
Qwen4-Max מול Nemotron 3.5 Bolt 74B: מספר אחד חסר מההשוואה הזו
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 184 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 215 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 87 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 97 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 109 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 לכל 1M טוקנים · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
הציבו את Qwen4-Max ואת NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB זה לצד זה, והדבר הראשון שתשימו לב אליו הוא שלאתרי ההשוואה אין מה להשוות. BenchLM אומר זאת בבירור — אין עדיין תוצאות בנצ'מרק משותפות — ואז מזמין אתכם להסתכל על המחיר במקום. הסיבה מבנית ולא זמנית: Qwen4-Max מקבל 43 ב-Artificial Analysis Intelligence Index v5.0.1, ול-Nemotron 3.5 Bolt 74B-A9B 24GB אין ציון Intelligence Index כלל. לא ציון נמוך. N/A, על לוח שהריץ מודלים עוד מלפני ששניהם יצאו לשוק, מפני שלמודל אין API זמין לציבור ולמערכת הבדיקות העצמאית אין למה לפנות.
ההיעדרות הבודדת הזו מארגנת מחדש את כל שאר הדברים בהשוואה. לא ניתן לדרג נקודת ביקורת בת 74 מיליארד פרמטרים שנכנסת ל-24 גיגה-בייט מול מודל מתארח בן 2.4 טריליון פרמטרים על ידי הצבת המספרים שלהם בתאים סמוכים, כי רק לאחד מהם יש מספרים. מה שאפשר לעשות — ומה שדפי האגרגטור לא עושים — הוא להפריד את הטענות שכל ספק מציג, לציין מי מדד אותן, ולגלות על איזו עמודה ההחלטה בעצם נשענת. מתברר שזה פחות קשור ליכולת ויותר לשאלה אם אתה קונה קובץ או שוכר שירות.
אחד הוא קובץ, והשני הוא מד.
NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB שוחרר ב-15 באוקטובר 2026 ומתארח ב-Hugging Face כמשקלים להורדה תחת OpenMDW-1.1, רישיון המתיר שימוש מסחרי. זהו מודל תערובת מומחים היברידי Mamba-Transformer: סך הכול 74 מיליארד פרמטרים, 9 מיליארד פעילים לכל טוקן. החלק "24GB" בשם הוא כל מטרת התרגיל. NVIDIA בנתה אותו על ידי דחיסת מודל האב 120B-A12B שלו באמצעות מסגרת חיפוש מונחית־נתב שהיא מכנה Star Elastic, קיצוץ ה-top-K של המומחים מ-22 ל-9, ולאחר מכן החלת זיקוק מודע לכימות כך ששכבות המומחים נמצאות ב-2.0625 סיביות. מנסח ספקולטיבי בן 1.13 מיליארד פרמטרים נלווה אליו, עם אורכי קבלה ממוצעים של 4.68 בפענוח חמדני ו-4.25 בדגימה. סביבת ההרצה המומלצת היא vLLM על Ampere, Hopper או Blackwell, בגודל tensor-parallel של אחד.
Qwen4-Max הוא המבנה ההפוך, ולא רק בגלל הגודל. הדגל מהדור הרביעי של Alibaba הפך לזמין באופן כללי ב-16 בנובמבר 2026 במחיר של $1.50 למיליון טוקני קלט ו-$4.50 למיליון טוקני פלט בסינגפור, עם חלון הקשר של 1,000,000 טוקנים, קלט תמונות ווידאו מקורי, ושלוש רמות חשיבה הניתנות להגדרה. לא מתפרסם צ'קפוינט. כוונון עדין, פריסת מודל והסקת אצווה רשומים כולם כלא נתמכים בתיעוד של Model Studio. כל נקודת קצה שמשרתת אותו משרתת את הפריסה של Alibaba.
אז שני המודלים לא מתחרים על אותה משבצת בארכיטקטורה שלך. האחד הוא משהו שאתה מריץ; השני הוא משהו שאתה קורא לו. כל השוואה שלא מתחילה משם מודדת את הדבר הלא נכון.
טבלת הספקים משווה את Bolt ל-Qwen שאינו זה.
טבלת הבנצ'מרקים של NVIDIA עצמה היא קבוצת המספרים המתועדת ביותר מכל צד, וכדאי לקרוא אותה בקפידה בגלל מה שהיא אינה מכילה. עמודות ההשוואה שלה הן Qwen3.6-35B-A3B ב-BF16, Gemma 4 26B-A4B-IT ב-BF16, ו-Nemotron 3.5 Lightning 30B-A3B. Qwen4-Max אינו בטבלה. ה-Qwen שהטבלה מודדת הוא מודל בקוד פתוח עם 35 מיליארד פרמטרים משני דורות אחורה, והסיבה ברורה ברגע שהיא נאמרת: קבוצת ההשוואה מוגדרת לפי טביעת זיכרון, ול-API מתארח עם 2.4 טריליון פרמטרים אין טביעת זיכרון להשוות.
מה שהטבלה כן קובעת, כשהכול מדווח על ידי הספק ולא משוחזר, הוא שקובץ של 24GB תחרותי מול אפשרויות מקומיות גדולות בהרבה בעבודה אג'נטית. בשורות ש-NVIDIA בחרה:
• BrowseComp — Nemotron 3.5 Bolt 74B 66.75, לעומת 48.74 עבור Qwen3.6-35B-A3B ו־26.30 עבור Gemma 4 26B-A4B
Terminal-Bench 2.1 — 50.98, לעומת 44.38 ו-37.22
• WebArena במצב חזותי — 50.86, לעומת 36.60 ו־38.20
• GPQA Diamond — 86.43, לעומת 83.40 ו-79.61
• HLE ללא כלים — 25.30, לעומת 19.56 ו-17.42
• GDPVal-AA-V2 — 28.47, לעומת 25.75 ו-15.33
• MCP-Atlas — 52.20, לעומת 51.20 ו-48.4
• Tau3 Banking — 17.01, לעומת 10.52 ו-14.02

שתי השורות שבהן הוא מפסיד ראויות לציון, מפני שטבלאות ספקים לעיתים רחוקות כוללות אותן. בדיוק של AA-Omniscience, Gemma 4 26B-A4B משיג 22.17 לעומת 16.90 של Bolt; במדד אי-ההזיה (non-hallucination) של AA-Omniscience, Nemotron 3.5 Lightning מוביל עם 68.81 לעומת 61.27 של Bolt. התכונה החלשה ביותר מבין אלו שנחשפו אצל Bolt היא הידיעה מתי הוא אינו יודע.
הערת השוליים חשובה לא פחות מהשורות. NVIDIA רושמת עבור MCP-Atlas ציון 51.20 ל-Qwen3.6-35B-A3B, תוך ציון ש-Qwen עצמה מדווחת על 62.8 באותו מבחן, שנמדד על 500 המשימות הציבוריות. שתי מעבדות, מבחן אחד, פער של אחת עשרה וחצי נקודות. זו לא שערורייה; כך נראים מספרים שמדווחים על ידי ספקים כשאף אחד באמצע לא מריץ את מערכת הבדיקה עבור שני הצדדים. וזה בדיוק התפקיד ש-Intelligence Index ממלא עבור Qwen4-Max ואינו יכול למלא עבור Bolt.

מה אומר הדירקטוריון העצמאי על Qwen4-Max — ולמה זה לא מכריע דבר
הרשומה העצמאית של Qwen4-Max דקה אך אמיתית. Artificial Analysis מעניקה לו ציון 43 ב-Intelligence Index v5.0.1 וממקמת אותו במקום ה-51 מתוך 96 מודלים באותה גרסה של הטבלה. הוא עולה $3.27 במחשוב לכל משימת אינדקס, מחזיק מעמד בכך שהוא מייצר 127 מיליון טוקני פלט לאורך הריצה לעומת חציון של 65.1 מיליון, ולוקח 31.3 דקות למשימה לעומת חציון של 12.4. מהירות הפלט היא 56 טוקנים לשנייה; הזמן עד לטוקן הראשון של התשובה הוא 146 שניות. חלון ההקשר של המודל בטבלה מוצג כ-984k, שזה תקרת הקלט במצב חשיבה של 983,616 לאחר עיגול, ולא מודל אחר.

יש לקרוא את השורות האלה כפרופיל פריסה ולא כפסק דין. מודל שחושב חצי שעה לכל משימה ופולט פי שניים ממספר הטוקנים החציוני אינו איטי משום שהוא מוגש בצורה גרועה; הוא איטי משום שהוא עושה יותר עבודה לכל משימה ומחייב אותך על העבודה. ברמת המשימה, $3.27 הוא העלות הכנה של תשובת Qwen4-Max, וזה המספר שכדאי לשאת אל תוך כל השוואה עם מודל שאתה מארח בעצמך, שבה העלות השולית של משימה היא חשמל וזמן תור.
עכשיו נסה לשים את ה-24GB של Bolt ליד זה. יש לך טבלת ספק שאומרת שהוא מנצח Qwen במשקלים פתוחים בנפח 35B בגלישה אגנטית, ויש לך לוח עצמאי שאומר שה-Qwen המתארח שמולו הוא למעשה מושווה מקבל ציון 43 ועולה $3.27 למשימה. שתי העובדות האלה לא נוגעות זו בזו. אף אחד לא הריץ את Nemotron 3.5 Bolt 74B דרך ה-Intelligence Index, ועד שמישהו יעשה זאת, כל תרשים שמציב את שני המודלים על ציר יכולת משרטט קו בין נקודה מדודה לנקודה משוערת.
כאשר ההשוואה ניתנת להכרעה: זיכרון, השהיה והחשבון
שלוש שורות ניתנות להשוואה בכנות, מפני ששני הצדדים מפרסמים אותן ואף אחד מהם אינו דורש גורם שלישי.
• זיכרון — Nemotron 3.5 Bolt 74B-A9B 24GB זקוק ל-24 ג'יגבייט של זיכרון מקומי בקוונטיזציית מומחים של 2.0625 סיביות; Qwen4-Max אינו זקוק לכך, מפני שאינך מחזיק את המשקלים לעולם. המחיר הוא שתקרת הזיכרון של מודל מתארח הופכת לתקרת הקשר: 262,144 טוקנים עבור נקודת הבדיקה של NVIDIA, ו-1,000,000 עבור Qwen4-Max, עם מגבלת קלט של 983,616 טוקנים במצב חשיבה ו-262,144 המשותפים בין החשיבה לתשובה.
• מהירות — NVIDIA טוענת לפחות 80 טוקנים לשנייה בפענוח ומדווחת על 84 עם ה-drafter; Artificial Analysis מודדת את Qwen4-Max ב-56 טוקנים לשנייה, עם 146 שניות עד לטוקן התשובה הראשון. המודל המקומי מהיר יותר לכל טוקן ומתחיל לענות מוקדם יותר. ייתכן שהמודל המתארח עדיין יסיים את המשימה מהר יותר, משום שהוא מבצע כמות שונה של חשיבה.
• מחיר — משימת Qwen4-Max עולה $3.27 במערכת הבדיקה העצמאית, או $1.50 ו-$4.50 למיליון טוקנים לפי המונה. ל-Nemotron 3.5 Bolt 74B אין כלל מחיר מתומחר שפורסם, מפני שאין ספק שמוכר אותו. העלות שלו היא מה שהכרטיס הגרפי עולה לך: כרטיס 24GB שכבר נמצא בתחנת עבודה, כשהעלות מופחתת על פני מספר המשימות שתעביר דרכו בחודש.
השורה האחרונה היא המקום שבו ההחלטה באמת נמצאת, ולכן מסגור ה"מי חכם יותר" ממשיך להיכשל. אם עומס העבודה שלכם הוא מיליון תורות סוכן קצרים בחודש, ה-checkpoint המקומי מנצח בכלכלת היחידה בפער שאף שורת בנצ'מרק לא יכולה לגבור עליו, וההקשר של 262k הוא אילוץ שתכננים סביבו. אם עומס העבודה שלכם הוא כמה אלפי משימות אופק ארוך עם וידאו בקלט ומסמך בן 900,000 טוקנים מצורף, שום checkpoint של 24GB לא עונה על השאלה כלל, והמחיר של Qwen4-Max—3.27 דולר למשימה—הוא התשובה הזולה ביותר הזמינה ולא תשובה יקרה.
למה התשובה הכנה היא "שניהם, למשימות שונות"
הפתרון המפתה הוא להכריז על מנצח, וה-SERP מלא בעמודים שעושים בדיוק את זה בלי נתונים משותפים. פתרון שימושי יותר הוא ששני המודלים הללו מתכנסים לאותו רעיון ארכיטקטוני מכיוונים מנוגדים. Qwen4-Max הוא תערובת מומחים דלילה שמפעילה 71 מיליארד מתוך 2.4 טריליון הפרמטרים שלה לכל טוקן ונשענת על יעילות טוקנים — הטענה הבלתי משוכפלת של הספק עצמו היא שהוא עולה בביצועיו על Qwen3.8-Max תוך שימוש בפחות טוקנים, עד כדי כ-50% פחות, כאשר העלות הממוצעת למשימה יורדת מ-4.43 דולר ל-1.67 דולר. Nemotron 3.5 Bolt 74B הוא תערובת מומחים דלילה שמפעילה 9 מיליארד מתוך 74 מיליארד הפרמטרים שלה ונשענת על דחיסה, וקונה טביעת רגל של 24GB עם משקולות מומחים של 2 ביט ומנסח ספקולטיבי קטן. שניהם תשובות לאותה שאלה: כמה מעט מהמודל אפשר לגעת בו לכל טוקן לפני שהאיכות קורסת?
למסגור הזה יש השלכה מעשית. הצוותים שיפיקו את המרב משני אלה הם אלה שמודדים אסימונים לכל משימה שהושלמה ולא אסימונים לשנייה. בצד המקומי המשמעות היא לעקוב אחר אורך הקבלה בדראפטר, מפני שמפענח ספקולטיבי שמקבל 4.68 אסימונים בכל צעד בפענוח חמדני (greedy) ו-4.25 בדגימה הוא המקור לתפוקה שלך, והגדרות הדגימה משנות אותו. בצד המארח המשמעות היא לתעד סכומים משולבים של חשיבה ותשובה מול תקרת האסימונים של 262,144, מפני שמאמץ החשיבה מוגדר כברירת מחדל ל-high, ולקוח בסגנון OpenAI שמבקש medium מקבל high בשקט. אף אחת מהמדידות לא דורשת בנצ'מרק, ושתיהן מספקות יותר מידע מאשר אחד.
מה יפתור את זה
המספר החסר הוא ריצת הרנס אחת. אם Nemotron 3.5 Bolt 74B-A9B 24GB היה מועבר ב-Intelligence Index v5.0.1 בקוונטיזציה שבה הוא נשלח, שני המודלים היו הופכים לברי-השוואה בציר היחיד שעליו ניתן למדוד את שני הצדדים, ולכל עמוד אגרגטור שמציין כעת "אין עדיין תוצאות benchmark משותפות" יהיה משהו להדפיס. NVIDIA פרסמה את ה-checkpoint, ה-runtime הוא vLLM, והכלים קיימים. עד שזה יקרה, הצעד המועיל הוא להפסיק להתייחס לזה כאל מאצ'אפ ולהתחיל להתייחס לזה כאל החלטת לבנות מול לקנות, עם עלות מתועדת בצד אחד וטביעת רגל מתועדת בצד השני.
בצד שלנו של המאזן, כדי להיות מדויקים לגבי הזמינות: OrcaRouter אינו מנתב אף אחד מהמודלים האלה. Nemotron 3.5 Bolt 74B הוא הורדה שאתה מארח בעצמך, ו-Qwen4-Max מושכר מ-Alibaba או דרך פלטפורמות שותפות במהלך חלון החינם הנוכחי שלו. החבר במשפחת Qwen בקטלוג שלנו הוא Qwen3.8-Max, במחיר $2.00 לקלט ו-$6.00 לפלט למיליון טוקנים עם חלון הקשר של 1M טוקנים, שהוא ברירת המחדל הטבעית אם תרצה מפתח אחד על פני סטאק משולב ומחיר שעוקב אחרי המחירון של הספק עצמו ולא אחרי מכירה חוזרת במחיר מנופח שלו. עבור החלטה כמו זו — שבה שני המועמדים נמצאים בקצוות מנוגדים של הספקטרום של בנייה מול קנייה — הדבר השימושי שראוטר נותן לך הוא לא מנצח. אלא היכולת להשאיר את המסלול המתארח פתוח בזמן שאתה מגלה מה המסלול המקומי לא יכול לעשות.
אם אתם בוחרים החודש, בחרו לפי האילוץ שאינכם יכולים להזיז. הקשר, המודאליות והתשלום לפי משימה הם האילוצים שעל Qwen4-Max לעמוד בהם. זיכרון, פעולה לא מקוונת ועלות שולית אפסית לבקשה הם האילוצים של Nemotron 3.5 Bolt 74B. הפער בבנצ'מרק ביניהם אמיתי, אבל הוא לא הפער שיכריע את הארכיטקטורה שלכם — ושום כמות של יצירת טבלאות זה-לצד-זה לא תסגור אותו לפני שמישהו יריץ את ההארנס.
השוואות במאמר הזה1
זוהה מתוך המאמר הזה · בנצ'מרקים: Artificial Analysis · מתעדכן יומית
