
Qwen4-Max vs Nemotron 3.5 Bolt 74B: W tym porównaniu brakuje jednej liczby
- OrcaNOWOŚĆOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 za 1 mln tokenów · 184 tok/s
- tencentNOWOŚĆTencent: Hy4 Flash2026-11-16$0.02 / $0.07 za 1 mln tokenów · 215 tok/s
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 87 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 97 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 za 1 mln tokenów · 109 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
Postaw Qwen4-Max i NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB obok siebie, a pierwszą rzeczą, jaką zauważysz, jest to, że serwisy porównawcze nie mają czego porównywać. BenchLM mówi to wprost — brak wspólnych wyników benchmarków — a następnie zachęca, by zamiast tego spojrzeć na cenę. Powód jest strukturalny, a nie tymczasowy: Qwen4-Max uzyskuje 43 punkty w Artificial Analysis Intelligence Index v5.0.1, a Nemotron 3.5 Bolt 74B-A9B 24GB nie ma w ogóle wyniku Intelligence Index. Nie niskiego. N/A na liście rankingowej, która obsługuje modele od czasów przed premierą któregokolwiek z nich, ponieważ model nie ma publicznie dostępnego API, a niezależne środowisko testowe nie ma czego wywołać.
Ta pojedyncza nieobecność reorganizuje wszystko inne w tym zestawieniu. Nie można uszeregować checkpointu o 74 miliardach parametrów, który mieści się w 24 gigabajtach, względem hostowanego modelu o 2,4 biliona parametrów, umieszczając ich liczby w sąsiednich komórkach, ponieważ tylko jeden z nich ma liczby. Można natomiast — czego strony agregatorów nie robią — rozdzielić twierdzenia każdego dostawcy, odnotować, kto je zmierzył, i ustalić, od której kolumny faktycznie zależy decyzja. Okazuje się, że chodzi mniej o możliwości, a bardziej o to, czy kupujesz plik, czy wynajmujesz usługę.
Jeden to plik, drugi to miernik.
NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB został udostępniony 15 października 2026 r. i jest dostępny na Hugging Face jako wagi do pobrania na licencji OpenMDW-1.1, która pozwala na użycie komercyjne. To hybrydowy model typu mixture-of-experts Mamba-Transformer: łącznie 74 miliardy parametrów, 9 miliardów aktywnych na token. „24GB” w nazwie jest sednem całego przedsięwzięcia. NVIDIA zbudowała go, kompresując swojego rodzica 120B-A12B za pomocą sterowanego routerem frameworka wyszukiwania, który nazywa Star Elastic, zmniejszając top-K ekspertów z 22 do 9, a następnie stosując destylację z uwzględnieniem kwantyzacji, dzięki czemu warstwy ekspertów mają 2,0625 bita. Towarzyszy mu spekulatywny drafter o 1,13 miliarda parametrów, ze średnimi długościami akceptacji 4,68 przy dekodowaniu zachłannym i 4,25 przy próbkowaniu. Zalecanym środowiskiem uruchomieniowym jest vLLM na Ampere, Hopper lub Blackwell, przy rozmiarze równoległości tensorowej równym jeden.
Qwen4-Max to konstrukcja przeciwna i nie tylko ze względu na rozmiar. Flagowy model Alibaby czwartej generacji stał się powszechnie dostępny 16 listopada 2026 r. w Singapurze w cenie 1,50 USD za milion tokenów wejściowych i 4,50 USD za milion tokenów wyjściowych, z oknem kontekstu wynoszącym 1 000 000 tokenów, natywnym wejściem obrazu i wideo oraz trzema konfigurowalnymi poziomami rozumowania. Nie opublikowano żadnego checkpointu. Dostrajanie, wdrażanie modelu i wnioskowanie wsadowe są wymienione jako nieobsługiwane w dokumentacji Model Studio. Każdy punkt końcowy, który go obsługuje, obsługuje wdrożenie Alibaby.
Zatem te dwa modele nie konkurują o to samo miejsce w Twojej architekturze. Jeden z nich to coś, co uruchamiasz; drugi to coś, co wywołujesz. Każde porównanie, które nie zaczyna się od tego założenia, mierzy niewłaściwą rzecz.
Tabela dostawcy porównuje Bolt z Qwen, który nie jest tym Qwen.
Tabela benchmarków samego NVIDIA to najlepiej udokumentowany zestaw liczb po obu stronach i warto ją uważnie przeczytać ze względu na to, czego nie zawiera. W jej kolumnach porównawczych znajdują się Qwen3.6-35B-A3B w BF16, Gemma 4 26B-A4B-IT w BF16 oraz Nemotron 3.5 Lightning 30B-A3B. Qwen4-Max nie ma w tabeli. Qwen mierzony w tabeli to model o otwartych wagach z 35 miliardami parametrów sprzed dwóch generacji, a powód jest oczywisty, gdy go podać: zestaw porównawczy jest określany przez zapotrzebowanie na pamięć, a hostowane API z 2,4 biliona parametrów nie ma zapotrzebowania na pamięć, które można by porównać.
To, co tabela faktycznie ustala — choć wszystko to dane zgłoszone przez dostawcę i nieodtworzone — to że plik 24 GB jest konkurencyjny wobec znacznie większych lokalnych opcji w zadaniach agentowych. Na wierszach, które NVIDIA wybrała:
• BrowseComp — Nemotron 3.5 Bolt 74B 66,75 w porównaniu z 48,74 dla Qwen3.6-35B-A3B i 26,30 dla Gemma 4 26B-A4B
• Terminal-Bench 2.1 — 50,98 wobec 44,38 i 37,22
• WebArena w trybie wizyjnym — 50,86 wobec 36,60 i 38,20
GPQA Diamond — 86,43 w porównaniu z 83,40 i 79,61
• HLE bez narzędzi — 25,30 w porównaniu z 19,56 i 17,42
• GDPVal-AA-V2 — 28,47 wobec 25,75 i 15,33
• MCP-Atlas — 52,20 wobec 51,20 i 48,4
• Tau3 Banking — 17,01 wobec 10,52 i 14,02

Dwa wiersze, w których przegrywa, warto wymienić, ponieważ tabele dostawców rzadko je zawierają. W przypadku dokładności AA-Omniscience Gemma 4 26B-A4B uzyskuje 22,17 wobec 16,90 Bolt; w przypadku niehalucynacji AA-Omniscience Nemotron 3.5 Lightning prowadzi z 68,81 wobec 61,27 Bolt. Najsłabszą ujawnioną cechą Bolt jest świadomość tego, kiedy nie wie.
Przypis ma takie samo znaczenie jak wiersze. NVIDIA odnotowuje MCP-Atlas na poziomie 51,20 dla Qwen3.6-35B-A3B, zauważając jednocześnie, że sam Qwen podaje 62,8 w tym samym benchmarku, mierzonym na 500 publicznych zadaniach. Dwa laboratoria, jeden benchmark, różnica jedenastu i pół punktu. To nie skandal; tak wyglądają liczby podawane przez dostawców, gdy nikt pośrodku nie uruchamia harnessu dla obu stron. Co jest dokładnie rolą, jaką Intelligence Index odgrywa dla Qwen4-Max i jakiej nie może odegrać dla Bolt.

Co niezależna rada mówi o Qwen4-Max — i dlaczego to niczego nie rozstrzyga
Niezależny dorobek Qwen4-Max jest skromny, ale realny. Artificial Analysis przyznaje mu 43 punkty w Intelligence Index v5.0.1 i plasuje go na 51. miejscu spośród 96 modeli w tej wersji rankingu. Koszt obliczeń na jedno zadanie indeksowe wynosi 3,27 USD, model utrzymuje się, generując 127 milionów tokenów wyjściowych w całym przebiegu wobec mediany 65,1 miliona, a na jedno zadanie potrzebuje 31,3 minuty wobec mediany 12,4. Prędkość generowania wynosi 56 tokenów na sekundę; czas do pierwszego tokena odpowiedzi to 146 sekund. Okno kontekstu modelu w rankingu widnieje jako 984 tys., co jest zaokrąglonym limitem wejścia w trybie myślenia wynoszącym 983 616, a nie innym modelem.

Czytaj te wiersze jako profil wdrożenia, a nie jako wyrok. Model, który myśli przez pół godziny na zadanie i generuje dwukrotnie więcej tokenów niż mediana, nie jest wolny dlatego, że jest źle obsługiwany; jest wolny dlatego, że wykonuje więcej pracy na zadanie i wystawia ci rachunek za tę pracę. W przeliczeniu na zadanie 3,27 USD to uczciwy koszt odpowiedzi Qwen4-Max i to właśnie tę liczbę należy przenieść do każdego porównania z modelem hostowanym samodzielnie, gdzie koszt krańcowy zadania to prąd i czas oczekiwania w kolejce.
