
Qwen4-Max vs Nemotron 3.5 Super: Một cái bạn thuê theo token, một cái bạn mua theo gigabyte
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 90 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 96 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaMỚIOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 87 tok/s
- OrcaMỚIOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 133 tok/s
- OrcaMỚIOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 trên 1 triệu token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 trên 1 triệu token · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Trí tuệ
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Trí tuệ
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 trên 1 triệu token · 219 tok/s
Hai mô hình trong so sánh này không cạnh tranh cho cùng một dòng ngân sách. Qwen4-Max đã được tính phí theo token kể từ ngày 16 tháng 11 năm 2026 với giá 1,50 USD cho mỗi triệu token đầu vào và 4,50 USD cho mỗi triệu token đầu ra tại Singapore, và nó là mô hình đóng — không trọng số, không tải xuống, không tự lưu trữ, mãi mãi. NVIDIA Nemotron 3.5 Super VL đã có thể tải xuống kể từ ngày 12 tháng 10 năm 2026 theo OpenMDW-1.1 dưới dạng checkpoint BF16 248,94 GB hoặc bản NVFP4 75,06 GB, với 120 tỷ tham số trong đó 12 tỷ là tham số hoạt động, và mức giá niêm yết trên nền tảng lưu trữ mà công cụ theo dõi độc lập đo được cho nó là 0,20 USD đầu vào và 0,50 USD đầu ra mỗi triệu token. Trên chỉ số, Qwen4-Max đạt 43 điểm so với 14 điểm của Nemotron 3.5 Super VL. Về chi phí cho mỗi tác vụ hoàn thành, công cụ theo dõi cho biết 3,27 USD so với 0,56 USD. Đọc cùng nhau, bốn con số đó mô tả khoảng cách năng lực 29 điểm, khoảng cách giá 92% theo hướng có lợi cho mô hình mở, và một quyết định thực chất là về việc bạn muốn một endpoint hay một tệp.
Giấy phép là hàng đầu tiên, không phải hàng cuối cùng.
Hầu hết các so sánh giữa một flagship đóng của Trung Quốc và một bản phát hành mở của NVIDIA đều coi giấy phép chỉ là chú thích. Ở đây, nó quyết định ngay cả ý nghĩa mà các hàng khác có thể có.
• Trọng số — Qwen4-Max: không có bản nào được công bố, và Alibaba chưa cho biết sẽ công bố bất kỳ bản nào cho phân khúc này, chỉ cho biết rằng các mô hình Qwen4 nhỏ hơn sẽ được mã nguồn mở trong cùng dòng phát triển. Nemotron 3.5 Super VL: các bản dựng BF16 và NVFP4 trên Hugging Face, được tạo lần đầu vào ngày 12 tháng 10 năm 2026, với thông báo của chính NVIDIA sau đó vào ngày 15 tháng 10.
• Giấy phép — OpenMDW-1.1 ở phía NVIDIA, cho phép sử dụng thương mại và post-training trên dữ liệu của riêng bạn. Phía Alibaba là một thỏa thuận API thương mại với việc tính phí theo token và không có gì phải chấp nhận ngoài các điều khoản dịch vụ.
• Tinh chỉnh — có thể thực hiện trên Nemotron 3.5 Super VL, và thẻ sản phẩm của NVIDIA ghi rõ tùy chỉnh và thích ứng miền là mục đích sử dụng dự kiến. Không được cung cấp ở bất kỳ mức giá nào trên Qwen4-Max; không có endpoint tinh chỉnh trong danh sách năng lực của nó.
• Hình thức triển khai — một bên là endpoint được lưu trữ ở sáu khu vực mà bạn truy cập qua bốn định dạng truyền tải. Bên còn lại là một bộ trọng số mà bạn phải tự tìm GPU cho nó, cộng thêm một ngăn xếp suy luận, cộng với công việc vận hành đi kèm cả hai.
• Điều bạn không thể làm với cả hai — mua trọng số của Qwen4-Max, hoặc gọi Nemotron 3.5 Super VL với giả định rằng NVIDIA vẫn sẽ cung cấp nó vào năm sau. Điều thứ hai là lợi thế trọng số mở được nêu theo hướng phủ định: không ai có thể thu hồi những trọng số bạn đã có.
Sự bất đối xứng đó là lý do khiến việc so sánh chỉ số trực tiếp gần như vô dụng ở đây. Khoảng cách 43 so với 14 định giá năng lực, còn hàng bị thiếu định giá tính tùy chọn, và tính tùy chọn chính là thứ mà mô hình mở thực sự đang bán.
Đọc 14 đối chiếu với 26: chỉ số đã dịch chuyển theo mô hình này
Có một điểm rắc rối đáng để nêu rõ, vì nó sẽ khiến bất kỳ ai so sánh số liệu hôm nay với bài đưa tin hồi tháng Mười bối rối. Artificial Analysis đã cho Nemotron 3.5 Super VL điểm 26 khi lần đầu đánh giá nó, và mục hiện tại trên Intelligence Index v5.0.1 ghi 14. Cả hai con số đều nằm trên các trang của chính trình theo dõi; chúng không thể so sánh với nhau, vì phiên bản chỉ số đã thay đổi bên dưới mô hình. Điều độc giả nên rút ra từ đó rất hẹp: trong v5.0.1, Nemotron 3.5 Super VL ở mức 14 và Qwen4-Max ở mức 43 được đo bằng cùng một harness trên cùng một phiên bản và có thể đặt trên cùng một dòng. Con số 26 là một dấu vết lịch sử của một bộ tiêu chí đánh giá khác, và việc trích dẫn hai con số cạnh nhau như thể mô hình đã giảm mười hai điểm sẽ là sai.
Phần còn lại của mục Nemotron trong tracker có thông tin chi tiết bất thường đối với một mô hình mở, vì có giá hosting dành cho nó. Mục này ghi lại $0.20 và $0.50 mỗi triệu token, mức giảm giá bộ nhớ đệm 95%, tốc độ đầu ra 274 token mỗi giây, 13.44 giây để có token trả lời đầu tiên, 5.0 phút mỗi tác vụ lập chỉ mục, 1M token ngữ cảnh và trung bình $0.56 cho mỗi tác vụ lập chỉ mục hoàn thành trên 119 triệu token đầu ra được tạo. Phần mô tả thẳng thắn theo cả hai chiều: nằm trong số các mô hình dẫn đầu về trí tuệ đối với các mô hình trọng số mở có kích thước tương tự, chậm hơn mức trung bình trên mỗi tác vụ, rất dài dòng.
Cột của Qwen4-Max không có tốc độ, không có độ trễ và không có thời gian mỗi tác vụ — thẻ hiệu suất ghi N/A. Nó có 43, xếp hạng 38 trên 81, $1.50 và $4.50, cùng 127 triệu token đầu ra. Độ dài dòng tương đương với Nemotron, khiến chênh lệch chi phí mỗi tác vụ gần như hoàn toàn là chênh lệch giá chứ không phải do hành vi: với đơn giá mỗi token đầu ra chỉ bằng khoảng một phần chín, mô hình mở hoàn thành tác vụ với chi phí bằng một phần sáu trong khi điểm thấp hơn 29 điểm.

120B với 12B hoạt động thực sự mang lại cho bạn những gì
Nemotron 3.5 Super VL là một mixture-of-experts với tổng cộng 120 tỷ tham số và 12 tỷ tham số hoạt động trên mỗi token, đây là con số quyết định chi phí suy luận khi bạn tự vận hành nó. Nó nhận văn bản và hình ảnh và trả về văn bản. Phần xương sống ngôn ngữ của nó được khởi tạo từ Nemotron 3 Super Base, một mô hình chỉ xử lý văn bản, với nhánh thị giác được thêm vào sau đó — một bộ mã hóa C-RADIO và một connector được cài đặt như một giai đoạn huấn luyện riêng biệt sau khi quá trình huấn luyện nền tảng, chưng cất, tiền huấn luyện liên tục tiếng Indic, mở rộng ngữ cảnh dài và huấn luyện giữa kỳ về kỹ thuật phần mềm đều đã hoàn tất. Qwen4-Max là một cấu trúc ngược lại: một xương sống 2,4 nghìn tỷ tham số với 71 tỷ tham số hoạt động trên mỗi token, thị giác gốc từ đầu, thêm 328 tỷ tham số embedding N-gram được tra cứu thay vì nhân, và một đường ngữ cảnh được xây dựng trên ba lớp Gated DeltaNet nén lịch sử cho mỗi lớp Qwen Sparse Attention.
