Una scheda titolo generata, intitolata 'Qwen4-Max vs Nemotron 3.5 Bolt 74B', con un banner che recita 'Non esiste alcun benchmark indipendente condiviso', una scheda a sinistra che elenca Qwen4-Max come API ospitata con un contesto di 1.000.000 di token, 1,50 $ in ingresso e 4,50 $ in uscita per milione di token, un Intelligence Index di 43 e pesi non pubblicati, e una scheda a destra che elenca Nemotron 3.5 Bolt 74B come checkpoint da scaricare con un contesto di 262.144 token, un footprint di 24 GB a 2,06 bit, un Intelligence Index di N/D e la licenza OpenMDW-1.1.
Guides & Insights

Qwen4-Max vs Nemotron 3.5 Bolt 74B: manca un numero in questo confronto

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Metti Qwen4-Max e NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB fianco a fianco e la prima cosa che noti è che i siti di confronto non hanno nulla da confrontare. BenchLM lo dice chiaramente — nessun risultato di benchmark condiviso per ora — e poi ti invita a guardare invece il prezzo. La ragione è strutturale più che temporanea: Qwen4-Max ottiene 43 sull'Artificial Analysis Intelligence Index v5.0.1, mentre Nemotron 3.5 Bolt 74B-A9B 24GB non ha alcun punteggio Intelligence Index. Non un punteggio basso. N/A, su una classifica che valuta modelli da prima che entrambi fossero rilasciati, perché il modello non ha un'API disponibile pubblicamente e il sistema di test indipendente non ha nulla da chiamare.

Quella singola assenza riorganizza tutto il resto del confronto. Non puoi classificare un checkpoint da 74 miliardi di parametri che sta in 24 gigabyte rispetto a un modello ospitato da 2,4 trilioni di parametri mettendo i loro numeri in celle adiacenti, perché solo uno dei due ha numeri. Quello che puoi fare — e che le pagine degli aggregatori non fanno — è separare le dichiarazioni di ciascun fornitore, annotare chi le ha misurate e capire su quale colonna si basa davvero la decisione. Si scopre che dipende meno dalle capacità e più dal fatto che tu stia comprando un file o affittando un servizio.

Uno è un file, l'altro è un metro.

NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB è stato distribuito il 15 ottobre 2026 ed è disponibile su Hugging Face come pesi scaricabili con licenza OpenMDW-1.1, una licenza che ne consente l'uso commerciale. È un mixture-of-experts ibrido Mamba-Transformer: 74 miliardi di parametri in totale, 9 miliardi attivi per token. Il "24GB" nel nome è il fulcro dell'intera operazione. NVIDIA lo ha costruito comprimendo il suo modello padre 120B-A12B con un framework di ricerca guidato da router chiamato Star Elastic, riducendo il top-K degli esperti da 22 a 9 e applicando poi una distillazione quantization-aware affinché gli strati degli esperti siano a 2,0625 bit. Insieme è incluso un drafter speculativo da 1,13 miliardi di parametri, con lunghezze medie di accettazione di 4,68 in decodifica greedy e 4,25 in campionamento. Il runtime consigliato è vLLM su Ampere, Hopper o Blackwell, con una dimensione tensor-parallel pari a uno.

Qwen4-Max è la costruzione opposta, e non solo per via delle dimensioni. Il flagship di quarta generazione di Alibaba è diventato disponibile al pubblico il 16 novembre 2026 a 1,50 dollari per milione di token di input e 4,50 dollari per milione di token di output a Singapore, con una finestra di contesto di 1.000.000 di token, input nativo di immagini e video e tre livelli di ragionamento configurabili. Nessun checkpoint è pubblicato. Il fine-tuning, il deployment dei modelli e l'inferenza in batch sono tutti indicati come non supportati nella documentazione di Model Studio. Ogni endpoint che lo eroga serve il deployment di Alibaba.

Quindi i due modelli non competono per lo stesso slot nella tua architettura. Uno è qualcosa che esegui; l'altro è qualcosa che chiami. Qualsiasi confronto che non parta da qui sta misurando la cosa sbagliata.

La tabella del fornitore confronta Bolt con un Qwen che non è questo

La tabella di benchmark della stessa NVIDIA è il set di numeri meglio documentato su entrambi i fronti, e vale la pena leggerla con attenzione per ciò che non contiene. Le sue colonne di confronto sono Qwen3.6-35B-A3B in BF16, Gemma 4 26B-A4B-IT in BF16 e Nemotron 3.5 Lightning 30B-A3B. Qwen4-Max non è nella tabella. Il Qwen che la tabella misura è un modello open-weight da 35 miliardi di parametri di due generazioni fa, e il motivo è ovvio una volta detto: l'insieme di confronto è definito dall'impronta di memoria, e un'API ospitata da 2,4 trilioni di parametri non ha alcuna impronta da confrontare.

Quello che la tabella stabilisce davvero, con tutti i dati riportati dal fornitore e non riprodotti, è che un file da 24 GB è competitivo con opzioni locali molto più grandi nel lavoro agentico. Sulle righe scelte da NVIDIA:

• BrowseComp — Nemotron 3.5 Bolt 74B 66,75, contro 48,74 di Qwen3.6-35B-A3B e 26,30 di Gemma 4 26B-A4B

• Terminal-Bench 2.1 — 50,98, contro 44,38 e 37,22

• WebArena in modalità visione — 50,86, contro 36,60 e 38,20

• GPQA Diamond — 86.43, contro 83.40 e 79.61

• HLE senza strumenti — 25.30, rispetto a 19.56 e 17.42

• GDPVal-AA-V2 — 28,47, a fronte di 25,75 e 15,33

• MCP-Atlas — 52,20, contro 51,20 e 48,4

• Tau3 Banking — 17.01, rispetto a 10.52 e 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.

Le due righe in cui perde vale la pena citarle, perché le tabelle dei fornitori raramente le includono. Sull'accuratezza di AA-Omniscience, Gemma 4 26B-A4B segna 22,17 contro il 16,90 di Bolt; sulla non-allucinazione di AA-Omniscience, Nemotron 3.5 Lightning è in testa con 68,81 contro il 61,27 di Bolt. La proprietà più debole dichiarata di Bolt è sapere quando non sa.

La nota a piè di pagina conta quanto le righe. NVIDIA registra MCP-Atlas a 51,20 per Qwen3.6-35B-A3B, osservando al contempo che Qwen stesso riporta 62,8 sullo stesso benchmark, misurato sui 500 task pubblici. Due laboratori, un benchmark, un divario di undici punti e mezzo. Non è uno scandalo; è l'aspetto che hanno i numeri dichiarati dai fornitori quando nessuno nel mezzo esegue l'harness per entrambe le parti. Che è esattamente il ruolo che l'Intelligence Index svolge per Qwen4-Max e non può svolgere per 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.

Che cosa dice il consiglio indipendente su Qwen4-Max — e perché non risolve nulla

Il record indipendente di Qwen4-Max è esile ma reale. Artificial Analysis gli assegna 43 su Intelligence Index v5.0.1 e lo classifica 51º su 96 modelli in quella versione della classifica. Costa 3,27 $ di calcolo per attività dell'indice, si mantiene generando 127 milioni di token in output nell'intera esecuzione rispetto a una mediana di 65,1 milioni, e impiega 31,3 minuti per attività rispetto a una mediana di 12,4. La velocità di output è di 56 token al secondo; il tempo al primo token di risposta è di 146 secondi. La finestra di contesto del modello nella classifica riporta 984k, che è il limite massimo di input in modalità di ragionamento di 983.616 arrotondato, non un modello diverso.

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.

Leggi quelle righe come un profilo di deployment anziché come un verdetto. Un modello che pensa per mezz'ora per attività e genera un numero di token doppio rispetto alla mediana non è lento perché è mal servito; è lento perché sta facendo più lavoro per attività e ti sta addebitando quel lavoro. Su base per singola attività, $3.27 è il costo onesto di una risposta di Qwen4-Max, ed è il numero da portare in qualsiasi confronto con un modello che ospiti tu stesso, dove il costo marginale di un'attività è elettricità e tempo di coda.

Ora prova a mettere i 24 GB di Bolt accanto a quello. Hai una tabella del fornitore che dice che batte un Qwen open-weight da 35B nel browsing agentico, e hai una commissione indipendente che dice che il Qwen hosted con cui viene effettivamente messo a confronto ottiene 43 e costa 3,27 dollari per attività. Questi due fatti non si toccano. Nessuno ha fatto passare Nemotron 3.5 Bolt 74B attraverso l'Intelligence Index, e finché qualcuno non lo farà, qualsiasi grafico che collochi i due modelli su un asse delle capacità sta tracciando una linea tra un punto misurato e uno presunto.

Dove il confronto è decidibile: memoria, latenza e il conto

Tre righe possono essere confrontate onestamente, perché entrambe le parti le pubblicano e nessuna delle due richiede una terza parte.

• Memoria — Nemotron 3.5 Bolt 74B-A9B 24GB richiede 24 gigabyte di memoria locale con quantizzazione degli esperti a 2,0625 bit; Qwen4-Max non ne richiede alcuna, perché non mantieni mai i pesi. Il compromesso è che il tetto di memoria di un modello ospitato diventa un tetto di contesto: 262.144 token per il checkpoint NVIDIA, 1.000.000 per Qwen4-Max, con un limite di input di 983.616 token in modalità di pensiero e 262.144 condivisi tra ragionamento e risposta.

• Velocità — NVIDIA afferma almeno 80 token al secondo in decodifica e ne riporta 84 con il drafter; Artificial Analysis misura Qwen4-Max a 56 token al secondo, con 146 secondi al primo token della risposta. Il modello locale è più veloce per token e inizia a rispondere prima. Il modello ospitato potrebbe comunque completare l'attività più rapidamente, perché sta svolgendo una diversa quantità di ragionamento.

• Prezzo — un'attività Qwen4-Max costa $3,27 sul banco di prova indipendente, oppure $1,50 e $4,50 per milione di token alla tariffa misurata. Nemotron 3.5 Bolt 74B non ha alcun prezzo a consumo pubblicato, perché non c'è nessun fornitore che lo venda. Il suo costo è quello che ti costa la GPU: una scheda da 24 GB già presente in una workstation, ammortizzata su quante attività al mese ci fai passare.

È nell'ultima riga che risiede davvero la decisione, ed è per questo che l'impostazione «quale è più intelligente» continua a non funzionare. Se il tuo carico di lavoro è di un milione di brevi turni di agente al mese, il checkpoint locale vince sull'economia unitaria con un margine che nessuna riga di benchmark può colmare, e il contesto da 262k è un vincolo attorno al quale progettare. Se il tuo carico di lavoro è di poche migliaia di attività a lungo orizzonte con video in input e un documento da 900.000 token allegato, nessun checkpoint da 24GB risponde affatto alla domanda, e i $3,27 per attività di Qwen4-Max sono la risposta disponibile più economica anziché una risposta costosa.

Perché la risposta onesta è «entrambi, per compiti diversi»

La conclusione allettante è dichiarare un vincitore, e la SERP è piena di pagine che fanno esattamente questo senza dati condivisi. Una conclusione più utile è che questi due modelli stanno convergendo sulla stessa idea architetturale da direzioni opposte. Qwen4-Max è un mixture-of-experts sparso che attiva 71 miliardi dei suoi 2,4 trilioni di parametri per token e punta sull'efficienza dei token — l'affermazione non replicata del fornitore stesso è che supera Qwen3.8-Max usando fino a circa il 50% in meno di token, con il costo medio per attività che scende da $4,43 a $1,67. Nemotron 3.5 Bolt 74B è un mixture-of-experts sparso che attiva 9 miliardi dei suoi 74 miliardi e punta sulla compressione, ottenendo un footprint di 24GB con pesi degli esperti a 2 bit e un piccolo drafter speculativo. Entrambi sono risposte alla stessa domanda: quanto poco del modello puoi toccare per token prima che la qualità crolli?

Quella impostazione ha una conseguenza pratica. I team che ne trarranno il massimo, da entrambi, sono quelli che misurano i token per attività completata anziché i token al secondo. Sul lato locale ciò significa tenere d'occhio la lunghezza di accettazione sul drafter, perché un decodificatore speculativo che accetta 4,68 token per passo in decodifica greedy e 4,25 con il campionamento è da dove deriva il tuo throughput, e le impostazioni di campionamento lo cambiano. Sul lato hosted significa registrare i totali combinati di pensiero e risposta rispetto al limite di 262,144 token, perché lo sforzo di ragionamento è predefinito su high e un client in stile OpenAI che richiede medium riceve silenziosamente high. Nessuna delle due misurazioni richiede un benchmark, ed entrambe sono più informative di un benchmark.

Cosa lo risolverebbe

Il numero mancante è una singola esecuzione dell'harness. Se Nemotron 3.5 Bolt 74B-A9B 24GB fosse sottoposto all'Intelligence Index v5.0.1 nella sua quantizzazione di rilascio, i due modelli diventerebbero confrontabili sull'unico asse sul quale entrambe le parti possono essere misurate, e ogni pagina di aggregatore che attualmente riporta «nessun risultato di benchmark condiviso ancora» avrebbe qualcosa da stampare. NVIDIA ha pubblicato il checkpoint, il runtime è vLLM e gli strumenti esistono. Finché ciò non accade, la mossa utile è smettere di trattarla come una sfida testa a testa e iniziare a trattarla come una decisione build-versus-buy con un costo documentato da un lato e un footprint documentato dall'altro.

Per quanto ci riguarda, per essere precisi sulla disponibilità: OrcaRouter non instrada nessuno di questi due modelli. Nemotron 3.5 Bolt 74B è un download che servi in autonomia, e Qwen4-Max si noleggia da Alibaba o tramite piattaforme partner durante l'attuale finestra gratuita. Il modello della famiglia Qwen nel nostro catalogo è Qwen3.8-Max, a 2,00 $ in ingresso e 6,00 $ in uscita per milione di token con un contesto da 1M di token, che è il ripiego naturale se vuoi una sola chiave su uno stack misto e un prezzo che segue il listino del fornitore stesso anziché una rivendita a prezzo maggiorato. Per una decisione come questa — in cui i due candidati si collocano agli estremi opposti dello spettro costruire-versus-acquistare — la cosa utile che un router ti offre non è un vincitore. È la capacità di tenere aperto il percorso hosted mentre scopri ciò che il percorso locale non può fare.

Se stai scegliendo questo mese, scegli in base al vincolo che non puoi spostare. Contesto, modalità e pagamento per attività sono i vincoli che Qwen4-Max deve soddisfare. Memoria, funzionamento offline e costo marginale zero per richiesta sono i vincoli di Nemotron 3.5 Bolt 74B. Il divario nei benchmark tra i due è reale, ma non è il divario che deciderà la tua architettura — e nessuna quantità di tabelle comparative affiancate riuscirà a colmarlo prima che qualcuno esegua l'harness.

Confrontati in questo articolo1

Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno