
Qwen4-Max 在 Nous Portal 上免费五天——而服务合作伙伴才是关键
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百万 tokens · 184 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百万 tokens · 223 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 87 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 96 tok/s
- orca新Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百万 tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百万 tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
2026年11月18日19:25 UTC,Nous Research 发帖称,阿里巴巴的新旗舰模型 Qwen4-Max 在 Nous Portal 中免费开放五天,合作方为 Inferact 和 Qwen 团队。78分钟后的20:43 UTC,Inferact 发布了同一公告的自有版本:Qwen4-Max 上五天免费 token,由 Inferact Platform 和 vLLM 提供服务。两条帖子,没有博客文章,没有技术说明,也没有价格表。当天下午,Qwen4-Max 本身没有发生任何变化——它已于11月16日按其按量计费费率正式全面可用,而该费率仍是现行费率。变化在于,这个模型现在有了一个公开命名的服务栈,并且在接下来的几天里,任何人都可以免费把工作负载跑过它。
这一区分正是整篇文章的关键。免费窗口不等于降价,合作公告也不等于基准测试。但 Inferact 帖子中的第二句话才值得读两遍:这是一个阿里巴巴从未发布过检查点的模型,却由一家并未构建它的公司在开源推理引擎上提供服务。无论这次推广还意味着什么,它都是 Qwen4-Max 在阿里巴巴自有部署之外表现如何的首个公开证据。
这两篇帖子实际说了什么——以及它们省略了什么
Nous Research 的帖子是实质性的那条。它称 Qwen4-Max 为“阿里巴巴的新旗舰模型”,称其“为长周期工作而构建,具备原生视觉和 1M 上下文”,并引导读者前往 Portal。Inferact 的帖子补充了运营细节:免费 token 在 Inferact Platform 和 vLLM 上提供,而它用来描述所赠送内容的词是“tokens”,不是“requests”。
两篇帖子均未说明 token 上限、单账户限额、速率限制或结束时间戳。Portal 的模型列表目前在免费模型下将 Qwen4-Max 显示为 qwen/qwen4-max:free,价格为 FREE,并附有一条说明:价格每分钟从实时目录更新——这说明该条目真实且实时存在,却完全没有说明你可以消耗多少。如果计时从 11 月 18 日晚间的帖子发布时开始,那么窗口大约持续到 11 月 23 日。请将此视为推断,而非已公布的截止期限。
所以,客观地总结这个优惠就是:五天对一款原本需要花真金白银的模型的计量访问,而计量器被关掉,上限却未披露。如果你一直在等待一个理由,在将生产路径正式投向 Qwen4-Max 之前先评估它,那么这就是你能得到的最便宜的理由。
为什么“在 Inferact 和 vLLM 上提供服务”才是有趣的那一半
Inferact 是由 vLLM 的创建者与维护者创办的公司,销售建立在 vLLM 引擎之上的生产级推理平台。它的卖点是零日模型支持、定制内核、自动扩缩容与计量,既可以跑在你自己的 GPU 上,也可以跑在他们的 GPU 上。因此,把它列为服务合作伙伴并非托管层面的一句附注;这是一种声明:Qwen4-Max 能够运行在并非阿里巴巴的 serving stack 上,由以调优内核为生的工程师来运转。
这引出了一个显而易见的问题,因为 Qwen4-Max 没有公开权重。阿里巴巴没有为其发布任何检查点——Model Studio 文档将微调、模型部署和批量推理列为不支持,也没有可供下载的 Hugging Face 仓库。一个无法下载的模型,按通常意义来说,无法由第三方在 vLLM 上提供服务。要让这两种说法同时成立,唯一的方式就是阿里巴巴通过商业安排把权重给了 Inferact,并由 Inferact 完成调优和打包。这意味着,这个合作是公众最接近了解该模型服务行为的机会——了解的是引擎,而不是文件。
对于正在决定是否基于 Qwen4-Max 构建的团队来说,这比听起来更有用。决定一个长时程智能体是否可行的问题,很少关乎基准测试表格里的那一行数据。它们关乎首令牌时间、并发下的吞吐量、思考预算究竟是如何被执行的,以及当 90 万 token 的请求到来时引擎是否会崩溃。这些正是第二套服务栈让你能够提出的问题,也正是阿里巴巴发布材料没有回答的问题。

