
Qwen4-Max vs Nemotron 3.5 Bolt 74B: Eén getal ontbreekt in deze vergelijking
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 184 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 215 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 87 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 97 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 109 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
Zet Qwen4-Max en NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB naast elkaar en het eerste dat je opvalt, is dat de vergelijkingssites niets hebben om te vergelijken. BenchLM zegt het ronduit — nog geen gedeelde benchmarkresultaten — en nodigt je vervolgens uit om in plaats daarvan naar de prijs te kijken. De reden is structureel in plaats van tijdelijk: Qwen4-Max scoort 43 op de Artificial Analysis Intelligence Index v5.0.1, en Nemotron 3.5 Bolt 74B-A9B 24GB heeft helemaal geen Intelligence Index-score. Niet een lage. N/A, op een ranglijst die al modellen draait sinds voordat een van beide uitkwam, omdat het model geen openbaar beschikbare API heeft en de onafhankelijke testomgeving niets heeft om aan te roepen.
Die ene afwezigheid herschikt al het overige aan de vergelijking. Je kunt een checkpoint van 74 miljard parameters dat in 24 gigabyte past niet afzetten tegen een gehost model van 2,4 biljoen parameters door hun getallen in naast elkaar liggende cellen te zetten, want slechts één van de twee heeft getallen. Wat je wél kunt doen — en wat de aggregatorpagina's niet doen — is de beweringen van elke leverancier apart houden, noteren wie ze heeft gemeten en uitzoeken op welke kolom de beslissing werkelijk neerkomt. Dat blijkt minder over capaciteiten te gaan dan over de vraag of je een bestand koopt of een dienst huurt.
De ene is een vijl, de andere is een meter.
NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB is op 15 oktober 2026 verschenen en is op Hugging Face te vinden als downloadbare gewichten onder OpenMDW-1.1, een licentie die commercieel gebruik toestaat. Het is een hybride Mamba-Transformer mixture-of-experts: 74 miljard parameters in totaal, 9 miljard actief per token. De "24GB" in de naam is waar het allemaal om draait. NVIDIA bouwde het door zijn 120B-A12B-ouder te comprimeren met een door een router gestuurd zoekraamwerk dat het Star Elastic noemt, de top-K van experts van 22 naar 9 terug te brengen en vervolgens kwantisatiebewuste distillatie toe te passen, zodat de expertlagen op 2,0625 bits zitten. Een speculatieve drafter van 1,13 miljard parameters gaat mee, met gemiddelde acceptatielengtes van 4,68 bij greedy decoding en 4,25 bij sampling. De aanbevolen runtime is vLLM op Ampere, Hopper of Blackwell, met een tensor-parallelle grootte van één.
Qwen4-Max is de tegenovergestelde constructie, en niet alleen vanwege de omvang. Alibaba's vierde-generatie vlaggenschip werd op 16 november 2026 algemeen beschikbaar voor $1,50 per miljoen inputtokens en $4,50 per miljoen outputtokens in Singapore, met een contextvenster van 1.000.000 tokens, native beeld- en video-invoer en drie configureerbare redeneerniveaus. Er wordt geen checkpoint gepubliceerd. Fine-tuning, modelimplementatie en batch-inferentie worden allemaal als niet-ondersteund vermeld in de Model Studio-documentatie. Elk endpoint dat het model aanbiedt, levert Alibaba's implementatie.
Dus de twee modellen concurreren niet om dezelfde plek in je architectuur. Het ene is iets dat je draait; het andere is iets dat je aanroept. Elke vergelijking die daar niet begint, meet het verkeerde.
De leverancierstabel vergelijkt Bolt met een andere Qwen dan deze.
De eigen benchmarktabel van NVIDIA is de best gedocumenteerde reeks cijfers aan beide kanten, en het loont om die zorgvuldig te lezen vanwege wat er niet in staat. De vergelijkingskolommen zijn Qwen3.6-35B-A3B in BF16, Gemma 4 26B-A4B-IT in BF16 en Nemotron 3.5 Lightning 30B-A3B. Qwen4-Max staat niet in de tabel. De Qwen die de tabel meet, is een open-weightmodel met 35 miljard parameters van twee generaties terug, en de reden is duidelijk zodra je die noemt: de vergelijkingsset wordt bepaald door geheugenvoetafdruk, en een gehoste API met 2,4 biljoen parameters heeft geen voetafdruk om te vergelijken.
Wat de tabel wel vaststelt, allemaal door de leverancier gerapporteerd en niet gereproduceerd, is dat een bestand van 24GB concurrerend is met veel grotere lokale opties voor agentisch werk. Op de rijen die NVIDIA heeft gekozen:
• BrowseComp — Nemotron 3.5 Bolt 74B 66,75, tegenover 48,74 voor Qwen3.6-35B-A3B en 26,30 voor Gemma 4 26B-A4B
• Terminal-Bench 2.1 — 50,98, tegenover 44,38 en 37,22
• WebArena in vision-modus — 50,86, tegen 36,60 en 38,20
• GPQA Diamond — 86.43, tegen 83.40 en 79.61
• HLE zonder hulpmiddelen — 25,30, tegenover 19,56 en 17,42
• GDPVal-AA-V2 — 28,47, tegenover 25,75 en 15,33
• MCP-Atlas — 52.20, tegen 51.20 en 48.4
• Tau3 Banking — 17.01, tegen 10.52 en 14.02

De twee rijen waarop het verliest, zijn het vermelden waard, omdat leverancierstabellen ze zelden bevatten. Op AA-Omniscience-nauwkeurigheid scoort Gemma 4 26B-A4B 22,17 tegenover Bolt's 16,90; op AA-Omniscience niet-hallucinatie leidt Nemotron 3.5 Lightning met 68,81 tegenover Bolt's 61,27. Bolt's zwakste openbaar gemaakte eigenschap is weten wanneer het iets niet weet.
De voetnoot is net zo belangrijk als de rijen. NVIDIA noteert MCP-Atlas op 51,20 voor Qwen3.6-35B-A3B en merkt daarbij op dat Qwen zelf 62,8 rapporteert op dezelfde benchmark, gemeten op de 500 openbare taken. Twee labs, één benchmark, een verschil van elf en een half punt. Dat is geen schandaal; het is hoe door leveranciers gerapporteerde cijfers eruitzien wanneer niemand in het midden de harness voor beide kanten draait. Dat is precies de rol die de Intelligence Index speelt voor Qwen4-Max en niet kan spelen voor Bolt.

Wat de onafhankelijke raad zegt over Qwen4-Max — en waarom dat niets beslecht
Het onafhankelijke resultaat van Qwen4-Max is mager maar echt. Artificial Analysis geeft het een score van 43 op Intelligence Index v5.0.1 en rangschikt het als 51e van 96 modellen op die versie van de ranglijst. Het kost $3,27 aan rekenkracht per indextaak, houdt stand door tijdens de run 127 miljoen outputtokens te genereren tegenover een mediaan van 65,1 miljoen, en doet 31,3 minuten per taak tegenover een mediaan van 12,4. De outputsnelheid is 56 tokens per seconde; de tijd tot het eerste antwoordtoken is 146 seconden. Het contextvenster van het model op de ranglijst staat op 984k, wat het afgeronde invoerplafond van 983.616 in denkmodus is, en niet een ander model.

Lees die rijen als een implementatieprofiel in plaats van als een verdict. Een model dat een half uur per taak nadenkt en twee keer de mediane tokenhoeveelheid uitstuurt, is niet traag omdat het slecht wordt bediend; het is traag omdat het meer werk per taak verricht en je voor dat werk factureert. Per taak is $3,27 de eerlijke kosten van een Qwen4-Max-antwoord, en dat is het getal dat je moet meenemen in elke vergelijking met een model dat je zelf host, waar de marginale kosten van een taak elektriciteit en wachttijd in de wachtrij zijn.
Probeer nu Bolt's 24GB daarnaast te zetten. Je hebt een leverancierstabel die zegt dat het een 35B open-weight Qwen verslaat op agentisch browsen, en je hebt een onafhankelijk panel dat zegt dat de gehoste Qwen waarmee het daadwerkelijk wordt vergeleken 43 scoort en $3,27 per taak kost. Die twee feiten raken elkaar niet. Niemand heeft Nemotron 3.5 Bolt 74B door de Intelligence Index laten lopen, en totdat iemand dat doet, trekt elke grafiek die de twee modellen op een capaciteitsas plaatst een lijn tussen een gemeten punt en een verondersteld punt.
Waar de vergelijking beslisbaar is: geheugen, latentie en de rekening
Drie rijen kunnen eerlijk worden vergeleken, omdat beide partijen ze publiceren en geen van beide een derde partij vereist.
• Geheugen — Nemotron 3.5 Bolt 74B-A9B 24GB heeft 24 gigabyte lokaal geheugen nodig bij 2,0625-bit expertkwantisatie; Qwen4-Max heeft geen nodig, omdat je de gewichten nooit vasthoudt. De afweging is dat het geheugenplafond van een gehost model een contextplafond wordt: 262.144 tokens voor het NVIDIA-checkpoint, 1.000.000 voor Qwen4-Max, met een invoerlimiet van 983.616 tokens in denkmodus en 262.144 gedeeld tussen redenering en antwoord.
• Snelheid — NVIDIA beweert bij het decoderen minstens 80 tokens per seconde te halen en meldt 84 met de drafter; Artificial Analysis meet Qwen4-Max op 56 tokens per seconde, met 146 seconden tot het eerste antwoordtoken. Het lokale model is sneller per token en begint eerder te antwoorden. Het gehoste model kan de taak alsnog sneller afronden, omdat het een andere hoeveelheid denkwerk verricht.
• Prijs — een Qwen4-Max-taak kost $3,27 op de onafhankelijke harness, of $1,50 en $4,50 per miljoen tokens aan de meter. Nemotron 3.5 Bolt 74B heeft helemaal geen gepubliceerde meterprijs, omdat er geen provider is die het verkoopt. De kosten zijn wat de GPU je kost: een 24GB-kaart die al in een workstation zit, afgeschreven over hoeveel taken je er per maand doorheen laat lopen.
Die laatste rij is waar de beslissing daadwerkelijk valt, en dat is waarom de framing 'welke is slimmer' blijft falen. Als je werklast een miljoen korte agent-turns per maand is, wint de lokale checkpoint op unit-economics met een marge die geen enkele benchmarkrij kan overbruggen, en de context van 262k is een beperking waar je omheen ontwerpt. Als je werklast een paar duizend langdurige taken is met video in de invoer en een document van 900.000 tokens als bijlage, beantwoordt geen enkel 24GB-checkpoint de vraag überhaupt, en is de $3,27 per taak van Qwen4-Max het goedkoopste beschikbare antwoord in plaats van een duur antwoord.
Waarom het eerlijke antwoord "beide, voor verschillende taken" is
De verleidelijke conclusie is om een winnaar uit te roepen, en de SERP staat vol pagina's die precies dat doen zonder gedeelde data. Een nuttiger conclusie is dat deze twee modellen vanuit tegengestelde richtingen op hetzelfde architectuuridee uitkomen. Qwen4-Max is een sparse mixture-of-experts-model dat per token 71 miljard van zijn 2,4 biljoen parameters activeert en leunt op token-efficiëntie — de eigen, niet-gereproduceerde claim van de leverancier is dat het beter presteert dan Qwen3.8-Max met tot ongeveer 50% minder tokens, waarbij de gemiddelde kosten per taak dalen van $4,43 naar $1,67. Nemotron 3.5 Bolt 74B is een sparse mixture-of-experts-model dat 9 miljard van zijn 74 miljard activeert en leunt op compressie, waardoor het een voetafdruk van 24GB haalt met 2-bit expertgewichten en een kleine speculatieve drafter. Beide zijn antwoorden op dezelfde vraag: hoe weinig van het model kun je per token aanraken voordat de kwaliteit instort?
Die framing heeft een praktisch gevolg. De teams die het meest uit een van beide halen, zijn de teams die tokens per afgeronde taak meten in plaats van tokens per seconde. Aan de lokale kant betekent dat letten op de acceptatielengte bij de drafter, want een speculatieve decoder die 4,68 tokens per stap accepteert bij greedy decoding en 4,25 bij sampling, is waar je doorvoer vandaan komt, en sampling-instellingen veranderen dat. Aan de gehoste kant betekent het dat je gecombineerde totalen van denken-plus-antwoord registreert tegen het plafond van 262.144 tokens, omdat reasoning effort standaard op high staat en een OpenAI-vormige client die om medium vraagt stilzwijgend high krijgt. Geen van beide metingen vereist een benchmark, en beide zijn informatiever dan een benchmark.
Wat zou het beslechten?
Het ontbrekende getal is één harness-run. Als Nemotron 3.5 Bolt 74B-A9B 24GB door Intelligence Index v5.0.1 zou worden gehaald bij de kwantisatie zoals geleverd, zouden de twee modellen vergelijkbaar worden op de enige as waarop beide kanten kunnen worden gemeten, en elke aggregatorpagina die nu zegt "nog geen gedeelde benchmarkresultaten" zou iets hebben om te publiceren. NVIDIA heeft de checkpoint gepubliceerd, de runtime is vLLM en de tooling bestaat. Tot dat gebeurt, is de nuttige stap om dit niet langer als een onderlinge wedstrijd te behandelen en het te gaan behandelen als een build-versus-buybeslissing met een gedocumenteerde kost aan de ene kant en een gedocumenteerde footprint aan de andere kant.
Aan onze eigen kant van de balans, en precies over beschikbaarheid: OrcaRouter routeert geen van deze twee modellen. Nemotron 3.5 Bolt 74B is een download die je zelf serveert, en Qwen4-Max huur je bij Alibaba of via partnerplatforms tijdens het huidige gratis venster. Het Qwen-familielid in onze catalogus is Qwen3.8-Max, tegen $2,00 in en $6,00 uit per miljoen tokens met een context van 1M tokens, wat de natuurlijke fallback is als je één sleutel voor een gemengde stack wilt en een prijs die de eigen lijst van de leverancier volgt in plaats van een doorverkoop met opslag erop. Voor een beslissing als deze — waarbij de twee kandidaten aan tegenovergestelde uiteinden van het build-versus-buy-spectrum staan — is het nuttige dat een router je oplevert geen winnaar. Het is de mogelijkheid om de gehoste baan open te houden terwijl je erachter komt wat de lokale baan niet kan.
Als je deze maand kiest, kies dan op basis van de beperking die je niet kunt verplaatsen. Context, modaliteit en per taak betalen zijn de beperkingen waaraan Qwen4-Max moet voldoen. Geheugen, offline werking en nul marginale kosten per verzoek zijn die van Nemotron 3.5 Bolt 74B. De benchmarkkloof tussen hen is reëel, maar het is niet de kloof die je architectuur zal bepalen — en geen enkele hoeveelheid zij-aan-zij-tabellen maken zal die dichten voordat iemand de harness draait.
