
Qwen4-Max est gratuit pendant cinq jours sur Nous Portal — et le partenaire d’hébergement est la vraie histoire
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 184 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 223 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 87 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 96 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
À 19 h 25 UTC le 18 novembre 2026, Nous Research a annoncé que Qwen4-Max, le nouveau fleuron d’Alibaba, était gratuit dans Nous Portal pendant cinq jours, en partenariat avec Inferact et l’équipe Qwen. Soixante-dix-huit minutes plus tard, à 20 h 43 UTC, Inferact a publié sa propre version de la même annonce : cinq jours de tokens gratuits sur Qwen4-Max, servis sur Inferact Platform et sur vLLM. Deux publications, aucun billet de blog, aucune note technique, aucun tableau de tarifs. Qwen4-Max lui-même n’a changé d’aucune manière cet après-midi-là — il est devenu disponible pour tous à son tarif à l’usage le 16 novembre, et ce tarif reste le tarif. Ce qui a changé, c’est que le modèle dispose désormais d’une pile de service nommée publiquement, et que pendant les quelques jours à venir, chacun peut venir y faire passer du travail gratuitement.
Cette distinction, c’est tout l’article. Une fenêtre gratuite n’est pas une baisse de prix, et l’annonce d’un partenariat n’est pas un benchmark. Mais la deuxième phrase du post d’Inferact est la partie qui mérite d’être lue deux fois : il s’agit d’un modèle pour lequel Alibaba n’a jamais publié de checkpoint, servi sur un moteur d’inférence open source par une entreprise qui ne l’a pas développé. Quoi que soit cette promotion par ailleurs, c’est la première preuve publique du comportement de Qwen4-Max en dehors du propre déploiement d’Alibaba.
Ce que les deux publications disent réellement — et ce qu’elles omettent
La publication de Nous Research est la plus substantielle. Elle qualifie Qwen4-Max de « nouveau modèle phare d’Alibaba », affirme qu’il est « conçu pour les tâches de longue durée, avec une vision native et un contexte de 1 M », et renvoie les lecteurs vers le Portal. La publication d’Inferact ajoute le détail opérationnel : les tokens gratuits sont servis sur Inferact Platform et sur vLLM, et le mot qu’elle emploie pour désigner ce qu’elle offre est « tokens », et non « requêtes ».
Aucune des deux publications n’indique de plafond de tokens, de limite par compte, de limite de débit ni d’horodatage de fin. La liste de modèles du Portail affiche actuellement Qwen4-Max parmi les modèles gratuits sous qwen/qwen4-max:free au prix de GRATUIT, avec une note précisant que les prix sont mis à jour chaque minute à partir du catalogue en direct — ce qui vous indique que l’annonce est réelle et active, et ne vous dit rien sur la quantité que vous pouvez en consommer. Si le compte à rebours a commencé avec les publications dans la soirée du 18 novembre, la fenêtre s’étend jusqu’au 23 novembre environ. Considérez cela comme une déduction, et non comme une échéance publiée.
Donc, le résumé honnête de l'offre est le suivant : cinq jours d'accès au compteur à un modèle qui coûte sinon de l'argent réel, avec le compteur désactivé et le plafond non divulgué. Si vous attendiez une raison d'évaluer Qwen4-Max avant de vous engager sur une trajectoire de production, c'est la raison la moins chère que vous obtiendrez.
Pourquoi « servi sur Inferact et vLLM » est la moitié intéressante
Inferact est l’entreprise fondée par les créateurs et les mainteneurs de vLLM, et elle commercialise une plateforme d’inférence de production construite sur ce moteur. Son argument de vente repose sur la prise en charge des modèles dès le jour zéro, des noyaux personnalisés, l’autoscaling et la facturation à l’usage, que ce soit sur vos propres GPU ou sur les leurs. La désigner comme partenaire de serving n’est donc pas une simple note de bas de page sur l’hébergement ; c’est l’affirmation que Qwen4-Max peut être exécuté sur une stack de serving qui n’est pas celle d’Alibaba, par des ingénieurs dont le métier est d’optimiser des noyaux.
Cela soulève une question évidente, car Qwen4-Max n’a pas de poids publics. Alibaba ne publie aucun checkpoint pour ce modèle : la documentation de Model Studio indique que le réglage fin, le déploiement de modèles et l’inférence par lots ne sont pas pris en charge, et il n’existe aucun dépôt Hugging Face à télécharger. Un modèle que l’on ne peut pas télécharger ne peut pas, au sens ordinaire, être servi sur vLLM par un tiers. La seule façon pour que les deux affirmations soient vraies en même temps est qu’Alibaba ait fourni les poids à Inferact dans le cadre d’un accord commercial et qu’Inferact les ait ajustés et empaquetés. Ce qui signifie que ce partenariat est ce qui se rapproche le plus d’un examen public du comportement de service du modèle — un examen du moteur, pas du fichier.
Pour une équipe qui décide de s’appuyer sur Qwen4-Max, c’est plus utile que ça en a l’air. Les questions qui déterminent si un agent à long horizon est viable portent rarement sur la ligne de benchmark. Elles portent sur le temps jusqu’au premier token, le débit sous concurrence, la manière dont le budget de réflexion est réellement appliqué, et si le moteur s’effondre lorsqu’une requête de 900 000 tokens arrive. Ce sont exactement les questions qu’une seconde pile de service permet de poser, et exactement celles auxquelles les documents de lancement d’Alibaba ne répondent pas.

Le compteur est hors service pendant cinq jours ; la grille tarifaire ne bouge pas.
Il vaut la peine de rappeler ce que coûte le modèle une fois la fenêtre refermée, car la période gratuite est conçue pour vous le faire oublier. À Singapour, Alibaba affiche Qwen4-Max à 1,50 $ par million de jetons d'entrée et 4,50 $ par million de sortie, avec l'entrée mise en cache à 0,075 $ et les écritures de cache à 1,875 $ pour la fenêtre de cinq minutes ou 3,00 $ pour l'heure. Les périmètres de déploiement Global — Beijing, Hong Kong, Francfort, Japon et États-Unis Virginie — sont légèrement moins chers, à 1,413 $ en entrée, 4,24 $ en sortie et 0,071 $ pour une lecture de cache. Il n'y a qu'un seul palier tarifaire jusqu'à la limite de contexte : pas de surcoût pour contexte long, pas de remise par lots à chercher, car l'inférence par lots n'est pas proposée du tout sur ce modèle.
Vient ensuite l'élément qui détermine votre facture plus que le tarif par token. La réflexion est activée par défaut. L'effort de raisonnement par défaut est élevé, le budget de réflexion par défaut est de 131 072 tokens, et le plafond combiné du raisonnement et de la réponse visible est de 262 144 tokens. La sortie sans réflexion est plafonnée à 131 072. Une exécution d'agent à long horizon qui réfléchit intensément et répond longuement dépense donc des tokens de sortie pendant des minutes d'affilée, et la sortie est le côté coûteux du compteur, d'un facteur trois.
Calculé sur un cas concret de tâche : 40 000 jetons d’entrée et 120 000 jetons combinés de réflexion et de réponse coûtent 0,06 $ en entrée et 0,54 $ en sortie, soit environ 60 cents par exécution aux tarifs de Singapour. Cinq cents exécutions de ce type représentent 300 $. C’est la facture que la fenêtre gratuite retarde — et c’est aussi le chiffre à garder sous les yeux quand la fenêtre se ferme et qu’un prototype devient discrètement une tâche nocturne.

Ce que vous pouvez réellement finir en cinq jours
Ici, les chiffres indépendants deviennent inconfortables d’une manière utile. Artificial Analysis, qui exécute son Intelligence Index v5.0.1, mesure Qwen4-Max à 43 et enregistre le modèle à 31,3 minutes par tâche de l’index, contre une médiane de 12,4 minutes pour des modèles comparables. La vitesse de sortie est de 56 jetons par seconde, et le délai avant le premier jeton de réponse est de 146 secondes. Il a généré 127 millions de jetons de sortie sur l’ensemble de l’exécution de l’index, contre une médiane de 65,1 millions — le modèle est verbeux, et la verbosité est facturée au tarif de sortie.
Ces deux mesures se combinent en une contrainte de planification que personne n'a écrite. Cinq jours, c'est 7 200 minutes. À 31,3 minutes par tâche, une seule voie de travail sérielle achève environ 230 tâches. Quatre voies parallèles vous amènent à environ 920. Si votre plan d'évaluation est « nous essaierons quelques prompts », la fenêtre est énorme. Si votre plan est un balayage de 2 000 cas d'un agent à long horizon, cinq jours sur un seul compte ne suffiront pas pour le terminer, même compteur coupé — et rien dans l'une ou l'autre annonce ne précise combien de concurrence le niveau gratuit tolérera.
La même arithmétique explique pourquoi la fenêtre gratuite est réellement précieuse, et pas seulement généreuse. Ce que vous ne pouvez pas acheter à bas prix, c’est du temps calendaire avec un modèle lent. Une semaine d’accès illimité se convertit directement en une semaine de données sur la latence, sur l’utilisation de tokens et sur les modes de défaillance, à coût marginal nul, sur un modèle dont le coût de calcul par tâche est de 3,27 $ sur le classement indépendant. C’est l’expérience qui vaut la peine d’être menée, et elle doit être conçue avant le 23, pas pendant.

Le seul chiffre à mesurer avant la fermeture de la fenêtre
Si vous ne retenez qu’une seule mesure sur les cinq jours, que ce soit les tokens de sortie par tâche terminée sur votre propre charge de travail, avec votre propre paramètre de raisonnement, plutôt que sur un classement. Toute l’économie de ce modèle en dépend. Le cadrage de lancement du fournisseur — non reproduit par quiconque en dehors d’Alibaba — est que Qwen4-Max surpasse Qwen3.8-Max tout en utilisant jusqu’à environ 50 % de tokens en moins, avec un coût moyen par tâche qui passe de 4,43 $ à 1,67 $. La lecture du classement indépendant met l’accent ailleurs : 43 sur l’indice, et 127 millions de tokens de sortie sur l’ensemble de l’exécution. La moitié des tokens de la génération précédente peut encore représenter beaucoup de tokens.
La raison de le mesurer vous-même, cette semaine, est que la fenêtre gratuite est la seule période pendant laquelle vous pouvez exécuter la version gourmande en tokens de l’expérience sans discussion budgétaire. Réglez thinking sur low puis sur xhigh sur le même ensemble de tâches ; consignez le total combiné réflexion-plus-réponse par rapport au plafond de 262,144 tokens ; observez ce qui se passe lorsqu’une requête approche la limite d’entrée de 983,616 tokens en mode réflexion. Ce sont ces chiffres qui déterminent si Qwen4-Max est un traitement par lots nocturne ou une fonctionnalité produit par requête, et leur collecte ne coûte rien jusqu’au 23.
Au passage, une mise en garde pratique concernant le réglage du raisonnement. Qwen4-Max expose trois niveaux d’effort — low, high et xhigh — et un client au format OpenAI qui demande medium ou max est ramené à high ou xhigh plutôt que rejeté. Un harnais calibré sur un modèle à cinq niveaux dépensera silencieusement plus que prévu, et c’est précisément pendant la fenêtre gratuite que vous risquez de ne pas le remarquer, car la facture affiche zéro dans les deux cas.
Où cela vous laisse le 24
Quand les tokens cesseront d’être gratuits, rien n’aura changé dans le modèle : 1,50 $ et 4,50 $ à Singapour, un contexte de 1 M de tokens, une entrée native d’images et de vidéos, trois niveaux de raisonnement avec un remappage discret, et un coût de calcul par tâche sur le classement indépendant qui est élevé parce que le modèle réfléchit pendant une demi-heure. Ce qui aura changé, c’est ce que vous savez à son sujet. Les équipes qui consacreront la fenêtre à mesurer la consommation de tokens et la latence de queue en sortiront avec une décision. Celles qui la passeront à discuter en sortiront avec une impression, et les impressions sur un modèle de raisonnement à 31 minutes par tâche sont du genre le moins fiable.
Pour être clairs sur notre position : OrcaRouter ne route pas Qwen4-Max, donc rien ici ne constitue un argumentaire pour notre endpoint, et les tokens gratuits sont sur Nous Portal et la plateforme d’Inferact, pas chez nous. Si l’évaluation vous conduit à un déploiement payant, notre catalogue est une seule clé pour plus de 200 modèles avec les tarifs catalogue des fournisseurs répercutés à 0 % de marge, ce qui signifie qu’un changement de prix fournisseur sur un modèle que nous proposons est effectif le jour même plutôt qu’à la prochaine renégociation de contrat. Cela compte plus que d’habitude pour un modèle aussi coûteux à exécuter : lorsque la grille tarifaire est le produit, la différence entre prix catalogue et prix majoré constitue toute la marge.
