
Qwen4-Max против Nemotron 3.5 Bolt 74B: в этом сравнении не хватает одного числа
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 184 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 215 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 87 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 97 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 109 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
Поставьте Qwen4-Max и NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB рядом — и первое, что вы заметите, это то, что сайтам сравнения нечего сравнивать. BenchLM говорит прямо — общих результатов бенчмарков пока нет — а затем предлагает вместо этого посмотреть на цену. Причина структурная, а не временная: Qwen4-Max набирает 43 балла в Artificial Analysis Intelligence Index v5.0.1, а у Nemotron 3.5 Bolt 74B-A9B 24GB вообще нет оценки Intelligence Index. Не низкой. N/A — в рейтинге, который работает с моделями ещё с тех времён, когда ни одна из этих двух не вышла, потому что у модели нет общедоступного API и независимому тестовому стенду нечего вызывать.
Это единственное отсутствие перестраивает всё остальное в этом сравнении. Нельзя ранжировать чекпоинт с 74 млрд параметров, помещающийся в 24 гигабайта, и размещённую в облаке модель с 2,4 трлн параметров, просто поставив их числа в соседние ячейки, потому что числа есть только у одного из них. Что можно сделать — и чего не делают страницы-агрегаторы — это разделить заявления каждого поставщика, отметить, кто их измерял, и понять, от какого столбца на самом деле зависит решение. Как оказывается, дело тут меньше в возможностях, чем в том, покупаете ли вы файл или арендуете сервис.
Один — файл, другой — метр.
NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB выпущена 15 октября 2026 года и доступна на Hugging Face в виде скачиваемых весов по лицензии OpenMDW-1.1, разрешающей коммерческое использование. Это гибридная mixture-of-experts архитектура Mamba-Transformer: всего 74 млрд параметров, 9 млрд активных на токен. «24GB» в названии — суть всей затеи. NVIDIA создала её, сжав родительскую модель 120B-A12B с помощью фреймворка поиска под управлением маршрутизатора, который называется Star Elastic, сократив top-K экспертов с 22 до 9, а затем применив дистилляцию с учётом квантования, чтобы экспертные слои имели разрядность 2,0625 бита. В комплекте идёт спекулятивный драфтер на 1,13 млрд параметров со средней длиной принятия 4,68 при жадном декодировании и 4,25 при сэмплировании. Рекомендуемая среда выполнения — vLLM на Ampere, Hopper или Blackwell с размером тензорного параллелизма, равным единице.
Qwen4-Max — противоположная конструкция, и не только из-за размера. Флагманская модель Alibaba четвёртого поколения стала общедоступной 16 ноября 2026 года в Сингапуре по цене $1,50 за миллион входных токенов и $4,50 за миллион выходных, с контекстным окном в 1 000 000 токенов, нативным вводом изображений и видео и тремя настраиваемыми уровнями рассуждений. Ни один чекпоинт не опубликован. Тонкая настройка, развёртывание моделей и пакетный инференс указаны как неподдерживаемые в документации Model Studio. Каждый эндпоинт, обслуживающий её, обслуживает развёртывание Alibaba.
Итак, две модели не конкурируют за один и тот же слот в вашей архитектуре. Одну вы запускаете; другую вы вызываете. Любое сравнение, которое не начинается с этого, измеряет не то.
В таблице поставщика Bolt сравнивается с Qwen, но это не тот Qwen.
Собственная таблица бенчмарков NVIDIA — это наиболее документированный набор чисел с обеих сторон, и её стоит читать внимательно, в том числе из-за того, чего в ней нет. В её столбцах сравнения — Qwen3.6-35B-A3B в BF16, Gemma 4 26B-A4B-IT в BF16 и Nemotron 3.5 Lightning 30B-A3B. Qwen4-Max в таблице отсутствует. Qwen, который измеряет таблица, — это открытая модель с 35 миллиардами параметров, на две генерации назад, и причина очевидна, стоит только её назвать: набор для сравнения определяется объёмом памяти, а у размещённого в облаке API с 2,4 триллиона параметров нет объёма, который можно было бы сравнить.
Что таблица действительно показывает — причём все данные в ней взяты со слов производителя и не воспроизведены — так это то, что файл размером 24 ГБ конкурентоспособен с гораздо более крупными локальными вариантами в агентной работе. По строкам, которые выбрала NVIDIA:
• BrowseComp — Nemotron 3.5 Bolt 74B 66,75 против 48,74 у Qwen3.6-35B-A3B и 26,30 у Gemma 4 26B-A4B
• Terminal-Bench 2.1 — 50,98 против 44,38 и 37,22
• WebArena в режиме vision — 50,86 против 36,60 и 38,20
• GPQA Diamond — 86,43 против 83,40 и 79,61
• HLE без инструментов — 25,30 против 19,56 и 17,42
• GDPVal-AA-V2 — 28,47 против 25,75 и 15,33
• MCP-Atlas — 52,20 против 51,20 и 48,4
• Tau3 Banking — 17,01 против 10,52 и 14,02

Две строки, в которых он проигрывает, стоит назвать, потому что таблицы вендоров редко их включают. По точности AA-Omniscience Gemma 4 26B-A4B набирает 22,17 против 16,90 у Bolt; по показателю отсутствия галлюцинаций AA-Omniscience Nemotron 3.5 Lightning лидирует с 68,81 против 61,27 у Bolt. Самое слабое раскрытое свойство Bolt — знать, когда он не знает.
Сноска важна не меньше, чем строки. NVIDIA фиксирует для Qwen3.6-35B-A3B результат MCP-Atlas на уровне 51.20, отмечая при этом, что сама Qwen сообщает о 62.8 на том же бенчмарке, измеренном на 500 публичных задачах. Две лаборатории, один бенчмарк, разрыв в одиннадцать с половиной пунктов. Это не скандал; так выглядят цифры, заявленные вендорами, когда никто посередине не прогоняет тестовую обвязку за обе стороны. И именно эту роль Intelligence Index играет для Qwen4-Max и не может сыграть для Bolt.

Что говорит независимый совет о Qwen4-Max — и почему это ничего не решает
Независимый результат Qwen4-Max скуден, но реален. Artificial Analysis присуждает ему 43 балла в Intelligence Index v5.0.1 и ставит его на 51-е место из 96 моделей в этой версии рейтинга. На каждую задачу индекса уходит $3.27 вычислительных затрат; он держится за счёт генерации 127 млн выходных токенов за прогон против медианы 65,1 млн и тратит 31,3 минуты на задачу против медианы 12,4. Скорость вывода — 56 токенов в секунду; время до первого токена ответа — 146 секунд. В рейтинге контекстное окно модели указано как 984k — это округлённый потолок входных данных в режиме размышления, 983 616, а не другая модель.

Читайте эти строки как профиль развёртывания, а не как вердикт. Модель, которая размышляет по полчаса над задачей и выдаёт вдвое больше токенов, чем медиана, медлительна не из-за плохого обслуживания; она медлительна потому, что выполняет больше работы на задачу и выставляет вам счёт за эту работу. В расчёте на задачу $3.27 — это честная стоимость ответа Qwen4-Max, и именно это число стоит брать в любое сравнение с моделью, которую вы размещаете у себя сами, где предельная стоимость задачи — это электричество и время в очереди.
А теперь попробуйте поставить 24GB-версию Bolt рядом с этим. У вас есть таблица от вендора, где говорится, что она превосходит открытую 35B-модель Qwen в агентном браузинге, и есть независимая организация, утверждающая, что размещённая в облаке Qwen, с которой её на самом деле сравнивают, набирает 43 балла и стоит $3.27 за задачу. Эти два факта никак не соприкасаются. Никто не прогонял Nemotron 3.5 Bolt 74B через Intelligence Index, и пока кто-нибудь этого не сделает, любой график, помещающий две эти модели на ось возможностей, проводит линию между измеренной точкой и предполагаемой.
Где сравнение разрешимо: память, задержка и счёт
Три строки можно честно сравнить, потому что обе стороны их публикуют, и ни одной из них не требуется третья сторона.
• Память — для {{1}}Nemotron 3.5 Bolt 74B-A9B 24GB{{/1}} требуется {{2}}24 гигабайта{{/2}} локальной памяти при {{3}}2,0625-битной{{/3}} квантизации экспертов; для {{4}}Qwen4-Max{{/4}} она не нужна, потому что вы никогда не храните веса. Обратная сторона в том, что потолок памяти у размещённой модели становится потолком контекста: {{5}}262 144 токена{{/5}} для {{6}}чекпойнта NVIDIA{{/6}}, {{7}}1 000 000{{/7}} для {{8}}Qwen4-Max{{/8}}, с ограничением ввода в {{9}}983 616 токенов{{/9}} в режиме размышления и {{10}}262 144{{/10}} токенами, совместно используемыми для рассуждения и ответа.
• Скорость — NVIDIA утверждает, что декодирование идёт со скоростью не менее 80 токенов в секунду, и сообщает о 84 токенах в секунду с драфтером; Artificial Analysis измеряет Qwen4-Max на уровне 56 токенов в секунду, при этом первый токен ответа появляется через 146 секунд. Локальная модель быстрее в расчёте на токен и начинает отвечать раньше. Хостируемая модель всё ещё может завершить задачу быстрее, потому что выполняет другой объём рассуждений.
• Цена — задача Qwen4-Max стоит $3.27 на независимом стенде, или $1.50 и $4.50 за миллион токенов по счётчику. У Nemotron 3.5 Bolt 74B вообще нет опубликованной тарифицируемой цены, потому что нет провайдера, который её продаёт. Её стоимость — это то, сколько вам стоит GPU: карта на 24GB, уже установленная в рабочей станции, с амортизацией на любое количество задач в месяц, которое вы через неё прогоняете.
Вот в последней строке на самом деле и принимается решение — и именно поэтому формулировка «кто умнее» то и дело терпит крах. Если ваша нагрузка — миллион коротких ходов агента в месяц, локальный чекпоинт выигрывает по юнит-экономике с отрывом, который не перекроет ни одна строка бенчмарка, а контекст в 262k — это ограничение, вокруг которого вы строите архитектуру. Если ваша нагрузка — несколько тысяч долгосрочных задач с видео на входе и прикреплённым документом на 900 000 токенов, ни один чекпоинт на 24 ГБ вообще не даст ответа на этот вопрос, и $3.27 за задачу у Qwen4-Max — это самый дешёвый доступный ответ, а не дорогой.
Почему честный ответ — «оба, для разных задач»
Соблазнительное решение — объявить победителя, и SERP полон страниц, которые делают именно это, не имея общих данных. Более полезное решение состоит в том, что эти две модели сходятся к одной и той же архитектурной идее с противоположных направлений. Qwen4-Max — это разреженная смесь экспертов, которая активирует 71 млрд из своих 2,4 трлн параметров на токен и делает ставку на эффективность по токенам — собственное заявление поставщика, которое никто не воспроизвёл, состоит в том, что она превосходит Qwen3.8-Max, используя до примерно 50% меньше токенов, при этом средняя стоимость задачи падает с $4.43 до $1.67. Nemotron 3.5 Bolt 74B — это разреженная смесь экспертов, которая активирует 9 млрд из своих 74 млрд и делает ставку на сжатие, обеспечивая объём памяти 24 ГБ за счёт 2-битных весов экспертов и небольшого спекулятивного драфтера. Обе модели — ответы на один и тот же вопрос: какую малую долю модели можно задействовать на токен, прежде чем качество рухнет?
У такого подхода есть практическое следствие. Больше всего выиграют от любого из двух вариантов те команды, которые измеряют токены на завершённую задачу, а не токены в секунду. На локальной стороне это означает отслеживание длины принятия у драфтера, потому что спекулятивный декодер, принимающий 4,68 токена за шаг при жадном декодировании и 4,25 при сэмплировании, — это и есть источник вашей пропускной способности, а настройки сэмплирования это меняют. На облачной стороне это означает логирование суммарных показателей «размышления плюс ответ» относительно потолка в 262 144 токена, потому что уровень reasoning effort по умолчанию — high, и клиент в формате OpenAI, запрашивающий medium, молча получает high. Ни одно из этих измерений не требует бенчмарка, и оба информативнее одного.
Что бы это решило?
Недостающее число — это один запуск харнесса. Если Nemotron 3.5 Bolt 74B-A9B 24GB прогнать через Intelligence Index v5.0.1 в его поставочной квантованной точности, две модели станут сопоставимы по единственной оси, по которой можно измерить обе стороны, и каждая страница-агрегатор, где сейчас написано «общих результатов бенчмарков пока нет», получила бы что напечатать. NVIDIA опубликовала чекпойнт, среда выполнения — vLLM, а инструментарий существует. Пока этого не произошло, полезный шаг — перестать рассматривать это как очное сравнение и начать рассматривать как решение «создавать или покупать»: с задокументированной стоимостью с одной стороны и задокументированной ресурсоёмкостью с другой.
Что касается нашей стороны, если говорить точно о доступности: OrcaRouter не маршрутизирует ни одну из этих моделей. Nemotron 3.5 Bolt 74B — это загрузка, которую вы разворачиваете сами, а Qwen4-Max арендуется у Alibaba или через партнёрские платформы в течение текущего бесплатного окна. Представитель семейства Qwen в нашем каталоге — Qwen3.8-Max, по цене $2.00 за вход и $6.00 за выход за миллион токенов при контексте 1M токенов, что является естественным запасным вариантом, если вам нужен один ключ для смешанного стека и цена, которая следует собственному прайс-листу поставщика, а не его перепродаже с наценкой. Для такого решения — когда два кандидата находятся на противоположных концах спектра «создавать или покупать» — полезное, что даёт роутер, это не победитель. Это возможность держать хостинговое направление открытым, пока вы выясняете, чего не может локальное направление.
Если вы выбираете в этом месяце, выбирайте исходя из ограничения, которое не можете обойти. Контекст, модальность и оплата за задачу — это ограничения, которым должна удовлетворять Qwen4-Max. Память, работа офлайн и нулевая предельная стоимость за запрос — это ограничения Nemotron 3.5 Bolt 74B. Разрыв в бенчмарках между ними реальен, но это не тот разрыв, который определит вашу архитектуру — и никакое количество составления сравнительных таблиц не закроет его, пока кто-нибудь не запустит тестовый стенд.
Сравнение в этой статье1
Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно
