Qwen4-Max Preview đã thoát khỏi tường phí: Vẫn cùng mô hình, giờ nằm sau một khung chat

Vào ngày 11 tháng 11 năm 2026, Qwen4-Max Preview xuất hiện trong Qwen Chat — cùng mô hình mà Alibaba bắt đầu cung cấp qua Token Plan của Model Studio lúc 10:00 sáng hôm đó, giờ có thể truy cập mà không cần đăng ký Singapore, base URL riêng hay API key. Không có gì về mô hình thay đổi: 1.000.000 token ngữ cảnh, giới hạn đầu ra 393.216 token mà phần suy nghĩ và câu trả lời phải dùng chung, đầu vào là văn bản, hình ảnh và video. Điều thay đổi là ai có thể truy cập nó. Một bản xem trước từng là một mục chi phí doanh nghiệp đã trở thành thứ bạn có thể mở trong một tab trình duyệt và gõ vào, và cả hai cánh cửa đều dẫn đến cùng mười bốn ngày còn lại. Dòng Qwen 4 được công bố trên sân khấu tại hội nghị Apsara vào ngày 22 tháng 9 năm 2026 mà không có thông số kỹ thuật nào gắn với bất kỳ hạng nào; Qwen3.8-Max, mẫu chủ lực mà nó dự định thay thế, đã có thể gọi từ ngày 3 tháng 8 với giá 2,00 USD mỗi triệu token đầu vào và 6,00 USD mỗi triệu token đầu ra. Bản này thì bạn có thể xem, còn ở phía API thì bạn vẫn chưa thể mua nó theo token.

Cánh cửa thứ hai, và vì sao nó quan trọng hơn ta tưởng.

Qwen Chat là một bề mặt dành cho người tiêu dùng. Trong đó không có đồng hồ đo theo token, không có ID mô hình để dán vào phần thân yêu cầu và không có hóa đơn vào cuối tháng. Đối với một bản xem trước mà Alibaba đã rào lại sau một gói đăng ký tín dụng, đó là một kiểu truy cập khác, không phải một phiên bản rẻ hơn của cùng kiểu truy cập đó — nó chuyển mô hình từ cuộc trao đổi về mua sắm sang cuộc trao đổi về đánh giá.

Tuyến API, như được tài liệu hóa, có ba rào cản bao quanh. Quyền truy cập chỉ dành cho Token Plan, và mô hình trả theo mức sử dụng bị loại trừ rõ ràng. URL cơ sở là một URL chuyên dụng tại token-plan.ap-southeast-1.maas.aliyuncs.com, vì vậy một khóa Model Studio hiện có không mở được nó. Và bản thân gói này mang một hạn chế đáng để trích dẫn nguyên văn hơn là diễn giải: nó dành cho "sử dụng tương tác trong các công cụ lập trình và agent, không phải tập lệnh hàng loạt tự động". Một bản xem trước mà bạn không được phép chạy hàng loạt là bản xem trước mà bạn phải đánh giá thủ công.

Đọc những điều đó cùng nhau, và việc ra mắt Qwen Chat trông không giống một nhịp tiếp thị cho lắm, mà giống một sự hoàn thiện trung thực của sản phẩm hơn. Nếu giấy phép nói chỉ được dùng để tương tác, thì cửa sổ trò chuyện không phải là cách lách cho gói trả phí — đó chính là bề mặt mà gói này vốn luôn mô tả.

Hai cánh cửa thực sự khác nhau ở điểm nào

Cùng một mô hình, khác cách vận hành. Những khác biệt quan trọng, mỗi điểm một dòng:

• Mô hình chi phí — Qwen Chat: không có khoản phí theo token nào hiển thị cho người dùng, không có khóa nào cần quản lý so với Token Plan: gói đăng ký tín dụng hàng tháng, với các bậc Personal Edition ở mức $6 cho 20.000 tín dụng, $10 cho 45.000, $18 cho 80.000 và $43 cho 200.000, cộng thêm gói nạp $15 cho mỗi 20.000 tín dụng.

• Mức trần — Qwen Chat: bất cứ mức nào ứng dụng trò chuyện sẽ chấp nhận trong một lượt, so với API: toàn bộ ngữ cảnh 1.000.000 token và ngân sách đầu ra 393.216 token, cả hai đều đã được ghi trong tài liệu.

• Truy cập lập trình — Qwen Chat: không có, đây là giao diện trò chuyện so với API: tương thích với OpenAI Chat Completions, OpenAI Responses và Anthropic Messages, nên một client hiện có chỉ cần base URL và key thay vì phải viết lại.

• {{1}}Công cụ{{/1}} — {{2}}Qwen Chat{{/2}}: {{3}}những gì ứng dụng cung cấp so với API: gọi hàm, tìm kiếm web, công cụ tích hợp, đầu ra JSON Object và JSON Schema.{{/3}}

• Tính tái lập — Qwen Chat: một cuộc trò chuyện bạn có thể đọc nhưng không thể quản lý phiên bản, so với API: các tham số yêu cầu mà bạn có thể cố định, đây là cách duy nhất để so sánh hai lần chạy một cách trung thực.

• Hết hạn — giống nhau ở cả hai: 24:00 ngày 25 tháng 11 năm 2026, UTC+8, sau đó mô hình sẽ ngừng được cung cấp.

Hàng cuối cùng đó là thứ mọi người sẽ quên. Cánh cửa trò chuyện có vẻ vĩnh viễn vì các sản phẩm trò chuyện thường như vậy. Cái này thì không.

Khung thời gian chính là sản phẩm, và nó kéo dài mười bốn ngày.

Tài liệu của Alibaba nêu khung thời gian là từ 10:00 ngày 11 tháng 11 đến 24:00 ngày 25 tháng 11, UTC+8, và bổ sung rằng mô hình sẽ bị ngừng sử dụng khi bản xem trước kết thúc. Tài liệu cũng nêu rằng sẽ không có thay đổi nào được thực hiện trong khoảng thời gian đó. Bản xem trước bị đóng băng là một kiểu chào mời cụ thể: một hành vi khiến bạn thấy khó chịu vào ngày thứ hai vẫn sẽ còn đó vào ngày thứ mười ba, và việc báo cáo nó chẳng mang lại gì cho bạn cho đến khi có bản kế nhiệm. Đó là sự đánh đổi đúng cho một bản dựng để đánh giá và là sự đánh đổi sai cho một thành phần phụ thuộc.

Khía cạnh thương mại của ưu đãi này có mức chiết khấu cao bất thường. Trong giai đoạn xem trước, mức tiêu thụ được tính "thấp nhất chỉ bằng 20% mức giá tiêu chuẩn", và các cuộc gọi đặt trong khoảng 22:00–08:00 UTC+8 được giảm thêm, xuống còn 8% mức tiêu chuẩn. Hai trang Alibaba mô tả bước ban đêm này khác nhau — một trang gọi là giảm 40%, trang kia là 60% — và cả hai đều dẫn đến cùng mức 8%, nên hãy coi phép tính là sự thật còn tỷ lệ phần trăm chỉ là nội dung quảng cáo. Bản thân credits được tiêu thụ theo mức mà nhà cung cấp nói được thiết lập động theo loại mô hình, lượng token sử dụng, chế độ suy nghĩ và các lệnh gọi công cụ, nghĩa là nơi duy nhất để biết mức thực tế của bạn là phần chi tiết sử dụng trong bảng điều khiển.

Những gì hộp trò chuyện không thể cho bạn biết

Ba thứ đang thiếu ở mô hình này, và giao diện trò chuyện khiến cả ba khó thấy hơn chứ không phải dễ hơn.

Không có số lượng tham số nào được công bố. Thông tin kiến trúc gần nhất từ tổ chức Qwen là Qwen3.8-Flash-Next, được công bố trên Hugging Face vào ngày 24 tháng 8 năm 2026, với model card mô tả đây là bản xem trước thử nghiệm của kiến trúc sẽ làm nền tảng cho Qwen 4. Model card đó báo cáo 125 tỷ tham số chính với khoảng 6 tỷ tham số hoạt động mỗi bước, một kho nhúng n-gram 51 tỷ tham số và ba kỹ thuật được nêu tên — QSA sparse attention, gated residual connections và n-gram embeddings dưới dạng một bảng tra cứu riêng. Đây là thông tin do nhà cung cấp báo cáo, chưa được tái lập và mô tả một mô hình xem trước 180 tỷ tham số, không phải mẫu chủ lực này. Bất kỳ ai trích dẫn số lượng tham số cho Qwen4-Max đều đang trích dẫn điều mà Alibaba chưa hề nói.

Không có điểm chuẩn nào, dù của nhà cung cấp hay độc lập. Bảng xếp hạng của Artificial Analysis, đọc ngày 11 tháng 11 năm 2026, hoàn toàn không có mục Qwen4 nào. Đó không phải là điểm trừ cho mô hình — một bản xem trước mở ra sáng nay chưa có thời gian để được đo — nhưng điều đó có nghĩa là mọi con số “Qwen4 đánh bại X” đang lan truyền hôm nay hoặc là một dự phóng, hoặc là số liệu của một mô hình khác khoác tên mô hình này.

Và không có bản phát hành trọng số nào. Đây là một endpoint được lưu trữ đóng trong mười lăm ngày, không phải một checkpoint có thể tải xuống, và câu hỏi về giấy phép lẽ ra sẽ áp dụng cho một mô hình có thể tải xuống đơn giản là không phát sinh vì không có gì để tải xuống.

Ba thiết lập quyết định liệu một câu trả lời có đáng đọc hay không

Nếu bạn thực sự mở phía API, các giá trị mặc định không hề trung tính, và chúng chính là chỗ mà một yêu cầu được chuyển sang sẽ bị hỏng.

reasoning_effort nhận các giá trị low, medium hoặc xhigh, và mặc định là xhigh. Một mô hình dành ngân sách để suy nghĩ trước khi trả lời sẽ tạo ra đầu ra tốt hơn với các lời nhắc khó và độ trễ tệ hơn với những lời nhắc dễ; mặc định nằm ở phía đắt đỏ của sự đánh đổi đó.

max_tokens đã thay đổi ý nghĩa với mô hình này. Bắt đầu từ đây, max_tokens tương đương với max_completion_tokens và cả hai đều bao gồm phần suy luận cộng với câu trả lời cuối cùng, trong khi mọi mô hình Qwen trước đó chỉ áp giới hạn này cho riêng câu trả lời. Một yêu cầu mang sang từ Qwen3.8-Max với max_tokens đặt ở 4096 giờ đây sẽ tốn 4096 token cho phần suy luận và phần còn lại — mà với một prompt khó thì có thể chẳng còn gì. Kiểu hỏng ở đây là phản hồi bị cắt cụt, chứ không phải một lỗi mà bạn có thể bắt được.

preserve_thinking được bật mặc định trong Chat Completions, vì vậy phần suy nghĩ trước đó sẽ quay lại trong trường reasoning_content của các tin nhắn assistant. Việc nối nội dung đó vào content rồi gửi lại làm lịch sử là sai cấu trúc và sẽ làm giảm chất lượng lượt tiếp theo. Cũng lưu ý rằng không được đặt reasoning_effort và thinking_budget cùng lúc — hãy chọn một cơ chế điều khiển.

Một kế hoạch kiểm thử gói gọn trong một buổi chiều

Mười bốn ngày là đủ thời gian để học một điều cụ thể nếu bạn quyết định mình đang kiểm tra điều gì trước khi bắt đầu. Ba câu lệnh, mỗi câu chạy hai lần, là cách tận dụng khoảng thời gian đó tốt hơn một tuần trò chuyện không định hướng.

Hãy bắt đầu với thứ mà cửa sổ ngữ cảnh sinh ra để xử lý. Đưa cho nó một tài liệu dài hoặc một bản ghi màn hình mà bạn đã biết đáp án, rồi kiểm tra xem nó có tìm ra chi tiết bạn đã cài gần cuối không. Một triệu token là một tuyên bố về dung lượng, không phải về khả năng chú ý, và cách duy nhất để phân biệt là một chiếc kim do chính bạn đặt vào đó.

Sau đó, hãy kiểm tra mặc định suy luận so với thiết lập rẻ trên cùng một prompt. Nếu xhigh và medium cho ra cùng một kết quả trên tác vụ của bạn, bạn đã tìm ra độ trễ mà bạn không cần phải trả giá. Nếu chúng khác nhau, bạn đã tìm ra ranh giới của những gì mô hình có thể làm mà không cần suy nghĩ thành lời.

Sau đó, hãy chạy đầu vào video trên một thứ ngắn gọn và cụ thể — một bản ghi UI có chứa một lỗi đã biết. Hiểu video là năng lực ít được đánh giá theo chuẩn nhất trên bất kỳ thẻ mô hình nào, và cũng là năng lực mà một bản xem trước dễ khiến bạn bất ngờ nhất theo cả hai hướng.

Hãy ghi lại những gì bạn đã học được, kèm ngày tháng và cài đặt. Trong mười lăm ngày, tài liệu đó là tài sản duy nhất mà bản xem trước tạo ra.

Vị trí của mục này trong dòng Qwen 4

Alibaba đã đặt tên cho bốn hạng tại Apsara vào ngày 22 tháng 9: Max, Flash, Plus và 27B. Tính đến hôm nay, một trong số đó có endpoint, một hạng có tab trò chuyện, và ba hạng còn lại chỉ có tên. Một dòng sản phẩm với một hạng đã phát hành và ba hạng đã công bố là một lộ trình phát triển, không phải một danh mục sản phẩm, và bản xem trước nên được hiểu là màn trình diễn năng lực nhắm vào hạng sẽ mang mức giá chủ lực.

Cũng cần nói thẳng điều mô hình này không phải. Nó không phải Qwen4-Max. Bản xem trước này đứng trước một flagship được phát hành rộng rãi nhưng chưa có model card, chưa công bố giá mỗi token và chưa có endpoint trả theo mức sử dụng. Cách đặt tên đủ giống nhau đến mức kết quả tìm kiếm và bài đăng mạng xã hội thường xuyên nhầm lẫn hai bên; chúng là những sản phẩm khác nhau ở trạng thái khác nhau, và việc coi số liệu của bản xem trước là số liệu của flagship chính là cách một slide lộ trình trở thành một sai lầm trong mua sắm.

Cái gì đóng cửa vào ngày 25 tháng 11

Có ba kết cục có thể xảy ra và chúng không có xác suất ngang nhau. Kết cục sạch sẽ là tính khả dụng chung với mức giá trên mỗi token được công bố và một endpoint trả tiền theo mức sử dụng, điều này sẽ biến bản xem trước thành cuộc thẩm định rẻ nhất mà bất kỳ ai có thể thực hiện. Kết cục thứ hai là gia hạn với các điều khoản tương tự, điều này sẽ cho thấy Alibaba vẫn bị giới hạn năng lực ở Singapore và vẫn chưa sẵn sàng tính phí mô hình một cách công khai. Kết cục thứ ba là ngừng cung cấp đúng hạn trong im lặng.

Đối với bất kỳ ai cần triển khai trước khi bất kỳ điều nào trong số đó được giải quyết, câu hỏi thực tế là nên chạy cái gì thay thế, và câu trả lời đã có sẵn trên kệ. Qwen3.8-Max đã được cung cấp rộng rãi kể từ ngày 3 tháng 8 năm 2026 với ngữ cảnh 1.000.000 token, đầu vào văn bản, hình ảnh và video, ở mức $2.00 cho mỗi triệu token đầu vào và $6.00 cho mỗi triệu token đầu ra — giá niêm yết của nhà cung cấp, không cộng thêm gì. Nó là một trong 217 mã định danh mô hình trên danh mục của OrcaRouter, mà đó cũng chính là giới hạn trung thực của tuyên bố: chúng tôi không phục vụ Qwen4-Max Preview, và dù định tuyến có khéo léo đến đâu cũng không thay đổi được điều đó. Điều mà danh mục thực sự mang lại cho bạn là một chuỗi dự phòng, để một cuộc đánh giá có thể đứng sau một mô hình mà bạn đã tin tưởng thay vì đứng trước một mô hình — nếu một yêu cầu gặp lỗi, hết thời gian chờ hoặc bị cắt ngắn vì ngân sách suy nghĩ đã ăn mất câu trả lời, phương án dự phòng sẽ trả lời và bạn vẫn biết được liệu cửa sổ một triệu token có giải quyết được vấn đề của bạn hay không.

Đóng góp thực sự của bản xem trước không phải là một benchmark hay một mức giá. Mà là một ngày: 25 tháng 11, sau đó câu trả lời cho "Qwen 4 flagship làm được gì" không còn là một tab trò chuyện nữa mà bắt đầu là một thẻ mô hình. Hãy để ý tài liệu đó, chứ không phải bài đăng ra mắt.