Um cartão de título gerado com o cabeçalho «Qwen4-Max é grátis durante cinco dias», mostrando uma janela que vai de 18 a 23 de novembro de 2026, três partes identificadas — Alibaba Qwen, Nous Research e Inferact — e um rodapé a assinalar que a tabela de tarifas por utilização do modelo se mantém inalterada.
Guides & Insights

Qwen4-Max é grátis por cinco dias no Nous Portal — e o parceiro de serviço é o destaque

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Às 19:25 UTC de 18 de novembro de 2026, a Nous Research publicou que o Qwen4-Max, o novo carro-chefe da Alibaba, estava gratuito no Nous Portal por cinco dias, em parceria com a Inferact e a equipe do Qwen. Setenta e oito minutos depois, às 20:43 UTC, a Inferact publicou sua própria versão do mesmo anúncio: cinco dias de tokens gratuitos no Qwen4-Max, servidos na Inferact Platform e no vLLM. Dois posts, nenhuma entrada de blog, nenhum texto técnico, nenhuma tabela de preços. O próprio Qwen4-Max não mudou de forma alguma naquela tarde — ele ficou disponível para o público em geral à sua tarifa medida em 16 de novembro, e essa tarifa continua sendo a tarifa. O que mudou é que o modelo agora tem um stack de serving com nome público, e pelos próximos dias qualquer pessoa pode acessá-lo e passar trabalho por ele de graça.

Essa distinção é o artigo inteiro. Uma janela gratuita não é um corte de preço, e o anúncio de uma parceria não é um benchmark. Mas a segunda frase do post da Inferact é a parte que vale a pena ler duas vezes: este é um modelo para o qual a Alibaba nunca publicou um checkpoint, sendo servido em um motor de inferência de código aberto por uma empresa que não o construiu. Seja o que for a promoção além disso, ela é a primeira evidência pública de como o Qwen4-Max se comporta fora da implantação da própria Alibaba.

O que os dois posts realmente dizem — e o que deixam de fora

A postagem da Nous Research é a substancial. Ela chama o Qwen4-Max de "o novo modelo carro-chefe da Alibaba", diz que ele é "feito para trabalho de horizonte longo, com visão nativa e contexto de 1M", e direciona os leitores ao Portal. A postagem da Inferact acrescenta o detalhe operacional: os tokens gratuitos são servidos na Inferact Platform e no vLLM, e a palavra que ela usa para o que está oferecendo é "tokens", não "requisições".

Nenhuma das publicações indica um limite de tokens, um limite por conta, um limite de requisições ou um carimbo de data/hora de término. A lista de modelos do Portal atualmente mostra o Qwen4-Max em Modelos Gratuitos como qwen/qwen4-max:free com preço GRÁTIS, junto com uma nota de que os preços são atualizados a cada minuto a partir do catálogo ao vivo — o que indica que a listagem é real e está ativa, e não diz nada sobre quanto dela você pode consumir. Se o relógio começou com as publicações na noite de 18 de novembro, a janela vai até aproximadamente 23 de novembro. Trate isso como uma inferência, não como um prazo publicado.

Portanto, o resumo honesto da oferta é: cinco dias de acesso medido a um modelo que, de outra forma, custa dinheiro de verdade, com o medidor desligado e o teto não divulgado. Se você estava esperando um motivo para avaliar o Qwen4-Max antes de comprometer um caminho de produção com ele, este é o motivo mais barato que você vai conseguir.

Por que “served on Inferact and vLLM” é a metade interessante

A Inferact é a empresa fundada pelos criadores e mantenedores do vLLM e vende uma plataforma de inferência de produção construída sobre esse mecanismo. Sua proposta é suporte a modelos desde o dia zero, kernels personalizados, escalonamento automático e medição de uso, seja nas suas próprias GPUs ou nas deles. Nomeá-la como parceira de serving, portanto, não é uma nota de rodapé sobre hospedagem; é uma declaração de que o Qwen4-Max pode ser executado em uma stack de serving que não é da Alibaba, por engenheiros que otimizam kernels profissionalmente.

Isso levanta uma questão óbvia, porque o Qwen4-Max não tem pesos públicos. A Alibaba não publica nenhum checkpoint dele — a documentação do Model Studio lista ajuste fino, implantação de modelo e inferência em lote como não suportados, e não há repositório no Hugging Face para baixar. Um modelo que você não pode baixar não pode, no sentido comum, ser servido no vLLM por terceiros. A única forma de ambas as afirmações serem verdadeiras ao mesmo tempo é que a Alibaba tenha fornecido os pesos à Inferact sob um acordo comercial, e a Inferact os tenha ajustado e empacotado. O que significa que esta parceria é o mais próximo que existe de uma visão pública do comportamento de serviço do modelo — uma visão do mecanismo, não do arquivo.

Para uma equipe decidindo se deve construir sobre o Qwen4-Max, isso é mais útil do que parece. As perguntas que determinam se um agente de longo horizonte é viável raramente dizem respeito à linha do benchmark. Elas envolvem tempo até o primeiro token, throughput sob concorrência, como o orçamento de raciocínio é de fato aplicado e se o motor colapsa quando chega uma requisição de 900.000 tokens. Essas são exatamente as perguntas que uma segunda pilha de serving permite fazer e exatamente as perguntas que o material de lançamento da Alibaba não 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.

O medidor está desligado por cinco dias; a tabela de tarifas não vai a lugar nenhum.

Vale repetir quanto o modelo custa depois que a janela fecha, porque o período gratuito foi projetado para fazer você esquecer isso. Em Singapura, a Alibaba lista o Qwen4-Max a US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de saída, com entrada em cache a US$ 0,075 e gravações em cache a US$ 1,875 para a janela de cinco minutos ou US$ 3,00 para a de uma hora. Os escopos de implantação Global — Pequim, Hong Kong, Frankfurt, Japão e Virgínia, EUA — ficam um pouco mais baixos: US$ 1,413 de entrada, US$ 4,24 de saída e US$ 0,071 por leitura de cache. Há um único nível de preço até o limite de contexto: nenhuma sobretaxa de contexto longo, nenhum desconto em lote para procurar, porque a inferência em lote não é oferecida neste modelo de forma alguma.

Depois há a parte que determina sua conta mais do que a taxa por token. O pensamento está ativado por padrão. O esforço de raciocínio padrão é alto, o orçamento de pensamento padrão é de 131.072 tokens, e o teto combinado para raciocínio mais resposta visível é de 262.144 tokens. A saída sem pensamento é limitada a 131.072. Portanto, uma execução de agente de horizonte longo que pensa muito e responde longamente fica gastando tokens de saída por minutos a fio, e a saída é o lado caro do medidor por um fator de três.

Calculado com base em um formato real de tarefa: 40.000 tokens de entrada e 120.000 tokens combinados de raciocínio e resposta custam US$ 0,06 de entrada e US$ 0,54 de saída, ou seja, cerca de 60 centavos por execução nas tarifas de Singapura. Quinhentas execuções desse tipo dão US$ 300. É essa a conta que a janela gratuita está adiando — e também é o número a manter diante de você quando a janela fechar e um protótipo, sem alarde, virar uma tarefa noturna.

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.

O que você consegue de fato terminar em cinco dias

Aqui os números independentes tornam-se desconfortáveis de uma forma útil. A Artificial Analysis, executando o seu Intelligence Index v5.0.1, mede o Qwen4-Max em 43 e regista o modelo em 31,3 minutos por tarefa do índice, contra uma mediana de 12,4 minutos para modelos comparáveis. A velocidade de saída é de 56 tokens por segundo, e o tempo até ao primeiro token de resposta é de 146 segundos. Gerou 127 milhões de tokens de saída ao longo da execução do índice, contra uma mediana de 65,1 milhões — o modelo é prolixo, e a verbosidade é cobrada à tarifa de saída.

Essas duas medições se combinam em uma restrição de planejamento que ninguém documentou. Cinco dias são 7.200 minutos. A 31,3 minutos por tarefa, uma única via serial de trabalho conclui cerca de 230 tarefas. Quatro vias paralelas levam você a aproximadamente 920. Se o seu plano de avaliação é "vamos testar alguns prompts", a janela é enorme. Se o seu plano é uma varredura de 2.000 casos de um agente de horizonte longo, cinco dias em uma única conta não serão suficientes para concluí-la, mesmo com o medidor desligado — e nada em nenhum dos dois anúncios diz quanta concorrência o nível gratuito tolerará.

A mesma aritmética explica por que a janela gratuita é genuinamente valiosa, e não apenas generosa. O que não se pode comprar barato é tempo de calendário com um modelo lento. Uma semana de acesso sem medição converte-se diretamente em uma semana de dados de latência, dados de uso de tokens e dados de modos de falha a custo marginal zero, em um modelo cujo custo computacional por tarefa é US$ 3,27 no painel independente. Esse é o experimento que vale a pena executar, e ele precisa ser projetado antes do dia 23, não durante.

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.

O único número a medir antes que a janela feche

Se você for tirar uma única medida dos cinco dias, que seja tokens de saída por tarefa concluída na sua própria carga de trabalho, na sua própria configuração de raciocínio, e não em um leaderboard. Toda a economia deste modelo depende disso. A própria forma como o fornecedor apresentou o lançamento — não reproduzida por ninguém fora da Alibaba — é que o Qwen4-Max supera o Qwen3.8-Max usando até cerca de 50% menos tokens, com o custo médio por tarefa caindo de US$ 4,43 para US$ 1,67. A leitura do conselho independente tem ênfase diferente: 43 no índice e 127 milhões de tokens de saída ao longo da execução. Metade dos tokens da geração anterior ainda pode ser muitos tokens.

O motivo para medir isso você mesmo, esta semana, é que a janela gratuita é o único período no qual você pode executar a versão do experimento que consome muitos tokens sem uma conversa sobre orçamento. Coloque o thinking em low e em xhigh no mesmo conjunto de tarefas; registre o total combinado de thinking mais resposta em relação ao teto de 262.144 tokens; observe o que acontece quando uma solicitação se aproxima do limite de entrada de 983.616 tokens do modo thinking. Esses são os números que decidem se o Qwen4-Max é um job em lote noturno ou um recurso de produto por solicitação, e não custam nada para coletar até o dia 23.

Um aviso prático sobre a configuração de raciocínio, já que estamos nisso. O Qwen4-Max expõe três níveis de esforço — low, high e xhigh — e um cliente no formato OpenAI que solicita medium ou max é mapeado para high ou xhigh em vez de ser rejeitado. Um harness ajustado para um modelo de cinco níveis gastará silenciosamente mais do que você planejou, e a janela gratuita é exatamente onde você deixaria de perceber, porque a fatura indica zero de qualquer maneira.

Onde isso deixa você no dia 24

Quando os tokens deixarem de ser gratuitos, nada no modelo terá mudado: $1.50 e $4.50 em Singapura, contexto de 1M tokens, entrada nativa de imagem e vídeo, três níveis de raciocínio com remapeamento silencioso, e um custo de computação por tarefa no painel independente que é alto porque o modelo pensa por meia hora. O que terá mudado é o que você sabe sobre ele. Equipes que usarem a janela para medir consumo de tokens e latência de cauda sairão com uma decisão. Equipes que a usarem para conversar sairão com uma impressão, e impressões de um modelo de raciocínio de 31 minutos por tarefa são o tipo menos confiável.

Para ser transparente sobre o nosso posicionamento: o OrcaRouter não roteia o Qwen4-Max, então nada aqui é uma propaganda do nosso endpoint, e os tokens gratuitos estão no Nous Portal e na plataforma da Inferact, não na nossa. Se a avaliação levar você a uma implantação paga, nosso catálogo é uma única chave para mais de 200 modelos com os preços de lista dos provedores repassados com 0% de markup, o que significa que uma mudança de preço do fornecedor em um modelo que temos no catálogo passa a valer no mesmo dia, em vez de só na próxima renovação de contrato. Isso importa mais do que o normal para um modelo tão caro de operar: quando a tabela de preços é o produto, a diferença entre o preço de lista e o preço com markup é a margem inteira.