Um cartão de título gerado com o cabeçalho 'Qwen4-Max vs Nemotron 3.5 Bolt 74B' e uma faixa com os dizeres 'Não existe um benchmark independente compartilhado', um cartão à esquerda listando Qwen4-Max como uma API hospedada com contexto de 1.000.000 de tokens, US$ 1,50 de entrada e US$ 4,50 de saída por milhão de tokens, um Intelligence Index de 43 e pesos não publicados, e um cartão à direita listando Nemotron 3.5 Bolt 74B como um checkpoint que você baixa com contexto de 262.144 tokens, uma ocupação de 24 GB a 2,06 bits, um Intelligence Index de N/A e a licença OpenMDW-1.1.
Guides & Insights

Qwen4-Max vs Nemotron 3.5 Bolt 74B: Falta um número nesta comparação

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Coloque Qwen4-Max e NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB lado a lado e a primeira coisa que você percebe é que os sites de comparação não têm nada para comparar. O BenchLM diz isso claramente — ainda não há resultados de benchmark compartilhados — e então convida você a olhar o preço em vez disso. O motivo é estrutural, e não temporário: Qwen4-Max marca 43 no Artificial Analysis Intelligence Index v5.0.1, e Nemotron 3.5 Bolt 74B-A9B 24GB não tem nenhuma pontuação no Intelligence Index. Não é uma pontuação baixa. É N/A, em um ranking que vem executando modelos desde antes de qualquer um dos dois ser lançado, porque o modelo não tem API disponível publicamente e o harness independente não tem nada para chamar.

Essa única ausência reorganiza todo o resto da comparação. Você não pode classificar um checkpoint de 74 bilhões de parâmetros que cabe em 24 gigabytes contra um modelo hospedado de 2,4 trilhões de parâmetros colocando seus números em células adjacentes, porque apenas um deles tem números. O que você pode fazer — e o que as páginas agregadoras não fazem — é separar as alegações de cada fornecedor, anotar quem as mediu e descobrir em qual coluna a decisão realmente se baseia. Isso, no fim, tem menos a ver com capacidade do que com o fato de você estar comprando um arquivo ou alugando um serviço.

Um é um arquivo, o outro é um medidor.

A NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB foi lançado em 15 de outubro de 2026 e está disponível no Hugging Face como pesos para download sob a OpenMDW-1.1, uma licença que permite uso comercial. É um modelo híbrido Mamba-Transformer de mistura de especialistas: 74 bilhões de parâmetros no total, 9 bilhões ativos por token. O “24GB” no nome é o ponto central de todo o exercício. A NVIDIA construiu-o comprimindo o seu modelo pai 120B-A12B com uma estrutura de busca guiada por router que denomina Star Elastic, reduzindo o top-K dos especialistas de 22 para 9 e aplicando depois destilação ciente de quantização, para que as camadas de especialistas fiquem em 2,0625 bits. Um modelo de rascunho especulativo de 1,13 bilhão de parâmetros vem incluído, com comprimentos médios de aceitação de 4,68 em decodificação gulosa e 4,25 em amostragem. O runtime recomendado é o vLLM em Ampere, Hopper ou Blackwell, com tamanho de paralelismo tensorial igual a um.

O Qwen4-Max é a construção oposta, e não apenas pelo tamanho. O carro-chefe de quarta geração da Alibaba foi disponibilizado em geral em 16 de novembro de 2026, a US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de tokens de saída em Singapura, com uma janela de contexto de 1.000.000 de tokens, entrada nativa de imagem e vídeo e três níveis configuráveis de raciocínio. Nenhum checkpoint é publicado. Ajuste fino, implantação de modelo e inferência em lote estão todos listados como não suportados na documentação do Model Studio. Todo endpoint que o serve está servindo a implantação da Alibaba.

Então os dois modelos não estão competindo pelo mesmo espaço na sua arquitetura. Um é algo que você executa; o outro é algo que você chama. Qualquer comparação que não comece por aí está medindo a coisa errada.

A tabela do fornecedor compara o Bolt com um Qwen que não é este

A própria tabela de benchmark da NVIDIA é o conjunto de números mais bem documentado de ambos os lados, e vale a pena lê-la com atenção pelo que ela não contém. Suas colunas de comparação são Qwen3.6-35B-A3B em BF16, Gemma 4 26B-A4B-IT em BF16 e Nemotron 3.5 Lightning 30B-A3B. O Qwen4-Max não está na tabela. O Qwen medido pela tabela é um modelo de pesos abertos de 35 bilhões de parâmetros de duas gerações atrás, e o motivo é óbvio quando dito: o conjunto de comparação é definido pela pegada de memória, e uma API hospedada de 2,4 trilhões de parâmetros não tem pegada a comparar.

O que a tabela estabelece de fato — tudo relatado pelo fornecedor e não reproduzido — é que um arquivo de 24 GB é competitivo com opções locais muito maiores em trabalho agêntico. Nas linhas que a NVIDIA escolheu:

• BrowseComp — Nemotron 3.5 Bolt 74B 66,75, em comparação com 48,74 do Qwen3.6-35B-A3B e 26,30 do Gemma 4 26B-A4B

• Terminal-Bench 2.1 — 50,98, contra 44,38 e 37,22

• WebArena no modo de visão — 50,86, contra 36,60 e 38,20

• GPQA Diamond — 86,43, contra 83,40 e 79,61

• HLE sem ferramentas — 25,30, contra 19,56 e 17,42

• GDPVal-AA-V2 — 28,47, contra 25,75 e 15,33

• MCP-Atlas — 52,20, contra 51,20 e 48,4

Tau3 Banking — 17,01, contra 10,52 e 14,02

Screenshot of the Hugging Face model card for NVIDIA-Nemotron-3.5-Bolt-74B-A9B-24GB captured 19 November 2026, showing the 15 October 2026 release date, the 74B total and 9B active parameter configuration, a context length of up to 256K tokens, the OpenMDW-1.1 licence, and the vendor benchmark table comparing Bolt against Qwen3.6-35B-A3B, Gemma 4 26B-A4B-IT and Nemotron 3.5 Lightning 30B-A3B.

As duas linhas em que ele perde merecem ser nomeadas, porque as tabelas dos fornecedores raramente as incluem. Em precisão no AA-Omniscience, o Gemma 4 26B-A4B pontua 22,17 contra 16,90 do Bolt; em não alucinação no AA-Omniscience, o Nemotron 3.5 Lightning lidera com 68,81 contra 61,27 do Bolt. A propriedade divulgada mais fraca do Bolt é saber quando não sabe.

A nota de rodapé importa tanto quanto as linhas. A NVIDIA registra o MCP-Atlas em 51,20 para o Qwen3.6-35B-A3B, enquanto observa que o próprio Qwen relata 62,8 no mesmo benchmark, medido nas 500 tarefas públicas. Dois laboratórios, um benchmark, uma diferença de onze pontos e meio. Isso não é um escândalo; é o que os números relatados por fornecedores parecem quando ninguém no meio está executando o harness para os dois lados. Que é precisamente o papel que o Intelligence Index desempenha para o Qwen4-Max e não pode desempenhar para o Bolt.

Screenshot of the Artificial Analysis page for Nemotron 3.5 Bolt 74B-A9B captured 19 November 2026, showing the Intelligence Index, time per task, cost per task and verbosity panels reading N/A, 'No publicly available API' across the provider charts, and technical specifications listing 74B total parameters, 9B active, a 262k context window and the OpenMDW-1.1 licence.

O que o conselho independente diz sobre o Qwen4-Max — e por que isso não resolve nada

O histórico independente do Qwen4-Max é limitado, mas real. A Artificial Analysis atribui a ele 43 pontos no Intelligence Index v5.0.1 e o coloca em 51º lugar entre 96 modelos nessa versão do ranking. Ele custa US$ 3,27 em computação por tarefa do índice, sustenta-se gerando 127 milhões de tokens de saída ao longo da execução, contra uma mediana de 65,1 milhões, e leva 31,3 minutos por tarefa, contra uma mediana de 12,4. A velocidade de saída é de 56 tokens por segundo; o tempo até o primeiro token da resposta é de 146 segundos. A janela de contexto do modelo no ranking aparece como 984k, que é o teto de entrada do modo de raciocínio de 983.616 arredondado, e não um modelo diferente.

Screenshot of the Artificial Analysis page for Qwen4 Max captured 19 November 2026, showing an Intelligence Index v5.0.1 score of 43 at rank 51 of 96, time to first answer token of 146.14 seconds, output speed of 56 tokens per second, 31.3 minutes per index task, $3.27 cost per task, 127M output tokens from the index run, and $1.50/$4.50 per million token pricing with a 984k context window.

Leia essas linhas como um perfil de implantação, e não como um veredito. Um modelo que pensa por meia hora por tarefa e emite o dobro da contagem mediana de tokens não é lento por ser mal servido; é lento porque está fazendo mais trabalho por tarefa e cobrando de você por esse trabalho. Numa base por tarefa, US$ 3,27 é o custo honesto de uma resposta do Qwen4-Max, e é o número a levar para qualquer comparação com um modelo que você mesmo hospeda, em que o custo marginal de uma tarefa é eletricidade e tempo de fila.

Agora tente colocar os 24 GB do Bolt ao lado disso. Você tem uma tabela do fornecedor dizendo que ele supera um Qwen aberto de 35B em navegação agêntica, e tem um painel independente dizendo que o Qwen hospedado com o qual ele está realmente sendo comparado obtém 43 pontos e custa US$ 3,27 por tarefa. Esses dois fatos não se tocam. Ninguém rodou o Nemotron 3.5 Bolt 74B no Intelligence Index e, até que alguém faça isso, qualquer gráfico que coloque os dois modelos em um eixo de capacidade está traçando uma linha entre um ponto medido e um ponto presumido.

Onde a comparação é decidível: memória, latência e a conta

Três linhas podem ser comparadas com honestidade, porque ambos os lados as publicam e nenhuma delas exige um terceiro.

• Memória — o Nemotron 3.5 Bolt 74B-A9B 24GB precisa de 24 gigabytes de memória local com quantização de especialistas em 2,0625 bits; o Qwen4-Max não precisa de nenhuma, porque você nunca mantém os pesos. A contrapartida é que o teto de memória de um modelo hospedado se torna um teto de contexto: 262.144 tokens para o checkpoint da NVIDIA, 1.000.000 para o Qwen4-Max, com um limite de entrada de 983.616 tokens no modo de pensamento e 262.144 compartilhados entre raciocínio e resposta.

• Velocidade — A NVIDIA afirma pelo menos 80 tokens por segundo na decodificação e relata 84 com o drafter; a Artificial Analysis mede o Qwen4-Max em 56 tokens por segundo, com 146 segundos até o primeiro token de resposta. O modelo local é mais rápido por token e começa a responder mais cedo. O modelo hospedado ainda pode concluir a tarefa mais rápido, porque está fazendo uma quantidade diferente de raciocínio.

• Preço — uma tarefa do Qwen4-Max custa US$ 3,27 no harness independente, ou US$ 1,50 e US$ 4,50 por milhão de tokens na cobrança por uso. O Nemotron 3.5 Bolt 74B não tem nenhum preço por uso publicado, porque não há provedor vendendo-o. Seu custo é o que a GPU custar para você: uma placa de 24 GB que já está em uma estação de trabalho, amortizada ao longo de quantas tarefas por mês você executar nela.

Essa última linha é onde a decisão realmente reside, e é por isso que o enquadramento de “qual é mais inteligente” continua falhando. Se sua carga de trabalho for um milhão de turnos curtos de agente por mês, o checkpoint local vence em economia unitária por uma margem que nenhuma linha de benchmark consegue superar, e o contexto de 262k é uma restrição em torno da qual você projeta. Se sua carga de trabalho for alguns milhares de tarefas de longo horizonte com vídeo na entrada e um documento de 900.000 tokens anexado, nenhum checkpoint de 24 GB responde à questão, e os US$ 3,27 por tarefa do Qwen4-Max são a resposta disponível mais barata, e não uma resposta cara.

Por que a resposta honesta é "os dois, para funções diferentes"

A resolução tentadora é declarar um vencedor, e a SERP está cheia de páginas que fazem exatamente isso sem dados em comum. Uma resolução mais útil é que esses dois modelos estão convergindo para a mesma ideia arquitetural a partir de direções opostas. O Qwen4-Max é uma mistura de especialistas esparsa que ativa 71 bilhões de seus 2,4 trilhões de parâmetros por token e aposta na eficiência de tokens — a alegação do próprio fornecedor, não reproduzida de forma independente, é que ele supera o Qwen3.8-Max usando até cerca de 50% menos tokens, com o custo médio por tarefa caindo de US$ 4,43 para US$ 1,67. O Nemotron 3.5 Bolt 74B é uma mistura de especialistas esparsa que ativa 9 bilhões de seus 74 bilhões e aposta na compressão, obtendo uma pegada de 24 GB com pesos de especialistas em 2 bits e um pequeno modelo de rascunho especulativo. Ambos são respostas para a mesma pergunta: quão pouco do modelo você pode tocar por token antes que a qualidade desabe?

Essa forma de enquadrar a questão tem uma consequência prática. As equipes que mais tirarão proveito de um ou de outro são as que medem tokens por tarefa concluída, e não tokens por segundo. No lado local, isso significa observar o comprimento de aceitação no drafter, porque um decodificador especulativo que aceita 4,68 tokens por passo em decodificação greedy e 4,25 em amostragem é de onde vem o seu throughput, e as configurações de amostragem mudam isso. No lado hospedado, significa registrar os totais combinados de raciocínio mais resposta frente ao teto de 262.144 tokens, porque o esforço de raciocínio é alto por padrão e um cliente no formato da OpenAI que solicita médio recebe alto silenciosamente. Nenhuma das duas medições exige um benchmark, e ambas são mais informativas do que apenas uma.

O que resolveria isso

O número que falta é uma execução do harness. Se o Nemotron 3.5 Bolt 74B-A9B 24GB fosse submetido ao Intelligence Index v5.0.1 na quantização com que é enviado, os dois modelos se tornariam comparáveis no único eixo em que ambos os lados podem ser medidos, e toda página de agregador que hoje diz "ainda não há resultados de benchmark compartilhados" teria algo para imprimir. A NVIDIA publicou o checkpoint, o runtime é o vLLM e o ferramental existe. Até que isso aconteça, a medida útil é parar de tratar isto como um confronto e começar a tratá-lo como uma decisão de construir versus comprar, com um custo documentado de um lado e uma pegada documentada do outro.

Do nosso lado da equação, sendo precisos quanto à disponibilidade: o OrcaRouter não roteia nenhum desses modelos. O Nemotron 3.5 Bolt 74B é um download que você mesmo hospeda, e o Qwen4-Max é alugado da Alibaba ou por meio de plataformas parceiras durante sua atual janela gratuita. O integrante da família Qwen em nosso catálogo é o Qwen3.8-Max, a US$ 2,00 de entrada e US$ 6,00 de saída por milhão de tokens, com contexto de 1 milhão de tokens, que é a alternativa natural se você quiser uma única chave para uma stack mista e um preço que segue a própria lista do fornecedor, em vez de uma revenda com margem adicionada. Para uma decisão como esta — em que os dois candidatos ficam em extremos opostos do espectro entre construir e comprar —, o que um roteador tem de útil para oferecer não é um vencedor. É a capacidade de manter a via hospedada aberta enquanto você descobre o que a via local não consegue fazer.

Se você está escolhendo este mês, escolha com base na restrição que não pode mudar. Contexto, modalidade e pagamento por tarefa são restrições que o Qwen4-Max precisa satisfazer. Memória, operação offline e custo marginal zero por requisição são restrições que o Nemotron 3.5 Bolt 74B precisa satisfazer. A diferença de benchmark entre eles é real, mas não é a diferença que decidirá sua arquitetura — e nenhuma quantidade de tabelas comparativas lado a lado a fechará antes que alguém execute o harness.

Comparados neste artigo1

Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente