
Qwen4-Max vs. Nemotron 3.5 Super: Den einen mietet man pro Token, den anderen kauft man pro Gigabyte.
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 90 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 96 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNEUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 87 tok/s
- OrcaNEUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 133 tok/s
- OrcaNEUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 pro 1 Mio. Tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 pro 1 Mio. Tokens · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenz
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenz
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 pro 1 Mio. Tokens · 219 tok/s
Die beiden Modelle in diesem Vergleich konkurrieren nicht um dieselbe Budgetlinie. Qwen4-Max wird seit dem 16. November 2026 pro Token abgerechnet, und zwar in Singapur mit 1,50 $ pro Million Eingabe- und 4,50 $ pro Million Ausgabetokens, und es ist geschlossen – keine Gewichte, kein Download, kein Self-Hosting, niemals. NVIDIA Nemotron 3.5 Super VL ist seit dem 12. Oktober 2026 unter OpenMDW-1.1 als 248,94-GB-BF16-Checkpoint oder als 75,06-GB-NVFP4-Checkpoint herunterladbar, mit 120 Milliarden Parametern, von denen 12 Milliarden aktiv sind, und der vom unabhängigen Tracker gemessene gehostete Listenpreis beträgt 0,20 $ für Eingabe und 0,50 $ für Ausgabe pro Million. Im Index erreicht Qwen4-Max 43 gegenüber 14 bei Nemotron 3.5 Super VL. Bei den Kosten pro abgeschlossener Aufgabe nennt der Tracker 3,27 $ gegenüber 0,56 $. Zusammengenommen beschreiben diese vier Zahlen eine Fähigkeitslücke von 29 Punkten, eine Preisdifferenz von 92 % zugunsten des offenen Modells und eine Entscheidung, bei der es eigentlich darum geht, ob man einen Endpunkt oder eine Datei möchte.
Die Lizenz ist die erste Zeile, nicht die letzte.
Die meisten Vergleiche zwischen einem geschlossenen chinesischen Flaggschiff und einem offenen NVIDIA-Release behandeln Lizenzierung als Fußnote. Hier bestimmt sie, was die anderen Zeilen überhaupt bedeuten können.
• Gewichte — Qwen4-Max: keine veröffentlicht, und Alibaba hat nicht gesagt, dass es für diese Stufe welche veröffentlichen wird, sondern nur, dass kleinere Qwen4-Modelle derselben Modelllinie als Open Source bereitgestellt werden. Nemotron 3.5 Super VL: BF16- und NVFP4-Builds auf Hugging Face, erstmals erstellt am 12. Oktober 2026, gefolgt von NVIDIAs eigener Ankündigung am 15. Oktober.
• Lizenz — OpenMDW-1.1 auf der NVIDIA-Seite, das kommerzielle Nutzung und Post-Training mit eigenen Daten erlaubt. Alibaba wiederum bietet eine kommerzielle API-Vereinbarung mit tokenbasierter Abrechnung, bei der außer den Nutzungsbedingungen nichts zu akzeptieren ist.
• {{1}}Feinabstimmung{{/1}} — bei Nemotron 3.5 Super VL möglich, und das NVIDIA-Datenblatt nennt Anpassung und Domänenadaption als vorgesehenen Einsatzzweck. Bei Qwen4-Max wird sie zu keinem Preis angeboten; in der Auflistung der Fähigkeiten gibt es keinen Fine-Tuning-Endpunkt.
• Bereitstellungsform — die eine ist ein gehosteter Endpoint in sechs Regionen, den Sie über vier Wire-Formate erreichen. Die andere ist eine Reihe von Gewichten, für die Sie GPUs finden müssen, plus ein Inferenz-Stack, plus der Betriebsaufwand, der mit beidem einhergeht.
• Was Sie mit keinem von beiden tun können – Qwen4-Maxs Gewichte kaufen oder Nemotron 3.5 Super VL unter der Annahme aufrufen, dass NVIDIA es nächstes Jahr noch bereitstellt. Das Zweite ist der Open-Weights-Vorteil, negativ formuliert: Niemand kann Gewichte zurückziehen, die Sie bereits haben.
