
Qwen4-Max vs Nemotron 3.5 Super: de één huur je per token, de ander koop je per gigabyte
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 90 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 96 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNIEUWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 87 tok/s
- OrcaNIEUWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 133 tok/s
- OrcaNIEUWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 mln tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 43 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 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 mln tokens · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligentie
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligentie
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 mln tokens · 219 tok/s
De twee modellen in deze vergelijking concurreren niet om dezelfde budgetpost. Qwen4-Max wordt sinds 16 november 2026 per token afgerekend tegen $1.50 per miljoen input en $4.50 per miljoen output in Singapore, en het is gesloten — geen gewichten, geen download, nooit self-hosting. NVIDIA Nemotron 3.5 Super VL is sinds 12 oktober 2026 downloadbaar onder OpenMDW-1.1 als een BF16-checkpoint van 248,94 GB of een NVFP4-checkpoint van 75,06 GB, met 120 miljard parameters waarvan 12 miljard actief zijn, en de gepubliceerde prijs voor de gehoste variant die de onafhankelijke tracker meet, is $0.20 input en $0.50 output per miljoen. Op de index scoort Qwen4-Max 43 tegen 14 voor Nemotron 3.5 Super VL. Wat kosten per voltooide taak betreft, zegt de tracker $3.27 tegen $0.56. Samengelezen beschrijven die vier getallen een kloof in capaciteit van 29 punten, een prijsverschil van 92% in het voordeel van het open model, en een beslissing die in werkelijkheid gaat over de vraag of je een endpoint of een bestand wilt.
De licentie is de eerste rij, niet de laatste
De meeste vergelijkingen tussen een Chinese gesloten vlaggenschipmodel en een open NVIDIA-release behandelen licenties als een voetnoot. Hier bepaalt die juist wat de andere rijen überhaupt kunnen betekenen.
• Gewichten — Qwen4-Max: geen enkele gepubliceerd, en Alibaba heeft niet gezegd dat het er voor deze tier een zal publiceren, alleen dat kleinere Qwen4-modellen binnen dezelfde lineage als open source zullen worden uitgebracht. Nemotron 3.5 Super VL: BF16- en NVFP4-builds op Hugging Face, voor het eerst aangemaakt op 12 oktober 2026, met NVIDIA's eigen aankondiging die volgde op 15 oktober.
• Licentie — OpenMDW-1.1 aan de NVIDIA-kant, die commercieel gebruik en post-training op je eigen data toestaat. Aan de kant van Alibaba is het een commerciële API-overeenkomst met meting per token en niets anders om te accepteren dan de servicevoorwaarden.
• Fine-tuning — mogelijk op Nemotron 3.5 Super VL, en NVIDIA's kaart noemt maatwerk en domeinaanpassing als beoogd gebruik. Niet tegen welke prijs dan ook aangeboden op Qwen4-Max; er is geen fine-tuning-endpoint in de lijst met mogelijkheden.
• Implementatievorm — de ene is een gehoste endpoint in zes regio's die je via vier wire formats bereikt. De andere is een set gewichten waarvoor je GPU's moet vinden, plus een inferencestack, plus het operationele werk dat bij beide hoort.
• Wat je met geen van beide kunt doen — de weights van Qwen4-Max kopen, of Nemotron 3.5 Super VL aanroepen in de veronderstelling dat NVIDIA het volgend jaar nog steeds aanbiedt. Het tweede is het voordeel van open weights, negatief geformuleerd: niemand kan weights buiten gebruik stellen die je al hebt.
Die asymmetrie is de reden waarom een directe indexvergelijking hier vrijwel nutteloos is. Het gat van 43 tegenover 14 beprijst capaciteit, en de ontbrekende rij beprijst optionaliteit, en optionaliteit is precies wat het open model eigenlijk verkoopt.
14 tegen 26 aflezen: de index verschoof onder dit model.
Er is een complicatie die het benoemen waard is, want die zal iedereen verwarren die de cijfers van vandaag vergelijkt met de berichtgeving van oktober. Artificial Analysis gaf Nemotron 3.5 Super VL een 26 toen het model voor het eerst werd geëvalueerd, en de huidige vermelding op Intelligence Index v5.0.1 vermeldt 14. Beide getallen staan op de eigen pagina's van de tracker; ze zijn niet met elkaar vergelijkbaar, omdat de indexrevisie eronder is gewijzigd. Wat een lezer daaruit moet halen, is beperkt: binnen v5.0.1 worden Nemotron 3.5 Super VL met 14 en Qwen4-Max met 43 door één harness op één revisie gemeten en kunnen ze op één lijn worden geplaatst. De 26 is een historisch artefact van een ander beoordelingskader, en de twee naast elkaar citeren alsof het model met twaalf punten is achteruitgegaan, zou onjuist zijn.
