Ett genererat titelkort med rubriken 'Qwen4-Max är gratis i fem dagar' som visar ett fönster som löper 18–23 november 2026, tre märkta parter – Alibaba Qwen, Nous Research och Inferact – och en sidfot som noterar att modellens mätarbaserade prislista är oförändrad.
Guides & Insights

Qwen4-Max är gratis i fem dagar på Nous Portal – och det är serveringspartnern som är det intressanta

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Klockan 19:25 UTC den 18 november 2026 publicerade Nous Research att Qwen4-Max, Alibabas nya flaggskepp, var gratis i Nous Portal i fem dagar i partnerskap med Inferact och Qwen-teamet. Sjuttioåtta minuter senare, klockan 20:43 UTC, publicerade Inferact sin egen version av samma meddelande: fem dagar av gratis tokens på Qwen4-Max, serverade på Inferact Platform och på vLLM. Två inlägg, inget blogginlägg, ingen teknisk genomgång, ingen pristabell. Qwen4-Max i sig förändrades inte på något sätt den eftermiddagen – den blev allmänt tillgänglig till sin debiterade taxa den 16 november, och den taxan gäller fortfarande. Det som har förändrats är att modellen nu har en offentligt namngiven serveringsstack, och under de kommande dagarna kan vem som helst gå dit och köra arbete genom den utan kostnad.

Den distinktionen är hela artikeln. Ett gratis fönster är inte en prissänkning, och ett partnerskapsmeddelande är inte ett riktmärke. Men den andra meningen i Inferacts inlägg är den del som är värd att läsa två gånger: detta är en modell som Alibaba aldrig har publicerat en checkpoint för, och som serveras på en inferensmotor med öppen källkod av ett företag som inte har byggt den. Vad annat kampanjen än är, är den det första offentliga beviset på hur Qwen4-Max beter sig utanför Alibabas egen driftsättning.

Vad de två inläggen faktiskt säger – och vad de utelämnar

Nous Researchs inlägg är det som har substans. Det kallar Qwen4-Max ”Alibabas nya flaggskeppsmodell”, säger att den är ”byggd för arbete med lång tidshorisont, med inbyggd vision och 1M kontext” och hänvisar läsarna till Portal. Inferacts inlägg tillför den operativa detaljen: de kostnadsfria tokens tillhandahålls på Inferact Platform och på vLLM, och ordet som används för det som ges bort är ”tokens”, inte ”förfrågningar”.

Inget av inläggen anger någon tokengräns, någon gräns per konto, någon hastighetsbegränsning eller någon sluttidsstämpel. Portalens modellista visar för närvarande Qwen4-Max under Free Models som qwen/qwen4-max:free till priset GRATIS, tillsammans med en notering om att priserna uppdateras varje minut från den live-katalogen – vilket säger att listningen är verklig och live, och ingenting om hur mycket av den du kan förbruka. Om klockan startade med inläggen på kvällen den 18 november sträcker sig fönstret till ungefär den 23 november. Se det som en slutledning, inte som en publicerad deadline.

Så den ärliga sammanfattningen av erbjudandet är: fem dagar av mätarbaserad åtkomst till en modell som annars kostar riktiga pengar, med mätaren avstängd och taket inte avslöjat. Om du har väntat på en anledning att utvärdera Qwen4-Max innan du binder en produktionsväg till den, är detta den billigaste anledningen du kommer att få.

Varför "serverad på Inferact och vLLM" är den intressanta halvan

Inferact är företaget som grundades av skaparna och underhållarna av vLLM, och det säljer en produktionsinferensplattform byggd ovanpå den motorn. Dess budskap är modellstöd från dag noll, anpassade kärnor, autoskalning och mätning, antingen på dina egna GPU:er eller på deras. Att namnge det som serving-partner är därför inte en hosting-fotnot; det är ett uttalande om att Qwen4-Max kan köras på en serving-stack som inte är Alibabas, av ingenjörer som finjusterar kärnor till vardags.

Det väcker en uppenbar fråga, eftersom Qwen4-Max inte har några offentliga vikter. Alibaba publicerar ingen checkpoint för den – dokumentationen för Model Studio listar finjustering, modelldistribution och batchinferens som icke-stödda, och det finns inget Hugging Face-förvar att ladda ner. En modell som man inte kan ladda ner kan, i vanlig mening, inte serveras på vLLM av en tredje part. Det enda sättet som båda påståendena kan vara sanna samtidigt är att Alibaba gav Inferact vikterna enligt ett kommersiellt avtal och att Inferact finjusterade och paketerade dem. Vilket innebär att detta partnerskap är det närmaste en offentlig inblick i modellens serveringsbeteende som finns – en inblick i motorn, inte i filen.

För ett team som överväger att bygga på Qwen4-Max är det mer användbart än det låter. De frågor som avgör om en agent med lång tidshorisont är livskraftig handlar sällan om benchmarkraden. De handlar om tid till första token, genomströmning under samtidighet, hur tankebudgeten faktiskt tillämpas och om motorn kollapsar när en förfrågan på 900 000 token anländer. Det är precis de frågor som en andra serving-stack låter dig ställa, och precis de frågor som Alibabas lanseringsmaterial inte besvarar.

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.

Mätaren är avstängd i fem dagar; prislistan kommer inte att ändras.

Det är värt att upprepa vad modellen kostar när fönstret stängs, eftersom den kostnadsfria perioden är utformad för att få dig att glömma det. I Singapore listar Alibaba Qwen4-Max till 1,50 USD per miljon indatatoken och 4,50 USD per miljon utdatatoken, med cachad indata till 0,075 USD och cache-skrivningar till 1,875 USD för femminutersfönstret eller 3,00 USD för timmen. De globala driftsättningsomfången – Peking, Hongkong, Frankfurt, Japan och Virginia i USA – ligger något lägre på 1,413 USD in, 4,24 USD ut och 0,071 USD för en cacheläsning. Det finns en enda prisnivå ända fram till kontextgränsen: inget långkontextstillägg, ingen batchrabatt att jaga, eftersom batchinferens inte erbjuds alls för den här modellen.

Sedan finns delen som avgör din räkning mer än priset per token gör. Tänkande är på som standard. Standardansträngningen för resonemang är hög, standardbudgeten för tänkande är 131 072 tokens och det kombinerade taket för resonemang plus synligt svar är 262 144 tokens. Utdata utan tänkande är begränsad till 131 072. En agentkörning över lång horisont som tänker hårt och svarar länge förbrukar därför utdatatokens i flera minuter åt gången, och utdata är den dyra sidan av mätaren med en faktor tre.

Genomarbetat på en verklig jobbtyp: 40 000 input-tokens och 120 000 kombinerade tänkande-plus-svar-tokens kostar $0.06 i input och $0.54 i output, så ungefär 60 cent per körning till singaporepriser. Femhundra sådana körningar är $300. Det är räkningen som det fria fönstret håller tillbaka — och det är också siffran att ha framför dig när fönstret stängs och en prototyp tyst blir ett nattligt jobb.

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.

Vad du faktiskt kan hinna bli klar med på fem dagar

Här blir de oberoende siffrorna obekväma på ett användbart sätt. Artificial Analysis, som kör sitt Intelligence Index v5.0.1, mäter Qwen4-Max till 43 och registrerar modellen på 31,3 minuter per indexuppgift mot en median på 12,4 minuter för jämförbara modeller. Utdataraten är 56 tokens per sekund, och tiden till första svarstoken är 146 sekunder. Den genererade 127 miljoner utdatatokens under indexkörningen, mot en median på 65,1 miljoner – modellen är ordrik, och ordrikheten prissätts enligt utdataraten.

Dessa två mätvärden kombineras till en planeringsrestriktion som ingen har skrivit ner. Fem dagar är 7 200 minuter. Vid 31,3 minuter per uppgift slutför en enda seriell arbetsbana ungefär 230 uppgifter. Fyra parallella banor ger dig ungefär 920. Om din utvärderingsplan är "vi testar några prompter" är fönstret enormt. Om din plan är en genomgång av 2 000 fall med en långhorisontagent kommer fem dagar på ett konto inte att räcka ens med mätaren avstängd — och inget av de två meddelandena säger hur mycket samtidighet gratisnivån kommer att tolerera.

Samma aritmetik förklarar varför gratisfönstret är genuint värdefullt och inte bara generöst. Det man inte kan köpa billigt är kalendertid med en långsam modell. En vecka av omätt åtkomst omvandlas direkt till en vecka med latensdata, tokenanvändningsdata och feldatadata till noll marginalkostnad, på en modell vars beräkningskostnad per uppgift är $3.27 på den oberoende resultattavlan. Det är experimentet som är värt att genomföra, och det måste designas före den 23:e, inte under den.

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.

Det enda numret att mäta innan fönstret stängs

Om du bara ska ta ut ett enda mått ur de fem dagarna, låt det vara utdatatokens per slutförd uppgift på din egen arbetsbelastning, med din egen resonemangsinställning, snarare än på en resultattavla. Allt i den här modellens ekonomiska kalkyl hänger på det. Leverantörens egen lanseringsframställning – inte reproducerad av någon utanför Alibaba – är att Qwen4-Max överträffar Qwen3.8-Max samtidigt som den använder upp till cirka 50 % färre tokens, med en genomsnittlig kostnad per uppgift som sjunker från 4,43 USD till 1,67 USD. Den oberoende resultattavlans tolkning har en annan betoning: 43 på indexet och 127 miljoner utdatatokens under körningen. Hälften så många tokens som föregående generation kan fortfarande vara väldigt många tokens.

Anledningen till att mäta det själv den här veckan är att gratisperioden är den enda perioden då du kan köra den tokenkrävande versionen av experimentet utan en budgetdiskussion. Ställ in thinking på low och på xhigh för samma uppsättning uppgifter; logga den sammanlagda totalen för tänkande plus svar mot taket på 262,144 token; se vad som händer när en förfrågan närmar sig indatagränsen på 983,616 token i thinking-läge. Det är siffrorna som avgör om Qwen4-Max är ett nattligt batchjobb eller en produktfunktion per förfrågan, och de kostar inget att samla in fram till den 23:e.

En praktisk varning om resonemangsinställningen när du ändå är i farten. Qwen4-Max har tre ansträngningsnivåer – låg, hög och xhigh – och en OpenAI-liknande klient som begär medium eller max mappas till hög eller xhigh i stället för att avvisas. En harness som är kalibrerad mot en modell med fem nivåer kommer tyst att göra av med mer än du planerat, och gratisfönstret är just där du skulle missa det, eftersom fakturan visar noll oavsett.

Var detta lämnar dig den 24:e

När tokens slutar vara gratis kommer ingenting med modellen att ha förändrats: $1.50 och $4.50 i Singapore, 1M-tokenkontext, inbyggd bild- och videoinmatning, tre resonemangsnivåer med tyst remappning och en beräkningskostnad per uppgift på den oberoende resultattavlan som är hög eftersom modellen tänker i en halvtimme. Det som kommer att ha förändrats är vad du vet om den. Team som använder fönstret till att mäta tokenförbrukning och tail-latens kommer ut med ett beslut. Team som använder det till att chatta kommer ut med ett intryck, och intryck av en resonemangsmodell som tar 31 minuter per uppgift är den minst tillförlitliga sorten.

För att vara rak om var vi står: OrcaRouter dirigerar inte Qwen4-Max, så inget här är en pitch för vår endpoint, och de kostnadsfria tokens finns på Nous Portal och Inferacts plattform, inte hos oss. Om utvärderingen leder till en betald driftsättning är vår katalog en nyckel till 200+ modeller med leverantörernas listpriser som förs vidare med 0 % påslag, vilket innebär att en leverantörsprisändring på en modell som vi har i sortimentet slår igenom samma dag i stället för vid nästa avtalsförnyelse. Det spelar större roll än vanligt för en modell som är så här dyr att köra: när prislistan är produkten är skillnaden mellan listpris och pris med påslag hela marginalen.