Diese Asymmetrie ist der Grund, warum ein direkter Indexvergleich hier nahezu nutzlos ist. Die Kluft zwischen 43 und 14 bepreist die Leistungsfähigkeit, und die fehlende Zeile bepreist die Optionalität, und Optionalität ist genau das, was das offene Modell tatsächlich verkauft.
14 gegen 26 lesen: Der Index hat sich unter diesem Modell verschoben.
Es gibt eine Feinheit, die es wert ist, benannt zu werden, denn sie wird jeden verwirren, der die heutigen Zahlen mit der Berichterstattung von Oktober vergleicht. Artificial Analysis bewertete Nemotron 3.5 Super VL bei der ersten Auswertung mit 26, und der aktuelle Eintrag im Intelligence Index v5.0.1 steht bei 14. Beide Zahlen stehen auf den eigenen Seiten des Trackers; sie sind nicht miteinander vergleichbar, weil sich die Indexrevision unter dem Modell geändert hat. Was ein Leser daraus mitnehmen sollte, ist eng begrenzt: Innerhalb von v5.0.1 werden Nemotron 3.5 Super VL mit 14 und Qwen4-Max mit 43 von einem Harness auf einer Revision gemessen und können auf eine Linie gesetzt werden. Die 26 ist ein historisches Artefakt eines anderen Bewertungsrasters, und die beiden nebeneinander zu zitieren, als wäre das Modell um zwölf Punkte zurückgefallen, wäre falsch.
Der übrige Nemotron-Eintrag des Trackers ist für ein offenes Modell ungewöhnlich informativ, weil dafür Hosting-Preise vorliegen. Er verzeichnet 0,20 $ und 0,50 $ pro Million Token, einen Cache-Rabatt von 95 %, eine Ausgabegeschwindigkeit von 274 Token pro Sekunde, 13,44 Sekunden bis zum ersten Antwort-Token, 5,0 Minuten pro Indexierungsaufgabe, 1 Mio. Token Kontext und durchschnittlich 0,56 $ pro abgeschlossener Indexierungsaufgabe bei 119 Millionen generierten Ausgabe-Token. Die Beschreibung ist in beide Richtungen freimütig: unter den führenden Modellen hinsichtlich Intelligenz bei Open-Weight-Modellen ähnlicher Größe, pro Aufgabe langsamer als der Durchschnitt, sehr wortreich.
Die Spalte von Qwen4-Max enthält keine Geschwindigkeit, keine Latenz und keine Zeit pro Aufgabe – auf der Leistungskarte steht N/A. Sie enthält 43, einen Rang von 38 von 81, 1,50 $ und 4,50 $ sowie 127 Millionen Ausgabe-Tokens. Die Ausführlichkeit ist mit der von Nemotron vergleichbar, wodurch der Unterschied bei den Kosten pro Aufgabe fast ausschließlich ein Preisunterschied und kein Verhaltensunterschied ist: Bei etwa einem Neuntel des Preises pro Token für die Ausgabe erledigt das offene Modell Aufgaben zu einem Sechstel der Kosten und erzielt dabei 29 Punkte weniger.

Was 120B mit 12B aktiven Parametern tatsächlich bringt
Nemotron 3.5 Super VL ist ein Mixture-of-Experts mit 120 Milliarden Gesamtparametern und 12 Milliarden aktiven pro Token – die Zahl, die die Inferenzkosten bestimmt, wenn man es selbst hostet. Es nimmt Text und Bilder entgegen und gibt Text zurück. Sein Sprach-Backbone wurde von Nemotron 3 Super Base initialisiert, einem reinen Textmodell, wobei der Vision-Pfad anschließend hinzugefügt wurde – ein C-RADIO-Encoder und ein Connector, die als eigene Trainingsphase installiert wurden, nachdem Grundlagentraining, Destillation, kontinuierliches Indic-Pretraining, Long-Context-Erweiterung und Software-Engineering-Midtraining alle abgeschlossen waren. Qwen4-Max ist der entgegengesetzte Aufbau: ein Backbone mit 2,4 Billionen Parametern und 71 Milliarden aktiven pro Token, native Vision von Anfang an, 328 Milliarden weitere N-gram-Embedding-Parameter, die nachgeschlagen statt multipliziert werden, und ein Kontextpfad, der auf drei Gated-DeltaNet-Schichten aufbaut, die den Verlauf für jede Qwen-Sparse-Attention-Schicht komprimieren.
Eine dieser Architekturen wurde um Bilder herum entworfen. Bei der anderen wurden Bilder nachträglich angeflanscht. Ob sich dieser Unterschied in Ihrer Workload zeigt, ist eine empirische Frage, aber die Richtung des Risikos ist erkennbar: Ein nachgerüsteter Vision-Pfad ist der Punkt, an dem eine Dokumentenextraktions-Pipeline ihre erste Regression findet, und die eigene Modellkarte des Anbieters deutet in dieselbe Richtung, mit einem IFBench-Score von 70,86 bei lockeren Prompts gegenüber 82,9 für das größere Nemotron 3 Ultra.
Die Hosting-Arithmetik ist die andere Hälfte. NVIDIA veröffentlicht zwei Checkpoints: 248,94 GB in BF16 und 75,06 GB in NVFP4 – eine Differenz von 173,88 GB für ungefähr ein Drittel des Speicherplatz- und Arbeitsspeicher-Footprints. Der NVFP4-Build ist derjenige, der auf einen einzelnen Knoten moderner Beschleuniger statt auf einen Cluster passt, und es ist NVIDIAs eigener Checkpoint statt einer Quantisierung von Drittanbietern, was zählt, wenn man die veröffentlichten Zahlen des Anbieters reproduzieren möchte. Mit 12 Milliarden aktiven Parametern pro Token wird die Durchsatzfrage zu einer Frage Ihrer Batch-Größe und Ihrer GPU, nicht einer Preisliste – genau die Freiheit, die die offene Lizenz erkauft, und genau die Arbeit, die sie kostet.

Wenn der 29-Punkte-Abstand nicht mehr die entscheidende Zahl ist
Drei Workloads machen das offene Modell trotz weniger als einem Drittel der Punktzahl von Qwen4-Max zur besseren Kaufentscheidung.
• Regulierte oder air-gapped Deployments – bei denen nicht der Preis die Frage ist, sondern ob Daten das Gebäude verlassen dürfen, und ein gemieteter Endpoint schon disqualifiziert ist, bevor der Index überhaupt konsultiert wird. Nemotron 3.5 Super VL mit 75,06 GB NVFP4 ist ein plausibles On-Premise-Modell; Qwen4-Max gibt es nicht in On-Premise-Form.
• Klassifizierung, Routing und Extraktion mit hohem Volumen – wo 14 auf einem allgemeinen Index noch ausreichen können, Ausgabelängen durch ein Schema festgelegt sind und 274 Token pro Sekunde bei 0,20 $ pro Million Eingabetoken um eine Größenordnung günstiger sind als alles, was zu Frontier-Tarifen abgerechnet wird.
• Alles, was aus Ihren Daten lernen muss – ein Fine-Tuning auf Ihren eigenen Bildern und Dokumenten ist auf der einen Seite verfügbar und auf der anderen bei beliebigem Budget nicht, und kein Prompt-Engineering kann es ersetzen, wenn das Domänenvokabular ausschließlich Ihres ist.
Und drei Punkte, die Qwen4-Max trotzdem zur richtigen Antwort machen: langfristig angelegte agentische Arbeit, bei der sich die Score-Lücke direkt in fehlgeschlagenen mehrstufigen Aufgaben niederschlägt; Anfragen, die einige hunderttausend Token überschreiten und einen Kontext für eine einzelne Anfrage ohne Chunking benötigen; und jedes Team, das strukturierte Ausgaben, paralleles Tool-Calling und Caching heute von einem Endpoint will statt eines Inferenz-Stacks im nächsten Quartal. Qwen4-Max veröffentlicht außerdem beide seine Eingabeobergrenzen – 991.808 Token im Non-Thinking-Modus, 983.616 im Thinking-Modus –, eine Art Zahl, für deren Entdeckung ein Self-Hosting-Team eine Woche braucht.