De rest van de Nemotron-vermelding in de tracker is ongewoon informatief voor een open model, omdat er hostingprijzen voor bestaan. Het vermeldt $0,20 en $0,50 per miljoen tokens, een cachekorting van 95%, een outputsnelheid van 274 tokens per seconde, 13,44 seconden tot het eerste antwoordtoken, 5,0 minuten per indextaak, 1M tokens context en gemiddeld $0,56 per voltooide indextaak bij 119 miljoen gegenereerde outputtokens. De beschrijving is in beide richtingen openhartig: een van de leidende modellen qua intelligentie voor open-weightmodellen van vergelijkbare grootte, langzamer dan gemiddeld per taak, zeer breedsprakig.
De kolom van Qwen4-Max heeft geen snelheid, geen latentie en geen tijd per taak — de prestatiekaart geeft N/A aan. Het heeft 43, een rang van 38 van 81, $1,50 en $4,50, en 127 miljoen outputtokens. De verbositeit is vergelijkbaar met die van Nemotron, waardoor het verschil in kosten per taak bijna volledig een prijsverschil is in plaats van een gedragsverschil: tegen ongeveer een negende van het tarief per token voor output voltooit het open model taken tegen een zesde van de kosten, terwijl het 29 punten lager scoort.

Wat 120B met 12B actief je daadwerkelijk oplevert
Nemotron 3.5 Super VL is een mixture-of-experts met 120 miljard totale parameters en 12 miljard die per token actief zijn, het aantal dat de inferentiekosten bepaalt wanneer je het zelf host. Het accepteert tekst en afbeeldingen en retourneert tekst. De taalbackbone werd geïnitialiseerd vanuit Nemotron 3 Super Base, een alleen-tekstmodel, waarbij het visiepad later werd toegevoegd — een C-RADIO-encoder en een connector die als afzonderlijke trainingsfase werden geïnstalleerd nadat foundationtraining, distillatie, Indic-vervolgpretraining, long-contextuitbreiding en software-engineering-midtraining allemaal waren voltooid. Qwen4-Max is de tegenovergestelde constructie: een backbone van 2,4 biljoen parameters met 71 miljard actief per token, native vision vanaf het begin, 328 miljard extra N-gram-embeddingparameters die worden opgezocht in plaats van vermenigvuldigd, en een contextpad gebouwd op drie Gated DeltaNet-lagen die de geschiedenis comprimeren voor elke Qwen Sparse Attention-laag.
Een van die architecturen was rond afbeeldingen ontworpen. Bij de andere zijn afbeeldingen er achteraf aan vastgeplakt. Of dat verschil zich in je workload laat zien, is een empirische vraag, maar de richting van het risico is kenbaar: een achteraf ingebouwde vision-route is waar een document-extractiepijplijn zijn eerste regressie vindt, en de eigen modelkaart van de leverancier wijst in dezelfde richting, met een IFBench-score van 70.86 op losse prompts tegenover 82.9 voor de grotere Nemotron 3 Ultra.
De rekenkunde achter hosting is de andere helft. NVIDIA publiceert twee checkpoints: 248,94 GB BF16 en 75,06 GB NVFP4, een verschil van 173,88 GB voor ruwweg een derde van de opslag- en geheugenvoetafdruk. De NVFP4-build is degene die op één node van moderne accelerators past in plaats van op een cluster, en het is het eigen checkpoint van NVIDIA in plaats van een kwantisatie door een derde partij, wat ertoe doet als je de door de leverancier gepubliceerde cijfers wilt reproduceren. Met 12 miljard actieve parameters per token wordt de doorvoerkwestie een kwestie van je batchgrootte en je GPU, niet van een tariefkaart — precies de vrijheid die de open licentie oplevert en precies het werk dat het kost.

Wanneer de kloof van 29 punten niet langer het beslissende getal is
Drie workloads maken het open model de betere aankoop, ook al scoort het minder dan een derde van Qwen4-Max.
• Gereguleerde of air-gapped implementaties — waar de vraag niet prijs is, maar of data het gebouw kunnen verlaten, en een gehuurd endpoint al is uitgesloten voordat de index wordt geraadpleegd. Nemotron 3.5 Super VL met 75,06 GB NVFP4 is een plausibel on-premise model; Qwen4-Max heeft geen on-premise variant.
• Grootschalige classificatie, routering en extractie — waarbij 14 op een algemene index nog steeds voldoende kan zijn, uitvoerlengtes door een schema worden vastgelegd, en 274 tokens per seconde tegen $0,20 per miljoen invoer een orde van grootte goedkoper is dan alles wat tegen frontier-tarieven wordt afgerekend.
Alles wat uw gegevens moet leren — een fine-tune op uw eigen afbeeldingen en documenten is aan de ene kant beschikbaar en aan de andere kant niet, bij welk budget dan ook, en geen enkele hoeveelheid prompt engineering kan daarvoor in de plaats komen wanneer de domeinwoordenschat alleen van u is.
En drie dingen die Qwen4-Max toch het juiste antwoord maken: agentisch werk met een lange horizon, waarbij het scoreverschil zich direct vertaalt in mislukte meerstapstaken; verzoeken die enkele honderden duizenden tokens overschrijden en één context voor één enkel verzoek zonder opsplitsing nodig hebben; en elk team dat vandaag via een endpoint gestructureerde uitvoer, parallelle toolaanroepen en caching wil, in plaats van volgend kwartaal een inferencestack. Qwen4-Max publiceert ook beide bovengrenzen voor de invoer — 991.808 tokens in non-thinkingmodus, 983.616 in thinkingmodus — precies het soort getal dat een team dat zelf host een week kost om te ontdekken.
Wat geen van deze twee is, en wat daadwerkelijk routeerbaar is
Geen van beide modellen staat per 16 november 2026 in de OrcaRouter-catalogus. Qwen4-Max is bereikbaar via Alibaba's eigen Model Studio-API en verschillende platforms van derden; Nemotron 3.5 Super VL bestaat uit downloadbare gewichten plus een handvol gehoste providers. Een vergelijkingspagina die suggereerde dat een van beide maar één API-sleutel verwijderd was, zou liegen over de benodigde inspanning.
Wat hier wordt gerouteerd, is de vorige generatie van de gesloten kant: qwen/qwen3.8-max voor $2,00 in en $6,00 out per miljoen tokens, de lijstprijs van de leverancier doorgegeven met 0% markup, op dezelfde sleutel en hetzelfde OpenAI-compatibele endpoint als de rest van de catalogus. Voor een team dat deze vergelijking evalueert, is dat de bruikbare tussenpositie — meet je workload af tegen een gerouteerd Qwen-vlaggenschipmodel dat je vandaag kunt aanroepen, en gebruik dat getal om te beslissen of de stap naar Qwen4-Max een tweede contract waard is, in plaats van de integratie te kopen voordat je het bewijs hebt.

Het pad dat in de praktijk meestal de doorslag geeft, is helemaal niet het flagshipmodel. Een pipeline met hoog volume loopt vaak uiteen: een goedkoop model dat sorteert en extraheert, een sterk model dat de laatste ronde doet, en een fallback voor de dag dat het primaire model een slechte middag heeft. OrcaRouter's routing-DSL bestaat om die splitsing in één aanroep uit te drukken in plaats van drie integraties, en automatische failover bestaat om ervoor te zorgen dat je veilig op de goedkope helft kunt vertrouwen. Geen van de twee modellen in dit stuk zit al op dat pad; het patroon is het kennen waard, want het is waar een onderlinge vergelijking als deze meestal terechtkomt.
De test die de knoop doorhakt, en wat het kost
Voer 200 van je eigen moeilijkste taken door beide uit. Niet de leveranciersbenchmarks, niet de index — jouw taken, met jouw outputlengtes.
Prijs de Qwen4-Max-arm op $1,50 en $4,50 per miljoen gemeten tokens, en merk op dat het model geen gepubliceerde snelheid heeft, dus meet de latentie zelf of accepteer dat je iets onbekends koopt. Prijs de Nemotron-arm op twee manieren: tegen de gehoste $0,20 en $0,50 als je de goedkope vergelijking wilt, en tegen je eigen GPU-uurprijs gedeeld door geleverde tokens als je serieus bent over self-hosting, want het gehoste tarief is de bezettingscurve van iemand anders en zal niet de jouwe zijn. Kijk dan naar de fouten in plaats van de gemiddelden, omdat een indexkloof van 29 punten zich uit in taken die helemaal niet worden voltooid, niet in taken die iets slechter worden voltooid.
Het antwoord waar de meeste teams op uitkomen is geen winnaar maar een splitsing: het open model voor het volume en de gereguleerde data, het naar verbruik afgerekende vlaggenschipmodel voor het werk waar een gedeeltelijk antwoord waardeloos is. Dat is een duurdere architectuur dan elk van beide afzonderlijke keuzes, en het is meestal de juiste — wat ook verklaart waarom de licentieregel eerst en de indexrij tweede gelezen moet worden, en waarom het hosted tarief van $0.20 voor een model dat niemand hoeft uit te faseren het interessantste getal in deze vergelijking is.
