
Qwen4-Max vs Nemotron 3.5 Super: jeden wynajmujesz za token, drugi kupujesz na gigabajty
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 90 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 96 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOWOŚĆOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 87 tok/s
- OrcaNOWOŚĆOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 133 tok/s
- OrcaNOWOŚĆOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 za 1 mln tokenów · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 43 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 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 za 1 mln tokenów · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencja
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencja
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 za 1 mln tokenów · 219 tok/s
Te dwa modele w tym porównaniu nie konkurują o tę samą pozycję w budżecie. Qwen4-Max jest rozliczany za token od 16 listopada 2026 r. po 1,50 USD za milion tokenów wejściowych i 4,50 USD za milion tokenów wyjściowych w Singapurze, i jest zamknięty — żadnych wag, żadnego pobierania, żadnego hostowania na własnym serwerze, nigdy. NVIDIA Nemotron 3.5 Super VL można pobrać od 12 października 2026 r. na licencji OpenMDW-1.1 jako checkpoint BF16 o rozmiarze 248,94 GB lub NVFP4 o rozmiarze 75,06 GB, z 120 miliardami parametrów, z których 12 miliardów jest aktywnych, a hostowana cena katalogowa mierzona przez niezależny tracker wynosi 0,20 USD za wejście i 0,50 USD za wyjście za milion. W indeksie Qwen4-Max uzyskuje 43 punkty wobec 14 punktów Nemotron 3.5 Super VL. Jeśli chodzi o koszt na ukończone zadanie, tracker podaje 3,27 USD wobec 0,56 USD. Odczytane razem te cztery liczby opisują 29-punktową lukę w możliwościach, 92-procentową lukę cenową na korzyść modelu otwartego oraz decyzję, która w rzeczywistości sprowadza się do tego, czy chcesz punkt końcowy, czy plik.
Licencja to pierwszy wiersz, a nie ostatni.
W większości porównań chińskiego zamkniętego flagowca z otwartym wydaniem NVIDIA kwestię licencjonowania traktuje się jako przypis. Tutaj to ona decyduje, co mogą w ogóle oznaczać pozostałe wiersze.
• Wagi — Qwen4-Max: żadne nie zostały opublikowane, a Alibaba nie zapowiedziała, że opublikuje jakiekolwiek dla tego poziomu — jedynie, że mniejsze modele Qwen4 zostaną udostępnione jako open source w ramach tej samej linii rozwojowej. Nemotron 3.5 Super VL: kompilacje BF16 i NVFP4 na Hugging Face, po raz pierwszy utworzone 12 października 2026 r., a 15 października nastąpiło oficjalne ogłoszenie NVIDIA.
• Licencja — OpenMDW-1.1 po stronie NVIDIA, która zezwala na użycie komercyjne i post-training na własnych danych. Po stronie Alibaby jest to komercyjna umowa dotycząca API z rozliczaniem za token i nic do zaakceptowania poza warunkami świadczenia usług.
• Dostrajanie — możliwe w przypadku Nemotron 3.5 Super VL, a karta NVIDIA wskazuje dostosowywanie i adaptację do domeny jako zamierzone zastosowanie. Nieoferowane za żadną cenę w Qwen4-Max; w jego liście możliwości nie ma punktu końcowego dostrajania.
• Postać wdrożenia — jedno to hostowany endpoint w sześciu regionach, do którego docierasz przez cztery formaty transmisji. Drugie to zestaw wag, do których musisz znaleźć GPU, plus stos inferencyjny, plus praca operacyjna związana z oboma.
• Czego nie możesz zrobić w żadnym z tych przypadków — kupić wag Qwen4-Max ani wywołać Nemotron 3.5 Super VL przy założeniu, że NVIDIA będzie go nadal udostępniać w przyszłym roku. To drugie to zaleta otwartych wag wyrażona negatywnie: nikt nie może wycofać wag, które już masz.
Ta asymetria sprawia, że bezpośrednie porównanie indeksów jest tu niemal bezużyteczne. Różnica 43 do 14 wycenia możliwości, a brakujący wiersz wycenia opcjonalność — a opcjonalność jest tym, co otwarty model faktycznie sprzedaje.
Odczyt 14 względem 26: indeks przesunął się w ramach tego modelu
Jest pewien niuans wart nazwania, ponieważ zdezorientuje każdego, kto porównuje dzisiejsze liczby z październikowym omówieniem. Artificial Analysis oceniło Nemotron 3.5 Super VL na 26, gdy po raz pierwszy je ewaluowało, a obecny wpis w Intelligence Index v5.0.1 wskazuje 14. Obie liczby znajdują się na stronach samego trackera; nie są ze sobą porównywalne, ponieważ wersja indeksu zmieniła się pod modelem. Wniosek, jaki czytelnik powinien z tego wyciągnąć, jest wąski: w obrębie v5.0.1 Nemotron 3.5 Super VL z wynikiem 14 i Qwen4-Max z wynikiem 43 są mierzone przez jeden harness w jednej wersji i można je umieścić na jednej linii. Liczba 26 to historyczny artefakt innego zestawu kryteriów, a zestawianie obu liczb obok siebie tak, jakby model pogorszył się o dwanaście punktów, byłoby błędem.
Pozostała część wpisu Nemotron w trackerze jest nietypowo informacyjna jak na model otwarty, ponieważ istnieją dla niego ceny hostingu. Zapisuje 0,20 USD i 0,50 USD za milion tokenów, 95% zniżki na cache, prędkość generowania 274 tokenów na sekundę, 13,44 sekundy do pierwszego tokenu odpowiedzi, 5,0 minuty na zadanie indeksowania, 1 mln tokenów kontekstu i średnio 0,56 USD za ukończone zadanie indeksowania na 119 milionów wygenerowanych tokenów wyjściowych. Opis jest szczery w obu kierunkach: wśród wiodących modeli pod względem inteligencji dla modeli o otwartych wagach o podobnym rozmiarze, wolniejszy niż średnio na zadanie, bardzo rozwlekły.
Kolumna Qwen4-Max nie zawiera prędkości, opóźnienia ani czasu na zadanie — karta wydajności pokazuje N/A. Ma wynik 43, pozycję 38 z 81, $1.50 i $4.50 oraz 127 milionów tokenów wyjściowych. Gadatliwość jest porównywalna z Nemotronem, co sprawia, że różnica w koszcie na zadanie jest niemal wyłącznie różnicą cenową, a nie różnicą w zachowaniu: przy około jednej dziewiątej stawki za token na wyjściu model otwarty kończy zadania przy jednej szóstej kosztu, uzyskując jednocześnie o 29 punktów niższy wynik.

Co tak naprawdę daje Ci 120B z 12B aktywnych parametrów
Nemotron 3.5 Super VL to model typu mixture-of-experts z 120 miliardami parametrów łącznie i 12 miliardami aktywnych na token, co jest liczbą decydującą o koszcie wnioskowania przy samodzielnym hostowaniu. Przyjmuje tekst i obrazy, a zwraca tekst. Jego szkielet językowy zainicjalizowano z Nemotron 3 Super Base, modelu wyłącznie tekstowego, a ścieżkę wizyjną dodano później — koder C-RADIO i łącznik zainstalowano jako odrębny etap trenowania po zakończeniu treningu podstawowego, destylacji, kontynuowanego wstępnego trenowania w językach indyjskich, rozszerzania długiego kontekstu i średniego treningu inżynierii oprogramowania. Qwen4-Max to konstrukcja odwrotna: szkielet z 2,4 biliona parametrów i 71 miliardami aktywnych na token, natywna wizja od początku, 328 miliardów dodatkowych parametrów osadzania N-gramów wyszukiwanych, a nie mnożonych, oraz ścieżka kontekstu zbudowana z trzech warstw Gated DeltaNet kompresujących historię dla każdej warstwy Qwen Sparse Attention.
Jedna z tych architektur została zaprojektowana wokół obrazów. Druga miała obrazy doklejone. Czy ta różnica ujawni się w Twoim obciążeniu, to kwestia empiryczna, ale kierunek ryzyka da się poznać: to właśnie w dorobionej po fakcie ścieżce wizyjnej pipeline do ekstrakcji dokumentów napotyka swoją pierwszą regresję, a karta produktu samego dostawcy sugeruje to samo — wynik IFBench 70,86 przy luźnych promptach wobec 82,9 dla większego Nemotron 3 Ultra.
Arytmetyka hostingu to druga połowa zagadnienia. NVIDIA publikuje dwa checkpointy: 248.94 GB w BF16 i 75.06 GB w NVFP4 — różnicę 173.88 GB przy mniej więcej jednej trzeciej zajętości pamięci masowej i pamięci operacyjnej. To wersja NVFP4 mieści się na pojedynczym węźle nowoczesnych akceleratorów, a nie w klastrze, i jest to checkpoint samej NVIDII, a nie kwantyzacja firmy trzeciej, co ma znaczenie, jeśli zależy ci na odtworzeniu publikowanych przez producenta liczb. Przy 12 miliardach aktywnych parametrów na token kwestia przepustowości staje się pochodną rozmiaru partii i twojego GPU, a nie cennika — co jest dokładnie tą swobodą, którą daje otwarta licencja, i dokładnie tą pracą, którą ona kosztuje.

Kiedy 29-punktowa różnica przestaje być decydującą liczbą
Trzy obciążenia robocze sprawiają, że otwarty model jest lepszym zakupem, mimo że osiąga wynik poniżej jednej trzeciej Qwen4-Max.
• Wdrożenia regulowane lub w sieciach odizolowanych (air-gapped) — gdzie pytanie nie dotyczy ceny, lecz tego, czy dane mogą opuścić budynek, a wynajmowany endpoint jest wykluczony, zanim jeszcze zajrzy się do indeksu. Nemotron 3.5 Super VL przy 75,06 GB NVFP4 to wiarygodny model on-premise; Qwen4-Max nie ma wersji on-premise.
• Klasyfikacja, routing i ekstrakcja o dużej skali — gdzie wynik 14 w ogólnym indeksie może wciąż wystarczyć, długości danych wyjściowych są ustalane przez schemat, a 274 tokeny na sekundę przy $0.20 za milion tokenów wejściowych jest o rząd wielkości tańsze niż cokolwiek rozliczane według stawek frontier.
• Cokolwiek musi uczyć się na Twoich danych — dostrojenie modelu na własnych obrazach i dokumentach jest dostępne po jednej stronie, a po drugiej niedostępne przy dowolnym budżecie, i żadna ilość inżynierii promptów tego nie zastąpi, gdy słownictwo domenowe jest wyłącznie Twoje.
A trzy, które i tak czynią Qwen4-Max właściwą odpowiedzią: długoterminowa praca agentowa, w której różnica w wynikach przekłada się bezpośrednio na nieudane wieloetapowe zadania, żądania przekraczające kilkaset tysięcy tokenów i wymagające kontekstu jednego żądania bez dzielenia na fragmenty oraz każdy zespół, który chce ustrukturyzowanych wyników, równoległego wywoływania narzędzi i buforowania z punktu końcowego już dziś, a nie stosu wnioskowania w przyszłym kwartale. Qwen4-Max publikuje również oba swoje limity wejściowe — 991,808 tokenów w trybie nie-myślącym, 983,616 w trybie myślenia — a to liczba, której odkrycie zajmuje zespołowi samodzielnie hostującemu rozwiązanie tydzień.
Co nie jest ani jednym, ani drugim i co faktycznie jest routowalne
Żaden z modeli nie znajduje się w katalogu OrcaRouter na dzień 16 listopada 2026 r. Qwen4-Max jest dostępny przez własne API Model Studio firmy Alibaba oraz kilka platform zewnętrznych; Nemotron 3.5 Super VL to wagi do pobrania plus garść dostawców hostowanych. Strona porównawcza, która sugerowałaby, że którykolwiek z nich jest oddalony o jeden klucz API, kłamałaby na temat wymaganego nakładu pracy.
To, co jest tutaj kierowane, to poprzednia generacja strony zamkniętej: qwen/qwen3.8-max w cenie 2,00 USD za wejście i 6,00 USD za wyjście za milion tokenów, cena katalogowa dostawcy przekazywana bez marży 0%, na tym samym kluczu i tym samym punkcie końcowym zgodnym z OpenAI co reszta katalogu. Dla zespołu oceniającego to zestawienie jest to przydatna pozycja pośrednia — zmierz swoje obciążenie względem kierowanego flagowca Qwen, do którego możesz zadzwonić już dziś, i użyj tej liczby, aby zdecydować, czy przejście na Qwen4-Max jest warte drugiej umowy, zamiast kupować integrację, zanim masz dowody.

Ścieżka, która w praktyce zwykle rozstrzyga sprawę, wcale nie jest flagowym modelem. Potok o dużym natężeniu zwykle kończy się podziałem: tani model zajmuje się sortowaniem i ekstrakcją, mocny model wykonuje ostatni etap, a mechanizm zapasowy czeka na dzień, w którym model główny ma gorszy dzień. OrcaRoutera DSL routingu istnieje po to, by wyrazić ten podział w jednym wywołaniu, a nie w trzech integracjach, a automatyczne przełączanie awaryjne istnieje po to, by można było bezpiecznie polegać na taniej połowie. Żaden z dwóch modeli opisanych w tym tekście nie znajduje się jeszcze na tej ścieżce; warto znać ten wzorzec, ponieważ właśnie tam zwykle trafia takie starcie.
Test, który to rozstrzyga, i ile kosztuje
Przepuść przez oba 200 swoich najtrudniejszych zadań. Nie benchmarki dostawcy, nie indeks — Twoje zadania, z Twoimi długościami wyjścia.
Wyceń wariant Qwen4-Max na 1,50 USD i 4,50 USD za milion zmierzonych tokenów i zauważ, że model nie ma opublikowanej szybkości, więc sam zmierz opóźnienie albo zaakceptuj, że kupujesz coś nieznanego. Wyceń wariant Nemotron na dwa sposoby: przy stawce hostowanej 0,20 USD i 0,50 USD, jeśli chcesz taniego porównania, oraz przy własnym koszcie za godzinę GPU podzielonym przez obsłużone tokeny, jeśli poważnie myślisz o samodzielnym hostowaniu, ponieważ stawka hostowana to czyjaś krzywa wykorzystania i nie będzie Twoja. Następnie patrz na awarie, a nie na średnie, ponieważ 29-punktowa różnica w indeksie objawia się jako zadania, które w ogóle się nie kończą, a nie jako zadania, które kończą się nieco gorzej.
Rozwiązanie, do którego dochodzi większość zespołów, nie jest zwycięzcą, lecz podziałem: model otwarty do obsługi dużego wolumenu i danych objętych regulacjami, flagowy model rozliczany za użycie do pracy, w której częściowa odpowiedź jest bezwartościowa. To architektura droższa niż którykolwiek z pojedynczych wyborów i zwykle to ta właściwa — co również wyjaśnia, dlaczego wiersz dotyczący licencji zasługuje na przeczytanie jako pierwszy, a wiersz indeksu jako drugi, oraz dlaczego stawka $0.20 za hostowanie modelu, którego nikt nie musi wycofywać, jest najciekawszą liczbą w tym porównaniu.
Porównane w tym artykule1
Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie
