Una tarjeta de título generada encabezada por «Qwen4-Max vs Nemotron 3.5 Bolt 74B» con una banda que dice «No existe ningún benchmark independiente compartido», una tarjeta izquierda que lista a Qwen4-Max como una API alojada con un contexto de 1.000.000 de tokens, 1,50 $ de entrada y 4,50 $ de salida por millón de tokens, un índice de inteligencia de 43 y pesos no publicados, y una tarjeta derecha que lista a Nemotron 3.5 Bolt 74B como un checkpoint que se descarga con un contexto de 262.144 tokens, una huella de 24 GB a 2,06 bits, un índice de inteligencia de N/A y la licencia OpenMDW-1.1.
Guides & Insights

Qwen4-Max vs Nemotron 3.5 Bolt 74B: Falta un número en esta comparación

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

Si pones Qwen4-Max y NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB lado a lado, lo primero que notas es que los sitios de comparación no tienen nada que comparar. BenchLM lo dice sin rodeos —aún no hay resultados de benchmark compartidos— y luego te invita a mirar el precio en su lugar. La razón es estructural y no temporal: Qwen4-Max obtiene 43 en el Artificial Analysis Intelligence Index v5.0.1, y Nemotron 3.5 Bolt 74B-A9B 24GB no tiene ninguna puntuación en el Intelligence Index. No es una puntuación baja. Es N/A, en una tabla que lleva ejecutando modelos desde antes de que cualquiera de los dos se lanzara, porque el modelo no tiene una API disponible públicamente y el arnés independiente no tiene nada que llamar.

Esa única ausencia reorganiza todo lo demás de la comparación. No se puede clasificar un checkpoint de 74 mil millones de parámetros que cabe en 24 gigabytes frente a un modelo alojado de 2,4 billones de parámetros colocando sus cifras en celdas contiguas, porque solo uno de ellos tiene cifras. Lo que sí se puede hacer —y lo que las páginas agregadoras no hacen— es separar las afirmaciones que hace cada proveedor, anotar quién las midió y determinar en qué columna se basa realmente la decisión. Resulta que eso tiene menos que ver con la capacidad que con si compras un archivo o alquilas un servicio.

Uno es un archivo, el otro es un medidor

NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB se lanzó el 15 de octubre de 2026 y está disponible en Hugging Face como pesos descargables bajo OpenMDW-1.1, una licencia que permite el uso comercial. Es un modelo híbrido Mamba-Transformer de mezcla de expertos: 74 mil millones de parámetros en total y 9 mil millones activos por token. El «24GB» del nombre es la clave de todo el ejercicio. NVIDIA lo construyó comprimiendo su modelo matriz 120B-A12B con un marco de búsqueda guiado por router que denomina Star Elastic, reduciendo el top-K de expertos de 22 a 9 y aplicando después destilación con reconocimiento de cuantización para que las capas de expertos queden en 2,0625 bits. Incluye además un modelo de borrador especulativo de 1130 millones de parámetros, con longitudes medias de aceptación de 4,68 en decodificación codiciosa y 4,25 en muestreo. El entorno de ejecución recomendado es vLLM en Ampere, Hopper o Blackwell, con un tamaño de paralelismo tensorial de uno.

Qwen4-Max es la construcción opuesta, y no solo por el tamaño. El buque insignia de cuarta generación de Alibaba estuvo disponible de forma general el 16 de noviembre de 2026 a $1.50 por millón de tokens de entrada y $4.50 por millón de salida en Singapur, con una ventana de contexto de 1,000,000 de tokens, entrada nativa de imágenes y video, y tres niveles de razonamiento configurables. No se publica ningún checkpoint. El ajuste fino, el despliegue de modelos y la inferencia por lotes figuran como no compatibles en la documentación de Model Studio. Todos los endpoints que lo sirven sirven el despliegue de Alibaba.

Así que los dos modelos no compiten por el mismo espacio en tu arquitectura. Uno es algo que ejecutas; el otro es algo que llamas. Cualquier comparación que no parta de ahí está midiendo lo equivocado.

