
Qwen-Flaggschiff der nächsten Generation für Programmierung, Frontend-Design, Büroarbeit und komplexe Agenten, mit Bild- und Videoverständnis in einem 1M-Token-Kontext.
Qwen-Flaggschiff der nächsten Generation für Programmierung, Frontend-Design, Büroarbeit und komplexe Agenten, mit Bild- und Videoverständnis in einem 1M-Token-Kontext.
Unterstützt Text-, Bild- und Videoeingaben, Denkmodus mit enable_thinking, reasoning_effort (niedrig, hoch oder xhoch) und thinking_budget bis zu 262144 Tokens, Funktionsaufrufe, strukturierte Ausgabe einschließlich striktes JSON-Schema, implizites Prompt-Caching und fünf integrierte Werkzeuge: tool_web_search, tool_web_extractor, tool_code_interpreter, tool_web_search_image und tool_image_search. Denk-Tokens werden als Ausgabe-Tokens beworben.
Auch bekannt als Alibaba Cloud Qwen4 Max
qwen4-max/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/qwen4-max:generateContentLive Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.
Qwen4 Max 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 qwen4-max. 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": "qwen4-max",
"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="qwen4-max",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Request-Parameter, die die Qwen4 Max API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.
| Parameter | Typ | Standard | Bereich / Werte | Beschreibung |
|---|---|---|---|---|
| temperature | number | 0.7 | 0 bis 1.99 | Stichprobentemperatur. 0 ist deterministisch und 1,99 ist maximale Zufälligkeit. |
| top_p | number | 0.9 | 0 bis 1 | Kernprobenwahrscheinlichkeitsmasse. Niedrigere Werte machen die Ausgaben fokussierter. |
| max_tokens | number | - | 1 bis 262144 | Maximale Ausgabe-Tokens, einschließlich der Argumentation. Wenn sie weggelassen werden, gilt der eigene Standard des Modells. |
| 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. |
| reasoning_effort | enum | high | low, high, xhigh | Die Denktiefe beim Denken ist an: niedrig, hoch oder xhoch. Bei höherem Aufwand gibt man mehr Denkmarken aus, bevor man antwortet. Der Standard ist hoch. Niedrig und... |
| thinking_budget | number | - | 1 bis 262144 | Maximale Token, die für das Denken beim Denken reserviert sind, ist aktiviert. Wenn es weggelassen wird, entscheidet das Modell, wie lange es argumentiert. Läuft mit... |
| preserve_thinking | boolean | true | - | Fügen Sie die Begründung der früheren Assistenten-Umzüge in die Eingabe des Modells ein/v1/chat/completions. Gib jede Runde unverändert im reasoning_content-Feld... |
| seed | integer | - | 0 bis 2147483647 | Zufälliger Seed für reproduzierbarere Stichproben. Die Wiederverwendung eines Seeds mit derselben Anfrage liefert ähnliche, aber nicht immer identische Ausgaben. |
| top_k | integer | - | 1 bis 100 | Beispiele nur aus den K wahrscheinlichsten Tokens. Wenn sie weggelassen werden, gilt der Standardstandard des Modells. |
| presence_penalty | number | - | -2 bis 2 | Strafe für Token, die bereits im generierten Text erschienen sind. Positive Werte fördern neue Themen. Wenn sie weggelassen werden, gilt der eigene Standard des Modells. |
| repetition_penalty | number | - | 0.1 bis 2 | Höhere Werte entmutigen wiederholte Formulierungen, und 1 verursacht keine Strafe. Wenn sie weggelassen werden, gilt der eigene Standard des Modells. Nicht... |
| n | integer | 1 | 1 bis 4 | Anzahl der zurückzugebenden Antworten. Above 1 läuft nur auf /v1/chat/completions, mit enable_thinking falsch und ohne Werkzeuge, Websuche oder Logprobs. Die... |
| logprobs | boolean | false | - | Geben Sie die Log-Wahrscheinlichkeiten der Antworttokens zurück, nicht die Begründung, auf /v1/chat/completions. Nicht verfügbar, wenn ein eingebautes Tool aktiviert ist. |
Text-, Bild- und Videoeingaben werden unterstützt. Websuche, Web-Extractor, Code-Interpreter, text-to-image-Suche und image-to-image-Suche sind optionale integrierte Tools, die über tool_*-Parameter bereitgestellt werden. Websuche, text-to-image-Suche und image-to-image-Suche fügen für jeden aufgerufenen Aufruf $0.02 hinzu; Web-Extractor und Code-Interpreter laufen ohne zusätzliche Kosten. Web-Extractor erfordert Websuche, und sowohl Web-Extractor als auch Code-Interpreter erfordern Nachdenken. Eine einzelne Anfrage kann ein Werkzeug mehrmals aufrufen, und jeder aufgerufene Aufruf wird abgerechnet. Thinking ist standardmäßig aktiviert; reasoning_effort legt seine Tiefe fest (niedrig, hoch oder x-hoch, Standard-High), und Denk-Tokens werden als Ausgabe-Token berechnet. max_tokens und max_completion_tokens begrenzen Argumentation und Antwort zusammen. Wiederholte Prompt-Präfixe werden automatisch zwischengespeichert, und zwischengespeicherte Eingabetoken werden mit der impliziten Cache-Leserate abgerechnet. Explizite Cache-Kontrollen wie cache_control werden nicht unterstützt.
Wenn dieses Modell innerhalb einer einzigen Anfrage eingebaute Werkzeuge aufruft, trägt die Antwort eine normalisierte usage.tool_usage Map neben den Token-Zählen:
"usage": {
"prompt_tokens": 123,
"completion_tokens": 456,
"cost_usd": 0.0042,
"tool_usage": {"web_search": 3, "code_interpreter": 1}
}Werkzeugzählungen sind bereits in cost_usd einbezogen und zur Transparenz sichtbar, damit man die Rechnung pro Werkzeug prüfen kann. Das Feld wird weggelassen, wenn keine Werkzeuge aufgerufen wurden.
Auf EmpirioLabs wird Qwen4 Max nach Verbrauch abgerechnet: Eingabe $1.50 pro 1M Prompt-Token; Ausgabe $4.50 pro 1 Million generierter Token; Implizite Cache-Leseart $0.075 pro 1M zwischengespeicherten Eingabetoken; Web-Suche $0.02 pro Aufruf beim Aufruf; Text-zu-Bild-Suche $0.02 pro Aufruf beim Aufruf; Bild-zu-Bild-Suche $0.02 pro Aufruf beim Aufruf; Netzextraktor $0.00 pro Aufruf beim Aufruf; Code-Interpreter $0.00 pro Aufruf beim Aufruf. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.
Qwen4 Max unterstützt ein Kontextfenster von 983.6K Token mit bis zu 262.144 Ausgabe-Token pro Antwort.
Ja. Qwen4 Max 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 qwen4-max verwendest.
Ja. Der EmpirioLabs Playground führt Qwen4 Max 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.