 setzt und als Modell-ID qwen3-max-preview verwendest.
Ja. Der EmpirioLabs Playground führt Qwen3 Max Preview im Browser mit denselben Parametern aus, die die API bietet. So kannst du Prompts testen, bevor du Code schreibst.
Erstelle ein EmpirioLabs-Konto und generiere dann einen Schlüssel unter API Keys im Dashboard. Die Abrechnung erfolgt über Pay-as-you-go-Guthaben, du zahlst also nur für deine Requests.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.