La tabla del proveedor compara Bolt con un Qwen que no es este.

La propia tabla de benchmarks de NVIDIA es el conjunto de cifras mejor documentado de cualquiera de los dos lados, y merece la pena leerla con atención por lo que no contiene. Sus columnas de comparación son Qwen3.6-35B-A3B en BF16, Gemma 4 26B-A4B-IT en BF16 y Nemotron 3.5 Lightning 30B-A3B. Qwen4-Max no aparece en la tabla. El Qwen que mide la tabla es un modelo de pesos abiertos de 35.000 millones de parámetros de hace dos generaciones, y la razón es obvia una vez enunciada: el conjunto de comparación se define por la huella de memoria, y una API alojada de 2,4 billones de parámetros no tiene huella que comparar.

Lo que la tabla sí establece, todo ello reportado por el fabricante y sin reproducir, es que un archivo de 24 GB es competitivo con opciones locales mucho más grandes en trabajo agéntico. En las filas que NVIDIA eligió:

• BrowseComp — Nemotron 3.5 Bolt 74B 66.75, frente a 48.74 de Qwen3.6-35B-A3B y 26.30 de Gemma 4 26B-A4B

• Terminal-Bench 2.1 — 50.98, frente a 44.38 y 37.22

• WebArena en modo visión — 50.86, frente a 36.60 y 38.20

• GPQA Diamond — 86.43, frente a 83.40 y 79.61

• HLE sin herramientas — 25.30, frente a 19.56 y 17.42

• GDPVal-AA-V2 — 28.47, frente a 25.75 y 15.33

• MCP-Atlas — 52.20, frente a 51.20 y 48.4

• Tau3 Banking — 17,01, frente a 10,52 y 14,02

Screenshot of the Hugging Face model card for NVIDIA-Nemotron-3.5-Bolt-74B-A9B-24GB captured 19 November 2026, showing the 15 October 2026 release date, the 74B total and 9B active parameter configuration, a context length of up to 256K tokens, the OpenMDW-1.1 licence, and the vendor benchmark table comparing Bolt against Qwen3.6-35B-A3B, Gemma 4 26B-A4B-IT and Nemotron 3.5 Lightning 30B-A3B.

Las dos filas en las que pierde merecen mencionarse, porque las tablas de proveedores rara vez las incluyen. En precisión de AA-Omniscience, Gemma 4 26B-A4B obtiene 22,17 frente a los 16,90 de Bolt; en no alucinación de AA-Omniscience, Nemotron 3.5 Lightning lidera con 68,81 frente a los 61,27 de Bolt. La propiedad divulgada más débil de Bolt es saber cuándo no sabe.

La nota al pie importa tanto como las filas. NVIDIA registra MCP-Atlas en 51,20 para Qwen3.6-35B-A3B, al tiempo que señala que Qwen informa por sí mismo 62,8 en el mismo benchmark, medido sobre las 500 tareas públicas. Dos laboratorios, un benchmark, una diferencia de once puntos y medio. Eso no es un escándalo; es el aspecto que tienen las cifras reportadas por el proveedor cuando nadie en el medio ejecuta el arnés de evaluación para ambas partes. Que es precisamente el papel que desempeña el Intelligence Index para Qwen4-Max y que no puede desempeñar para Bolt.

Screenshot of the Artificial Analysis page for Nemotron 3.5 Bolt 74B-A9B captured 19 November 2026, showing the Intelligence Index, time per task, cost per task and verbosity panels reading N/A, 'No publicly available API' across the provider charts, and technical specifications listing 74B total parameters, 9B active, a 262k context window and the OpenMDW-1.1 licence.

Lo que dice el consejo independiente sobre Qwen4-Max — y por qué no resuelve nada

El registro independiente de Qwen4-Max es escaso, pero real. Artificial Analysis le otorga 43 en el Intelligence Index v5.0.1 y lo clasifica en el puesto 51 de 96 modelos en esa versión del tablero. Cuesta $3.27 de cómputo por tarea del índice, se sostiene al generar 127 millones de tokens de salida durante la ejecución frente a una mediana de 65,1 millones, y tarda 31,3 minutos por tarea frente a una mediana de 12,4. La velocidad de salida es de 56 tokens por segundo; el tiempo hasta el primer token de respuesta es de 146 segundos. La ventana de contexto del modelo en el tablero figura como 984k, que es el límite de entrada del modo de pensamiento de 983.616 redondeado, no un modelo diferente.

