Qwen4-Max Preview har undkommit betalväggen: Samma modell, nu bakom en chattruta

Den 11 november 2026 dök Qwen4-Max Preview upp i Qwen Chat – samma modell som Alibaba började leverera via Model Studio's Token Plan klockan 10.00 den morgonen, nu nåbar utan ett Singapore-abonnemang, en dedikerad bas-URL eller en API-nyckel. Inget med modellen ändrades: 1 000 000 tokens kontext, ett tak för utdata på 393 216 tokens som tänkande och svaret måste dela på, text, bilder och video som indata. Det som ändrades är vem som kan nå den. En förhandsversion som hade varit en post i företagsbudgeten blev något du kan öppna i en webbläsarflik och skriva i, och båda dörrarna leder till samma återstående fjorton dagar. Qwen 4-serien namngavs från en scen på Apsara-konferensen den 22 september 2026 utan några specifikationer knutna till någon nivå; Qwen3.8-Max, flaggskeppet den är tänkt att ersätta, har kunnat anropas sedan den 3 augusti för $2.00 per miljon indatatokens och $6.00 per miljon utdatatokens. Den här kan du titta på, och på API-sidan kan du fortfarande inte köpa den per token.

Den andra dörren, och varför den betyder mer än det låter

Qwen Chat är en konsumentprodukt. Det finns ingen mätare per token i den, inget modell-ID att klistra in i en förfrågningsbody och ingen räkning i slutet av månaden. För en förhandsversion som Alibaba har stängt in bakom ett kreditabonnemang är det en annan typ av åtkomst, inte en billigare version av samma åtkomst – den flyttar modellen från inköpsdiskussionen till utvärderingsdiskussionen.

API-rutten har, enligt dokumentationen, tre hinder runt sig. Åtkomst är endast via Token Plan, och betala-vid-användning stöds uttryckligen inte. Bas-URL:en är en dedikerad sådan på token-plan.ap-southeast-1.maas.aliyuncs.com, så en befintlig Model Studio-nyckel öppnar den inte. Och själva planen har en begränsning som är värd att citera snarare än att parafrasera: den är för "interaktiv användning i kodnings- och agentverktyg, inte automatiserade batchskript". En förhandsversion som du inte får batcha är en förhandsversion du utvärderar manuellt.

Läser man dem tillsammans ser lanseringen av Qwen Chat mindre ut som ett marknadsföringstillfälle och mer som produktens ärliga fullbordan. Om licensen anger att endast interaktiv användning är tillåten, är ett chattfönster inte en kringgående lösning för den betalda planen – det är den yta som planen alltid har beskrivit.

Vad de två dörrarna faktiskt skiljer sig åt

Samma modell, olika rördragning. De skillnader som spelar roll, en rad vardera:

• Kostnadsmodell — Qwen Chat: ingen per-token-avgift synlig för användaren, ingen nyckel att hantera jämfört med Token Plan: en månatlig kreditprenumeration, med nivåer för Personal Edition på 6 USD för 20 000 krediter, 10 USD för 45 000, 18 USD för 80 000 och 43 USD för 200 000, plus påfyllningspaket på 15 USD per 20 000 krediter.

• Tak — Qwen Chat: vad chattklienten än accepterar i en tur jämfört med API:t: hela kontexten på 1 000 000 tokens och utdatabudgeten på 393 216 tokens, båda dokumenterade.

• Programmatisk åtkomst – Qwen Chat: ingen, det är ett chattgränssnitt till skillnad från API:et: kompatibelt med OpenAI Chat Completions, OpenAI Responses och Anthropic Messages, så en befintlig klient behöver en bas-URL och en nyckel i stället för en omskrivning.

• Verktyg — Qwen Chat: det appen exponerar kontra API:et: funktionsanrop, webbsökning, inbyggda verktyg, JSON Object- och JSON Schema-utdata.

• Reproducerbarhet — Qwen Chat: en konversation du kan läsa men inte versionshantera, jämfört med API:et: förfrågningsparametrar du kan låsa, vilket är det enda sättet att ärligt jämföra två körningar.

• Utgång — identisk på båda: 24:00 den 25 november 2026, UTC+8, varefter modellen tas ur bruk.

Den sista raden är den folk kommer att glömma. Chattdörren känns permanent eftersom chattprodukter oftast är det. Den här är inte.

Fönstret är produkten, och det är fjorton dagar långt.

Alibabas dokumentation anger tidsfönstret som 10:00 den 11 november till 24:00 den 25 november, UTC+8, och tillägger att modellen kommer att pensioneras när förhandsversionen upphör. Den anger också att inga ändringar kommer att göras under perioden. En fryst förhandsversion är en särskild typ av erbjudande: ett beteende som du tycker är irriterande på dag två kommer fortfarande att vara där på dag trettonde, och att rapportera det ger dig ingenting förrän en efterträdare finns. Det är rätt avvägning för en utvärderingsversion och fel avvägning för ett beroende.

Den kommersiella sidan av fönstret är ovanligt brant. Under förhandsvisningen ligger förbrukningen "så lågt som 20 % av standardtaxan", och samtal som rings mellan 22:00 och 08:00 UTC+8 får ytterligare en rabatt som landar på 8 % av standardtaxan. Två Alibaba-sidor beskriver det nattsteget olika – en kallar det 40 % rabatt, den andra 60 % – och båda kommer fram till samma 8 %, så behandla aritmetiken som faktum och procenten som copy. Själva krediterna förbrukas i en takt som leverantören säger ställs in dynamiskt efter modelltyp, tokenanvändning, tänkläge och verktygsanrop, vilket innebär att den enda platsen att få reda på din verkliga taxa är användningsinformationen i konsolen.

Vad chattrutan inte kan berätta för dig

Tre saker saknas i den här modellen, och chattgränssnittet gör alla tre svårare att se snarare än enklare.

Det finns inget publicerat parameterantal. Det närmaste arkitekturuttalandet från Qwen-organisationen är Qwen3.8-Flash-Next, som publicerades på Hugging Face den 24 augusti 2026 och vars modellkort beskriver den som en experimentell förhandsversion av arkitekturen som kommer att ligga till grund för Qwen 4. Modellkortet anger 125 miljarder huvudparametrar med cirka 6 miljarder aktiva per steg, ett n-gram-inbäddningslager på 51 miljarder parametrar och tre namngivna tekniker – QSA sparse attention, gated residual connections och n-gram-inbäddningar som en separat uppslagstabell. Uppgifterna är leverantörsrapporterade, inte reproducerade och gäller en förhandsmodell med 180 miljarder parametrar, inte denna flaggskeppsmodell. Den som anger ett parameterantal för Qwen4-Max citerar något som Alibaba inte har sagt.

Det finns inga benchmarkpoäng, vare sig från leverantören eller oberoende aktörer. Leaderboarden hos Artificial Analysis, läst den 11 november 2026, innehåller ingen Qwen4-post alls. Det är inte ett minus för modellen – en förhandsversion som öppnade i morse har inte hunnit mätas – men det innebär att varje siffra för "Qwen4 slår X" som cirkulerar i dag antingen är en prognos eller en annan modells nummer som bär den här modellens namn.

Och det finns inget släpp av vikterna. Det här är en stängd hostad slutpunkt under femton dagar, inte en nedladdningsbar checkpoint, och licensfrågan som skulle gälla för en nedladdningsbar modell uppstår helt enkelt inte eftersom det inte finns något att ladda ner.

Tre inställningar som avgör om ett svar är värt att läsa

Om du faktiskt öppnar API-sidan är standardinställningarna inte neutrala, och det är där en porterad begäran går sönder.

reasoning_effort tar low, medium eller xhigh och har standardvärdet xhigh. En modell som lägger sin budget på att tänka innan den svarar ger bättre utdata för svåra promptar och sämre latens för enkla; standardvärdet är den dyra änden av den avvägningen.

max_tokens har ändrat betydelse med den här modellen. Från och med nu är max_tokens likvärdigt med max_completion_tokens, och båda omfattar tänkande plus det slutliga svaret, medan alla tidigare Qwen-modeller tillämpade gränsen enbart på svaret. En begäran som tagits över från Qwen3.8-Max med max_tokens satt till 4096 ger nu 4 096 token för tänkande och vad som än återstår – vilket vid en svår prompt kan vara ingenting. Felläget är ett trunkerat svar, inte ett fel som går att upptäcka.

preserve_thinking är aktiverat som standard i Chat Completions, så tidigare tänkande kommer tillbaka i assistentmeddelandenas reasoning_content-fält. Att sammanfoga det i content och skicka tillbaka det som historik är fel form och kommer att försämra nästa tur. Observera också att reasoning_effort och thinking_budget inte får ställas in tillsammans – välj en kontroll.

En testplan som ryms på en eftermiddag

Fjorton dagar är tillräckligt med tid för att lära sig något specifikt om du bestämmer vad du testar innan du börjar. Tre promptar, som körs två gånger vardera, är ett bättre sätt att använda tidsfönstret än en vecka med öppet chattande.

Börja med det som kontextfönstret är till för. Ge det ett långt dokument eller en skärminspelning som du redan vet svaret på, och kontrollera om det hittar detaljen du planterade nära slutet. En miljon tokens är ett påstående om kapacitet, inte om uppmärksamhet, och det enda sättet att avgöra skillnaden är en nål som du själv sätter dit.

Testa sedan standardinställningen för resonemang mot den billiga inställningen med samma prompt. Om xhigh och medium landar på samma ställe i din uppgift har du hittat latens som du inte behöver betala för. Om de skiljer sig åt har du hittat gränsen för vad modellen kan göra utan att tänka högt.

Kör sedan videoindata på något kort och specifikt – en UI-inspelning med en känd bugg i sig. Videoförståelse är den minst benchmarkade förmågan på alla modellkort, och den där en förhandsversion med störst sannolikhet överraskar dig åt endera hållet.

Skriv ner vad du lärde dig, med datum och inställningar. Om femton dagar är det dokumentet den enda tillgången som förhandsvisningen producerar.

Var detta placerar sig i Qwen 4-serien

Alibaba presenterade fyra nivåer på Apsara den 22 september: Max, Flash, Plus och 27B. I dag har en av dem en endpoint, en har en chattflik och de övriga tre har namn. En familj med en levererad nivå och tre annonserade är en färdplan, inte en produktlinje, och förhandsvisningen bör främst ses som en kapacitetsdemonstration riktad mot den nivå som kommer att bära flaggskeppspriset.

Det är också värt att tydligt säga vad den här modellen inte är. Den är inte Qwen4-Max. Förhandsversionen föregår en allmänt tillgänglig flaggskeppsmodell som saknar modellkort, publicerat pris per token och en pay-as-you-go-slutpunkt. Namnen är tillräckligt lika för att sökresultat och inlägg i sociala medier rutinmässigt blandar ihop de två; de är olika produkter i olika tillstånd, och att behandla förhandsversionens siffror som flaggskeppets siffror är hur en roadmap-bild blir ett inköpsmisstag.

Vad stänger den 25 november?

Tre utfall är möjliga och de är inte lika sannolika. Det rena utfallet är allmän tillgänglighet med ett publicerat pris per token och en pay-as-you-go-slutpunkt, vilket skulle göra förhandsversionen till den billigaste due diligence som någon kunde ha gjort. Det andra är en förlängning på samma villkor, vilket skulle visa att Alibaba fortfarande är kapacitetsbegränsad i Singapore och fortfarande inte redo att mäta användningen av modellen öppet. Det tredje är avveckling enligt plan i tysthet.

För alla som behöver leverera innan något av det där är löst är den praktiska frågan vad man ska köra i stället, och svaret finns redan på hyllan. Qwen3.8-Max har varit allmänt tillgänglig sedan 3 augusti 2026 med en kontext på 1 000 000 token, text-, bild- och videoinmatning, till $2.00 per miljon indatatoken och $6.00 per miljon utdatatoken — leverantörens listpris utan något påslag. Det är en av 217 modellidentifierare i OrcaRouters katalog, vilket också är den ärliga gränsen för påståendet: vi tillhandahåller inte Qwen4-Max Preview, och hur smart routingen än är ändrar det inte på det. Det katalogen däremot ger dig är en fallback-kedja, så att en utvärdering kan ligga bakom en modell du redan litar på i stället för framför en — om en begäran ger fel, får timeout eller trunkeras eftersom tankebudgeten åt upp svaret, svarar fallbacken och du får fortfarande veta om fönstret på en miljon token löser ditt problem.

Förhandsversionens verkliga bidrag är varken ett benchmark eller ett pris. Det är ett datum: 25 november, efter vilket svaret på "vad Qwen 4-flaggskeppet gör" inte längre är en chattflik utan ett modellkort. Håll utkik efter det dokumentet, inte efter lanseringsinlägget.