Руководство по миграции моделей Qwen, прекращаемых в сентябре 2026

8 сентября 2026 года в 00:00 CST Alibaba Cloud отключит пять основных моделей Qwen на DashScope (Bailian): qwen3-max, qwen3-max-preview, qwen3.6-max-preview, qwen3-coder-plus и qwen3-vl-flash. После этого момента API-вызовы к этим model ID начнут возвращать ошибки — без переходного периода, без деградации (Официальное уведомление, опубликовано 2026-06-08; Механизм вывода моделей, получено 2026-06-23).

В этом руководстве — карта замен, примеры кода, сравнение цен и конкретный чеклист миграции. Если вы маршрутизируете запросы через TheRouter, можно заранее настроить fallback со старых model ID на замены — routing справится с переключением автоматически.

Мы маршрутизируем OpenAI-совместимые запросы через настроенных провайдеров и поддерживаем routing/fallback моделей там, где это реализовано в продуктовом пути. Мы не заявляем поддержку всех моделей, нулевого downtime или гарантированно низких цен.

1. Меняйте три значения, а не три SDK. Замените api_key, base_url и model в существующем клиенте OpenAI. Код запроса и ответа оставьте неизменным.
2. Сопоставьте model ID явно. ID модели у целевого провайдера почти никогда не совпадает с OpenAI ID. Держите словарь { openai_id: target_id } вне бизнес-логики.
3. Проверьте формат streaming. SSE-чанки должны соответствовать контракту OpenAI: data: {...} + data: [DONE]. Прогоните один streaming вызов до продакшена.
4. Проверьте rate-limit заголовки. Некоторые провайдеры не возвращают x-ratelimit-*. Добавьте обёртку с безопасным дефолтом.
5. Оставьте путь отката. Раскатайте замену под feature flag, гоняйте оба endpoint в shadow-режиме 24 часа, затем переключайтесь.

Коротко: 30 секунд

Три семейства моделей прекращают работу 8 сентября 2026. Вот замены:

Все замены указаны в официальном уведомлении Alibaba. Каждая уже работает на DashScope — можно тестировать сразу.

Что прекращает работу 8 сентября 2026

Официальное уведомление (Alibaba Cloud #118344, опубликовано 2026-06-08) перечисляет пять model ID:

Семейство Qwen Max

• qwen3-max — текущая основная модель Max (эквивалент qwen3-max-2026-01-23). Поддерживает thinking и non-thinking режимы, ступенчатая тарификация, контекстное окно 256K.
• qwen3-max-preview — preview-канал Max-уровня. Поддерживает thinking и non-thinking режимы.
• qwen3.6-max-preview — preview-версия Qwen 3.6 Max. Поддерживает thinking + non-thinking, контекст 256K, ступенчатая тарификация.

Qwen Coder

• qwen3-coder-plus — модель Plus-уровня для кода. Применяется в agentic coding pipeline и CI-интегрированном code review.

Qwen VL (Vision-Language)

• qwen3-vl-flash — легковесная vision-модель для задач понимания изображений.

До отключения: С момента публикации уведомления DashScope может постепенно снижать QPM и TPM для этих моделей. Если вы запрашивали расширенные лимиты, они сначала сбросятся до дефолтных (Механизм вывода моделей, получено 2026-06-23).

Карта замен — старая модель → новая модель

qwen3-max → qwen3.7-max

Влияние на стоимость: Для коротких запросов (≤32K input) qwen3.7-max дороже: ¥12 вместо ¥2.50 за миллион input tokens. Для длинных контекстов (128K+) единая ставка ¥12 дешевле третьей ступени qwen3-max (¥7). Оценивайте по типичной длине ваших промптов (Тарификация моделей, получено 2026-06-23).

qwen3-coder-plus → qwen3.7-plus

Ключевое изменение: qwen3.7-plus — универсальная модель, не специализированная для кода. Она хорошо справляется с задачами программирования (Alibaba назначила её официальной заменой), но если вы полагались на специализированное поведение qwen3-coder-plus, проведите регрессионное тестирование перед переключением.

qwen3-vl-flash → qwen3.6-flash

qwen3.6-flash заменяет qwen3-vl-flash для vision-задач. Учтите: qwen3.6-flash — универсальная flash-модель, не специализированная VL. Проверьте, что форматирование image input работает так же в вашем pipeline.

Пример миграции кода (OpenAI SDK)

Миграция сводится к замене model ID. Если вы используете OpenAI Python SDK с OpenAI-совместимым endpoint DashScope, меняется одна строка:

# До — qwen3-max (прекращает работу 8 сентября 2026)
from openai import OpenAI

client = OpenAI(
    api_key="sk-your-dashscope-api-key",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

response = client.chat.completions.create(
    model="qwen3-max",  # ← прекращает работу
    messages=[{"role": "user", "content": "Explain attention mechanisms."}],
)

# После — qwen3.7-max (замена)
from openai import OpenAI

client = OpenAI(
    api_key="sk-your-dashscope-api-key",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

response = client.chat.completions.create(
    model="qwen3.7-max",  # ← замена
    messages=[{"role": "user", "content": "Explain attention mechanisms."}],
)

Аналогично для qwen3-coder-plus → qwen3.7-plus:

# До
response = client.chat.completions.create(
    model="qwen3-coder-plus",  # ← прекращает работу
    messages=[{"role": "user", "content": "Refactor this function to use async/await."}],
)

# После
response = client.chat.completions.create(
    model="qwen3.7-plus",  # ← замена
    messages=[{"role": "user", "content": "Refactor this function to use async/await."}],
)

Чеклист миграции и подводные камни

1. Проверьте, какие модели вы реально используете. Откройте DashScope Model Telemetry и отфильтруйте пять прекращаемых model ID. Если трафика нет — миграция завершена.

2. Протестируйте замену на вашей реальной нагрузке. Не полагайтесь на бенчмарки — прогоните реальные промпты через qwen3.7-max (или qwen3.7-plus / qwen3.6-flash) и сравните output. На что обратить внимание:

   • Консистентность формата output (JSON mode, structured outputs)
   • Поведение thinking mode (если вы используете enable_thinking: true)
   • Различия в количестве token (Qwen3.7-Max использует единую цену — расходы могут измениться)

3. Обновите model ID во всех окружениях. Поищите строковые литералы: qwen3-max, qwen3-max-preview, qwen3.6-max-preview, qwen3-coder-plus, qwen3-vl-flash. Не забудьте конфиги, переменные окружения и CI pipeline.

4. Следите за изменениями rate limit. DashScope постепенно снижает QPM/TPM для прекращаемых моделей после публикации уведомления. Если получаете неожиданные 429-ошибки, проверьте квоту.

5. Обновите prompt tuning для конкретных моделей. Если вы оптимизировали system prompt под поведение qwen3-max, модель-замена может реагировать по-другому.

6. Оцените влияние на стоимость. Пользователи коротких контекстов, переходящие с qwen3-max (¥2.50/M input при ≤32K) на qwen3.7-max (¥12/M единая), увидят рост стоимости input примерно в 4.8 раза. Пользователи длинных контекстов могут сэкономить. Смоделируйте ожидаемые расходы до переключения.

Сравнение цен — старые и новые модели

Все цены за миллион tokens, регион Китай (Тарификация моделей, получено 2026-06-23):

Итого: qwen3.6-max-preview → qwen3.7-max — явная экономия (output с ¥54 до ¥36). qwen3-max → qwen3.7-max дороже для коротких контекстов, дешевле для длинных. qwen3-coder-plus → qwen3.7-plus дороже, но добавляет thinking mode и больший контекст.

Как настроить routing fallback для миграции

Если вы используете TheRouter, можно настроить fallback-цепочку — при отказе старого model ID запросы автоматически пойдут на замену. Или заранее перенаправить весь трафик на новую модель.

Мы маршрутизируем OpenAI-совместимые запросы через настроенных провайдеров и поддерживаем routing/fallback моделей там, где это реализовано в продуктовом пути.

Вариант 1: Превентивное переключение routing. Обновите конфигурацию модели в TheRouter — направьте запросы qwen3-max на qwen3.7-max. Код приложения менять не нужно — TheRouter обработает маппинг model ID.

Вариант 2: Fallback-цепочка. Настройте qwen3-max как primary, qwen3.7-max как fallback. Когда primary начнёт возвращать ошибки (из-за снижения квоты или отключения), запросы автоматически перейдут на замену. Подробности — в руководстве по model fallback.

Вариант 3: Shadow testing. Направьте часть трафика на qwen3.7-max, сохраняя production на qwen3-max. Сравните output, убедитесь в отсутствии регрессий, затем переключите 100%.

Откат, если замена не подходит

Если qwen3.7-max не даёт приемлемых результатов:

1. Попробуйте другие snapshot qwen3.7-max. Доступны два: qwen3.7-max-2026-05-20 (только текст) и qwen3.7-max-2026-06-08 (мультимодальный). Старый snapshot может вести себя ближе к qwen3-max.

2. Рассмотрите альтернативы у других провайдеров. Для Max-уровня нагрузок — DeepSeek V4 (через DashScope или напрямую) и GPT-4o (через OpenAI). Для замены qwen3-coder-plus — Kimi K2.7 Code или DeepSeek V4.

3. Подайте тикет в DashScope. Если есть обоснованная бизнес-причина сохранить qwen3-max, Alibaba иногда продлевает сроки для крупных клиентов. Рассчитывать на это не стоит, но вариант существует.

Таймлайн и рекомендуемые даты действий

Не ждите сентября. DashScope начинает снижать квоты для прекращаемых моделей сразу после публикации уведомления. Если вы уже видите снижение QPM/TPM — это предупреждение.

Связанные статьи

• Календарь вывода AI-моделей Q3 2026 — полный таймлайн по всем провайдерам
• Qwen3.6-Max vs Qwen3.7-Max: сравнение при обновлении — детальное техническое сравнение Max-моделей
• Миграция Qwen Turbo/VL/Coder-Plus (дедлайн 13 июля 2026) — предыдущая волна отключений DashScope
• Руководство по Aliyun Bailian API — настройка DashScope и routing
• OpenAI-совместимые API-провайдеры — варианты routing между провайдерами

---

Источники: Официальное уведомление Alibaba Cloud #118344 (опубликовано 2026-06-08), Механизм вывода моделей DashScope (получено 2026-06-23), Тарификация моделей DashScope (получено 2026-06-23). Все цены в юанях (RMB). Цены и доступность моделей могут измениться — перед production-решениями сверяйтесь с официальной документацией.