
Qwen4-Max vs Nemotron 3.5 Super: uno se alquila por token, otro se compra por gigabyte
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 96 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 219 tok/s
Los dos modelos de esta comparación no compiten por la misma partida de un presupuesto. Qwen4-Max se factura por token desde el 16 de noviembre de 2026 a $1.50 por millón de entrada y $4.50 por millón de salida en Singapur, y es cerrado: sin pesos, sin descarga, sin autoalojamiento, nunca. NVIDIA Nemotron 3.5 Super VL se puede descargar desde el 12 de octubre de 2026 bajo OpenMDW-1.1 como un checkpoint BF16 de 248.94 GB o uno NVFP4 de 75.06 GB, con 120 mil millones de parámetros, de los cuales 12 mil millones están activos, y el precio de lista alojado que el rastreador independiente mide para él es de $0.20 de entrada y $0.50 de salida por millón. En el índice, Qwen4-Max obtiene 43 frente a 14 de Nemotron 3.5 Super VL. En costo por tarea completada, el rastreador indica $3.27 frente a $0.56. Leídos en conjunto, esos cuatro números describen una brecha de capacidad de 29 puntos, una brecha de precio del 92 % a favor del modelo abierto y una decisión que en realidad consiste en si quieres un endpoint o un archivo.
La licencia es la primera fila, no la última.
La mayoría de las comparaciones entre un buque insignia cerrado chino y un lanzamiento abierto de NVIDIA tratan el licenciamiento como una nota al pie. Aquí determina lo que las demás filas pueden siquiera significar.
• Pesos — Qwen4-Max: ninguno publicado, y Alibaba no ha dicho que vaya a publicar ninguno para este nivel, solo que los modelos Qwen4 más pequeños se abrirán como código abierto en la misma línea. Nemotron 3.5 Super VL: compilaciones BF16 y NVFP4 en Hugging Face, creadas por primera vez el 12 de octubre de 2026, y el anuncio propio de NVIDIA llegó después, el 15 de octubre.
• Licencia — OpenMDW-1.1 por parte de NVIDIA, que permite el uso comercial y el entrenamiento posterior con sus propios datos. Por parte de Alibaba, se trata de un acuerdo de API comercial con medición por token y nada que aceptar más allá de los términos del servicio.
• Ajuste fino — posible en Nemotron 3.5 Super VL, y la ficha de NVIDIA indica que su uso previsto es la personalización y la adaptación al dominio. No se ofrece a ningún precio en Qwen4-Max; no hay ningún endpoint de ajuste fino en su listado de capacidades.
• Forma de despliegue: una es un endpoint alojado en seis regiones al que accedes mediante cuatro formatos de conexión. La otra es un conjunto de pesos para los que tienes que conseguir GPUs, más un stack de inferencia, más el trabajo operativo que conllevan ambos.
• Lo que no puedes hacer con ninguno de los dos — comprar los pesos de Qwen4-Max, o llamar a Nemotron 3.5 Super VL asumiendo que NVIDIA seguirá sirviéndolo el año que viene. Lo segundo es la ventaja de los pesos abiertos formulada en negativo: nadie puede retirar unos pesos que ya tienes.
Esa asimetría es la razón por la que una comparación directa de índices es casi inútil aquí. La brecha de 43 frente a 14 valora la capacidad, y la fila faltante valora la opcionalidad, y la opcionalidad es lo que el modelo abierto vende en realidad.
Lectura 14 frente a 26: el índice se movió bajo este modelo.
Hay un detalle que vale la pena señalar, porque confundirá a cualquiera que compare las cifras actuales con la cobertura de octubre. Artificial Analysis calificó a Nemotron 3.5 Super VL con 26 cuando lo evaluó por primera vez, y la entrada actual en Intelligence Index v5.0.1 indica 14. Ambas cifras están en las propias páginas del tracker; no son comparables entre sí, porque la revisión del índice cambió por debajo del modelo. Lo que un lector debe extraer de ello es limitado: dentro de v5.0.1, Nemotron 3.5 Super VL con 14 y Qwen4-Max con 43 se miden con un mismo harness en una misma revisión y pueden situarse en una misma línea. El 26 es un artefacto histórico de una rúbrica distinta, y citar ambas cifras una al lado de la otra como si el modelo hubiera retrocedido doce puntos sería incorrecto.
El resto de la entrada de Nemotron del tracker es inusualmente informativa para un modelo abierto, porque existen precios de alojamiento para él. Registra $0,20 y $0,50 por millón de tokens, un descuento de caché del 95 %, una velocidad de salida de 274 tokens por segundo, 13,44 segundos hasta el primer token de respuesta, 5,0 minutos por tarea de indexación, 1 M de tokens de contexto y un promedio de $0,56 por tarea de indexación completada sobre 119 millones de tokens de salida generados. La descripción es sincera en ambos sentidos: entre los modelos líderes en inteligencia para modelos de pesos abiertos de tamaño similar, más lento que el promedio por tarea, muy verboso.
La columna de Qwen4-Max no tiene velocidad, ni latencia, ni tiempo por tarea: la tarjeta de rendimiento muestra N/A. Tiene 43, un rango de 38 de 81, $1.50 y $4.50, y 127 millones de tokens de salida. La verbosidad es comparable a la de Nemotron, lo que hace que la diferencia de coste por tarea sea casi enteramente una diferencia de precio en lugar de una de comportamiento: a aproximadamente una novena parte de la tarifa por token en salida, el modelo abierto completa las tareas a un sexto del coste mientras obtiene 29 puntos menos.

Qué te aporta realmente 120B con 12B activos
Nemotron 3.5 Super VL es una mezcla de expertos con 120 mil millones de parámetros totales y 12 mil millones activos por token, que es la cifra que determina el coste de inferencia cuando lo alojas tú mismo. Recibe texto e imágenes y devuelve texto. Su columna vertebral lingüística se inicializó a partir de Nemotron 3 Super Base, un modelo solo de texto, con la ruta de visión añadida después: un codificador C-RADIO y un conector instalados como una etapa de entrenamiento distinta después de que hubieran finalizado por completo el entrenamiento fundacional, la destilación, el preentrenamiento continuado en idiomas indic, la extensión de contexto largo y el entrenamiento intermedio en ingeniería de software. Qwen4-Max es la construcción opuesta: una columna vertebral de 2,4 billones de parámetros con 71 mil millones activos por token, visión nativa desde el principio, 328 mil millones de parámetros de embedding N-gram adicionales que se consultan en lugar de multiplicarse, y una ruta de contexto construida sobre tres capas Gated DeltaNet que comprimen el historial para cada capa de Qwen Sparse Attention.
Una de esas arquitecturas se diseñó en torno a las imágenes. A la otra se le injertaron las imágenes a posteriori. Que esa diferencia se manifieste en tu carga de trabajo es una cuestión empírica, pero la dirección del riesgo se puede conocer: una ruta de visión añadida a posteriori es donde un pipeline de extracción de documentos encuentra su primera regresión, y la propia ficha del proveedor apunta en la misma dirección, con una puntuación de 70.86 en IFBench con prompts laxos frente a 82.9 del Nemotron 3 Ultra, de mayor tamaño.
La aritmética del alojamiento es la otra mitad. NVIDIA publica dos checkpoints: 248,94 GB en BF16 y 75,06 GB en NVFP4, una diferencia de 173,88 GB para aproximadamente un tercio de la huella de almacenamiento y memoria. La versión NVFP4 es la que cabe en un solo nodo de aceleradores modernos en lugar de en un clúster, y es el checkpoint propio de NVIDIA en vez de una cuantización de terceros, lo cual importa si te interesa reproducir las cifras publicadas por el proveedor. Con 12 mil millones de parámetros activos por token, la cuestión del rendimiento pasa a depender de tu tamaño de lote y de tu GPU, no de una tarifa — que es exactamente la libertad que compra la licencia abierta y exactamente el trabajo que cuesta.

Cuando la diferencia de 29 puntos deja de ser la cifra decisiva
Tres cargas de trabajo hacen que el modelo abierto sea la mejor compra pese a obtener menos de un tercio de la puntuación de Qwen4-Max.
• Implementaciones reguladas o aisladas (air-gapped) — donde la cuestión no es el precio, sino si los datos pueden salir del edificio, y un endpoint alquilado queda descartado antes de consultar el índice. Nemotron 3.5 Super VL con 75,06 GB en NVFP4 es un modelo on-premise plausible; Qwen4-Max no tiene variante on-premise.
Clasificación, enrutamiento y extracción de gran volumen — donde un 14 en un índice general todavía puede ser suficiente, las longitudes de salida están fijadas por un esquema y 274 tokens por segundo a $0.20 por millón de entrada son un orden de magnitud más baratos que cualquier cosa medida a tarifas de frontera.
Cualquier cosa que necesite aprender de tus datos —un ajuste fino con tus propias imágenes y documentos está disponible en un lado y no está disponible en el otro con cualquier presupuesto—, y ninguna cantidad de ingeniería de prompts lo sustituye cuando el vocabulario del dominio es exclusivamente tuyo.
Y tres que, de todos modos, convierten a Qwen4-Max en la respuesta correcta: trabajo agéntico de horizonte largo, donde la diferencia de puntuación se traduce directamente en tareas fallidas de varios pasos; solicitudes que superan unos cientos de miles de tokens y necesitan un contexto de una sola solicitud sin fragmentación; y cualquier equipo que quiera salida estructurada, llamada paralela de herramientas y almacenamiento en caché desde un endpoint hoy, en lugar de una pila de inferencia el próximo trimestre. Qwen4-Max también publica ambos límites máximos de entrada —991,808 tokens en modo sin pensamiento y 983,616 en modo con pensamiento—, que es el tipo de cifra que un equipo de autoalojamiento tarda una semana en descubrir.
Lo que ninguno de estos dos es, y lo que en realidad es enrutable
Ninguno de los dos modelos figura en el catálogo de OrcaRouter a fecha de 16 de noviembre de 2026. Se puede acceder a Qwen4-Max a través de la propia API Model Studio de Alibaba y de varias plataformas de terceros; Nemotron 3.5 Super VL consiste en pesos descargables y un puñado de proveedores alojados. Una página comparativa que diera a entender que cualquiera de los dos está a una sola clave de API de distancia estaría mintiendo sobre el esfuerzo que ello implica.
Lo que se enruta aquí es la generación anterior del lado cerrado: qwen/qwen3.8-max a $2.00 de entrada y $6.00 de salida por millón de tokens, el precio de lista del proveedor repercutido con un 0 % de margen, con la misma clave y el mismo endpoint compatible con OpenAI que el resto del catálogo. Para un equipo que evalúa esta comparativa, esa es la posición intermedia útil: mida su carga de trabajo frente a un buque insignia de Qwen enrutado al que puede llamar hoy, y use ese número para decidir si el salto a Qwen4-Max merece un segundo contrato, en lugar de comprar la integración antes de tener la evidencia.

La ruta que suele decidirlo en la práctica no es en absoluto el modelo insignia. Una canalización de alto volumen tiende a acabar dividida: un modelo barato que hace la clasificación y la extracción, un modelo potente que hace la pasada final, y un respaldo para el día en que el principal tiene una mala tarde. El DSL de enrutamiento existe en OrcaRouter para expresar esa división en una sola llamada en lugar de tres integraciones, y existe la conmutación por error automática para que sea seguro depender de la mitad barata. Ninguno de los dos modelos de este artículo está todavía en esa ruta; vale la pena conocer el patrón porque es donde suele acabar un enfrentamiento como este.
La prueba que lo zanja, y lo que cuesta
Ejecuta 200 de tus propias tareas más difíciles por ambos. No los benchmarks del proveedor, no el índice — tus tareas, con tus longitudes de salida.
Fija el precio del brazo Qwen4-Max en $1,50 y $4,50 por millón de tokens medidos, y ten en cuenta que el modelo no tiene una velocidad publicada, así que mide la latencia por tu cuenta o acepta que estás comprando algo desconocido. Fija el precio del brazo Nemotron de dos maneras: con las tarifas alojadas de $0,20 y $0,50 si quieres la comparación barata, y con tu propio costo por hora de GPU dividido entre los tokens servidos si te tomas en serio el autohospedaje, porque la tarifa alojada es la curva de utilización de otra persona y no será la tuya. Luego mira los fallos en lugar de los promedios, ya que una brecha de 29 puntos en el índice se manifiesta como tareas que no se completan en absoluto, no como tareas que se completan algo peor.
La respuesta a la que llegan la mayoría de los equipos no es un ganador, sino una división: el modelo abierto para el volumen y los datos sujetos a regulación, el buque insignia con tarifa por uso para el trabajo donde una respuesta parcial no vale nada. Esa es una arquitectura más cara que cualquiera de las dos opciones por separado, y por lo general es la correcta — que también es la razón por la que la fila de licencias merece leerse primero y la fila del índice después, y por la que la tarifa alojada de $0.20 para un modelo que nadie tiene que retirar es el número más interesante de esta comparación.
Comparados en este artículo1
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
