一张生成的标题卡,标题为“Qwen4-Max 免费五天”,显示时间窗口为 2026 年 11 月 18 日至 23 日,列出三个标注方——Alibaba Qwen、Nous Research 和 Inferact——页脚注明该模型的按量计费价目表保持不变。
Guides & Insights

Qwen4-Max 在 Nous Portal 上免费五天——而服务合作伙伴才是关键

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

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。

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.

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。

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.

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。

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.

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。