一张生成的标题卡写着“Qwen4-Max vs Nemotron 3.5 Super”,副标题是“一个按 token 租用,一个按 GB 购买”,还有三张数据卡分别写着“指数上 43 对 14”“每任务 $3.27 对 $0.56”和“248.94 GB BF16 开放权重”。页脚写着“开放权重数据来自 NVIDIA;分数依据 Artificial Analysis Intelligence Index v5.0.1;托管费率依据 Artificial Analysis。”白色背景上的扁平矢量风格,带有蓝青渐变点缀,OrcaRouter 标志合成在右下角。
Guides & Insights

Qwen4-Max 对比 Nemotron 3.5 Super:一个按 Token 租用,一个按千兆字节购买

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

在这次比较中,这两个模型并不是在争夺同一笔预算中的同一项支出。Qwen4-Max 自 2026 年 11 月 16 日起在新加坡按 token 计费,每百万输入 token 收费 1.50 美元,每百万输出 token 收费 4.50 美元,而且它是闭源的——没有权重、无法下载、永远不能自行托管。NVIDIA Nemotron 3.5 Super VL 自 2026 年 10 月 12 日起可根据 OpenMDW-1.1 下载,形式为 248.94 GB 的 BF16 检查点或 75.06 GB 的 NVFP4 检查点;它有 1200 亿参数,其中 120 亿是激活参数;独立追踪器测得的托管标价是每百万输入 0.20 美元、输出 0.50 美元。在该指数上,Qwen4-Max 得 43 分,而 Nemotron 3.5 Super VL 得 14 分。在每完成一项任务的成本上,追踪器给出的数字是 3.27 美元对 0.56 美元。把这四个数字放在一起看,它们描述的是 29 分的能力差距、对开源模型有利的 92% 价格差距,以及一个本质上取决于你想要的是一个端点还是一个文件的决定。

许可证是第一行,而不是最后一行

大多数对中国闭源旗舰模型与 NVIDIA 开源发布版本的比较,都把许可问题当作脚注。而在这里,它决定了其他各行究竟能意味着什么。

• 权重 — Qwen4-Max:未发布任何权重,而且 Alibaba 并未表示会为这一层级发布任何权重,只表示同一谱系中更小的 Qwen4 模型将会开源。Nemotron 3.5 Super VL:BF16 和 NVFP4 构建版本已发布在 Hugging Face 上,最早创建于 2026 年 10 月 12 日,NVIDIA 自己的公告随后于 10 月 15 日发布。

• 许可证 — NVIDIA 方面采用 OpenMDW-1.1,允许商业使用以及基于自有数据进行后训练。阿里巴巴方面则是一份商业 API 协议,按 token 计量计费,除服务条款外无需接受任何其他内容。

• 微调——在 Nemotron 3.5 Super VL 上可行,NVIDIA 的产品卡将定制化与领域适配列为其预期用途。在 Qwen4-Max 上,无论出价多少均不提供;其能力清单中没有微调端点。

• 部署形态——一种是在六个区域中提供的托管端点,可通过四种通信格式访问。另一种是一组权重,你需要为它寻找 GPU,再加上一个推理栈,以及两者都伴随的运维工作。

• 这两件事你都做不到——既买不到 Qwen4-Max 的权重,也不能假定 NVIDIA 明年仍会提供 Nemotron 3.5 Super VL 而调用它。第二点是从反面表述的开放权重优势:没人能收回你已经拥有的权重。

这种不对称正是为什么在这里直接进行指数比较几乎毫无用处。43 对 14 的差距体现的是能力定价,而缺失的那一行体现的是可选性定价,而可选性正是开放模型真正在出售的东西。

以 14 对照 26 来解读:指数在该模型下发生了变动

有一个值得点明的细节,因为它会让任何拿今天的数字与十月的报道作比较的人感到困惑。Artificial Analysis 首次评估 Nemotron 3.5 Super VL 时给了它 26 分,而 Intelligence Index v5.0.1 上的当前条目显示为 14。两个数字都在该追踪器自己的页面上;它们彼此不可比较,因为模型底下的指数版本已经变了。读者从中应得到的结论很有限:在 v5.0.1 内,14 分的 Nemotron 3.5 Super VL 和 43 分的 Qwen4-Max 是由同一套测试工具在同一版本上测得的,可以放在同一基线上。26 是不同评分标准下的历史遗留产物,把两者并排引用,仿佛该模型退步了十二分,那是不对的。

该追踪器中的 Nemotron 条目对开放模型而言信息量异常丰富,因为存在它的托管价格。它记录了每百万 token 0.20 美元和 0.50 美元、95% 的缓存折扣、每秒 274 个 token 的输出速度、首个回答 token 耗时 13.44 秒、每个索引任务耗时 5.0 分钟、100 万 token 的上下文,以及在生成 1.19 亿个输出 token 的情况下,每个完成的索引任务平均成本为 0.56 美元。描述在两个方向都很坦率:在同等规模的开放权重模型中属于智能水平领先的模型,但每个任务比平均更慢,而且非常冗长。

Qwen4-Max 的列没有速度、延迟和每任务时间——性能卡片显示为 N/A。它的数值为 43,排名为 81 个中的第 38,价格为 $1.50 和 $4.50,输出 token 数为 1.27 亿。其冗长程度与 Nemotron 相当,这使得每任务成本差异几乎完全来自价格差异,而非行为差异:在输出 token 单价约为九分之一的情况下,这个开源模型以六分之一的成本完成任务,但得分低 29 分。

A generated two-column scoreboard titled 'Qwen4-Max vs Nemotron 3.5 Super VL — the scoreboard'. The Qwen4-Max column reads Distribution hosted API only, Weights none published, AA Index 43 rank 38 of 81, Price per index task $3.27, Parameters 2.4T total 71B active, Fine-tuning not offered. The Nemotron 3.5 Super VL column reads Distribution open weights OpenMDW-1.1, Weights 248.94 GB BF16 / 75.06 GB NVFP4, AA Index 14, Price per index task $0.56, Parameters 120B total 12B active, Fine-tuning permitted. A footer reads 'Open weights per NVIDIA; AA figures per Artificial Analysis v5.0.1; hosted rates per AA.'

120B 搭配 12B 激活参数,实际能给你带来什么

Nemotron 3.5 Super VL 是一个混合专家模型,总参数为 1200 亿,每个 token 激活 120 亿参数;自行托管时,决定推理成本的就是这个激活参数数量。它接收文本和图像,返回文本。其语言主干从纯文本模型 Nemotron 3 Super Base 初始化,视觉路径随后加入——C-RADIO 编码器和连接器作为一个独立的训练阶段安装,此时基础训练、蒸馏、Indic 持续预训练、长上下文扩展和软件工程中期训练均已完成。Qwen4-Max 的构造则相反:2.4 万亿参数的主干,每个 token 激活 710 亿参数,从一开始就具备原生视觉能力,另有 3280 亿 N-gram 嵌入参数通过查找而非乘法获得,上下文路径基于三个 Gated DeltaNet 层,为每个 Qwen Sparse Attention 层压缩历史。

其中一种架构是围绕图像设计的,另一种则是在原有架构上嫁接图像能力。这种差异是否会在你的工作负载中显现,是一个实证问题,但风险的方向是可知的:后加的视觉路径,正是文档提取流水线最先出现性能回退的地方;厂商自己的产品卡也给出了同一方向的暗示——在宽松提示词上,IFBench 得分为 70.86,而更大的 Nemotron 3 Ultra 为 82.9。

托管这笔账是另一半。NVIDIA 公布了两套检查点:248.94 GB 的 BF16 和 75.06 GB 的 NVFP4,相差 173.88 GB,约对应三分之一存储和内存占用。NVFP4 版本才是能装进单台现代加速器节点而非集群的那个,而且它是 NVIDIA 自家的检查点,不是第三方量化——如果你在意复现厂商公布的数据,这一点很重要。按每个 token 激活 120 亿参数计算,吞吐量问题就取决于你的批大小和 GPU,而不是价目表——这正是开放许可证带来的自由,也正是它带来的工作量。

A headless-browser screenshot of the Hugging Face model card for nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16, captured 16 November 2026 in English, showing the repository name and like count, Image-Text-to-Text, Transformers, Safetensors and PyTorch tags, the nemotron_h_omni and nemotron-3.5 tags, a link row for the pre-training datasets, developer page and paper, and the start of the card describing it as the full-precision release of NVIDIA Nemotron 3.5 Super VL, a vision-language model for reasoning.

当29个百分点的差距不再是决定性数字时

三个工作负载让开源模型成为更划算的选择,尽管其得分不到 Qwen4-Max 的三分之一。

• 受监管或气隙部署——此时关键问题不是价格,而是数据能否离开本地设施;在参考指数之前,租用的端点就已不具备资格。采用 75.06 GB NVFP4 的 Nemotron 3.5 Super VL 是可行的本地部署模型;Qwen4-Max 则没有本地部署形态。

• 高吞吐量分类、路由与提取——在这类场景中,通用索引上的 {{1}}14{{/1}} 仍可能足够,输出长度由 schema 固定,而 {{2}}每秒 274 个 token、每百万输入 $0.20{{/2}} 比任何按前沿费率计量的方案都便宜一个数量级。

• 任何需要学习你的数据的事情——基于你自己的图像和文档进行微调,在一方可用,而在另一方无论预算多少都不可用;当领域词汇是你独有的时候,再多的提示工程也无法替代它。

还有三点让 Qwen4-Max 无论如何都是正确答案:长程智能体工作,其中分数差距会直接转化为多步骤任务失败;超过几十万 token、需要无需分块的单一请求上下文的请求;以及任何希望今天就能从某个端点获得结构化输出、并行工具调用和缓存,而不是等到下个季度才拥有推理栈的团队。Qwen4-Max 还公布了它的两个输入上限——非思考模式下为 991,808 个 token,思考模式下为 983,616 个 token——这正是自托管团队要花一周才能摸清的那类数字。

这两者都不是什么,以及什么才是真正可路由的

截至2026年11月16日,这两款模型都不在OrcaRouter目录中。Qwen4-Max可通过阿里巴巴自家的Model Studio API以及若干第三方平台访问;Nemotron 3.5 Super VL则提供可下载权重,外加少数托管服务提供商。若对比页面暗示二者只需一个API密钥即可获得,那就是在谎报所需投入。

这里路由的是闭源侧的上一代产品:qwen/qwen3.8-max,每百万 token 输入 $2.00、输出 $6.00,供应商标价以 0% 加价透传,使用与目录其余部分相同的密钥和相同的 OpenAI 兼容端点。对于正在评估这一组合的团队来说,这是一个有用的中间选项——以你今天就能调用的、经路由的 Qwen 旗舰模型为基准衡量你的工作负载,并用这个数字来判断升级到 Qwen4-Max 是否值得再签一份合同,而不是在掌握证据之前就购买集成。

A headless-browser screenshot of the OrcaRouter model page for qwen/qwen3.8-max, captured 16 November 2026 in English, showing the Qwen3.8 Max heading and identifier, text, image and video input with a 1M-token context window, an OpenAI-compatible endpoint at api.orcarouter.ai/v1, the price block reading $2.00 input and $6.00 output per million tokens, measured latency, 144.9M tokens served and a zero-data-retention note.

在实践中,通常起决定作用的路径根本不是旗舰模型。高吞吐量的流水线往往会走向拆分:一个低成本模型负责分类和提取,一个强模型负责最后一轮处理,再加一个备用方案,以备主模型哪天状态不佳。OrcaRouter 的 路由 DSL 之所以存在,是为了用一次调用而不是三次集成来表达这种拆分,并且 自动故障转移之所以存在,是为了让依赖低成本的那一半变得安全。本文中的两个模型都还没有走上这条路径;这种模式值得了解,因为像这样的对决通常最终会落到这里。

一锤定音的测试,以及它的代价

把你自己的 200 个最难任务分别在两者上跑一遍。不要用厂商基准测试,也不要用索引——要用你自己的任务,以及你自己的输出长度。

将 Qwen4-Max 方案按实测 token 定价为每百万 1.50 美元和 4.50 美元,并注意该模型没有公布速度,因此你要么自行测量延迟,要么接受自己买的是一个未知数。Nemotron 方案要按两种方式定价:如果你想要便宜的比较,就按托管价每百万 0.20 美元和 0.50 美元;如果你认真考虑自托管,就按你自己的 GPU 小时成本除以所服务的 token 数来定价,因为托管费率是别人的利用率曲线,不会是你的。然后要看失败情况而不是平均值,因为 29 个百分点的指数差距会表现为任务根本完不成,而不是任务完成得稍差。

大多数团队得出的答案并不是单一赢家,而是一种分流:开放模型用于大批量数据和受监管数据,按量计费的旗舰模型用于那些给出部分答案毫无价值的工作。这比任一种单一选择都更昂贵,而且通常也是正确的选择——这也正是为什么许可那一行值得先读、指数那一行值得后读,以及为什么一个无需任何人退役的模型所对应的 0.20 美元托管费率是这次比较中最有意思的数字。

本文中的对比1

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新