Una card di titolo generata che riporta "Qwen4-Max vs Nemotron 3.5 Super" con il sottotitolo "Uno lo noleggi a token, l'altro lo compri a gigabyte" e tre card con cifre che riportano "43 vs 14 sull'indice", "$3.27 vs $0.56 per task" e "248.94 GB BF16 pesi aperti". Un footer riporta "Pesi aperti secondo NVIDIA; punteggi secondo Artificial Analysis Intelligence Index v5.0.1; tariffe di hosting secondo Artificial Analysis." Stile vettoriale piatto su sfondo bianco con accenti sfumati blu e ciano, il marchio OrcaRouter compositato in basso a destra.
Guides & Insights

Qwen4-Max vs Nemotron 3.5 Super: uno lo noleggi a token, l'altro lo compri a gigabyte

Autore

jinhao.song

Data di pubblicazione

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

I due modelli di questo confronto non competono per la stessa voce di un budget. Qwen4-Max viene tariffato per token dal 16 novembre 2026 a 1,50 $ per milione di token in input e 4,50 $ per milione in output a Singapore, ed è closed: nessun peso, nessun download, nessun self-hosting, mai. NVIDIA Nemotron 3.5 Super VL è scaricabile dal 12 ottobre 2026 con licenza OpenMDW-1.1 come checkpoint BF16 da 248,94 GB o NVFP4 da 75,06 GB, con 120 miliardi di parametri dei quali 12 miliardi attivi, e il prezzo di listino ospitato misurato dal tracker indipendente è di 0,20 $ in input e 0,50 $ in output per milione. Sull'indice, Qwen4-Max segna 43 contro i 14 di Nemotron 3.5 Super VL. Sul costo per attività completata il tracker indica 3,27 $ contro 0,56 $. Letti insieme, questi quattro numeri descrivono un divario di capacità di 29 punti, un divario di prezzo del 92% a favore del modello aperto e una decisione che riguarda in realtà se si vuole un endpoint o un file.

La licenza è la prima riga, non l'ultima

La maggior parte dei confronti tra un flagship chiuso cinese e un rilascio open di NVIDIA tratta le licenze come una nota a piè di pagina. Qui sono le licenze a determinare che cosa possono persino significare le altre righe.

• Pesi — Qwen4-Max: nessuno pubblicato, e Alibaba non ha dichiarato che ne pubblicherà per questa fascia, ma solo che i modelli Qwen4 più piccoli saranno resi open source sulla stessa linea. Nemotron 3.5 Super VL: build BF16 e NVFP4 su Hugging Face, create per la prima volta il 12 ottobre 2026, con l'annuncio di NVIDIA stesso pubblicato successivamente il 15 ottobre.

• Licenza — OpenMDW-1.1 sul lato NVIDIA, che consente l'uso commerciale e il post-training sui propri dati. Il lato Alibaba è un accordo API commerciale con misurazione per token e nulla da accettare oltre ai termini di servizio.

• Fine-tuning: possibile su Nemotron 3.5 Super VL, e la scheda di NVIDIA indica la personalizzazione e l'adattamento al dominio come uso previsto. Non è offerto a nessun prezzo su Qwen4-Max; non esiste alcun endpoint di fine-tuning nell'elenco delle sue funzionalità.

• Forma di distribuzione — uno è un endpoint ospitato in sei regioni che raggiungi tramite quattro formati di comunicazione. L'altro è un insieme di pesi per cui devi trovare delle GPU, più uno stack di inferenza, più il lavoro operativo che accompagna entrambi.

• Cosa non puoi fare con nessuno dei due: acquistare i pesi di Qwen4-Max oppure chiamare Nemotron 3.5 Super VL presupponendo che NVIDIA lo servirà ancora l'anno prossimo. Il secondo è il vantaggio dei pesi aperti espresso in negativo: nessuno può ritirare pesi che hai già.

È per questa asimmetria che un confronto diretto tra gli indici è quasi inutile, qui. Il divario tra 43 e 14 è il prezzo della capacità, e la riga mancante è il prezzo dell'opzionalità, e l'opzionalità è ciò che il modello aperto sta effettivamente vendendo.

Leggendo 14 rispetto a 26: l'indice si è spostato con questo modello

C'è una complicazione che vale la pena segnalare, perché confonderà chiunque confronti i numeri di oggi con la copertura di ottobre. Artificial Analysis ha assegnato a Nemotron 3.5 Super VL un punteggio di 26 quando lo ha valutato per la prima volta, mentre la voce attuale su Intelligence Index v5.0.1 riporta 14. Entrambi i numeri sono presenti nelle pagine del tracker stesso; non sono confrontabili tra loro, perché la revisione dell'indice è cambiata sotto il modello. Ciò che un lettore dovrebbe trarne è limitato: all'interno della v5.0.1, Nemotron 3.5 Super VL a 14 e Qwen4-Max a 43 sono misurati da un unico harness su un'unica revisione e possono essere collocati su una stessa linea. Il 26 è un artefatto storico di una rubrica diversa, e citare i due valori affiancati come se il modello fosse regredito di dodici punti sarebbe sbagliato.

Il resto della scheda {{1}}Nemotron{{/1}} del tracker è insolitamente ricco di informazioni per un modello aperto, perché per esso sono disponibili prezzi di hosting. Registra {{2}}0,20 $ e 0,50 $ per milione di token{{/2}}, un {{3}}sconto del 95% sulla cache{{/3}}, una velocità di output di {{4}}274 token al secondo{{/4}}, {{5}}13,44 secondi al primo token di risposta{{/5}}, {{6}}5,0 minuti per attività di indicizzazione{{/6}}, {{7}}1M token di contesto{{/7}}, e una media di {{8}}0,56 $ per attività di indicizzazione completata{{/8}} su {{9}}119 milioni di token di output generati{{/9}}. La descrizione è schietta in entrambe le direzioni: {{10}}tra i modelli leader nell'intelligenza per modelli open-weight di dimensioni simili{{/10}}, {{11}}più lento della media per attività{{/11}}, {{12}}molto verboso{{/12}}.

La colonna di Qwen4-Max non riporta velocità, latenza né tempo per attività — la scheda delle prestazioni indica N/D. Riporta 43, una posizione di 38 su 81, $1,50 e $4,50, e 127 milioni di token in output. La verbosità è paragonabile a quella di Nemotron, il che rende la differenza di costo per attività quasi interamente una differenza di prezzo anziché di comportamento: a circa un nono della tariffa per token in output, il modello aperto completa le attività a un sesto del costo, pur totalizzando 29 punti in meno.

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.'

Cosa ti dà davvero un 120B con 12B attivi

Nemotron 3.5 Super VL è un modello mixture-of-experts con 120 miliardi di parametri totali e 12 miliardi attivi per token, il numero che determina il costo di inferenza quando lo si ospita in autonomia. Accetta in input testo e immagini e restituisce testo. Il suo backbone linguistico è stato inizializzato da Nemotron 3 Super Base, un modello solo testuale, con il percorso visivo aggiunto successivamente: un encoder C-RADIO e un connettore installati come fase di addestramento distinta dopo il completamento di addestramento di base, distillazione, pre-addestramento continuato Indic, estensione del contesto lungo e mid-training di ingegneria del software. Qwen4-Max è la costruzione opposta: un backbone da 2.400 miliardi di parametri con 71 miliardi attivi per token, visione nativa fin dall'inizio, altri 328 miliardi di parametri di embedding N-gram recuperati tramite lookup anziché moltiplicati, e un percorso di contesto basato su tre layer Gated DeltaNet che comprimono la cronologia per ciascun layer Qwen Sparse Attention.

Una di queste architetture è stata progettata intorno alle immagini. L'altra si è vista innestare le immagini a posteriori. Se questa differenza emerga nel vostro carico di lavoro è una questione empirica, ma la direzione del rischio è conoscibile: un percorso visivo aggiunto a posteriori è il punto in cui una pipeline di estrazione documentale incontra la sua prima regressione, e la scheda tecnica del fornitore stesso offre un indizio nella stessa direzione, con un punteggio IFBench di 70,86 su prompt vaghi contro 82,9 per il più grande Nemotron 3 Ultra.

L'aritmetica dell'hosting è l'altra metà. NVIDIA pubblica due checkpoint: 248,94 GB in BF16 e 75,06 GB in NVFP4, un divario di 173,88 GB per circa un terzo dell'occupazione di storage e memoria. La build NVFP4 è quella che entra su un singolo nodo di acceleratori moderni anziché su un cluster, ed è il checkpoint di NVIDIA stesso invece di una quantizzazione di terze parti, il che conta se ti interessa riprodurre i numeri pubblicati dal fornitore. Usando 12 miliardi di parametri attivi per token, la questione del throughput diventa una faccenda della tua dimensione del batch e della tua GPU, non di un listino prezzi — che è esattamente la libertà che la licenza aperta offre ed esattamente il lavoro che comporta.

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.

Quando il divario di 29 punti smette di essere il numero decisivo

Tre carichi di lavoro rendono il modello open l'acquisto migliore, nonostante ottenga un punteggio inferiore a un terzo di Qwen4-Max.

• Deployment regolamentati o air-gapped — dove la questione non è il prezzo ma se i dati possono uscire dall'edificio, e un endpoint noleggiato è squalificato prima ancora che si consulti l'indice. Nemotron 3.5 Super VL a 75,06 GB NVFP4 è un modello on-premise plausibile; Qwen4-Max non ha alcuna forma on-premise.

• Classificazione, instradamento ed estrazione ad alto volume — dove 14 su un indice generale può ancora essere sufficiente, le lunghezze dell'output sono vincolate da uno schema, e 274 token al secondo a 0,20 $ per milione di input è un ordine di grandezza più economico di qualsiasi cosa tariffata a tariffe frontier.

• Qualsiasi cosa che debba apprendere i tuoi dati — un fine-tuning sulle tue immagini e sui tuoi documenti è disponibile da una parte e non disponibile dall'altra con qualsiasi budget, e nessuna quantità di prompt engineering può sostituirlo quando il vocabolario del dominio è soltanto tuo.

E tre che rendono comunque Qwen4-Max la risposta giusta: il lavoro agentico a lungo orizzonte, dove il divario di punteggio si traduce direttamente in attività multi-step fallite; le richieste che superano qualche centinaio di migliaia di token e richiedono un contesto in un'unica richiesta, senza chunking; e qualsiasi team che voglia output strutturato, chiamate parallele agli strumenti e caching da un endpoint oggi, anziché uno stack di inferenza il trimestre prossimo. Qwen4-Max pubblica anche entrambi i suoi limiti massimi di input — 991.808 token in modalità non-thinking, 983.616 in modalità thinking — ed è il genere di numero che un team che si auto-ospita impiega una settimana a scoprire.

Quello che nessuno dei due è, e ciò che è effettivamente instradabile

Nessuno dei due modelli è nel catalogo OrcaRouter al 16 novembre 2026. Qwen4-Max è raggiungibile tramite l'API Model Studio di Alibaba stessa e diverse piattaforme di terze parti; Nemotron 3.5 Super VL è costituito da pesi scaricabili più una manciata di provider ospitati. Una pagina di confronto che lasciasse intendere che l'uno o l'altro fosse a una sola chiave API di distanza mentirebbe sullo sforzo necessario.

Quello che viene instradato qui è la generazione precedente del lato chiuso: qwen/qwen3.8-max a 2,00 $ in input e 6,00 $ in output per milione di token, il prezzo di listino del fornitore applicato senza alcun ricarico (markup 0%), sulla stessa chiave e sullo stesso endpoint compatibile con OpenAI del resto del catalogo. Per un team che valuta questo confronto, questa è l'utile posizione intermedia: confronta il tuo carico di lavoro con un flagship Qwen instradato che puoi chiamare oggi e usa quel dato per decidere se il passaggio a Qwen4-Max valga un secondo contratto, invece di acquistare l'integrazione prima di avere le prove.

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.

La strada che in pratica decide non è affatto il flagship. Una pipeline ad alto volume tende a finire divisa: un modello economico che fa lo smistamento e l'estrazione, un modello forte che fa il passaggio finale, e un fallback per il giorno in cui il primario ha un pomeriggio storto. Di OrcaRouter il DSL di routing esiste per esprimere quella divisione in una sola chiamata invece di tre integrazioni, e il failover automatico esiste per rendere sicuro poter fare affidamento sulla metà economica. Nessuno dei due modelli di questo articolo è ancora su quella strada; vale la pena conoscere il pattern perché è dove un confronto come questo di solito finisce.

Il test che risolve la questione, e quanto costa

Esegui 200 dei tuoi compiti più difficili su entrambi. Non i benchmark del fornitore, non l'indice — i tuoi compiti, con le tue lunghezze di output.

Assegna un prezzo al braccio Qwen4-Max pari a 1,50 $ e 4,50 $ per milione sui token misurati, e nota che il modello non ha una velocità pubblicata, quindi misura tu stesso la latenza oppure accetta di stare acquistando un'incognita. Assegna un prezzo al braccio Nemotron in due modi: alle tariffe hosted di 0,20 $ e 0,50 $ se vuoi il confronto economico, e al tuo costo per GPU-ora diviso per i token serviti se fai sul serio con il self-hosting, perché la tariffa hosted è la curva di utilizzo di qualcun altro e non sarà la tua. Poi guarda ai fallimenti invece che alle medie, dato che un divario di 29 punti nell'indice si manifesta come attività che non vengono completate affatto, non come attività che vengono completate leggermente peggio.

La risposta a cui arriva la maggior parte dei team non è un vincitore ma una divisione: il modello aperto sul volume e sui dati regolamentati, il modello di punta a consumo sul lavoro in cui una risposta parziale è inutile. Si tratta di un'architettura più costosa di entrambe le singole scelte, ed è di solito quella corretta — il che è anche il motivo per cui la riga delle licenze merita di essere letta per prima e quella dell'indice per seconda, e per cui la tariffa hosted di $0.20 per un modello che nessuno deve ritirare è il numero più interessante in questo confronto.

Confrontati in questo articolo1

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