停车计时器停用五天;费率表不会变。
值得重申的是,窗口关闭后模型会收取多少费用,因为免费期本就是为了让你忘记这件事而设计的。在新加坡,阿里巴巴将 Qwen4-Max 列为每百万输入 token 1.50 美元、每百万输出 4.50 美元,缓存输入为 0.075 美元,五分钟窗口的缓存写入为 1.875 美元,或一小时的为 3.00 美元。Global 部署区域——北京、香港、法兰克福、日本和美国弗吉尼亚——略低一些,为输入 1.413 美元、输出 4.24 美元,缓存读取为 0.071 美元。一直到上下文上限都只有一个价格档位:没有长上下文附加费,也没有批处理折扣可寻,因为这个模型根本不提供批量推理。
接下来还有一部分比每 token 费率更能决定你的账单。思考模式默认开启。默认推理强度为高,默认思考预算为 131,072 个 token,推理加可见回答的合计上限为 262,144 个 token。非思考输出上限为 131,072 个 token。因此,一次长时间跨度的智能体运行如果既要深度思考又要给出长回答,就会连续数分钟消耗输出 token,而输出正是计费表上更贵的一侧,贵达三倍。
按一个真实的任务规模算过:40,000 个输入 token,加上思考与回答合计 120,000 个 token,输入花费 $0.06,输出花费 $0.54,所以按新加坡费率每次运行约 60 美分。五百次这样的运行就是 $300。这就是免费窗口暂时挡住的账单——也是当窗口关闭、原型悄然变成每夜任务时,你该一直放在眼前的数字。

五天内你实际能完成什么
在这里,独立数据以一种有用的方式变得令人不安。Artificial Analysis 运行其 Intelligence Index v5.0.1,测得 Qwen4-Max 为 43,并记录该模型每项指数任务耗时 31.3 分钟,而可比模型的中位数为 12.4 分钟。输出速度为每秒 56 个 token,首个答案 token 的时间为 146 秒。在整个指数运行中,它生成了 1.27 亿个输出 token,而中位数为 6510 万个——该模型很啰嗦,而这种啰嗦按输出费率计价。
这两个测量结果组合成一个没有人记录过的规划约束。五天是7,200分钟。按每项任务31.3分钟计算,单条串行工作通道大约能完成230项任务。四条并行通道则能让你达到约920项。如果你的评估计划是“我们会试几个提示词”,这个窗口非常充裕。如果你的计划是对一个长周期智能体进行2,000个用例的扫描,那么在一个账户上花五天,即使不计费也无法完成——而且两份公告中都没有说明免费层将允许多少并发。
同样的算术也解释了为什么这个免费窗口真正有价值,而不只是慷慨。你无法用廉价方式买到的是用慢模型换来的日历时间。一周的不计量访问可直接转化为一周的延迟数据、token 使用数据和故障模式数据,边际成本为零,而且针对的是在独立榜单上每任务计算成本为 3.27 美元的模型。这才是值得做的实验,而且必须在 23 日之前设计好,而不是等到 23 日当天。

窗口关闭前要衡量的那个数字
如果要从这五天里只取一项指标,那就让它是在你自己的负载、你自己的推理设置下,每个已完成任务所消耗的输出 token 数,而不是排行榜上的数字。这个模型的经济账全系于此。厂商自家发布时的说法——阿里巴巴之外无人复现——是 Qwen4-Max 胜过 Qwen3.8-Max,同时使用的 token 最多减少约 50%,每任务平均成本从 $4.43 降至 $1.67。独立榜单的解读侧重点不同:指数上 43,整轮运行输出 1.27 亿 token。上一代一半的 token 仍然可能很多。
本周自己动手测量的原因在于,免费窗口期是唯一能让你在不进行预算讨论的情况下运行这个 token 消耗量很大的实验版本的时段。将 thinking 分别调至 low 和 xhigh,在同一组任务上运行;记录 thinking 加答案的合计总量相对于 262,144 token 上限的情况;观察当请求接近 983,616 token 的 thinking 模式输入上限时会发生什么。这些数字将决定 Qwen4-Max 是夜间批处理任务,还是按请求提供的产品功能,而在 23 日之前收集它们的成本为零。
顺便给一个关于 reasoning 设置的实用警告。Qwen4-Max 提供三档 effort 级别——low、high 和 xhigh——而形似 OpenAI 的客户端如果请求 medium 或 max,会被归并到 high 或 xhigh,而不是被拒绝。一个针对五档模型调校过的 harness 会悄无声息地花得比你计划的多,而免费窗口恰恰是你最容易忽略这一点的地方,因为无论哪种情况账单都显示为零。
这对你24号的情况意味着什么
当 token 不再免费时,模型本身不会有任何变化:新加坡的 $1.50 和 $4.50、100 万 token 上下文、原生图像与视频输入、三档推理级别并带有静默重映射,以及独立榜单上很高的单任务算力成本——因为它要思考半小时。真正会改变的是你对它的了解。把这段窗口期用于测量 token 消耗和尾部延迟的团队,会带着一个决策出来。把窗口期用来闲聊的团队,只会得到一个印象;而对一个单任务耗时 31 分钟的推理模型来说,印象是最不可靠的那类判断。
坦白说清楚我们的定位:OrcaRouter 不路由 Qwen4-Max,所以这里并不是在推销我们的端点,免费 token 在 Nous Portal 和 Inferact 的平台上,不在我们这里。如果这次评估最终让你走向付费部署,我们的目录是一把密钥覆盖200+ 个模型,并按供应商标价 0% 加价直通,这意味着我们确实提供的某个模型若供应商调价,当天就会生效,而不是等到下一次合同续约。对于运行成本如此高的模型,这一点比平时更重要:当价目表就是产品时,标价与加价后价格之间的差额就是全部利润空间。
