Сгенерированная титульная карточка с заголовком «Qwen4-Max vs Nemotron 3.5 Bolt 74B» и баннером «Не существует общего независимого бенчмарка», левая карточка описывает Qwen4-Max как hosted API с контекстом на 1 000 000 токенов, 1,50 $ за вход и 4,50 $ за выход за миллион токенов, Intelligence Index 43 и неопубликованными весами, а правая карточка описывает Nemotron 3.5 Bolt 74B как чекпоинт, который вы скачиваете, с контекстом на 262 144 токена, объёмом 24 ГБ при 2,06 битах, Intelligence Index N/A и лицензией OpenMDW-1.1.
Guides & Insights

Qwen4-Max против Nemotron 3.5 Bolt 74B: в этом сравнении не хватает одного числа

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

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

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.

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.

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.

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.

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.

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

© 2026 OrcaRouter