Eine generierte Titelkarte mit der Überschrift „Qwen4-Max ist fünf Tage lang kostenlos“, die ein Zeitfenster vom 18. bis 23. November 2026, drei beschriftete Parteien — Alibaba Qwen, Nous Research und Inferact — und eine Fußzeile zeigt, die darauf hinweist, dass die verbrauchsabhängige Tarifkarte des Modells unverändert ist.
Guides & Insights

Qwen4-Max ist fünf Tage lang kostenlos auf dem Nous Portal — und der Serving-Partner ist die eigentliche Geschichte

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Am 18. November 2026 um 19:25 UTC teilte Nous Research mit, dass Qwen4-Max, Alibabas neues Flaggschiff, fünf Tage lang in Nous Portal kostenlos sei – in Partnerschaft mit Inferact und dem Qwen-Team. Achtundsiebzig Minuten später, um 20:43 UTC, veröffentlichte Inferact seine eigene Version derselben Ankündigung: fünf Tage kostenlose Tokens auf Qwen4-Max, bereitgestellt auf Inferact Platform und auf vLLM. Zwei Posts, kein Blogbeitrag, keine technische Ausarbeitung, keine Preistabelle. Qwen4-Max selbst änderte sich an jenem Nachmittag in keiner Weise – es wurde am 16. November zu seinem nutzungsabhängigen Tarif allgemein verfügbar, und dieser Tarif gilt weiterhin. Geändert hat sich, dass das Modell nun einen öffentlich benannten Serving-Stack hat, und in den nächsten Tagen kann jeder Arbeitslasten kostenlos durch ihn laufen lassen.

Diese Unterscheidung macht den ganzen Artikel aus. Ein kostenloses Zugangsfenster ist keine Preissenkung, und eine Partnerschaftsankündigung ist kein Benchmark. Doch der zweite Satz in Inferacts Beitrag ist der Teil, den man zweimal lesen sollte: Dies ist ein Modell, für das Alibaba nie einen Checkpoint veröffentlicht hat, das auf einer Open-Source-Inferenz-Engine von einem Unternehmen bereitgestellt wird, das es nicht gebaut hat. Was diese Werbeaktion auch sonst sein mag, sie ist der erste öffentliche Beleg dafür, wie sich Qwen4-Max außerhalb von Alibabas eigener Bereitstellung verhält.

Was die beiden Beiträge tatsächlich sagen – und was sie weglassen

Der Beitrag von Nous Research ist der gehaltvolle. Darin wird Qwen4-Max als „das neue Flaggschiffmodell von Alibaba“ bezeichnet, es heißt, es sei „für langfristige Aufgaben mit nativer Vision und 1M Kontext konzipiert“, und Leser werden auf das Portal verwiesen. Der Beitrag von Inferact ergänzt die operativen Details: Die kostenlosen Tokens werden auf der Inferact Platform und auf vLLM bereitgestellt, und das Wort, das dort für das verwendet wird, was verschenkt wird, lautet „Tokens“, nicht „Requests“.

Keiner der Beiträge nennt eine Token-Obergrenze, ein Limit pro Konto, ein Ratenlimit oder einen Endzeitstempel. Die Modellliste des Portals zeigt derzeit Qwen4-Max unter Free Models als qwen/qwen4-max:free zu einem Preis von FREE, zusammen mit einem Hinweis, dass die Preise jede Minute aus dem Live-Katalog aktualisiert werden – was Ihnen verrät, dass der Eintrag echt und live ist, und Ihnen nichts darüber verrät, wie viel davon Sie verbrauchen können. Wenn die Uhr mit den Beiträgen am Abend des 18. November gestartet ist, reicht das Zeitfenster bis etwa zum 23. November. Betrachten Sie das als Rückschluss, nicht als veröffentlichte Frist.

Die ehrliche Zusammenfassung des Angebots lautet also: fünf Tage abgerechneter Zugang zu einem Modell, das sonst echtes Geld kostet – mit abgeschaltetem Zähler und nicht offengelegter Obergrenze. Wer auf einen Grund gewartet hat, Qwen4-Max zu bewerten, bevor er es in einen Produktionspfad überführt, für den ist dies der günstigste Grund, den er bekommen wird.