Was keines dieser beiden ist und was tatsächlich routbar ist
Keines der beiden Modelle ist mit Stand 16. November 2026 im Katalog von OrcaRouter. Qwen4-Max ist über Alibabas eigene Model-Studio-API und mehrere Drittplattformen erreichbar; bei Nemotron 3.5 Super VL handelt es sich um herunterladbare Gewichte plus eine Handvoll gehosteter Anbieter. Eine Vergleichsseite, die suggerierte, eines der beiden sei nur einen API-Schlüssel entfernt, würde in Bezug auf den erforderlichen Aufwand lügen.
Was hier geroutet wird, ist die vorherige Generation der geschlossenen Seite: qwen/qwen3.8-max zu $2.00 pro Million Input-Token und $6.00 pro Million Output-Token, der Listenpreis des Anbieters ohne Aufschlag weitergegeben (0 % Markup), auf demselben Schlüssel und demselben OpenAI-kompatiblen Endpoint wie der Rest des Katalogs. Für ein Team, das diese Gegenüberstellung bewertet, ist das die nützliche Zwischenposition — messen Sie Ihre Workload gegen ein geroutetes Qwen-Flaggschiff, das Sie heute aufrufen können, und nutzen Sie diese Zahl, um zu entscheiden, ob der Schritt nach oben zum Qwen4-Max einen zweiten Vertrag rechtfertigt, statt die Integration zu kaufen, bevor Sie die Belege dafür haben.

Der Weg, der es in der Praxis meist entscheidet, ist überhaupt nicht das Flaggschiff. Eine Pipeline mit hohem Durchsatz läuft tendenziell auf eine Aufteilung hinaus: ein günstiges Modell, das Sortierung und Extraktion übernimmt, ein starkes Modell, das den letzten Durchgang macht, und ein Fallback für den Tag, an dem das primäre Modell einen schlechten Nachmittag hat. OrcaRouters Routing-DSL existiert, um diese Aufteilung in einem einzigen Aufruf statt in drei Integrationen auszudrücken, und automatisches Failover existiert, damit man sich auf die günstige Hälfte gefahrlos verlassen kann. Keines der beiden Modelle in diesem Beitrag ist bereits auf diesem Weg; das Muster lohnt sich zu kennen, denn genau dort landet ein Duell wie dieses üblicherweise.
Der Test, der die Entscheidung bringt, und was er kostet
Führe 200 deiner eigenen härtesten Aufgaben durch beide laufen. Nicht die Hersteller-Benchmarks, nicht der Index – deine Aufgaben, mit deinen Ausgabelängen.
Bepreise den Qwen4-Max-Arm mit 1,50 $ und 4,50 $ pro Million gemessener Tokens und weise darauf hin, dass das Modell keine veröffentlichte Geschwindigkeit hat, sodass du die Latenz selbst messen oder akzeptieren musst, dass du etwas Unbekanntes kaufst. Bepreise den Nemotron-Arm auf zwei Arten: mit den gehosteten 0,20 $ und 0,50 $, wenn du den günstigen Vergleich willst, und mit deinen eigenen GPU-Stundenkosten geteilt durch bediente Tokens, wenn du Self-Hosting ernst meinst, denn der gehostete Satz ist die Auslastungskurve von jemand anderem und wird nicht deine sein. Sieh dir dann die Ausfälle statt der Durchschnittswerte an, da sich eine Indexlücke von 29 Punkten als Aufgaben zeigt, die überhaupt nicht abgeschlossen werden, nicht als Aufgaben, die etwas schlechter abgeschlossen werden.
Die Antwort, auf die die meisten Teams kommen, ist kein Sieger, sondern eine Aufteilung: das offene Modell für das Volumen und die regulierten Daten, das nutzungsabhängig abgerechnete Flaggschiff für die Arbeit, bei der eine teilweise Antwort wertlos ist. Das ist eine teurere Architektur als jede der beiden Einzelentscheidungen, und sie ist meist die richtige – weshalb auch die Lizenzierungszeile zuerst und die Indexzeile als zweite gelesen werden sollte und weshalb der Hosting-Preis von 0,20 $ für ein Modell, das niemand außer Betrieb nehmen muss, die interessanteste Zahl in diesem Vergleich ist.
