
Qwen4-Max è gratuito per cinque giorni su Nous Portal — e il protagonista è il partner che eroga il servizio
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token · 184 tok/s
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token · 223 tok/s
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 87 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 96 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
Alle 19:25 UTC del 18 novembre 2026, Nous Research ha annunciato che Qwen4-Max, il nuovo flagship di Alibaba, era gratuito in Nous Portal per cinque giorni in collaborazione con Inferact e il team Qwen. Settantotto minuti dopo, alle 20:43 UTC, Inferact ha pubblicato la propria versione dello stesso annuncio: cinque giorni di token gratuiti su Qwen4-Max, serviti su Inferact Platform e su vLLM. Due post, nessun articolo di blog, nessuna documentazione tecnica, nessuna tabella dei prezzi. Qwen4-Max stesso non è cambiato in alcun modo quel pomeriggio — è diventato disponibile a livello generale alla sua tariffa a consumo il 16 novembre, e quella tariffa è ancora la tariffa. Ciò che è cambiato è che il modello ora ha uno stack di serving pubblicamente denominato, e per i prossimi giorni chiunque può andare e far passare lavoro attraverso di esso senza spendere nulla.
Quella distinzione è tutto l'articolo. Una finestra gratuita non è un taglio di prezzo, e l'annuncio di una partnership non è un benchmark. Ma la seconda frase del post di Inferact è la parte che vale la pena rileggere due volte: questo è un modello per cui Alibaba non ha mai pubblicato un checkpoint, servito su un motore di inferenza open source da un'azienda che non l'ha costruito. Qualunque altra cosa sia la promozione, è la prima prova pubblica di come si comporta Qwen4-Max al di fuori del deployment di Alibaba stesso.
Che cosa dicono davvero i due post — e che cosa omettono
Il post di Nous Research è quello sostanziale. Definisce Qwen4-Max "il nuovo modello di punta di Alibaba", afferma che è "progettato per il lavoro su orizzonti lunghi, con visione nativa e contesto da 1M" e indirizza i lettori al Portal. Il post di Inferact aggiunge il dettaglio operativo: i token gratuiti vengono serviti su Inferact Platform e su vLLM, e la parola che usa per ciò che sta regalando è "tokens", non "requests".
Nessuno dei due post indica un limite di token, un limite per account, un limite di frequenza o una data di fine. L'elenco dei modelli del Portale mostra attualmente Qwen4-Max tra i Modelli gratuiti come qwen/qwen4-max:free a un prezzo pari a GRATUITO, insieme a una nota secondo cui i prezzi vengono aggiornati ogni minuto dal catalogo live — il che ti dice che la voce è reale e attiva, e non ti dice nulla su quanto puoi consumarne. Se il conteggio è iniziato con i post della sera del 18 novembre, la finestra si estende fino a circa il 23 novembre. Consideralo un'inferenza, non una scadenza pubblicata.
Quindi il riepilogo onesto dell'offerta è questo: cinque giorni di accesso a consumo a un modello che altrimenti costa denaro vero, con il contatore spento e il tetto non dichiarato. Se stavi aspettando un motivo per valutare Qwen4-Max prima di impegnarci un percorso di produzione, questo è il motivo più economico che otterrai.
Perché "servito su Inferact e vLLM" è la metà interessante
Inferact è l'azienda fondata dai creatori e dai manutentori di vLLM, e vende una piattaforma di inferenza di produzione costruita su quel motore. La sua proposta è il supporto ai modelli dal giorno zero, kernel personalizzati, autoscaling e metering, sulle tue GPU o sulle loro. Nominarla come partner di serving non è quindi una nota a piè di pagina sull'hosting; è l'affermazione che Qwen4-Max può essere eseguito su uno stack di serving che non è quello di Alibaba, da ingegneri che ottimizzano kernel di mestiere.
Ciò solleva un’ovvia domanda, perché Qwen4-Max non ha pesi pubblici. Alibaba non pubblica alcun checkpoint per esso: la documentazione di Model Studio elenca fine-tuning, deployment del modello e inferenza batch come non supportati, e non esiste un repository Hugging Face da cui scaricarlo. Un modello che non si può scaricare non può, nel senso ordinario, essere servito su vLLM da una terza parte. L’unico modo perché entrambe le affermazioni siano vere contemporaneamente è che Alibaba abbia fornito a Inferact i pesi nell’ambito di un accordo commerciale e che Inferact li abbia messi a punto e confezionati. Il che significa che questa partnership è la cosa più vicina a uno sguardo pubblico sul comportamento di serving del modello che esista — uno sguardo al motore, non al file.
Per un team che deve decidere se costruire su Qwen4-Max, questo è più utile di quanto sembri. Le domande che determinano se un agente a lungo orizzonte è sostenibile raramente riguardano la riga del benchmark. Riguardano il tempo al primo token, il throughput in concorrenza, come viene effettivamente applicato il budget di ragionamento e se il motore crolla quando arriva una richiesta da 900.000 token. Sono esattamente le domande a cui un secondo stack di serving ti consente di rispondere, e esattamente le domande a cui il materiale di lancio di Alibaba non risponde.

Il contatore è disattivato per cinque giorni; la scheda delle tariffe resta invariata.
Vale la pena ribadire quanto costa il modello una volta chiusa la finestra, perché il periodo gratuito è progettato per fartelo dimenticare. A Singapore, Alibaba indica Qwen4-Max a 1,50 $ per milione di token in input e 4,50 $ per milione in output, con input in cache a 0,075 $ e scritture in cache a 1,875 $ per la finestra di cinque minuti o 3,00 $ per l'ora. Gli ambiti di deployment Global — Pechino, Hong Kong, Francoforte, Giappone e Virginia (USA) — sono leggermente inferiori a 1,413 $ in input, 4,24 $ in output e 0,071 $ per una lettura della cache. C'è un unico livello di prezzo fino al limite di contesto: nessun sovrapprezzo per contesto lungo, nessuno sconto batch da cercare, perché l'inferenza batch non è affatto offerta su questo modello.
Poi c'è la parte che determina la tua bolletta più della tariffa per token. Il pensiero è attivo per impostazione predefinita. Lo sforzo di ragionamento predefinito è alto, il budget di pensiero predefinito è di 131,072 token e il tetto combinato per ragionamento più risposta visibile è di 262,144 token. L'output in modalità non-thinking è limitato a 131,072. Un'esecuzione di un agente a lungo orizzonte che ragiona a fondo e risponde a lungo spende quindi token di output per minuti interi, e l'output è il lato costoso del contatore, con un fattore tre.
Fatto i conti su un caso concreto: 40.000 token di input e 120.000 token totali tra thinking e risposta costano $0,06 di input e $0,54 di output, quindi circa 60 centesimi a esecuzione alle tariffe di Singapore. Cinquecento esecuzioni così sono $300. È il conto che la finestra gratuita sta rimandando — ed è anche il numero da tenere davanti a te quando la finestra si chiude e un prototipo diventa silenziosamente un job notturno.

Cosa riesci davvero a completare in cinque giorni
{{1}}Qui i numeri indipendenti diventano scomodi in modo utile.{{/1}} {{2}}Artificial Analysis, eseguendo il suo Intelligence Index v5.0.1, misura Qwen4-Max a 43 e registra il modello a 31,3 minuti per attività dell'indice rispetto a una mediana di 12,4 minuti per modelli comparabili.{{/2}} {{3}}La velocità di output è di 56 token al secondo, e il tempo al primo token della risposta è di 146 secondi.{{/3}} {{4}}Ha generato 127 milioni di token di output durante l'esecuzione dell'indice, rispetto a una mediana di 65,1 milioni — il modello è prolisso, e la prolissità viene addebitata alla tariffa dell'output.{{/4}}
Queste due misurazioni si combinano in un vincolo di pianificazione che nessuno ha messo per iscritto. Cinque giorni sono 7.200 minuti. A 31,3 minuti per attività, una singola corsia di lavoro seriale completa all’incirca 230 attività. Quattro corsie parallele arrivano a circa 920. Se il tuo piano di valutazione è "proveremo qualche prompt", la finestra è enorme. Se il tuo piano è una scansione di 2.000 casi di un agente con orizzonte lungo, cinque giorni su un solo account non basteranno a completarla nemmeno con il contatore spento — e nessuno dei due annunci dice quanta concorrenza tollererà il livello gratuito.
La stessa aritmetica spiega perché la finestra gratuita sia davvero preziosa e non semplicemente generosa. Ciò che non si può comprare a buon mercato è il tempo di calendario con un modello lento. Una settimana di accesso senza limiti si traduce direttamente in una settimana di dati sulla latenza, sull’utilizzo dei token e sulle modalità di errore a costo marginale zero, su un modello il cui costo di calcolo per attività è di $3,27 sulla classifica indipendente. È questo l’esperimento che vale la pena condurre, e va progettato prima del 23, non durante.

L'unico numero da misurare prima che la finestra si chiuda
Se devi fare una sola misurazione tra quelle dei cinque giorni, scegli i token di output per attività completata sul tuo carico di lavoro, con la tua impostazione di ragionamento, anziché su una classifica. Tutta l'economia di questo modello dipende da questo. La presentazione di lancio del fornitore stesso — non riprodotta da nessuno al di fuori di Alibaba — è che Qwen4-Max supera Qwen3.8-Max usando fino a circa il 50% di token in meno, con un costo medio per attività che scende da $4,43 a $1,67. La lettura della board indipendente è diversa nell'enfasi: 43 sull'indice e 127 milioni di token di output nel corso della prova. Metà dei token della generazione precedente può comunque essere una quantità enorme di token.
Il motivo per misurarlo tu stesso, questa settimana, è che la finestra gratuita è l’unico periodo in cui puoi eseguire la versione dell’esperimento che consuma molti token senza una discussione sul budget. Imposta thinking su low e su xhigh sullo stesso set di attività; registra il totale combinato di thinking e risposta rispetto al tetto di 262.144 token; osserva cosa succede quando una richiesta si avvicina al limite di input di 983.616 token della modalità thinking. Sono questi i numeri che decidono se Qwen4-Max è un job batch notturno o una funzionalità di prodotto per singola richiesta, e non costano nulla da raccogliere fino al 23.
Un avvertimento pratico sull'impostazione del ragionamento, già che ci siamo. Qwen4-Max espone tre livelli di impegno — low, high e xhigh — e un client in stile OpenAI che richiede medium o max viene ricondotto a high o xhigh anziché essere rifiutato. Un harness tarato su un modello a cinque livelli spenderà in silenzio più di quanto avevi pianificato, e la finestra gratuita è proprio il momento in cui non te ne accorgeresti, perché in ogni caso la fattura riporta zero.
A che punto ti lascia questo il 24
Quando i token smetteranno di essere gratuiti, nulla del modello sarà cambiato: $1,50 e $4,50 a Singapore, contesto da 1M di token, input nativo per immagini e video, tre livelli di ragionamento con rimappatura silenziosa e un costo di calcolo per attività sulla board indipendente che è alto perché il modello pensa per mezz’ora. Ciò che sarà cambiato è quello che sapete di esso. I team che dedicano la finestra a misurare il consumo di token e la latenza di coda arriveranno a una decisione. I team che la dedicano a chiacchierare arriveranno a un’impressione, e le impressioni su un modello di ragionamento da 31 minuti per attività sono quelle meno affidabili.
Per essere chiari sulla nostra posizione: OrcaRouter non instrada Qwen4-Max, quindi qui non c'è alcuna promozione del nostro endpoint, e i token gratuiti sono su Nous Portal e sulla piattaforma di Inferact, non sulla nostra. Se la valutazione ti porta a un deployment a pagamento, il nostro catalogo è una sola chiave per oltre 200 modelli con i prezzi di listino dei provider applicati a un markup dello 0%, il che significa che una variazione di prezzo di un fornitore su un modello che gestiamo è attiva lo stesso giorno anziché al successivo rinnovo contrattuale. Questo conta più del solito per un modello così costoso da eseguire: quando il listino prezzi è il prodotto, la differenza tra prezzo di listino e prezzo maggiorato è l'intero margine.
