
Nouvelle génération de Qwen phare pour le codage, la conception frontend, le travail de bureau et les agents complexes, avec une compréhension image et vidéo dans un contexte de 1 million de jetons.
Nouvelle génération de Qwen phare pour le codage, la conception frontend, le travail de bureau et les agents complexes, avec une compréhension image et vidéo dans un contexte de 1 million de jetons.
Prend en charge l’entrée texte, image et vidéo, le mode pensée avec enable_thinking, reasoning_effort (bas, haut ou x-haut) et thinking_budget jusqu’à 262144 jetons, l’appel de fonctions, la sortie structurée incluant un schéma JSON strict, la mise en cache implicite des invites, et cinq outils intégrés: tool_web_search, tool_web_extractor, tool_code_interpreter, tool_web_search_image et tool_image_search. Les jetons de pensée sont présentés comme des jetons de sortie.
Aussi connu sous le nom Alibaba Cloud Qwen4 Max
qwen4-max/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/qwen4-max:generateContentTarifs à l'usage en direct du catalogue EmpirioLabs. Vous ne payez que ce que vous utilisez, sans minimum mensuel.
Qwen4 Max sert l'API Chat Completions compatible OpenAI. Pointez n'importe quel SDK OpenAI vers https://api.empiriolabs.ai/v1 avec votre clé API EmpirioLabs et utilisez l'id de modèle qwen4-max. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
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)Paramètres de requête pris en charge par l'API Qwen4 Max sur EmpirioLabs. Les valeurs par défaut s'appliquent quand un champ est omis.
| Paramètre | Type | Par défaut | Plage / valeurs | Description |
|---|---|---|---|---|
| temperature | number | 0.7 | 0 à 1.99 | Température d’échantillonnage. 0 est déterministe et 1,99 est l’aléatoire maximal. |
| top_p | number | 0.9 | 0 à 1 | Probabilité d’échantillonnage du noyau, masse. Des valeurs plus basses rendent les sorties plus ciblées. |
| max_tokens | number | - | 1 à 262144 | Jetons de sortie maximum, raisonnement inclus. Lorsqu’il est omis, le défaut par défaut du modèle s’applique. |
| stop | string | - | - | Jusqu’à 4 chaînes où le modèle cesse de générer d’autres jetons. |
| enable_thinking | boolean | true | - | Activez le raisonnement avant de répondre. |
| reasoning_effort | enum | high | low, high, xhigh | La profondeur de raisonnement pendant la réflexion est activée: faible, élevé ou x-haut. Un effort plus élevé dépense plus de jetons de raisonnement avant de... |
| thinking_budget | number | - | 1 à 262144 | Le maximum de jetons est réservé pour le raisonnement lorsque la réflexion est activée. Lorsqu’il est omis, le modèle décide combien de temps il faut raisonner.... |
| preserve_thinking | boolean | true | - | Incluez le raisonnement des tours d’assistant précédents dans l’entrée du modèle sur /v1/chat/completions. Restituez le raisonnement de chaque tour inchangé dans le... |
| seed | integer | - | 0 à 2147483647 | Seed aléatoire pour un échantillonnage plus reproductible. Réutiliser une seed avec la même requête donne une sortie similaire, pas toujours identique. |
| top_k | integer | - | 1 à 100 | Échantillonnez uniquement à partir des K jetons les plus probables. Lorsqu’ils sont omis, le défaut par défaut du modèle s’applique. |
| presence_penalty | number | - | -2 à 2 | Pénalité pour les jetons déjà apparus dans le texte généré. Les valeurs positives encouragent de nouveaux sujets. Lorsqu’elles sont omises, le défaut par défaut du... |
| repetition_penalty | number | - | 0.1 à 2 | Des valeurs plus élevées découragent la répétition des phrases, et 1 n’applique aucune pénalité. Lorsqu’elles sont omises, le défaut propre au modèle s’applique. Non... |
| n | integer | 1 | 1 à 4 | Nombre de réponses à retourner. Au-dessus de 1 ne s’exécute que sur /v1/chat/completions, avec enable_thinking faux et sans outils, recherche web ou logprobs. Les... |
| logprobs | boolean | false | - | Retournez les probabilités logarithiques des jetons de réponse, et non le raisonnement, sur /v1/chat/completions. Non disponible lorsqu’un outil intégré est activé. |
La saisie texte, image et vidéo sont prise en charge. La recherche web, l’extracteur web, l’interpréteur de code, la recherche text-to-image et la recherche image-to-image sont des outils intégrés optionnels exposés à tool_ paramètres*. La recherche web, la recherche text-to-image et la recherche image-to-image ajoutent $0.02 pour chaque appel invoqué; l’extracteur web et l’interpréteur de code fonctionnent sans coût supplémentaire. L’extracteur web nécessite une recherche web, et l’extracteur web et l’interpréteur de code nécessitent tous deux une réflexion. Une seule requête peut invoquer un outil plus d’une fois, et chaque appel invoqué est facturé. La réflexion est activée par défaut; reasoning_effort définit sa profondeur (faible, élevée ou xhigh, par défaut élevée), et les jetons de pensée sont facturés comme jetons de sortie. max_tokens et max_completion_tokens le raisonnement en majuscule et la réponse ensemble. Les préfixes répétés sont mis en cache automatiquement, et les jetons d’entrée mis en cache facturent au taux de lecture implicite du cache. Les contrôles de cache explicites comme cache_control ne sont pas pris en charge.
Lorsque ce modèle invoque des outils intégrés dans une seule requête, la réponse porte une carte de usage.tool_usage normalisée accompagnée des comptes de jetons:
"usage": {
"prompt_tokens": 123,
"completion_tokens": 456,
"cost_usd": 0.0042,
"tool_usage": {"web_search": 3, "code_interpreter": 1}
}Le nombre d’outils est déjà pris en compte dans cost_usd et est mis en avant pour plus de transparence afin que vous puissiez auditer la facturation par outil. Le champ est omis lorsqu’aucun outil n’a été invoqué.
Sur EmpirioLabs, Qwen4 Max est facturé à l'usage : Entrée $1.50 par 1M de jetons d’invite; Sortie $4.50 par 1M de jetons générés; Lecture implicite du cache $0.075 par 1M de jetons d’entrée mis en cache; Recherche Web $0.02 par appel lors de l’invocation; Recherche texte-image $0.02 par appel lors de l’invocation; Recherche image à image $0.02 par appel lors de l’invocation; Extracteur de toile $0.00 par appel lors de l’invocation; Interpréteur de code $0.00 par appel lors de l’invocation. La grille tarifaire en direct de cette page correspond toujours à ce que l'API facture.
Qwen4 Max prend en charge une fenêtre de contexte de 983.6K tokens avec jusqu'à 262 144 tokens de sortie par réponse.
Oui. Qwen4 Max sert l'API Chat Completions compatible OpenAI : les SDKs OpenAI existants fonctionnent en pointant base_url vers https://api.empiriolabs.ai/v1 et en utilisant l'id de modèle qwen4-max.
Oui. Le playground EmpirioLabs exécute Qwen4 Max dans le navigateur avec les mêmes paramètres que l'API expose, pour tester vos prompts avant d'écrire du code.
Créez un compte EmpirioLabs, puis générez une clé sous API Keys dans le tableau de bord. La facturation utilise des crédits à l'usage : vous ne payez que vos requêtes.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.