Une carte de titre générée intitulée « Qwen4-Max vs Nemotron 3.5 Bolt 74B » avec un bandeau indiquant « Aucun benchmark indépendant commun n'existe », une carte de gauche répertoriant Qwen4-Max comme API hébergée avec un contexte de 1 000 000 de tokens, 1,50 $ en entrée et 4,50 $ en sortie par million de tokens, un indice d'intelligence de 43 et des poids non publiés, et une carte de droite répertoriant Nemotron 3.5 Bolt 74B comme checkpoint à télécharger avec un contexte de 262 144 tokens, une empreinte de 24 Go à 2,06 bits, un indice d'intelligence de N/A et la licence OpenMDW-1.1.
Guides & Insights

Qwen4-Max vs Nemotron 3.5 Bolt 74B : un chiffre manque dans cette comparaison

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Placez Qwen4-Max et NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB côte à côte, et la première chose que l’on remarque, c’est que les sites de comparaison n’ont rien à comparer. BenchLM le dit clairement — aucun résultat de benchmark commun pour l’instant — puis vous invite à regarder plutôt le prix. La raison est structurelle et non temporaire : Qwen4-Max obtient 43 sur l’Artificial Analysis Intelligence Index v5.0.1, tandis que Nemotron 3.5 Bolt 74B-A9B 24GB n’a aucun score à l’Intelligence Index. Pas un score faible. N/A, sur un tableau qui évalue des modèles depuis avant même la sortie de l’un comme de l’autre, parce que le modèle n’a pas d’API publique disponible et que le banc d’évaluation indépendant n’a rien à appeler.

Cette seule absence réorganise tout le reste de la confrontation. On ne peut pas classer un checkpoint de 74 milliards de paramètres qui tient dans 24 gigaoctets face à un modèle hébergé de 2 400 milliards de paramètres en plaçant leurs chiffres dans des cellules adjacentes, car un seul des deux a des chiffres. Ce que l’on peut faire — et que les pages d’agrégateurs ne font pas —, c’est séparer les affirmations de chaque fournisseur, noter qui les a mesurées et déterminer sur quelle colonne la décision repose réellement. Il s’avère que cela tient moins à la capacité qu’à la question de savoir si l’on achète un fichier ou si l’on loue un service.

L’un est une lime, l’autre est un mètre.

NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB est sorti le 15 octobre 2026 et réside sur Hugging Face sous forme de poids téléchargeables sous OpenMDW-1.1, une licence qui autorise l’usage commercial. Il s’agit d’un mélange d’experts hybride Mamba-Transformer : 74 milliards de paramètres au total, 9 milliards actifs par token. Le « 24GB » dans le nom est tout l’intérêt de l’exercice. NVIDIA l’a construit en compressant son parent 120B-A12B avec un cadre de recherche guidé par routeur qu’il appelle Star Elastic, en réduisant le top-K des experts de 22 à 9, puis en appliquant une distillation consciente de la quantification afin que les couches d’experts tiennent à 2,0625 bits. Un drafter spéculatif de 1,13 milliard de paramètres l’accompagne, avec des longueurs d’acceptation moyennes de 4,68 en décodage glouton et de 4,25 en échantillonnage. Le runtime recommandé est vLLM sur Ampere, Hopper ou Blackwell, avec une taille de parallélisme tensoriel de un.

Qwen4-Max est la construction opposée, et pas seulement en raison de sa taille. Le fleuron de quatrième génération d’Alibaba est passé en disponibilité générale le 16 novembre 2026 à 1,50 $ par million de tokens d’entrée et 4,50 $ par million de tokens de sortie à Singapour, avec une fenêtre de contexte de 1 000 000 de tokens, une entrée native d’images et de vidéos, et trois niveaux de raisonnement configurables. Aucun checkpoint n’est publié. Le fine-tuning, le déploiement de modèles et l’inférence par lots sont tous indiqués comme non pris en charge dans la documentation de Model Studio. Chaque point de terminaison qui le sert sert le déploiement d’Alibaba.

Donc, les deux modèles ne sont pas en concurrence pour le même emplacement dans votre architecture. L’un est quelque chose que vous exécutez ; l’autre est quelque chose que vous appelez. Toute comparaison qui ne part pas de là mesure la mauvaise chose.

Le tableau du fournisseur compare Bolt à un Qwen qui n’est pas celui-ci

Le propre tableau de benchmarks de NVIDIA est l’ensemble de chiffres le mieux documenté des deux côtés, et il vaut la peine de le lire attentivement en raison de ce qu’il ne contient pas. Ses colonnes de comparaison sont Qwen3.6-35B-A3B en BF16, Gemma 4 26B-A4B-IT en BF16 et Nemotron 3.5 Lightning 30B-A3B. Qwen4-Max ne figure pas dans le tableau. Le Qwen mesuré dans le tableau est un modèle à poids ouverts de 35 milliards de paramètres, de deux générations antérieures, et la raison est évidente une fois énoncée : l’ensemble de comparaison est défini par l’empreinte mémoire, et une API hébergée de 2,4 billions de paramètres n’a pas d’empreinte à comparer.

Ce que le tableau établit bel et bien, l’ensemble étant rapporté par le fournisseur et non reproduit, c’est qu’un fichier de 24 Go est compétitif avec des options locales bien plus grandes sur les tâches agentiques. Sur les lignes que NVIDIA a choisies :

• BrowseComp — Nemotron 3.5 Bolt 74B 66,75, contre 48,74 pour Qwen3.6-35B-A3B et 26,30 pour Gemma 4 26B-A4B

• Terminal-Bench 2.1 — 50.98, contre 44.38 et 37.22

• WebArena en mode vision — 50,86, contre 36,60 et 38,20

• GPQA Diamond — 86,43, contre 83,40 et 79,61

• HLE sans outils — 25,30, contre 19,56 et 17,42

• GDPVal-AA-V2 — 28,47, contre 25,75 et 15,33

• MCP-Atlas — 52,20, contre 51,20 et 48,4

• Tau3 Banking — 17,01, contre 10,52 et 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.

Les deux lignes où il est perdant méritent d’être citées, car les tableaux des fournisseurs les incluent rarement. Sur la précision AA-Omniscience, Gemma 4 26B-A4B obtient 22,17 contre 16,90 pour Bolt ; sur la non-hallucination AA-Omniscience, Nemotron 3.5 Lightning est en tête avec 68,81 contre 61,27 pour Bolt. La caractéristique divulguée la plus faible de Bolt est de savoir quand il ne sait pas.

La note de bas de page compte autant que les lignes. NVIDIA consigne MCP-Atlas à 51,20 pour Qwen3.6-35B-A3B tout en notant que Qwen lui-même rapporte 62,8 sur le même benchmark, mesuré sur les 500 tâches publiques. Deux laboratoires, un benchmark, un écart de onze points et demi. Ce n'est pas un scandale ; c'est à quoi ressemblent les chiffres rapportés par les fournisseurs quand personne au milieu n'exécute le harness pour les deux parties. C'est précisément le rôle que joue l'Intelligence Index pour Qwen4-Max et qu'il ne peut pas jouer pour 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.

Ce que le conseil indépendant dit de Qwen4-Max — et pourquoi cela ne tranche rien

Le bilan indépendant de Qwen4-Max est mince mais réel. Artificial Analysis lui attribue un score de 43 sur l’Intelligence Index v5.0.1 et le classe 51e sur 96 modèles dans cette version du classement. Il coûte 3,27 $ de calcul par tâche de l’indice, tient le coup en générant 127 millions de tokens de sortie sur l’ensemble de l’exécution contre une médiane de 65,1 millions, et prend 31,3 minutes par tâche contre une médiane de 12,4. La vitesse de sortie est de 56 tokens par seconde ; le temps jusqu’au premier token de réponse est de 146 secondes. La fenêtre de contexte du modèle dans le classement indique 984k, ce qui correspond au plafond d’entrée du mode réflexion de 983 616 arrondi, et non à un modèle différent.

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.

Lisez ces lignes comme un profil de déploiement plutôt que comme un verdict. Un modèle qui réfléchit pendant une demi-heure par tâche et émet deux fois le nombre médian de tokens n’est pas lent parce qu’il est mal servi ; il est lent parce qu’il fait plus de travail par tâche et vous facture ce travail. Par tâche, 3,27 $ est le coût honnête d’une réponse de Qwen4-Max, et c’est le chiffre à retenir pour toute comparaison avec un modèle que vous hébergez vous-même, où le coût marginal d’une tâche se résume à l’électricité et au temps passé en file d’attente.

Maintenant, essayez de mettre les 24 Go de Bolt à côté de ça. Vous avez un tableau d’un fournisseur qui affirme qu’il surpasse un Qwen à poids ouverts de 35B en navigation agentique, et vous avez un classement indépendant qui indique que le Qwen hébergé auquel il est réellement comparé obtient 43 et coûte 3,27 $ par tâche. Ces deux faits ne se recoupent pas. Personne n’a soumis Nemotron 3.5 Bolt 74B à l’Intelligence Index, et tant que personne ne le fera, tout graphique plaçant les deux modèles sur un axe de capacité trace une ligne entre un point mesuré et un point supposé.

Là où la comparaison est décidable : mémoire, latence et facture

Trois lignes peuvent être comparées honnêtement, car les deux parties les publient et aucune ne nécessite l'intervention d'un tiers.

• Mémoire — Nemotron 3.5 Bolt 74B-A9B 24GB nécessite 24 gigaoctets de mémoire locale avec une quantification des experts en 2,0625 bits ; Qwen4-Max n’en nécessite aucune, car vous ne détenez jamais les poids. Le compromis est que le plafond de mémoire d’un modèle hébergé devient un plafond de contexte : 262 144 tokens pour le checkpoint NVIDIA, 1 000 000 pour Qwen4-Max, avec une limite d’entrée de 983 616 tokens en mode réflexion et 262 144 partagés entre le raisonnement et la réponse.

• Vitesse — NVIDIA affirme au moins 80 jetons par seconde en décodage et annonce 84 avec le modèle de proposition ; Artificial Analysis mesure Qwen4-Max à 56 jetons par seconde, avec 146 secondes avant le premier jeton de réponse. Le modèle local est plus rapide par jeton et commence à répondre plus tôt. Le modèle hébergé peut néanmoins terminer la tâche plus rapidement, car il effectue une quantité de raisonnement différente.

• Prix — une tâche Qwen4-Max coûte 3,27 $ sur le harnais indépendant, ou 1,50 $ et 4,50 $ par million de tokens au compteur. Nemotron 3.5 Bolt 74B n’a aucun prix au compteur publié, car aucun fournisseur ne le vend. Son coût correspond à ce que vous coûte le GPU : une carte de 24 Go déjà présente dans une station de travail, amortie sur le nombre de tâches que vous exécutez dessus chaque mois.

Cette dernière ligne est celle où la décision se joue réellement, et c’est pourquoi le cadrage « lequel est le plus intelligent » continue d’échouer. Si votre charge de travail représente un million de courts tours d’agent par mois, le checkpoint local l’emporte sur l’économie unitaire avec une marge qu’aucune ligne de benchmark ne peut surmonter, et le contexte de 262 k est une contrainte autour de laquelle vous concevez. Si votre charge de travail représente quelques milliers de tâches à long horizon avec de la vidéo en entrée et un document de 900 000 tokens joint, aucun checkpoint de 24 Go ne répond du tout à la question, et les 3,27 $ par tâche de Qwen4-Max constituent la réponse disponible la moins chère plutôt qu’une réponse coûteuse.

Pourquoi la réponse honnête est « les deux, pour des tâches différentes »

La résolution tentante consiste à déclarer un vainqueur, et les SERP regorgent de pages qui font exactement cela sans la moindre donnée partagée. Une résolution plus utile est que ces deux modèles convergent vers la même idée architecturale, en partant de directions opposées. Qwen4-Max est un mélange d'experts clairsemé qui active 71 milliards de ses 2 400 milliards de paramètres par token et mise sur l'efficacité en tokens — l'affirmation du fournisseur, non reproduite, est qu'il surpasse Qwen3.8-Max en utilisant jusqu'à environ 50 % de tokens en moins, le coût moyen par tâche passant de 4,43 $ à 1,67 $. Nemotron 3.5 Bolt 74B est un mélange d'experts clairsemé qui active 9 milliards de ses 74 milliards de paramètres et mise sur la compression, obtenant une empreinte de 24 Go grâce à des pondérations d'experts en 2 bits et à un petit drafter spéculatif. Les deux répondent à la même question : quelle part minimale du modèle peut-on solliciter par token avant que la qualité ne s'effondre ?

Cette façon de voir les choses a une conséquence pratique. Les équipes qui tireront le plus parti de l’une ou l’autre approche sont celles qui mesurent les tokens par tâche terminée plutôt que les tokens par seconde. Du côté local, cela signifie surveiller la longueur d’acceptation sur le drafter, car un décodeur spéculatif qui accepte 4,68 tokens par étape en décodage glouton et 4,25 en échantillonnage, c’est de là que vient votre débit, et les paramètres d’échantillonnage le font varier. Du côté hébergé, cela signifie enregistrer les totaux combinés de réflexion et de réponse par rapport au plafond de 262 144 tokens, car l’effort de raisonnement est défini par défaut sur « high » et un client de type OpenAI demandant « medium » reçoit silencieusement « high ». Aucune des deux mesures ne nécessite de benchmark, et toutes deux sont plus informatives qu’un benchmark.

Qu'est-ce qui réglerait la question ?

Le chiffre manquant tient à une seule exécution du harness. Si Nemotron 3.5 Bolt 74B-A9B 24GB était évalué sur Intelligence Index v5.0.1 avec sa quantification telle que livrée, les deux modèles deviendraient comparables sur le seul axe sur lequel les deux parties peuvent être mesurées, et chaque page d’agrégateur qui indique actuellement « aucun résultat de benchmark partagé pour l’instant » aurait quelque chose à afficher. NVIDIA a publié le checkpoint, le runtime est vLLM et l’outillage existe. D’ici là, la démarche utile est de cesser de traiter cela comme un affrontement et de commencer à le traiter comme une décision « build versus buy », avec un coût documenté d’un côté et une empreinte documentée de l’autre.

De notre côté du bilan, soyons précis sur la disponibilité : OrcaRouter ne route aucun de ces deux modèles. Nemotron 3.5 Bolt 74B est un téléchargement que vous hébergez vous-même, et Qwen4-Max se loue auprès d'Alibaba ou via des plateformes partenaires pendant sa fenêtre gratuite actuelle. Le membre de la famille Qwen dans notre catalogue est Qwen3.8-Max, à 2,00 $ en entrée et 6,00 $ en sortie par million de tokens avec un contexte de 1 M de tokens, qui est l'option de repli naturelle si vous voulez une seule clé pour un stack hétérogène et un prix qui suit la grille tarifaire du fournisseur plutôt qu'une revente majorée de celle-ci. Pour une décision comme celle-ci — où les deux candidats se situent aux extrémités opposées du spectre construire-ou-acheter — ce qu'un routeur vous apporte d'utile n'est pas un gagnant. C'est la possibilité de garder la voie hébergée ouverte pendant que vous découvrez ce que la voie locale ne peut pas faire.

Si vous faites votre choix ce mois-ci, choisissez en fonction de la contrainte que vous ne pouvez pas changer. Le contexte, la modalité et le paiement à la tâche sont les contraintes que Qwen4-Max doit satisfaire. La mémoire, le fonctionnement hors ligne et le coût marginal nul par requête sont celles de Nemotron 3.5 Bolt 74B. L’écart de benchmark entre eux est réel, mais ce n’est pas cet écart qui décidera de votre architecture — et aucune accumulation de tableaux comparatifs ne le comblera avant que quelqu’un n’exécute le harnais.

Comparés dans cet article1

Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement