
Qwen4-Max miễn phí trong năm ngày trên Nous Portal — và câu chuyện đáng nói nằm ở đối tác cung cấp dịch vụ
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token · 184 tok/s
- tencentMỚITencent: Hy4 Flash2026-11-16$0.02 / $0.07 trên 1 triệu token · 223 tok/s
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 87 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 96 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 trên 1 triệu token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
Lúc 19:25 UTC ngày 18 tháng 11 năm 2026, Nous Research đã đăng rằng Qwen4-Max, mô hình chủ lực mới của Alibaba, được miễn phí trong Nous Portal trong năm ngày với sự hợp tác của Inferact và nhóm Qwen. Bảy mươi tám phút sau, lúc 20:43 UTC, Inferact đăng phiên bản riêng của mình về cùng thông báo: năm ngày token miễn phí trên Qwen4-Max, được phục vụ trên Inferact Platform và trên vLLM. Hai bài đăng, không có mục blog, không có bài viết kỹ thuật, không có bảng giá. Bản thân Qwen4-Max không thay đổi theo bất kỳ cách nào vào chiều hôm đó — nó đã được cung cấp rộng rãi với mức giá tính theo mức sử dụng vào ngày 16 tháng 11, và mức giá đó vẫn là mức giá hiện tại. Điều đã thay đổi là mô hình giờ có một ngăn xếp phục vụ được nêu tên công khai, và trong vài ngày tới, bất kỳ ai cũng có thể đến và đẩy công việc qua đó mà không tốn gì.
Sự khác biệt đó chính là toàn bộ bài viết. Một giai đoạn dùng miễn phí không phải là cắt giảm giá, và một thông báo hợp tác không phải là một phép đánh giá chuẩn. Nhưng câu thứ hai trong bài đăng của Inferact là phần đáng đọc lại lần nữa: đây là một mô hình mà Alibaba chưa từng công bố checkpoint nào, đang được phục vụ trên một engine suy luận mã nguồn mở bởi một công ty không xây dựng nó. Dù chương trình khuyến mãi này còn là gì đi nữa, đây là bằng chứng công khai đầu tiên về cách Qwen4-Max hành xử bên ngoài triển khai của chính Alibaba.
Hai bài đăng thực sự nói gì — và chúng bỏ sót điều gì
Bài đăng của Nous Research là bài có nội dung thực chất. Bài viết gọi Qwen4-Max là "mô hình chủ lực mới của Alibaba", nói rằng mô hình này "được xây dựng cho công việc tầm xa, với thị giác gốc và ngữ cảnh 1M", và hướng người đọc đến Portal. Bài đăng của Inferact bổ sung chi tiết vận hành: các token miễn phí được cung cấp trên Inferact Platform và trên vLLM, và từ mà bài viết dùng để chỉ thứ mình đang tặng là "token", không phải "yêu cầu".
Cả hai bài đăng đều không nêu giới hạn token, giới hạn theo từng tài khoản, giới hạn tốc độ hay mốc thời gian kết thúc. Danh sách mô hình của Portal hiện đang hiển thị Qwen4-Max trong mục Mô hình miễn phí dưới dạng qwen/qwen4-max:free với mức giá MIỄN PHÍ, kèm theo ghi chú rằng giá được cập nhật mỗi phút từ danh mục trực tiếp — điều này cho bạn biết mục đó là có thật và đang hoạt động, đồng thời không cho bạn biết bạn có thể dùng được bao nhiêu. Nếu đồng hồ bắt đầu tính từ thời điểm các bài đăng vào tối ngày 18 tháng 11, thì khung thời gian sẽ kéo dài đến khoảng ngày 23 tháng 11. Hãy coi đó là một suy luận, chứ không phải thời hạn được công bố.
Vậy tóm tắt trung thực về ưu đãi này là: năm ngày truy cập có đồng hồ đo vào một mô hình mà nếu không sẽ tốn tiền thật, với đồng hồ đã được tắt và mức trần không được tiết lộ. Nếu bạn đang chờ một lý do để đánh giá Qwen4-Max trước khi cam kết đưa nó vào lộ trình sản xuất, thì đây là lý do ít tốn kém nhất mà bạn sẽ có.
Tại sao “được phục vụ trên Inferact và vLLM” lại là nửa thú vị
Inferact là công ty do những người sáng tạo và duy trì vLLM thành lập, cung cấp một nền tảng suy luận cho môi trường production được xây dựng trên engine đó. Điểm chào bán của nó là hỗ trợ mô hình ngay ngày ra mắt, kernel tùy chỉnh, tự động mở rộng quy mô và đo lường mức sử dụng, trên GPU của chính bạn hoặc của họ. Vì vậy, việc gọi nó là đối tác serving không phải là một chú thích nhỏ về hosting; đó là tuyên bố rằng Qwen4-Max có thể chạy trên một ngăn xếp serving không thuộc Alibaba, do những kỹ sư tinh chỉnh kernel để kiếm sống thực hiện.
Điều đó làm dấy lên một câu hỏi hiển nhiên, bởi Qwen4-Max không có trọng số công khai. Alibaba không công bố checkpoint nào cho nó — tài liệu Model Studio liệt kê tinh chỉnh, triển khai mô hình và suy luận theo lô là không được hỗ trợ, và không có kho Hugging Face nào để tải xuống. Một mô hình mà bạn không thể tải xuống thì, theo nghĩa thông thường, không thể được bên thứ ba phục vụ trên vLLM. Cách duy nhất để cả hai phát biểu cùng đúng một lúc là Alibaba đã trao cho Inferact các trọng số theo một thỏa thuận thương mại và Inferact đã tinh chỉnh và đóng gói chúng. Điều đó có nghĩa là quan hệ đối tác này là thứ gần nhất với một cái nhìn công khai về hành vi phục vụ của mô hình mà hiện có — một cái nhìn vào engine, không phải vào tệp.
Đối với một đội đang cân nhắc có nên xây dựng trên Qwen4-Max hay không, điều đó hữu ích hơn vẻ ngoài của nó. Những câu hỏi quyết định liệu một agent tầm xa có khả thi hay không hiếm khi liên quan đến dòng benchmark. Chúng liên quan đến thời gian đến token đầu tiên, thông lượng dưới tải đồng thời, cách ngân sách suy nghĩ thực sự được thực thi, và liệu engine có sụp đổ khi một yêu cầu 900.000 token đến hay không. Đó chính xác là những câu hỏi mà một stack phục vụ thứ hai cho phép bạn đặt ra, và cũng chính xác là những câu hỏi mà tài liệu ra mắt của Alibaba không trả lời.

Đồng hồ đã tắt năm ngày rồi; bảng giá thì vẫn không đổi.
Thật đáng để nhắc lại chi phí của mô hình khi cửa sổ đóng lại, vì giai đoạn miễn phí được thiết kế để khiến bạn quên điều đó. Tại Singapore, Alibaba niêm yết Qwen4-Max ở mức 1,50 USD mỗi triệu token đầu vào và 4,50 USD mỗi triệu token đầu ra, với đầu vào được lưu trong bộ nhớ đệm ở mức 0,075 USD và ghi bộ nhớ đệm ở mức 1,875 USD cho cửa sổ năm phút hoặc 3,00 USD cho một giờ. Các phạm vi triển khai Toàn cầu — Bắc Kinh, Hồng Kông, Frankfurt, Nhật Bản và US Virginia — thấp hơn một chút ở mức 1,413 USD đầu vào, 4,24 USD đầu ra và 0,071 USD cho một lần đọc bộ nhớ đệm. Chỉ có một bậc giá cho đến tận giới hạn ngữ cảnh: không phụ phí ngữ cảnh dài, không giảm giá theo lô để tìm kiếm, vì suy luận theo lô hoàn toàn không được cung cấp trên mô hình này.
Sau đó là phần quyết định hóa đơn của bạn nhiều hơn cả mức giá trên mỗi token. Tính năng suy nghĩ được bật theo mặc định. Mức nỗ lực suy luận mặc định là cao, ngân sách suy nghĩ mặc định là 131,072 token, và mức trần tổng cộng cho phần suy luận cộng với câu trả lời hiển thị là 262,144 token. Đầu ra không suy nghĩ bị giới hạn ở 131,072. Do đó, một lượt chạy agent dài hạn vừa suy nghĩ nhiều vừa trả lời dài sẽ tiêu tốn token đầu ra trong nhiều phút liền, và đầu ra là phía đắt hơn của đồng hồ tính phí, gấp ba lần.
Đã tính toán dựa trên một dạng công việc thực tế: 40,000 token đầu vào và 120,000 token tổng cộng cho phần suy nghĩ cộng câu trả lời tốn $0.06 cho đầu vào và $0.54 cho đầu ra, vậy khoảng 60 xu mỗi lần chạy theo mức giá Singapore. Năm trăm lần chạy như vậy là $300. Đó là hóa đơn mà cửa sổ miễn phí đang giữ lại — và đó cũng là con số bạn cần để trước mắt khi cửa sổ đóng lại và một nguyên mẫu lặng lẽ trở thành một công việc chạy hằng đêm.

Bạn thực sự có thể hoàn thành được gì trong năm ngày
Ở đây, những con số độc lập trở nên khó chịu theo một cách hữu ích. Artificial Analysis, khi chạy Intelligence Index v5.0.1, đo Qwen4-Max đạt 43 và ghi nhận mô hình mất 31,3 phút cho mỗi tác vụ chỉ số, so với mức trung vị 12,4 phút của các mô hình tương đương. Tốc độ đầu ra là 56 token mỗi giây, và thời gian đến token trả lời đầu tiên là 146 giây. Nó đã tạo ra 127 triệu token đầu ra trong toàn bộ lần chạy chỉ số, so với mức trung vị 65,1 triệu — mô hình dài dòng, và sự dài dòng được tính giá theo mức giá đầu ra.
Hai phép đo đó kết hợp thành một ràng buộc lập kế hoạch mà chưa ai viết ra. Năm ngày là 7.200 phút. Với 31,3 phút mỗi tác vụ, một làn xử lý tuần tự hoàn thành khoảng 230 tác vụ. Bốn làn song song đưa bạn tới khoảng 920. Nếu kế hoạch đánh giá của bạn là "chúng ta sẽ thử vài prompt", thì cửa sổ thời gian là rất lớn. Nếu kế hoạch của bạn là quét 2.000 trường hợp của một tác nhân dài hạn, thì năm ngày trên một tài khoản sẽ không hoàn thành nổi ngay cả khi tắt đồng hồ tính phí — và không có gì trong cả hai thông báo nói rõ gói miễn phí sẽ chịu được mức độ đồng thời là bao nhiêu.
Cùng một phép tính đó giải thích vì sao cửa sổ miễn phí thực sự có giá trị chứ không chỉ hào phóng. Thứ bạn không thể mua rẻ là thời gian lịch với một mô hình chậm. Một tuần truy cập không giới hạn chuyển trực tiếp thành một tuần dữ liệu độ trễ, dữ liệu mức sử dụng token và dữ liệu chế độ lỗi với chi phí biên bằng không, trên một mô hình có chi phí tính toán mỗi tác vụ là $3.27 trên bảng độc lập. Đó là thí nghiệm đáng để chạy, và nó phải được thiết kế trước ngày 23, chứ không phải trong ngày đó.

Con số duy nhất cần đo trước khi cơ hội khép lại
Nếu bạn chỉ lấy một phép đo trong năm ngày, hãy chọn số token đầu ra trên mỗi tác vụ đã hoàn thành trên khối lượng công việc của chính bạn, ở thiết lập suy luận của chính bạn, thay vì trên bảng xếp hạng. Mọi khía cạnh kinh tế của mô hình này đều xoay quanh đó. Cách định khung khi ra mắt của chính nhà cung cấp — chưa được bất kỳ ai ngoài Alibaba tái lập — là Qwen4-Max vượt trội so với Qwen3.8-Max trong khi sử dụng ít hơn tới khoảng 50% lượng token, với chi phí trung bình mỗi tác vụ giảm từ $4.43 xuống $1.67. Cách diễn giải của bảng đánh giá độc lập lại khác về điểm nhấn: 43 trên chỉ số, và 127 triệu token đầu ra trong toàn bộ lần chạy. Một nửa lượng token của thế hệ trước vẫn có thể là rất nhiều token.
Lý do để bạn tự đo trong tuần này là cửa sổ miễn phí là giai đoạn duy nhất bạn có thể chạy phiên bản thí nghiệm ngốn token mà không phải mở một cuộc trao đổi về ngân sách. Chuyển chế độ thinking sang low và xhigh trên cùng một bộ tác vụ; ghi lại tổng số token của phần thinking cộng với câu trả lời so với mức trần 262,144 token; theo dõi điều gì xảy ra khi một yêu cầu tiến gần giới hạn đầu vào 983,616 token ở chế độ thinking. Đó là những con số quyết định Qwen4-Max là một tác vụ batch chạy hằng đêm hay một tính năng sản phẩm theo từng yêu cầu, và bạn không tốn gì để thu thập chúng cho đến ngày 23.
Nhân tiện, có một lưu ý thực tế về thiết lập suy luận. Qwen4-Max cung cấp ba mức nỗ lực — low, high và xhigh — và một client theo chuẩn OpenAI yêu cầu medium hoặc max sẽ bị gộp vào high hoặc xhigh thay vì bị từ chối. Một harness được tinh chỉnh cho mô hình năm mức sẽ âm thầm tiêu nhiều hơn dự kiến của bạn, và cửa sổ miễn phí chính là nơi bạn sẽ không nhận ra, vì dù thế nào hóa đơn vẫn ghi 0.
Điều này khiến bạn ở đâu vào ngày 24
Khi token không còn miễn phí, sẽ không có gì về mô hình thay đổi: 1,50 đô-la và 4,50 đô-la tại Singapore, ngữ cảnh 1 triệu token, đầu vào hình ảnh và video gốc, ba mức suy luận với việc ánh xạ lại ngầm, và chi phí tính toán mỗi tác vụ trên bảng đánh giá độc lập cao vì mô hình suy nghĩ trong nửa giờ. Điều sẽ thay đổi là những gì bạn biết về nó. Các nhóm dành khoảng thời gian đó để đo mức tiêu thụ token và độ trễ đuôi sẽ đưa ra được một quyết định. Các nhóm dành nó để trò chuyện sẽ chỉ có được một ấn tượng, mà ấn tượng về một mô hình suy luận 31 phút mỗi tác vụ là loại kém đáng tin nhất.
Nói thẳng về vị thế của chúng tôi: OrcaRouter không định tuyến Qwen4-Max, nên ở đây không có gì là lời chào hàng cho endpoint của chúng tôi, và các token miễn phí nằm trên Nous Portal và nền tảng của Inferact, không phải của chúng tôi. Nếu quá trình đánh giá dẫn bạn đến một triển khai trả phí, danh mục của chúng tôi là một khóa duy nhất cho hơn 200 mô hình với giá niêm yết của nhà cung cấp được chuyển nguyên đến người dùng ở mức đánh dấu giá 0%, nghĩa là thay đổi giá từ nhà cung cấp đối với một mô hình mà chúng tôi có phân phối sẽ có hiệu lực ngay trong cùng ngày thay vì vào lần gia hạn hợp đồng tiếp theo. Điều đó càng quan trọng hơn bình thường đối với một mô hình có chi phí vận hành cao như thế này: khi bảng giá chính là sản phẩm, chênh lệch giữa giá niêm yết và giá được đánh dấu chính là toàn bộ biên lợi nhuận.
