上周四（5 月 22 号）通义千问把 Qwen3.7-Max 的免费 Tier 正式开放了，掘金好几个帖子在讨论。我正好手上有个内部知识库问答的项目在用 Qwen3.7 Plus，想着免费的旗舰模型不白嫖一下说不过去，就花了大半天把接入流程从头跑了一遍。结论是：免费版能用，但 RPM 和 TPM 的限制比想象中严格，如果你的业务有并发需求，得提前规划好降级策略。

先说结论

维度	Qwen3.7-Max 免费 Tier	Qwen3.7-Max 付费版	Qwen3.7 Plus 付费版
模型 ID	qwen-max-free	qwen-max	qwen-plus
RPM 上限	10 次/分钟	300 次/分钟	500 次/分钟
TPM 上限	30,000 tokens/分	2,000,000 tokens/分	2,000,000 tokens/分
最大上下文	32K	128K	128K
输出上限	2,048 tokens	8,192 tokens	8,192 tokens
价格	¥0	¥0.02/千 tokens（输入）	¥0.008/千 tokens（输入）

看到没，免费版的 RPM 只有 10。十次。一分钟十次。说实话一开始我是拒绝的，但后来想想拿来做原型验证和个人小工具还是够用的。

环境准备

你需要：
- 通义千问开放平台账号（DashScope）
- Python 3.9+
- openai SDK >= 1.30（Qwen3.7 系列兼容 OpenAI 协议）

pip install openai --upgrade

去 DashScope 控制台拿到 API Key，免费版和付费版用同一个 Key，区别在模型 ID。

方案一：直接调 DashScope 官方接口

from openai import OpenAI

client = OpenAI(
 api_key="sk-你的dashscope-key",
 base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)

response = client.chat.completions.create(
 model="qwen-max-free", # 注意！免费版是 qwen-max-free，不是 qwen-max
 messages=[
 {"role": "system", "content": "你是一个技术助手"},
 {"role": "user", "content": "解释一下 Python 的 GIL"}
 ],
 max_tokens=2048,
 temperature=0.7
)

print(response.choices[0].message.content)

最容易踩的坑就是模型 ID。我第一次填的 qwen-max，直接扣费了。免费版必须显式写 qwen-max-free，DashScope 文档里这个信息藏得挺深的，我翻了好几页才找到。

实测首次请求延迟大概 1.8s（冷启动），后续稳定在 600-900ms 之间。

方案二：通过聚合平台调用（适合多模型切换场景）

我项目里同时用了 GPT-5.5 做摘要、Claude Sonnet 4.6 做代码生成、Qwen3.7-Max 做中文问答，三个 base_url 维护起来挺烦人的。后来统一走聚合网关，改一个 model 参数就能切：

from openai import OpenAI

client = OpenAI(
 api_key="your-ofox-key",
 base_url="https://api.ofox.io/v1"
)

# 切模型只改这一行
response = client.chat.completions.create(
 model="qwen-max-free",
 messages=[
 {"role": "user", "content": "Qwen3.7-Max 和 Qwen3.7 Plus 的主要区别是什么？"}
 ],
 max_tokens=2048
)

聚合平台可以选 OpenRouter、ofox.io 这类，OpenRouter 收 5.5% 手续费，ofox 是 0% 加价对齐官方价格，对免费模型来说两者都不额外收费，主要区别在路由稳定性和管理后台。

方案三：Streaming 模式（推荐用于前端展示）

免费版也支持 SSE 流式输出，体感上第一个 token 出来比非流式快不少：

stream = client.chat.completions.create(
 model="qwen-max-free",
 messages=[{"role": "user", "content": "用三句话解释量子计算"}],
 stream=True,
 max_tokens=2048
)

for chunk in stream:
 if chunk.choices[0].delta.content:
 print(chunk.choices[0].delta.content, end="", flush=True)

实测 TTFT（Time To First Token）大概 420ms，这个数据在免费模型里算不错了。

踩坑记录

坑 1：模型 ID 填错不报错，直接扣费

前面提了。qwen-max 和 qwen-max-free 是两个独立的模型端点。填错了不会返回 403，而是正常响应然后从你余额里扣钱。我因为这个多花了 ¥0.3……虽然不多但膈应。

坑 2：超 RPM 的报错信息

超过 10 RPM 之后返回的不是标准的 429，而是这个：

{
 "error": {
 "message": "Rate limit reached for model `qwen-max-free` in organization org-xxx on requests per min (RPM): Limit 10, Used 10, Requested 1.",
 "type": "requests_rate_limit",
 "code": "rate_limit_exceeded"
 }
}

好消息是格式和 OpenAI 的 429 一样，所以如果你代码里已经有 retry 逻辑，基本能兼容。

坑 3：输出被截断但没有明显提示

免费版 max_tokens 上限是 2048，但如果你不显式设置这个参数，默认值是 1500。我有个回答明显被截断了，看了半天才发现 finish_reason 返回的是 length 而不是 stop。建议每次都显式传 max_tokens=2048。

坑 4：与 Qwen3.7 Plus 的接口差异

这个折腾了我一会儿。两者都兼容 OpenAI Chat Completions 格式，但有几个字段行为不同：

字段	Qwen3.7-Max Free	Qwen3.7 Plus
tools (Function Calling)	❌ 不支持	✅ 支持
response_format: json_object	✅ 支持	✅ 支持
seed 参数	❌ 忽略	✅ 生效
top_p	✅ 生效	✅ 生效
presence_penalty	❌ 忽略（静默）	✅ 生效

免费版不支持 Function Calling 这点对我影响最大。我原来的知识库问答用了 tool_use 来做结构化抽取，换到免费版之后只能改成 prompt engineering 硬凑 JSON 输出。

调用链路一览

graph LR
 A[你的应用代码] --> B{选择接入方式}
 B -->|直连| C[DashScope API]
 B -->|聚合网关| D[ofox.io / OpenRouter]
 C --> E[qwen-max-free]
 D --> E
 E --> F{RPM < 10?}
 F -->|是| G[正常响应 600-900ms]
 F -->|否| H[429 Rate Limit]
 H --> I[等待 60s 重试]

我的降级策略

既然免费版 RPM 这么低，我写了个简单的 fallback 逻辑：

import time
from openai import OpenAI, RateLimitError

client = OpenAI(api_key="your-key", base_url="https://api.ofox.io/v1")

def smart_query(prompt, prefer_free=True):
 model = "qwen-max-free" if prefer_free else "qwen-plus"
 try:
 resp = client.chat.completions.create(
 model=model,
 messages=[{"role": "user", "content": prompt}],
 max_tokens=2048
 )
 return resp.choices[0].message.content
 except RateLimitError:
 if model == "qwen-max-free":
 # 降级到付费版 Plus，便宜够用
 return smart_query(prompt, prefer_free=False)
 else:
 time.sleep(5)
 return smart_query(prompt, prefer_free=False)

平时低频场景走免费版，一旦触发限流自动切到 Qwen3.7 Plus。Plus 的输入价格才 ¥0.008/千 tokens，算下来一天跑几百次也就几毛钱。

小结

Qwen3.7-Max 免费版模型能力和付费版一致（同一个底座），限制也很明确：10 RPM、30K TPM、2048 输出上限、不支持 Function Calling。适合个人开发者做原型、写 demo、跑测试。

生产环境我建议直接上付费版或者 Qwen3.7 Plus——Plus 便宜一半多，RPM 还更高，除非你特别需要 Max 的推理能力。

免费版的 32K 上下文是永久策略还是公测期间的临时限制，我目前没找到明确说明，DashScope 文档也没提。等后续有更新再来补充。