Warum „auf Inferact und vLLM bereitgestellt“ die interessante Hälfte ist

Inferact ist das Unternehmen, das von den Erstellern und Maintainern von vLLM gegründet wurde, und es verkauft eine Produktions-Inferenzplattform, die auf dieser Engine aufbaut. Das Angebot: Day-Zero-Modellunterstützung, maßgeschneiderte Kernel, Autoscaling und Verbrauchsmessung – entweder auf Ihren eigenen GPUs oder auf deren. Es als Serving-Partner zu nennen ist daher keine Hosting-Fußnote; es ist die Aussage, dass Qwen4-Max auf einem Serving-Stack laufen kann, der nicht von Alibaba stammt, und zwar von Ingenieuren, die beruflich Kernel optimieren.

Das wirft eine naheliegende Frage auf, denn Qwen4-Max hat keine öffentlichen Gewichte. Alibaba veröffentlicht dafür keinen Checkpoint – die Model-Studio-Dokumentation führt Fine-Tuning, Modell-Deployment und Batch-Inferenz als nicht unterstützt auf, und es gibt kein Hugging-Face-Repository zum Herunterladen. Ein Modell, das man nicht herunterladen kann, lässt sich im üblichen Sinne nicht von einem Dritten auf vLLM betreiben. Beide Aussagen können nur gleichzeitig zutreffen, wenn Alibaba Inferact die Gewichte im Rahmen einer kommerziellen Vereinbarung überlassen hat und Inferact sie feinabgestimmt und verpackt hat. Das heißt: Diese Partnerschaft ist das, was einem öffentlichen Blick auf das Serving-Verhalten des Modells derzeit am nächsten kommt – ein Blick auf die Engine, nicht auf die Datei.

Für ein Team, das entscheidet, ob es auf Qwen4-Max aufbauen soll, ist das nützlicher, als es klingt. Die Fragen, die darüber entscheiden, ob ein Long-Horizon-Agent tragfähig ist, betreffen selten die Benchmark-Zeile. Sie betreffen die Zeit bis zum ersten Token, den Durchsatz unter Nebenläufigkeit, wie das Denkbudget tatsächlich durchgesetzt wird und ob die Engine umkippt, wenn eine Anfrage mit 900.000 Token eintrifft. Genau diese Fragen kann man mit einem zweiten Serving-Stack stellen, und genau diese Fragen beantwortet Alibabas Launch-Material nicht.

Screenshot of the Nous Research Portal model list captured 19 November 2026, showing 'Qwen: Qwen4 Max' listed under Free Models with the model ID qwen/qwen4-max:free and a Portal price of FREE, above a note that prices are updated every minute from the live catalogue.

Der Zähler ist fünf Tage lang außer Betrieb; die Preisliste bleibt unverändert.

Es lohnt sich, noch einmal zu wiederholen, was das Modell kostet, sobald das Zeitfenster endet, denn die kostenlose Phase ist dazu gedacht, dass man es vergisst. In Singapur listet Alibaba Qwen4-Max mit 1,50 US-Dollar pro Million Eingabe-Tokens und 4,50 US-Dollar pro Million Ausgabe-Tokens, wobei zwischengespeicherte Eingabe 0,075 US-Dollar und Cache-Schreibvorgänge 1,875 US-Dollar für das Fünf-Minuten-Fenster bzw. 3,00 US-Dollar für die Stunde kosten. Die Global-Deployment-Bereiche – Peking, Hongkong, Frankfurt, Japan und US-Virginia – liegen mit 1,413 US-Dollar für Eingabe, 4,24 US-Dollar für Ausgabe und 0,071 US-Dollar für einen Cache-Lesevorgang etwas niedriger. Es gibt eine einzige Preisstufe bis zum Kontextlimit: keinen Langkontext-Zuschlag, keinen Batch-Rabatt, nach dem man suchen müsste, denn Batch-Inferenz wird für dieses Modell überhaupt nicht angeboten.

Dann gibt es den Teil, der Ihre Rechnung stärker bestimmt als der Preis pro Token. Thinking ist standardmäßig aktiviert. Der standardmäßige Reasoning-Aufwand ist hoch, das standardmäßige Thinking-Budget beträgt 131.072 Token, und die kombinierte Obergrenze für Reasoning plus sichtbare Antwort liegt bei 262.144 Token. Die Ausgabe ohne Thinking ist auf 131.072 begrenzt. Ein Long-Horizon-Agent-Lauf, der intensiv nachdenkt und lange antwortet, verbraucht daher über Minuten hinweg Ausgabe-Token, und die Ausgabe ist die teure Seite des Zählers – um den Faktor drei.

An einem realistischen Job-Zuschnitt durchgerechnet: 40.000 Eingabe-Tokens und 120.000 kombinierte Denk-plus-Antwort-Tokens kosten $0,06 für die Eingabe und $0,54 für die Ausgabe, also rund 60 Cent pro Lauf zu Singapur-Tarifen. Fünfhundert solcher Läufe sind $300. Das ist die Rechnung, die das kostenlose Zeitfenster noch hinauszögert – und es ist auch die Zahl, die man vor Augen behalten sollte, wenn das Fenster schließt und ein Prototyp still und leise zu einem nächtlichen Job wird.

A generated price card headed 'Qwen4-Max: what five days is worth', listing Singapore rates of $1.50 per million input tokens and $4.50 per million output tokens, cache reads at $0.075, a worked example of 40,000 input plus 120,000 thinking-and-answer tokens costing about $0.60 per run, and a five-day window with no published token cap.

Was du in fünf Tagen tatsächlich schaffen kannst

Hier werden die unabhängigen Zahlen auf nützliche Weise unbequem. Artificial Analysis, das seinen Intelligence Index v5.0.1 betreibt, misst Qwen4-Max mit 43 und verzeichnet für das Modell 31,3 Minuten pro Index-Aufgabe gegenüber einem Median von 12,4 Minuten bei vergleichbaren Modellen. Die Ausgabegeschwindigkeit beträgt 56 Tokens pro Sekunde, und die Zeit bis zum ersten Antwort-Token beträgt 146 Sekunden. Es erzeugte 127 Millionen Ausgabe-Tokens während des Index-Laufs, gegenüber einem Median von 65,1 Millionen — das Modell ist wortreich, und diese Wortfülle wird zum Ausgabetarif abgerechnet.

Diese beiden Messungen ergeben zusammen eine Planungsbeschränkung, die niemand aufgeschrieben hat. Fünf Tage sind 7.200 Minuten. Bei 31,3 Minuten pro Aufgabe schafft eine einzelne serielle Arbeitslinie etwa 230 Aufgaben. Vier parallele Arbeitslinien bringen es auf etwa 920. Wenn Ihr Evaluierungsplan lautet: „Wir probieren ein paar Prompts aus“, ist das Zeitfenster riesig. Wenn Ihr Plan ein Durchlauf über 2.000 Fälle eines Long-Horizon-Agents ist, werden fünf Tage über ein einziges Konto ihn nicht abschließen, selbst wenn der Zähler ausgeschaltet ist – und keine der beiden Ankündigungen sagt, wie viel Parallelität der kostenlose Tarif toleriert.

Dieselbe Rechnung erklärt, warum das kostenlose Zeitfenster wirklich wertvoll und nicht bloß großzügig ist. Was man nicht billig kaufen kann, ist Kalenderzeit mit einem langsamen Modell. Eine Woche unbegrenzten Zugangs lässt sich direkt in eine Woche Latenzdaten, Token-Nutzungsdaten und Fehlermodusdaten zu Grenzkosten von null umwandeln – bei einem Modell, dessen Rechenkosten pro Aufgabe auf dem unabhängigen Board 3,27 US-Dollar betragen. Das ist das Experiment, das es lohnt durchzuführen, und es muss vor dem 23. entworfen werden, nicht währenddessen.

Screenshot of the Artificial Analysis page for Qwen4 Max captured 19 November 2026, showing an Intelligence Index v5.0.1 score of 43 at rank 51 of 96, time to first answer token of 146.14 seconds, output speed of 56 tokens per second, 31.3 minutes per index task against a median of 12.4, $3.27 cost per task, and $1.50/$4.50 per million token pricing.

Die eine Zahl, die gemessen werden muss, bevor das Zeitfenster schließt

Wenn Sie aus den fünf Tagen eine einzige Messgröße herausgreifen, dann nehmen Sie Ausgabe-Tokens pro abgeschlossener Aufgabe bei Ihrer eigenen Arbeitslast und mit Ihrer eigenen Reasoning-Einstellung, nicht auf einem Leaderboard. Die gesamte Wirtschaftlichkeit dieses Modells hängt davon ab. Die eigene Launch-Darstellung des Anbieters – von niemandem außerhalb Alibabas reproduziert – lautet, dass Qwen4-Max besser abschneidet als Qwen3.8-Max und dabei bis zu etwa 50 % weniger Tokens verbraucht, wobei die durchschnittlichen Kosten pro Aufgabe von 4,43 $ auf 1,67 $ sinken. Die Lesart des unabhängigen Boards setzt andere Schwerpunkte: 43 auf dem Index und 127 Millionen Ausgabe-Tokens über den Lauf. Die Hälfte der Tokens der vorherigen Generation kann immer noch eine Menge Tokens sein.

Der Grund, es diese Woche selbst zu messen, ist, dass das kostenlose Zeitfenster der einzige Zeitraum ist, in dem Sie die tokenhungrige Version des Experiments ohne Budgetgespräch durchführen können. Stellen Sie den Denkmodus für denselben Aufgabensatz auf low und auf xhigh; protokollieren Sie die kombinierte Gesamtsumme aus Denken und Antwort gegen die 262,144-Token-Obergrenze; beobachten Sie, was passiert, wenn sich eine Anfrage dem Eingabelimit von 983,616 Token im Denkmodus nähert. Das sind die Zahlen, die entscheiden, ob Qwen4-Max ein nächtlicher Batch-Job oder eine Produktfunktion pro Anfrage ist, und sie kosten nichts, bis zum 23. erfasst zu werden.

Noch eine praktische Warnung zur Reasoning-Einstellung, während Sie schon dabei sind. Qwen4-Max bietet drei Aufwandsstufen – low, high und xhigh – und ein Client im OpenAI-Stil, der medium oder max anfordert, wird auf high oder xhigh abgebildet, statt abgelehnt zu werden. Ein auf ein fünfstufiges Modell abgestimmter Harness wird stillschweigend mehr verbrauchen als geplant, und das kostenlose Fenster ist genau der Punkt, an dem Sie es nicht bemerken würden, weil die Rechnung so oder so null anzeigt.

Was das am 24. für Sie bedeutet

Wenn die Tokens nicht mehr kostenlos sind, wird sich am Modell selbst nichts geändert haben: 1,50 $ und 4,50 $ in Singapur, 1M-Token-Kontext, native Bild- und Videoeingabe, drei Reasoning-Stufen mit stiller Neuzuordnung und Rechenkosten pro Aufgabe auf dem unabhängigen Board, die hoch sind, weil das Modell eine halbe Stunde nachdenkt. Geändert haben wird sich, was du darüber weißt. Teams, die das Zeitfenster damit verbringen, Token-Verbrauch und Tail-Latenz zu messen, werden mit einer Entscheidung herauskommen. Teams, die es mit Plaudern verbringen, werden mit einem Eindruck herauskommen, und Eindrücke von einem Reasoning-Modell mit 31 Minuten pro Aufgabe sind die unzuverlässigste Art.

Um klarzustellen, wo wir stehen: OrcaRouter routet Qwen4-Max nicht, daher ist hier nichts ein Werbeangebot für unseren Endpunkt, und die kostenlosen Tokens gibt es auf Nous Portal und Inferacts Plattform, nicht bei uns. Wenn die Evaluierung zu einem kostenpflichtigen Deployment führt, ist unser Katalog ein Schlüssel für 200+ Modelle mit den Listenpreisen der Anbieter, durchgereicht mit 0 % Aufschlag, was bedeutet, dass eine Preisänderung eines Anbieters bei einem Modell, das wir führen, noch am selben Tag live ist und nicht erst zur nächsten Vertragsverlängerung. Das ist bei einem Modell, das so teuer im Betrieb ist, wichtiger als sonst: Wenn die Preisliste das Produkt ist, ist die Differenz zwischen Listenpreis und aufgeschlagenem Preis die gesamte Marge.