Teraz spróbuj postawić 24 GB Bolta obok tego. Masz tabelę dostawcy, która mówi, że bije 35B otwartozasobowego Qwena w przeglądaniu agentowym, oraz niezależny ranking, który mówi, że hostowany Qwen, z którym faktycznie się go porównuje, zdobywa 43 punkty i kosztuje 3,27 USD na zadanie. Te dwa fakty się nie stykają. Nikt nie przepuścił Nemotron 3.5 Bolt 74B przez Intelligence Index, a dopóki ktoś tego nie zrobi, każdy wykres umieszczający te dwa modele na osi możliwości rysuje linię między punktem zmierzonym a założonym.
Tam, gdzie porównanie jest rozstrzygalne: pamięć, opóźnienie i rachunek
Trzy wiersze można porównać rzetelnie, ponieważ obie strony je publikują i żadna z nich nie wymaga udziału strony trzeciej.
• Pamięć — Nemotron 3.5 Bolt 74B-A9B 24GB wymaga 24 gigabajtów pamięci lokalnej przy 2,0625-bitowej kwantyzacji ekspertów; Qwen4-Max nie wymaga jej wcale, ponieważ nigdy nie przechowujesz wag. Kompromis polega na tym, że limit pamięci modelu hostowanego staje się limitem kontekstu: 262 144 tokeny dla checkpointu NVIDIA, 1 000 000 dla Qwen4-Max, z limitem wejścia wynoszącym 983 616 tokenów w trybie myślenia i 262 144 współdzielonymi między rozumowaniem a odpowiedzią.
• Szybkość — NVIDIA twierdzi, że dekodowanie osiąga co najmniej 80 tokenów na sekundę, a z drafterem podaje 84; Artificial Analysis mierzy Qwen4-Max na 56 tokenów na sekundę, przy 146 sekundach do pierwszego tokenu odpowiedzi. Model lokalny jest szybszy na token i zaczyna odpowiadać wcześniej. Model hostowany może jednak wciąż szybciej ukończyć zadanie, ponieważ wykonuje inną ilość rozumowania.
• Cena — zadanie Qwen4-Max kosztuje 3,27 USD w niezależnym środowisku testowym albo 1,50 USD i 4,50 USD za milion tokenów w rozliczeniu za zużycie. Nemotron 3.5 Bolt 74B nie ma w ogóle publikowanej ceny rozliczanej za zużycie, ponieważ nie ma dostawcy, który by go sprzedawał. Jego koszt to tyle, ile kosztuje cię GPU: karta 24 GB, która już znajduje się w stacji roboczej, amortyzowana przez dowolną liczbę zadań miesięcznie, jakie przez nią przepuścisz.
Ten ostatni wiersz to miejsce, w którym tak naprawdę rozstrzyga się decyzja, i dlatego rama „który jest mądrzejszy” wciąż zawodzi. Jeśli Twoje obciążenie to milion krótkich tur agenta miesięcznie, lokalny checkpoint wygrywa pod względem ekonomiki jednostkowej przewagą, której nie przezwycięży żaden wiersz benchmarku, a kontekst 262k to ograniczenie, wokół którego się projektuje. Jeśli Twoje obciążenie to kilka tysięcy zadań długiego horyzontu z wideo na wejściu i dołączonym dokumentem o 900 000 tokenów, żaden checkpoint 24 GB w ogóle nie odpowiada na to pytanie, a $3.27 za zadanie w Qwen4-Max to najtańsza dostępna odpowiedź, a nie droga.
Dlaczego uczciwa odpowiedź brzmi „oba, do różnych zadań”
Kuszącym rozwiązaniem jest ogłoszenie zwycięzcy, a SERP jest pełen stron, które robią dokładnie to, nie mając wspólnych danych. Użyteczniejszym rozwiązaniem jest to, że te dwa modele zbiegają się ku tej samej idei architektonicznej z przeciwnych kierunków. Qwen4-Max to rzadki model typu mixture-of-experts, który aktywuje 71 miliardów ze swoich 2,4 biliona parametrów na token i stawia na efektywność tokenową — własne, nieodtworzone twierdzenie producenta mówi, że przewyższa Qwen3.8-Max, zużywając do około 50% mniej tokenów, przy czym średni koszt na zadanie spada z 4,43 USD do 1,67 USD. Nemotron 3.5 Bolt 74B to rzadki model typu mixture-of-experts, który aktywuje 9 miliardów ze swoich 74 miliardów i stawia na kompresję, uzyskując zajętość 24 GB dzięki 2-bitowym wagom ekspertów i małemu spekulatywnemu modelowi szkicującemu. Oba są odpowiedzią na to samo pytanie: jak niewielką część modelu można dotknąć na token, zanim jakość się załamie?
To ujęcie ma praktyczną konsekwencję. Zespoły, które wyciągną najwięcej z jednego lub drugiego, to te mierzące tokeny na ukończone zadanie, a nie tokeny na sekundę. Po stronie lokalnej oznacza to obserwowanie długości akceptacji w drafterze, ponieważ dekoder spekulatywny, który akceptuje 4,68 tokenu na krok przy dekodowaniu zachłannym i 4,25 przy próbkowaniu, jest źródłem Twojej przepustowości, a ustawienia próbkowania to zmieniają. Po stronie hostowanej oznacza to rejestrowanie łącznych sum tokenów myślenia i odpowiedzi względem limitu 262,144 tokenów, ponieważ wysiłek rozumowania domyślnie wynosi high, a klient w stylu OpenAI proszący o medium po cichu otrzymuje high. Żaden z tych pomiarów nie wymaga benchmarku, a oba niosą więcej informacji niż jeden.
Co by to rozstrzygnęło?
Brakującym elementem jest jeden przebieg harnessu. Gdyby Nemotron 3.5 Bolt 74B-A9B 24GB przepuścić przez Intelligence Index v5.0.1 w kwantyzacji, w jakiej jest dostarczany, oba modele stałyby się porównywalne na jedynej osi, na której można zmierzyć obie strony, a każda strona agregatora, która obecnie mówi „jeszcze brak wspólnych wyników benchmarków”, miałaby co wydrukować. NVIDIA opublikowała checkpoint, środowiskiem uruchomieniowym jest vLLM, a narzędzia istnieją. Dopóki to nie nastąpi, użytecznym posunięciem jest przestać traktować to jako starcie, a zacząć traktować jako decyzję build-versus-buy z udokumentowanym kosztem po jednej stronie i udokumentowanym zużyciem zasobów po drugiej.
Po naszej stronie bilansu, mówiąc precyzyjnie o dostępności: OrcaRouter nie kieruje ruchu do żadnego z tych modeli. Nemotron 3.5 Bolt 74B to model do pobrania, który obsługujesz samodzielnie, a Qwen4-Max jest wynajmowany od Alibaba lub za pośrednictwem platform partnerskich w obecnym okresie bezpłatnego dostępu. Modelem z rodziny Qwen w naszym katalogu jest Qwen3.8-Max, w cenie $2.00 za wejście i $6.00 za wyjście za milion tokenów, z kontekstem 1 mln tokenów, który jest naturalną opcją rezerwową, jeśli chcesz jednego klucza do mieszanego stosu i ceny, która podąża za własnym cennikiem dostawcy, a nie za odsprzedażą z narzutem. W przypadku decyzji takiej jak ta — gdy dwaj kandydaci znajdują się na przeciwnych końcach spektrum buduj kontra kup — przydatną rzeczą, jaką daje router, nie jest wskazanie zwycięzcy. Jest nią możliwość utrzymania otwartej ścieżki hostowanej, dopóki nie dowiesz się, czego nie potrafi ścieżka lokalna.
Jeśli wybierasz w tym miesiącu, wybieraj według ograniczenia, którego nie możesz ruszyć. Kontekst, modalność i płatność za zadanie to ograniczenia, które musi spełnić Qwen4-Max. Pamięć, działanie offline i zerowy koszt krańcowy na żądanie to ograniczenia Nemotron 3.5 Bolt 74B. Różnica w wynikach benchmarków między nimi jest realna, ale to nie ta różnica zdecyduje o twojej architekturze — i żadna liczba tworzonych obok siebie tabel porównawczych jej nie zniweluje, zanim ktoś nie uruchomi harnessu.
Porównane w tym artykule1
Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie
