
Qwen4-Max is vijf dagen gratis op Nous Portal — en de hostingpartner is het verhaal
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 184 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 223 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 87 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 96 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
Op 18 november 2026 om 19:25 UTC plaatste Nous Research een bericht dat Qwen4-Max, het nieuwe vlaggenschip van Alibaba, vijf dagen gratis was in Nous Portal, in samenwerking met Inferact en het Qwen-team. Achtenzeventig minuten later, om 20:43 UTC, plaatste Inferact zijn eigen versie van dezelfde aankondiging: vijf dagen gratis tokens op Qwen4-Max, aangeboden op Inferact Platform en op vLLM. Twee berichten, geen blogpost, geen technische uiteenzetting, geen prijstabel. Qwen4-Max zelf veranderde die middag op geen enkele manier — het werd op 16 november algemeen beschikbaar tegen zijn tarief per gebruik, en dat tarief geldt nog steeds. Wat is veranderd, is dat het model nu een publiekelijk benoemde servingstack heeft, en dat iedereen de komende dagen kosteloos werk door het model kan laten verwerken.
Dat onderscheid is waar het in het hele artikel om gaat. Een gratis venster is geen prijsverlaging, en de aankondiging van een partnerschap is geen benchmark. Maar de tweede zin van Inferacts bericht is het deel dat je twee keer moet lezen: dit is een model waarvoor Alibaba nooit een checkpoint heeft gepubliceerd en dat op een open-source inference-engine draait, aangeboden door een bedrijf dat die engine niet zelf heeft gebouwd. Wat de promotie verder ook mag zijn, het is het eerste publieke bewijs van hoe Qwen4-Max zich gedraagt buiten Alibaba's eigen deployment.
Wat de twee berichten eigenlijk zeggen — en wat ze weglaten
Het bericht van Nous Research is het inhoudelijke. Het noemt Qwen4-Max "het nieuwe vlaggenschipmodel van Alibaba", zegt dat het "is gebouwd voor werk met een lange horizon, met native vision en 1M context", en verwijst lezers naar de Portal. Het bericht van Inferact voegt het operationele detail toe: de gratis tokens worden aangeboden op Inferact Platform en op vLLM, en het woord dat het gebruikt voor wat het weggeeft is "tokens", niet "requests".
Geen van beide berichten vermeldt een tokenlimiet, een limiet per account, een snelheidslimiet of een eindtijdstempel. De modellenlijst van de Portal toont Qwen4-Max momenteel onder Free Models als qwen/qwen4-max:free tegen een prijs van FREE, samen met een opmerking dat prijzen elke minuut worden bijgewerkt vanuit de livecatalogus — wat je vertelt dat de vermelding echt en live is, en je niets zegt over hoeveel ervan je kunt verbruiken. Als de klok begon met de berichten op de avond van 18 november, loopt het venster tot ongeveer 23 november. Beschouw dat als een gevolgtrekking, niet als een gepubliceerde deadline.
Dus de eerlijke samenvatting van het aanbod is: vijf dagen gemeten toegang tot een model dat anders echt geld kost, met de meter uitgeschakeld en het plafond niet bekendgemaakt. Als je hebt gewacht op een reden om Qwen4-Max te evalueren voordat je er een productiepad aan vastlegt, is dit de goedkoopste reden die je zult krijgen.
Waarom "geserveerd op Inferact en vLLM" de interessante helft is
Inferact is het bedrijf dat is opgericht door de makers en maintainers van vLLM, en het verkoopt een productie-inferenceplatform bovenop die engine. De belofte is modelondersteuning vanaf dag één, aangepaste kernels, autoscaling en metering, hetzij op je eigen GPU's, hetzij op die van hen. Inferact als servingpartner noemen is daarom geen voetnoot over hosting; het is een statement dat Qwen4-Max kan draaien op een servingstack die niet van Alibaba is, door engineers die hun brood verdienen met het tunen van kernels.
Dat roept een voor de hand liggende vraag op, want Qwen4-Max heeft geen openbare gewichten. Alibaba publiceert er geen checkpoint voor — de Model Studio-documentatie vermeldt fine-tuning, modelimplementatie en batch-inference als niet-ondersteund, en er is geen Hugging Face-repository om te downloaden. Een model dat je niet kunt downloaden, kan in de gebruikelijke zin niet door een derde partij op vLLM worden geserveerd. De enige manier waarop beide uitspraken tegelijk waar kunnen zijn, is dat Alibaba Inferact de gewichten heeft gegeven in het kader van een commerciële regeling en dat Inferact ze heeft getuned en verpakt. Wat betekent dat dit partnerschap het dichtst bij een publieke blik op het serveergedrag van het model komt dat er bestaat — een blik op de engine, niet op het bestand.
Voor een team dat besluit of het op Qwen4-Max moet bouwen, is dat nuttiger dan het klinkt. De vragen die bepalen of een agent met een lange horizon levensvatbaar is, gaan zelden over de benchmarkrij. Ze gaan over de tijd tot het eerste token, de doorvoer bij gelijktijdige belasting, hoe het denkbudget daadwerkelijk wordt gehandhaafd, en of de engine bezwijkt wanneer er een verzoek van 900.000 tokens binnenkomt. Dat zijn precies de vragen die een tweede servingstack je laat stellen, en precies de vragen die het lanceringsmateriaal van Alibaba niet beantwoordt.

De meter staat vijf dagen uit; de tariefkaart verandert voorlopig niet.
Het is de moeite waard om te herhalen wat het model kost zodra het venster sluit, omdat de gratis periode is ontworpen om je dat te laten vergeten. In Singapore vermeldt Alibaba Qwen4-Max tegen $1,50 per miljoen invoertokens en $4,50 per miljoen uitvoertokens, met gecachte invoer tegen $0,075 en cache-schrijfacties tegen $1,875 voor het venster van vijf minuten of $3,00 voor het uur. De Global deployment-scopes — Peking, Hongkong, Frankfurt, Japan en VS Virginia — vallen iets lager uit op $1,413 in, $4,24 uit en $0,071 voor een cache-leesactie. Er is één prijsklasse helemaal tot aan de contextlimiet: geen toeslag voor lange context, geen batchkorting om naar te zoeken, omdat batchinferentie op dit model helemaal niet wordt aangeboden.
Dan is er het deel dat je rekening meer bepaalt dan het tarief per token. Denken staat standaard aan. De standaard redeneerinspanning is hoog, het standaarddenkbudget is 131.072 tokens, en het gecombineerde plafond voor redeneren plus zichtbaar antwoord is 262.144 tokens. Output zonder denken is beperkt tot 131.072. Een langdurige agent-run die hard nadenkt en lang antwoordt, verbruikt daardoor minutenlang outputtokens, en output is aan de meter de dure kant, met een factor drie.
Uitgewerkt voor een realistische opdracht: 40.000 inputtokens en 120.000 gecombineerde denk- en antwoordtokens kosten $0.06 aan input en $0.54 aan output, dus ongeveer 60 cent per run tegen tarieven in Singapore. Vijfhonderd van zulke runs is $300. Dat is de rekening die het gratis venster tegenhoudt — en het is ook het getal dat je voor ogen moet houden wanneer het venster sluit en een prototype stilletjes een nachtelijke taak wordt.

Wat je in vijf dagen echt kunt afronden
Hier worden de onafhankelijke cijfers op een nuttige manier ongemakkelijk. Artificial Analysis meet Qwen4-Max met zijn Intelligence Index v5.0.1 op 43 en registreert het model op 31,3 minuten per indextaak, tegen een mediaan van 12,4 minuten voor vergelijkbare modellen. De outputsnelheid is 56 tokens per seconde en de tijd tot het eerste antwoordtoken is 146 seconden. Het genereerde 127 miljoen outputtokens tijdens de indexrun, tegen een mediaan van 65,1 miljoen — het model is breedsprakig, en die breedsprakigheid wordt afgerekend tegen het outputtarief.
Die twee metingen vormen samen een planningsbeperking die niemand heeft opgeschreven. Vijf dagen is 7.200 minuten. Bij 31,3 minuten per taak voltooit één enkele seriële werkbaan ongeveer 230 taken. Vier parallelle banen brengen je op ongeveer 920. Als je evaluatieplan "we proberen een paar prompts" is, is het venster enorm. Als je plan een doorloop van 2.000 cases van een agent met een lange horizon is, krijg je dat in vijf dagen op één account niet af, zelfs niet met de meter uitgeschakeld — en niets in een van beide aankondigingen zegt hoeveel gelijktijdigheid de gratis tier tolereert.
Dezelfde rekensom verklaart waarom het gratis venster echt waardevol is en niet slechts royaal. Wat je niet goedkoop kunt kopen, is kalendertijd met een langzaam model. Een week onbeperkte toegang vertaalt zich rechtstreeks in een week aan latencygegevens, tokengebruiksgegevens en faalmodusgegevens tegen nul marginale kosten, op een model waarvan de rekenkosten per taak $3,27 bedragen op de onafhankelijke leaderboard. Dat is het experiment dat de moeite waard is om uit te voeren, en het moet vóór de 23e worden ontworpen, niet tijdens.

Het ene getal dat je moet meten voordat het venster sluit
Als je één meting uit die vijf dagen haalt, maak het dan outputtokens per afgeronde taak op je eigen workload, met je eigen reasoning-instelling, in plaats van op een leaderboard. De hele economie van dit model hangt daarvan af. De eigen lanceerframing van de leverancier — door niemand buiten Alibaba gereproduceerd — is dat Qwen4-Max beter presteert dan Qwen3.8-Maxterwijl het tot ongeveer 50% minder tokens gebruikt, waarbij de gemiddelde kosten per taak dalen van $4,43 naar $1,67. De interpretatie van de onafhankelijke board legt andere accenten: 43 op de index, en 127 miljoen outputtokens over de hele run. De helft van de tokens van de vorige generatie kan nog steeds veel tokens zijn.
De reden om het deze week zelf te meten, is dat het gratis venster de enige periode is waarin je de tokenhongerige versie van het experiment kunt draaien zonder budgetgesprek. Zet thinking op low en op xhigh voor dezelfde taakset; log het gecombineerde totaal van thinking plus antwoord tegen het plafond van 262.144 tokens; kijk wat er gebeurt wanneer een verzoek de invoerlimiet van 983.616 tokens in thinking-modus nadert. Dat zijn de cijfers die bepalen of Qwen4-Max een nachtelijke batchtaak of een productfunctie per verzoek is, en ze kosten niets om te verzamelen tot de 23e.
Meteen ook één praktische waarschuwing over de reasoning-instelling. Qwen4-Max biedt drie inspanningsniveaus — low, high en xhigh — en een client in OpenAI-stijl die om medium of max vraagt, wordt ondergebracht bij high of xhigh in plaats van te worden geweigerd. Een harness die is afgestemd op een model met vijf niveaus, zal geruisloos meer verbruiken dan je van plan was, en het gratis venster is precies waar je het niet zou merken, omdat de factuur hoe dan ook nul aangeeft.
Waar dit je op de 24e brengt
Wanneer tokens niet meer gratis zijn, is er niets aan het model veranderd: $1,50 en $4,50 in Singapore, een context van 1M tokens, native beeld- en video-invoer, drie redeneerniveaus met stille hertoewijzing, en compute-kosten per taak op de onafhankelijke benchmark die hoog zijn omdat het model een half uur nadenkt. Wat wel veranderd zal zijn, is wat je erover weet. Teams die het venster besteden aan het meten van tokenverbruik en tail-latency, komen met een beslissing naar buiten. Teams die het besteden aan kletsen, komen met een indruk naar buiten, en indrukken van een redeneermodel dat 31 minuten per taak nodig heeft, zijn het minst betrouwbaar.
Om duidelijk te zijn over waar wij staan: OrcaRouter routeert Qwen4-Max niet, dus niets hier is een verkooppraatje voor onze endpoint, en de gratis tokens staan op Nous Portal en het platform van Inferact, niet bij ons. Als de evaluatie tot een betaalde implementatie leidt, biedt onze catalogus één sleutel voor 200+ modellen met lijstprijzen van providers die tegen 0% markup worden doorgegeven, wat betekent dat een prijswijziging van een leverancier voor een model dat wij wel aanbieden dezelfde dag live gaat in plaats van bij de volgende contractverlenging. Dat is belangrijker dan gebruikelijk voor een model dat zo duur is om te draaien: als de tariefkaart het product is, is het verschil tussen lijstprijs en prijs met markup de hele marge.