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, $3.27 cost per task, 127M output tokens from the index run, and $1.50/$4.50 per million token pricing with a 984k context window.

Lee esas filas como un perfil de despliegue y no como un veredicto. Un modelo que piensa durante media hora por tarea y emite el doble del recuento mediano de tokens no es lento porque se le esté dando un mal servicio; es lento porque hace más trabajo por tarea y te cobra por ese trabajo. Por tarea, $3.27 es el coste honesto de una respuesta de Qwen4-Max, y es la cifra que hay que llevar a cualquier comparación con un modelo que alojes tú mismo, donde el coste marginal de una tarea es la electricidad y el tiempo en cola.

Ahora intenta poner los 24 GB de Bolt al lado de eso. Tienes una tabla del proveedor que dice que supera a un Qwen de pesos abiertos de 35B en navegación agéntica, y tienes un panel independiente que dice que el Qwen alojado con el que en realidad se le compara obtiene 43 y cuesta 3,27 $ por tarea. Esos dos hechos no tienen nada que ver entre sí. Nadie ha pasado Nemotron 3.5 Bolt 74B por el Intelligence Index y, hasta que alguien lo haga, cualquier gráfico que sitúe los dos modelos en un eje de capacidad estará trazando una línea entre un punto medido y otro supuesto.

Donde la comparación es decidible: memoria, latencia y la factura

Tres filas se pueden comparar honestamente, porque ambas partes las publican y ninguna requiere a un tercero.

• Memoria — Nemotron 3.5 Bolt 74B-A9B 24GB necesita 24 gigabytes de memoria local con cuantización de expertos de 2,0625 bits; Qwen4-Max no necesita ninguna, porque nunca almacenas los pesos. La contrapartida es que el techo de memoria de un modelo alojado se convierte en un techo de contexto: 262.144 tokens para el checkpoint de NVIDIA, 1.000.000 para Qwen4-Max, con un límite de entrada de 983.616 tokens en modo de pensamiento y 262.144 compartidos entre el razonamiento y la respuesta.

• Velocidad — NVIDIA afirma que la decodificación alcanza al menos 80 tokens por segundo e informa 84 con el drafter; Artificial Analysis mide Qwen4-Max en 56 tokens por segundo, con 146 segundos hasta el primer token de respuesta. El modelo local es más rápido por token y empieza a responder antes. Es posible que el modelo alojado siga terminando la tarea más rápido, porque está haciendo una cantidad diferente de razonamiento.

• Precio: una tarea de Qwen4-Max cuesta $3.27 en el banco de pruebas independiente, o $1.50 y $4.50 por millón de tokens según el medidor. Nemotron 3.5 Bolt 74B no tiene ningún precio medido publicado, porque no hay ningún proveedor que lo venda. Su costo es lo que te cueste la GPU: una tarjeta de 24 GB que ya está en una estación de trabajo, amortizada entre todas las tareas que ejecutes con ella al mes.

Esa última fila es donde realmente reside la decisión, y es la razón por la que el planteamiento de «cuál es más inteligente» sigue fracasando. Si tu carga de trabajo es de un millón de turnos breves de agente al mes, el checkpoint local gana en economía unitaria por un margen que ninguna fila de benchmark puede superar, y el contexto de 262k es una restricción con la que hay que diseñar. Si tu carga de trabajo es de unos pocos miles de tareas de horizonte largo con vídeo en la entrada y un documento de 900.000 tokens adjunto, ningún checkpoint de 24GB responde siquiera a la pregunta, y los $3.27 por tarea de Qwen4-Max son la respuesta más barata disponible, no una cara.

Por qué la respuesta honesta es «ambas, para trabajos diferentes»

La resolución tentadora es declarar un ganador, y el SERP está lleno de páginas que hacen exactamente eso sin datos compartidos. Una resolución más útil es que estos dos modelos están convergiendo en la misma idea arquitectónica desde direcciones opuestas. Qwen4-Max es una mezcla dispersa de expertos que activa 71 mil millones de sus 2,4 billones de parámetros por token y se apoya en la eficiencia de tokens —la afirmación no reproducida del propio proveedor es que supera a Qwen3.8-Max usando hasta aproximadamente un 50% menos de tokens, con un costo promedio por tarea que cae de $4.43 a $1.67. Nemotron 3.5 Bolt 74B es una mezcla dispersa de expertos que activa 9 mil millones de sus 74 mil millones y se apoya en la compresión, comprando una huella de 24 GB con pesos de expertos de 2 bits y un pequeño modelo de borrador especulativo. Ambos son respuestas a la misma pregunta: ¿qué tan poca parte del modelo puedes tocar por token antes de que la calidad se desplome?

Ese planteamiento tiene una consecuencia práctica. Los equipos que más partido sacarán a cualquiera de las dos opciones son los que miden tokens por tarea terminada en lugar de tokens por segundo. En el lado local, eso significa vigilar la longitud de aceptación del drafter, porque un decodificador especulativo que acepta 4,68 tokens por paso con decodificación greedy y 4,25 con muestreo es de donde proviene tu rendimiento, y los ajustes de muestreo lo modifican. En el lado alojado, significa registrar los totales combinados de razonamiento más respuesta frente al límite de 262.144 tokens, porque el esfuerzo de razonamiento se establece por defecto en high y un cliente con formato OpenAI que solicita medium recibe high de forma silenciosa. Ninguna de las dos mediciones requiere un benchmark, y ambas son más informativas que una.

¿Qué lo zanjaría?

El número que falta es una ejecución del arnés. Si Nemotron 3.5 Bolt 74B-A9B 24GB se sometiera a Intelligence Index v5.0.1 en su cuantización tal como se distribuye, los dos modelos serían comparables en el único eje sobre el que se puede medir a ambos, y cada página de agregación que actualmente dice «aún no hay resultados de referencia compartidos» tendría algo que imprimir. NVIDIA ha publicado el checkpoint, el runtime es vLLM y las herramientas existen. Hasta que eso ocurra, lo útil es dejar de tratar esto como un enfrentamiento y empezar a tratarlo como una decisión de construir frente a comprar, con un costo documentado por un lado y una huella documentada por el otro.

En lo que respecta a nuestra propia parte de la balanza, y siendo precisos sobre la disponibilidad: OrcaRouter no enruta ninguno de estos dos modelos. Nemotron 3.5 Bolt 74B es una descarga que uno mismo sirve, y Qwen4-Max se alquila a Alibaba o mediante plataformas asociadas durante su actual ventana gratuita. El miembro de la familia Qwen que figura en nuestro catálogo es Qwen3.8-Max, a $2.00 de entrada y $6.00 de salida por millón de tokens con un contexto de 1M de tokens, que es la alternativa natural si quieres una sola clave para una pila mixta y un precio que siga la lista propia del proveedor en lugar de una reventa con sobreprecio. Para una decisión como esta —en la que los dos candidatos se sitúan en extremos opuestos del espectro de construir frente a comprar— lo útil que te ofrece un router no es un ganador. Es la capacidad de mantener abierta la vía alojada mientras descubres qué no puede hacer la vía local.

Si estás eligiendo este mes, elige en función de la restricción que no puedes mover. El contexto, la modalidad y el pago por tarea son las restricciones que Qwen4-Max debe satisfacer. La memoria, la operación sin conexión y el costo marginal cero por solicitud son las restricciones de Nemotron 3.5 Bolt 74B. La brecha de benchmark entre ellos es real, pero no es la brecha que decidirá tu arquitectura — y ninguna cantidad de tablas comparativas lado a lado la cerrará antes de que alguien ejecute el arnés.

Comparados en este artículo1

Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario