Una tarjeta de título generada encabezada por «Qwen4-Max es gratis durante cinco días» que muestra una ventana del 18 al 23 de noviembre de 2026, tres partes etiquetadas —Alibaba Qwen, Nous Research e Inferact— y un pie de página que señala que la tarifa por consumo del modelo no ha cambiado.
Guides & Insights

Qwen4-Max es gratis durante cinco días en Nous Portal, y el socio de servicio es lo importante

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

El 18 de noviembre de 2026 a las 19:25 UTC, Nous Research publicó que Qwen4-Max, el nuevo buque insignia de Alibaba, estaba gratis en Nous Portal durante cinco días en colaboración con Inferact y el equipo de Qwen. Setenta y ocho minutos después, a las 20:43 UTC, Inferact publicó su propia versión del mismo anuncio: cinco días de tokens gratuitos en Qwen4-Max, servidos en Inferact Platform y en vLLM. Dos publicaciones, ninguna entrada de blog, ningún artículo técnico, ninguna tabla de precios. Qwen4-Max en sí no cambió de ninguna manera esa tarde: pasó a estar disponible de forma general a su tarifa por consumo el 16 de noviembre, y esa tarifa sigue siendo la misma. Lo que cambió es que el modelo ahora tiene un stack de servicio con nombre público, y durante los próximos días cualquiera puede entrar y ejecutar trabajo a través de él sin coste alguno.

Esa distinción es todo el artículo. Una ventana gratuita no es un recorte de precio, y el anuncio de una asociación no es un benchmark. Pero la segunda frase de la publicación de Inferact es la parte que vale la pena leer dos veces: este es un modelo para el que Alibaba nunca ha publicado un checkpoint, servido en un motor de inferencia de código abierto por una empresa que no lo construyó. Sea lo que sea la promoción, es la primera evidencia pública de cómo se comporta Qwen4-Max fuera del despliegue propio de Alibaba.

Lo que realmente dicen las dos publicaciones — y lo que omiten

La publicación de Nous Research es la sustancial. Llama a Qwen4-Max «el nuevo modelo insignia de Alibaba», dice que está «diseñado para trabajo de largo horizonte, con visión nativa y 1M de contexto», y dirige a los lectores al Portal. La publicación de Inferact añade el detalle operativo: los tokens gratuitos se sirven en Inferact Platform y en vLLM, y la palabra que usa para lo que está regalando es «tokens», no «solicitudes».

Ninguna de las publicaciones indica un límite de tokens, un límite por cuenta, un límite de velocidad ni una marca temporal de finalización. La lista de modelos del Portal muestra actualmente Qwen4-Max en Modelos gratuitos como qwen/qwen4-max:free a un precio de GRATIS, junto con una nota de que los precios se actualizan cada minuto desde el catálogo en vivo, lo cual te indica que la entrada es real y está activa, y no te dice nada sobre cuánto de ella puedes consumir. Si el reloj empezó con las publicaciones en la tarde del 18 de noviembre, la ventana se extiende hasta aproximadamente el 23 de noviembre. Considera eso una inferencia, no una fecha límite publicada.

Así que el resumen honesto de la oferta es: cinco días de acceso medido a un modelo que de otro modo cuesta dinero real, con el medidor apagado y el techo sin revelar. Si has estado esperando una razón para evaluar Qwen4-Max antes de comprometer con él una ruta de producción, esta es la razón más barata que vas a encontrar.

Por qué «servido en Inferact y vLLM» es la mitad interesante

Inferact es la empresa fundada por los creadores y mantenedores de vLLM, y vende una plataforma de inferencia en producción construida sobre ese motor. Su propuesta es soporte de modelos desde el día cero, kernels personalizados, autoescalado y medición de uso, ya sea en tus propias GPU o en las suyas. Por lo tanto, nombrarla como socio de servicio no es una nota al pie sobre alojamiento; es una declaración de que Qwen4-Max puede ejecutarse en una pila de servicio que no es de Alibaba, por ingenieros que ajustan kernels para vivir.

Eso plantea una pregunta obvia, porque Qwen4-Max no tiene pesos públicos. Alibaba no publica ningún checkpoint para él —la documentación de Model Studio indica que el ajuste fino, el despliegue de modelos y la inferencia por lotes no son compatibles, y no hay ningún repositorio de Hugging Face del que descargarlo. Un modelo que no se puede descargar no puede, en el sentido habitual, ser servido en vLLM por un tercero. La única forma de que ambas afirmaciones sean ciertas a la vez es que Alibaba haya entregado los pesos a Inferact mediante un acuerdo comercial y que Inferact los haya ajustado y empaquetado. Lo cual significa que esta asociación es lo más parecido que existe a un vistazo público al comportamiento de servicio del modelo: un vistazo al motor, no al archivo.

Para un equipo que decide si construir sobre Qwen4-Max, eso es más útil de lo que parece. Las preguntas que determinan si un agente de horizonte largo es viable rara vez tienen que ver con la fila del benchmark. Tienen que ver con el tiempo hasta el primer token, el rendimiento bajo concurrencia, cómo se aplica realmente el presupuesto de pensamiento y si el motor se cae cuando llega una solicitud de 900.000 tokens. Esas son exactamente las preguntas que te permite hacer una segunda pila de servicio, y exactamente las preguntas que el material de lanzamiento de Alibaba no responde.

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.

El contador está apagado durante cinco días; el tarifario no va a cambiar.

Vale la pena repetir cuánto cuesta el modelo una vez que se cierra la ventana, porque el periodo gratuito está diseñado para hacerte olvidarlo. En Singapur, Alibaba lista Qwen4-Max a $1.50 por millón de tokens de entrada y $4.50 por millón de salida, con la entrada en caché a $0.075 y las escrituras en caché a $1.875 para la ventana de cinco minutos o $3.00 para la hora. Los ámbitos de despliegue Global —Beijing, Hong Kong, Fráncfort, Japón y Virginia (EE. UU.)— se sitúan algo más bajos: $1.413 de entrada, $4.24 de salida y $0.071 por una lectura de caché. Hay un único nivel de precio hasta el límite de contexto: sin recargo por contexto largo, sin descuento por lotes que buscar, porque la inferencia por lotes no se ofrece en este modelo en absoluto.

Luego está la parte que decide tu factura más que la tarifa por token. El pensamiento está activado de forma predeterminada. El esfuerzo de razonamiento predeterminado es alto, el presupuesto de pensamiento predeterminado es de 131.072 tokens y el límite combinado para razonamiento más respuesta visible es de 262.144 tokens. La salida sin pensamiento está limitada a 131.072. Por lo tanto, una ejecución de agente de horizonte largo que piensa mucho y responde largo está gastando tokens de salida durante minutos seguidos, y la salida es el lado caro del medidor por un factor de tres.

Calculado con un caso real: 40.000 tokens de entrada y 120.000 tokens combinados de razonamiento y respuesta cuestan $0.06 de entrada y $0.54 de salida, así que alrededor de 60 centavos por ejecución a las tarifas de Singapur. Quinientas ejecuciones así son $300. Esa es la factura que la ventana gratuita está retrasando, y también es el número que debes tener presente cuando la ventana se cierre y un prototipo se convierta silenciosamente en un trabajo nocturno.

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.

Lo que realmente puedes terminar en cinco días

Aquí las cifras independientes resultan incómodas de una manera útil. Artificial Analysis, al ejecutar su Intelligence Index v5.0.1, mide Qwen4-Max en 43 y registra el modelo en 31,3 minutos por tarea del índice frente a una mediana de 12,4 minutos para modelos comparables. La velocidad de salida es de 56 tokens por segundo, y el tiempo hasta el primer token de respuesta es de 146 segundos. Generó 127 millones de tokens de salida durante la ejecución del índice, frente a una mediana de 65,1 millones; el modelo es verboso, y la verbosidad se paga a la tarifa de salida.

Esas dos mediciones se combinan en una restricción de planificación que nadie ha dejado por escrito. Cinco días son 7.200 minutos. A 31,3 minutos por tarea, un solo carril de trabajo en serie completa aproximadamente 230 tareas. Cuatro carriles paralelos te llevan a unas 920. Si tu plan de evaluación es «probaremos unos cuantos prompts», la ventana es enorme. Si tu plan es un barrido de 2.000 casos de un agente de horizonte largo, cinco días en una sola cuenta no lo terminarán ni siquiera con el medidor apagado, y nada en ninguno de los dos anuncios dice cuánta concurrencia tolerará el nivel gratuito.

La misma aritmética explica por qué la ventana gratuita es genuinamente valiosa y no meramente generosa. Lo que no se puede comprar a bajo precio es tiempo de calendario con un modelo lento. Una semana de acceso sin medición se convierte directamente en una semana de datos de latencia, datos de uso de tokens y datos de modos de fallo a coste marginal cero, en un modelo cuyo coste de cómputo por tarea es de $3.27 en el panel independiente. Ese es el experimento que merece la pena ejecutar, y hay que diseñarlo antes del día 23, no durante ese día.

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.

El único número que hay que medir antes de que se cierre la ventana

Si tomas una sola medición de los cinco días, que sea tokens de salida por tarea terminada en tu propia carga de trabajo, con tu propia configuración de razonamiento, en lugar de en una tabla de clasificación. Toda la economía de este modelo depende de ello. El propio planteamiento de lanzamiento del proveedor —no reproducido por nadie fuera de Alibaba— es que Qwen4-Max supera a Qwen3.8-Max usando hasta aproximadamente un 50 % menos de tokens, con el costo promedio por tarea bajando de $4.43 a $1.67. La interpretación del panel independiente es distinta en el énfasis: 43 en el índice y 127 millones de tokens de salida durante la ejecución. La mitad de los tokens de la generación anterior todavía puede ser muchos tokens.

El motivo para medirlo tú mismo, esta semana, es que la ventana gratuita es el único periodo en el que puedes ejecutar la versión del experimento que consume muchos tokens sin una conversación sobre presupuesto. Configura el nivel de pensamiento en bajo y en xhigh para el mismo conjunto de tareas; registra el total combinado de pensamiento más respuesta frente al techo de 262,144 tokens; observa qué sucede cuando una solicitud se acerca al límite de entrada de 983,616 tokens en modo pensamiento. Esos son los números que deciden si Qwen4-Max es un trabajo por lotes nocturno o una función de producto por solicitud, y no cuesta nada recopilarlos hasta el día 23.

Una advertencia práctica sobre la configuración de razonamiento, de paso. Qwen4-Max expone tres niveles de esfuerzo —bajo, alto y xhigh—, y un cliente con formato de OpenAI que solicite medium o max se asigna a high o xhigh en lugar de rechazarse. Un harness ajustado para un modelo de cinco niveles gastará silenciosamente más de lo que habías planeado, y la ventana gratuita es precisamente donde no te darías cuenta, porque la factura indica cero de todos modos.

Dónde te deja esto el día 24

Cuando los tokens dejen de ser gratuitos, nada del modelo habrá cambiado: 1,50 $ y 4,50 $ en Singapur, contexto de 1 M de tokens, entrada nativa de imagen y vídeo, tres niveles de razonamiento con reasignación silenciosa, y un coste de cómputo por tarea en el panel independiente que es alto porque el modelo piensa durante media hora. Lo que habrá cambiado es lo que sabes sobre él. Los equipos que aprovechen la ventana para medir el consumo de tokens y la latencia de cola saldrán con una decisión. Los equipos que la aprovechen para charlar saldrán con una impresión, y las impresiones de un modelo de razonamiento de 31 minutos por tarea son del tipo menos fiable.

Para ser claros sobre nuestra posición: OrcaRouter no enruta Qwen4-Max, así que nada de lo que aquí se dice es una promoción de nuestro endpoint, y los tokens gratuitos están en Nous Portal y en la plataforma de Inferact, no en la nuestra. Si la evaluación te lleva a un despliegue de pago, nuestro catálogo es una única clave para más de 200 modelos, con los precios de lista de los proveedores trasladados con un 0 % de recargo, lo que significa que un cambio de precio del proveedor en un modelo que sí ofrecemos está vigente el mismo día, en lugar de en la próxima renovación del contrato. Eso importa más de lo habitual en un modelo tan caro de ejecutar: cuando la tarifa es el producto, la diferencia entre el precio de lista y el precio con recargo es todo el margen.