Một trong những kiến trúc đó được thiết kế xoay quanh hình ảnh. Kiến trúc còn lại có hình ảnh được gắn thêm vào. Việc sự khác biệt đó có lộ ra trong khối lượng công việc của bạn hay không là một câu hỏi thực nghiệm, nhưng hướng của rủi ro thì có thể biết được: một đường dẫn thị giác được độ chế lại chính là nơi một pipeline trích xuất tài liệu tìm thấy hồi quy đầu tiên, và card của chính nhà cung cấp cũng đưa ra một gợi ý theo cùng hướng, với điểm IFBench là 70.86 trên các prompt lỏng so với 82.9 cho Nemotron 3 Ultra lớn hơn.
Bài toán lưu trữ khi triển khai là nửa còn lại. NVIDIA công bố hai checkpoint: 248,94 GB BF16 và 75,06 GB NVFP4, chênh lệch 173,88 GB, tương ứng với dung lượng lưu trữ và bộ nhớ chỉ bằng khoảng một phần ba. Bản dựng NVFP4 là bản vừa vặn trên một nút đơn của các bộ tăng tốc hiện đại thay vì cả một cụm, và đây là checkpoint của chính NVIDIA chứ không phải bản lượng tử hóa của bên thứ ba, điều này quan trọng nếu bạn muốn tái tạo các con số đã công bố của nhà cung cấp. Với 12 tỷ tham số hoạt động mỗi token, câu hỏi về thông lượng trở thành vấn đề kích thước lô và GPU của bạn, chứ không phải bảng giá — đó chính xác là sự tự do mà giấy phép mở mang lại và cũng chính xác là công sức mà nó đòi hỏi.

Khi khoảng cách 29 điểm không còn là con số quyết định
Ba loại tác vụ khiến mô hình mở trở thành lựa chọn đáng mua hơn dù chỉ đạt điểm chưa bằng một phần ba so với Qwen4-Max.
• Các triển khai được quản lý chặt chẽ hoặc cách ly hoàn toàn — nơi câu hỏi không phải là giá mà là liệu dữ liệu có thể rời khỏi tòa nhà hay không, và một endpoint thuê bao bị loại trước khi chỉ mục được xem xét. Nemotron 3.5 Super VL ở 75.06 GB NVFP4 là một mô hình tại chỗ khả thi; Qwen4-Max không có dạng triển khai tại chỗ.
• Phân loại, định tuyến và trích xuất khối lượng lớn — khi mà 14 trên một chỉ số tổng quát vẫn có thể là đủ, độ dài đầu ra được cố định bởi schema, và 274 token mỗi giây với $0.20 mỗi triệu đầu vào rẻ hơn một bậc so với bất kỳ dịch vụ nào tính phí theo mức giá tiên phong.
• Bất kỳ thứ gì cần học dữ liệu của bạn — việc tinh chỉnh trên hình ảnh và tài liệu của riêng bạn thì một bên có sẵn còn bên kia thì không, dù ngân sách là bao nhiêu, và không có mức độ kỹ thuật gợi ý nào thay thế được nó khi từ vựng chuyên ngành chỉ thuộc về bạn.
Và ba lý do khiến Qwen4-Max vẫn là câu trả lời đúng: công việc tác tử dài hạn, nơi khoảng cách điểm số chuyển trực tiếp thành các tác vụ đa bước thất bại; những yêu cầu vượt vài trăm nghìn token và cần ngữ cảnh một yêu cầu duy nhất, không chia nhỏ; và bất kỳ đội nào muốn đầu ra có cấu trúc, gọi công cụ song song và bộ nhớ đệm từ một endpoint ngay hôm nay thay vì một ngăn xếp suy luận vào quý sau. Qwen4-Max còn công bố cả hai mức trần đầu vào của mình — 991,808 token ở chế độ không suy nghĩ, 983,616 ở chế độ suy nghĩ — đúng kiểu con số mà một đội tự vận hành phải mất cả tuần mới phát hiện ra.
Điều mà cả hai thứ này đều không phải, và điều thực sự có thể định tuyến được
Tính đến ngày 16 tháng 11 năm 2026, không mô hình nào trong hai mô hình nằm trong danh mục của OrcaRouter. Qwen4-Max có thể truy cập thông qua API Model Studio của chính Alibaba và một số nền tảng bên thứ ba; Nemotron 3.5 Super VL là trọng số có thể tải xuống cùng một vài nhà cung cấp dịch vụ lưu trữ. Một trang so sánh ngụ ý rằng một trong hai chỉ cách một khóa API sẽ là nói dối về công sức bỏ ra.
Ở đây, thứ được định tuyến là thế hệ trước của dòng đóng: qwen/qwen3.8-max ở mức $2.00 đầu vào và $6.00 đầu ra mỗi triệu token, giá niêm yết của nhà cung cấp được chuyển nguyên với mức markup 0%, trên cùng key và cùng endpoint tương thích OpenAI như phần còn lại của danh mục. Đối với một nhóm đang đánh giá sự so sánh này, đó là vị thế trung gian hữu ích — hãy đo khối lượng công việc của bạn với một Qwen flagship được định tuyến mà bạn có thể gọi ngay hôm nay, và dùng con số đó để quyết định xem bước nâng cấp lên Qwen4-Max có đáng để ký hợp đồng thứ hai hay không, thay vì mua tích hợp trước khi có bằng chứng.

Con đường thường quyết định điều đó trên thực tế hoàn toàn không phải là mẫu chủ lực. Một pipeline lưu lượng lớn có xu hướng cuối cùng bị tách ra: một mô hình rẻ đảm nhận việc phân loại và trích xuất, một mô hình mạnh đảm nhận lượt xử lý cuối, và một phương án dự phòng cho ngày mô hình chính gặp trục trặc. OrcaRouter có DSL định tuyến hiện có để diễn đạt cách tách đó trong một lần gọi thay vì ba tích hợp, và cơ chế chuyển đổi dự phòng tự động hiện có để làm cho nửa rẻ tiền đủ an toàn để phụ thuộc vào. Cả hai mô hình trong bài này đều chưa nằm trên con đường đó; mẫu hình này đáng biết vì đó là nơi một cuộc so tài như thế này thường kết thúc.
Phép thử định đoạt điều đó, và cái giá phải trả
Chạy 200 tác vụ khó nhất của riêng bạn qua cả hai. Không phải điểm chuẩn của nhà cung cấp, không phải chỉ số — mà là tác vụ của bạn, với độ dài đầu ra của bạn.
Định giá nhánh Qwen4-Max ở mức $1,50 và $4,50 mỗi triệu token được đo, và lưu ý rằng mô hình không có tốc độ công bố, nên hãy tự đo độ trễ hoặc chấp nhận rằng bạn đang mua một ẩn số. Định giá nhánh Nemotron theo hai cách: theo mức giá lưu trữ $0,20 và $0,50 nếu bạn muốn so sánh rẻ, và theo chi phí GPU-giờ của riêng bạn chia cho số token được phục vụ nếu bạn nghiêm túc về việc tự lưu trữ, vì mức giá lưu trữ là đường cong sử dụng của người khác và sẽ không phải của bạn. Sau đó hãy xem các trường hợp thất bại thay vì các mức trung bình, vì khoảng cách chỉ số 29 điểm thể hiện ở những tác vụ không hoàn thành chút nào, chứ không phải ở những tác vụ hoàn thành kém hơn một chút.
Câu trả lời mà hầu hết các đội đưa ra không phải là một lựa chọn thắng thế duy nhất mà là sự phân tách: mô hình mở cho khối lượng và dữ liệu được quản lý, mô hình chủ lực tính phí theo mức dùng cho công việc mà ở đó một câu trả lời không đầy đủ là vô giá trị. Đó là một kiến trúc đắt đỏ hơn so với cả hai lựa chọn đơn lẻ, và thường là lựa chọn đúng — cũng chính vì vậy dòng cấp phép xứng đáng được đọc trước và dòng chỉ số đọc sau, và vì sao mức giá hosted $0.20 cho một mô hình mà không ai phải ngừng sử dụng là con số thú vị nhất trong so sánh này.
So sánh trong bài viết này1
Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày
