Une carte de titre générée indiquant « Qwen4-Max vs Nemotron 3.5 Super » avec le sous-titre « L'un se loue au token, l'autre s'achète au gigaoctet » et trois cartes de chiffres indiquant « 43 contre 14 sur l'indice », « 3,27 $ contre 0,56 $ par tâche » et « 248,94 Go de poids ouverts en BF16 ». Un pied de page indique « Poids ouverts selon NVIDIA ; scores selon l'Artificial Analysis Intelligence Index v5.0.1 ; tarifs d'hébergement selon Artificial Analysis. » Style vectoriel plat sur fond blanc avec des accents en dégradé bleu et cyan, la marque OrcaRouter intégrée en bas à droite.
Guides & Insights

Qwen4-Max vs Nemotron 3.5 Super : L'un se loue au token, l'autre s'achète au gigaoctet

Auteur

jinhao.song

Date de publication

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

Les deux modèles de cette comparaison ne sont pas en concurrence pour la même ligne budgétaire. Qwen4-Max est facturé au token depuis le 16 novembre 2026, à 1,50 $ par million de tokens d’entrée et 4,50 $ par million de tokens de sortie à Singapour, et il est fermé — aucun poids, aucun téléchargement, aucun auto-hébergement, jamais. NVIDIA Nemotron 3.5 Super VL est téléchargeable depuis le 12 octobre 2026 sous OpenMDW-1.1, sous la forme d’un checkpoint BF16 de 248,94 Go ou d’un checkpoint NVFP4 de 75,06 Go, avec 120 milliards de paramètres dont 12 milliards actifs, et le prix catalogue de l’offre hébergée que mesure le tracker indépendant pour ce modèle est de 0,20 $ en entrée et 0,50 $ en sortie par million. Sur l’indice, Qwen4-Max obtient 43 contre 14 pour Nemotron 3.5 Super VL. En coût par tâche terminée, le tracker indique 3,27 $ contre 0,56 $. Lus ensemble, ces quatre chiffres décrivent un écart de capacité de 29 points, un écart de prix de 92 % en faveur du modèle ouvert, et une décision qui porte en réalité sur la question de savoir si vous voulez un point de terminaison ou un fichier.

La licence est la première ligne, pas la dernière.

La plupart des comparaisons entre un modèle phare chinois fermé et une publication ouverte de NVIDIA traitent la licence comme une note de bas de page. Ici, elle détermine même ce que les autres lignes peuvent signifier.

• Poids — Qwen4-Max : aucun publié, et Alibaba n’a pas annoncé qu’il en publierait pour cette gamme, seulement que des modèles Qwen4 plus petits seraient publiés en open source sur la même lignée. Nemotron 3.5 Super VL : versions BF16 et NVFP4 sur Hugging Face, créées pour la première fois le 12 octobre 2026, l’annonce de NVIDIA intervenant le 15 octobre.

• Licence — OpenMDW-1.1 côté NVIDIA, qui autorise l’usage commercial et le post-entraînement sur vos propres données. Côté Alibaba, il s’agit d’un contrat d’API commercial avec facturation au token et rien d’autre à accepter que les conditions d’utilisation.

• Fine-tuning — possible sur Nemotron 3.5 Super VL, et la fiche de NVIDIA mentionne la personnalisation et l’adaptation au domaine comme usages prévus. Non proposé à aucun prix sur Qwen4-Max ; aucun point de terminaison de fine-tuning ne figure dans la liste de ses capacités.

• Forme de déploiement — d’un côté, un point de terminaison hébergé dans six régions, accessible via quatre formats de communication. De l’autre, un ensemble de poids pour lesquels il faut trouver des GPU, plus une pile d’inférence, plus le travail opérationnel qui va avec les deux.

• Ce que vous ne pouvez faire avec aucun des deux — acheter les poids de Qwen4-Max, ou appeler Nemotron 3.5 Super VL en supposant que NVIDIA le servira encore l’année prochaine. Le second point est l’avantage des poids ouverts formulé par la négative : personne ne peut retirer des poids que vous possédez déjà.

Cette asymétrie explique pourquoi une comparaison brute des indices est quasiment inutile ici. L’écart de 43 contre 14 valorise la capacité, et la ligne manquante valorise l’optionnalité, et c’est l’optionnalité que le modèle ouvert vend réellement.

Lecture 14 contre 26 : l’indice s’est déplacé sous ce modèle

Il y a une subtilité qu'il vaut la peine de nommer, car elle embrouillera quiconque compare les chiffres d'aujourd'hui à ce qui a été publié en octobre. Artificial Analysis a attribué 26 à Nemotron 3.5 Super VL lors de sa première évaluation, et l'entrée actuelle de l'Intelligence Index v5.0.1 indique 14. Les deux chiffres figurent sur les propres pages du tracker ; ils ne sont pas comparables entre eux, car la révision de l'indice a changé sous le modèle. Ce qu'un lecteur doit en retenir est limité : au sein de la v5.0.1, Nemotron 3.5 Super VL à 14 et Qwen4-Max à 43 sont mesurés par un même banc d'essai sur une même révision et peuvent être placés sur une même ligne. Le 26 est un artefact historique d'une grille d'évaluation différente, et citer les deux côte à côte comme si le modèle avait régressé de douze points serait erroné.

Le reste de l’entrée Nemotron du tracker est exceptionnellement instructif pour un modèle ouvert, car des prix d’hébergement existent pour celui-ci. Il indique $0.20 et $0.50 par million de tokens, une remise de 95 % sur le cache, une vitesse de sortie de 274 tokens par seconde, 13,44 secondes jusqu’au premier token de réponse, 5,0 minutes par tâche d’indexation, 1 M de tokens de contexte, et une moyenne de $0.56 par tâche d’indexation terminée sur 119 millions de tokens de sortie générés. La description est franche dans les deux sens : parmi les modèles de tête en intelligence pour les modèles à poids ouverts de taille similaire, plus lent que la moyenne par tâche, très verbeux.

La colonne de Qwen4-Max n'indique ni vitesse, ni latence, ni temps par tâche — la fiche de performance affiche N/A. Elle présente 43, un rang de 38 sur 81, 1,50 $ et 4,50 $, ainsi que 127 millions de jetons de sortie. La verbosité est comparable à celle de Nemotron, ce qui fait de l'écart de coût par tâche presque uniquement un écart de prix plutôt qu'un écart de comportement : à environ un neuvième du tarif par jeton en sortie, le modèle ouvert termine les tâches pour un sixième du coût, tout en obtenant 29 points de moins.

A generated two-column scoreboard titled 'Qwen4-Max vs Nemotron 3.5 Super VL — the scoreboard'. The Qwen4-Max column reads Distribution hosted API only, Weights none published, AA Index 43 rank 38 of 81, Price per index task $3.27, Parameters 2.4T total 71B active, Fine-tuning not offered. The Nemotron 3.5 Super VL column reads Distribution open weights OpenMDW-1.1, Weights 248.94 GB BF16 / 75.06 GB NVFP4, AA Index 14, Price per index task $0.56, Parameters 120B total 12B active, Fine-tuning permitted. A footer reads 'Open weights per NVIDIA; AA figures per Artificial Analysis v5.0.1; hosted rates per AA.'

Ce qu’un 120B avec 12B actifs vous apporte réellement

Nemotron 3.5 Super VL est un mélange d'experts comptant 120 milliards de paramètres au total et 12 milliards actifs par token, soit le chiffre qui régit le coût d'inférence lorsque vous l'hébergez vous-même. Il accepte du texte et des images et renvoie du texte. Son socle linguistique a été initialisé à partir de Nemotron 3 Super Base, un modèle texte uniquement, la voie vision étant ajoutée ensuite — un encodeur C-RADIO et un connecteur installés sous forme d'étape d'entraînement distincte, une fois l'entraînement de base, la distillation, le pré-entraînement continu en langues indiennes, l'extension de contexte long et l'entraînement intermédiaire en ingénierie logicielle tous achevés. Qwen4-Max relève de la construction inverse : un socle de 2 400 milliards de paramètres avec 71 milliards d'actifs par token, une vision native dès le départ, 328 milliards de paramètres d'embedding N-gram supplémentaires consultés plutôt que multipliés, et un chemin de contexte bâti sur trois couches Gated DeltaNet qui compriment l'historique pour chaque couche Qwen Sparse Attention.

L’une de ces architectures a été conçue autour des images. Sur l’autre, les images ont été greffées après coup. Savoir si cette différence se manifeste dans votre charge de travail est une question empirique, mais la direction du risque est connaissable : c’est dans une voie de vision rétroadaptée qu’un pipeline d’extraction de documents rencontre sa première régression, et la fiche du fournisseur elle-même donne un indice allant dans le même sens, avec un score IFBench de 70,86 sur des prompts peu contraignants, contre 82,9 pour le plus grand Nemotron 3 Ultra.

L’arithmétique de l’hébergement est l’autre moitié. NVIDIA publie deux checkpoints : 248,94 Go en BF16 et 75,06 Go en NVFP4, soit un écart de 173,88 Go, pour une empreinte de stockage et de mémoire d’environ un tiers. La version NVFP4 est celle qui tient sur un seul nœud d’accélérateurs modernes plutôt que sur un cluster, et il s’agit du checkpoint de NVIDIA lui-même plutôt que d’une quantification tierce, ce qui compte si vous voulez reproduire les chiffres publiés par le fournisseur. Avec 12 milliards de paramètres actifs par token, la question du débit devient une affaire de taille de lot et de GPU, non de grille tarifaire — c’est précisément la liberté que procure la licence ouverte et précisément le travail qu’elle impose.

A headless-browser screenshot of the Hugging Face model card for nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16, captured 16 November 2026 in English, showing the repository name and like count, Image-Text-to-Text, Transformers, Safetensors and PyTorch tags, the nemotron_h_omni and nemotron-3.5 tags, a link row for the pre-training datasets, developer page and paper, and the start of the card describing it as the full-precision release of NVIDIA Nemotron 3.5 Super VL, a vision-language model for reasoning.

Quand l’écart de 29 points cesse d’être le nombre décisif

Trois charges de travail font du modèle ouvert le meilleur achat, bien qu’il obtienne moins d’un tiers du score de Qwen4-Max.

• Déploiements réglementés ou isolés (air-gapped) — où la question n’est pas le prix, mais de savoir si les données peuvent quitter le bâtiment, et où un point de terminaison loué est disqualifié avant même que l’indice ne soit consulté. Nemotron 3.5 Super VL à 75,06 GB NVFP4 est un modèle sur site plausible ; Qwen4-Max n’existe pas en version sur site.

• Classification, routage et extraction à haut volume — où 14 sur un indice général peut encore suffire, où les longueurs de sortie sont fixées par un schéma, et où 274 tokens par seconde à 0,20 $ par million de tokens d’entrée revient à un ordre de grandeur moins cher que tout ce qui est facturé aux tarifs des modèles de pointe.

• Tout ce qui a besoin d’apprendre de vos données — un fine-tuning sur vos propres images et documents est disponible d’un côté et indisponible de l’autre, quel que soit le budget, et aucune quantité d’ingénierie de prompt ne peut le remplacer lorsque le vocabulaire du domaine n’appartient qu’à vous.

Et trois raisons pour lesquelles Qwen4-Max reste malgré tout le bon choix : le travail agentique à long horizon, où l’écart de score se traduit directement par des échecs sur des tâches à plusieurs étapes ; les requêtes qui franchissent quelques centaines de milliers de tokens et exigent un contexte en une seule requête, sans découpage ; et toute équipe qui veut dès aujourd’hui, depuis un endpoint, de la sortie structurée, l’appel d’outils en parallèle et de la mise en cache, plutôt qu’une pile d’inférence au prochain trimestre. Qwen4-Max publie aussi ses deux plafonds d’entrée — 991 808 tokens en mode sans réflexion, 983 616 en mode réflexion —, soit le genre de chiffre qu’une équipe d’auto-hébergement passe une semaine à découvrir.

Ce que ni l'un ni l'autre de ces deux n'est, et ce qui est réellement routable

Aucun des deux modèles ne figure au catalogue d’OrcaRouter au 16 novembre 2026. Qwen4-Max est accessible via l’API Model Studio d’Alibaba et plusieurs plateformes tierces ; Nemotron 3.5 Super VL est disponible sous forme de poids téléchargeables, ainsi que chez une poignée de fournisseurs hébergés. Une page de comparaison qui laisserait entendre que l’un ou l’autre était à portée d’une clé API mentirait sur l’effort nécessaire.

Ce qui est routé ici, c'est la génération précédente du côté des modèles fermés : qwen/qwen3.8-max à 2,00 $ en entrée et 6,00 $ en sortie par million de jetons, le prix catalogue du fournisseur répercuté avec 0 % de marge, sur la même clé et le même point de terminaison compatible OpenAI que le reste du catalogue. Pour une équipe qui évalue cette comparaison, c'est la position intermédiaire utile — mesurez votre charge de travail par rapport à un modèle phare Qwen routé que vous pouvez appeler dès aujourd'hui, et utilisez ce chiffre pour décider si le passage à Qwen4-Max vaut un second contrat, plutôt que d'acheter l'intégration avant d'avoir les preuves.

A headless-browser screenshot of the OrcaRouter model page for qwen/qwen3.8-max, captured 16 November 2026 in English, showing the Qwen3.8 Max heading and identifier, text, image and video input with a 1M-token context window, an OpenAI-compatible endpoint at api.orcarouter.ai/v1, the price block reading $2.00 input and $6.00 output per million tokens, measured latency, 144.9M tokens served and a zero-data-retention note.

Le chemin qui, en pratique, tranche généralement n’est pas du tout le modèle phare. Un pipeline à fort volume a tendance à finir scindé : un modèle bon marché pour le tri et l’extraction, un modèle puissant pour la passe finale, et un repli pour le jour où le principal a un mauvais après-midi. Côté OrcaRouter, le DSL de routage existe pour exprimer cette répartition en un seul appel plutôt qu’en trois intégrations, et le basculement automatique existe pour rendre la moitié bon marché sûre sur laquelle s’appuyer. Aucun des deux modèles de cet article n’est encore sur ce chemin ; ce schéma mérite d’être connu, car c’est là qu’un duel comme celui-ci aboutit généralement.

Le test décisif, et ce qu'il coûte

Faites passer 200 de vos propres tâches les plus difficiles dans les deux. Pas les benchmarks des fournisseurs, pas l'indice — vos tâches, avec vos longueurs de sortie.

Fixez le prix de la variante Qwen4-Max à 1,50 $ et 4,50 $ par million de tokens mesurés, et notez que le modèle n’a pas de vitesse publiée : mesurez donc vous-même la latence ou acceptez d’acheter une inconnue. Fixez le prix de la variante Nemotron de deux façons : aux tarifs hébergés de 0,20 $ et 0,50 $ si vous voulez la comparaison bon marché, et à votre propre coût par heure-GPU divisé par les tokens servis si vous envisagez sérieusement l’auto-hébergement, car le tarif hébergé correspond à la courbe d’utilisation de quelqu’un d’autre et ne sera pas la vôtre. Ensuite, regardez les échecs plutôt que les moyennes, car un écart d’indice de 29 points se manifeste par des tâches qui ne se terminent pas du tout, et non par des tâches qui se terminent légèrement moins bien.

La réponse à laquelle la plupart des équipes aboutissent n’est pas un vainqueur, mais une répartition : le modèle ouvert pour le volume et les données réglementées, le modèle phare à l’usage mesuré pour les tâches où une réponse partielle est sans valeur. C’est une architecture plus coûteuse que l’un ou l’autre choix unique, et c’est généralement le bon choix — ce qui explique aussi pourquoi la ligne des licences mérite d’être lue en premier et celle de l’indice en second, et pourquoi le tarif hébergé de 0,20 $ pour un modèle que personne n’est obligé de retirer est le chiffre le plus intéressant de cette comparaison.

Comparés dans cet article1

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