Nemotron 3.5 Bolt 24GB مقابل Qwen3.8-27B: كلاهما يتسع في 24GB — واحد فقط يخبرك بتكلفته

A neat story circulates about these two models: the N​VIDIA Nemotron 3.5 Bolt 74B-A9B 24GB fits in 24 gigabytes and Qwen3.8-27B does not. The first half is true and the second half is out of date. A​libaba published Qwen3.8-27B in August 2026 as a dense 27-billion-parameter vision-language model whose 16-bit weights run to roughly 56GB, and within days the community had produced four-bit builds of it at 16.46GB. Both models fit in 24GB today. The difference worth arguing about is that N​VIDIA designed the compression, published what it cost, and shipped it as the product — while the Q​wen side of that comparison is a build someone else made, with a bill nobody has totalled.

ما هو كل نموذج في الواقع

Bolt is a mixture-of-experts hybrid: 74 billion parameters total, 9 billion active per token, Mamba-2 state-space layers interleaved with experts and attention, plus a C-RADIO v4-H vision encoder. It exists in its 24GB form because N​VIDIA ran a router-guided architecture search against a footprint budget and then quantised the experts to 2.0625 bits per element, repairing the damage with quantisation-aware distillation.

Qwen3.8-27B كثيف. تُقرأ جميع المعلمات البالغ عددها 27 مليارًا لكل رمز، ويصف قسم البنية في بطاقة النموذج مكدّسًا من 64 طبقة مرتّبًا على شكل ستة عشر تكرارًا لثلاث كتل انتباه خطي مبوّبة تليها كتلة انتباه كامل مبوّبة واحدة، مع تنبؤ متعدد الرموز مدرّب عبر خطوات متعددة وسياق أصلي من 262,144 رمزًا قابل للتمديد إلى مليون. وهو يفهم الصور والفيديو أصليًا، ويتيح التحكم في التفكير لكل طلب عبر إعداد جهد الاستدلال وعلامة تحافظ على سياق الاستدلال عبر الأدوار.

فلسفتان مختلفتان في الإنتاج، وكلتاهما تُتاحان كأوزان مفتوحة بموجب تراخيص متساهلة بما يكفي — OpenMDW-1.1 لـ Bolt، وApache 2.0 لـ Qwen3.8-27B.

ضغطتان، إحداهما موثّقة

هذا هو الجزء من المقارنة الذي يحسم الأمور.

N​VIDIA's 24GB checkpoint is compressed by NVIDIA, and the cost is published. The BF16 release of the same model carries a table with both columns side by side, so the price of 2-bit experts is visible line by line:

• GPQA Diamond — 86.43 عند 2-بت مقابل 88.83 عند 16-بت، بخسارة قدرها 2.40 نقطة.

• Terminal-Bench 2.1 — 50.98 مقابل 53.93، بخسارة قدرها 2.95.

• BrowseComp — 66.75 مقابل 70.00، بخسارة قدرها 3.25.

• AA-LCR الاستدلال طويل السياق — 64.06 مقابل 67.38، خسارة قدرها 3.32.

• HLE بدون أدوات — 25.30 مقابل 28.73، بخسارة قدرها 3.43.

• دقة AA-Omniscience — 16.90 مقابل 21.80، خسارة قدرها 4.90.

وهناك صفّان يسيران في الاتجاه المعاكس: في AA-Omniscience لعدم الهلوسة، يحقق النموذج المضغوط 61.27 مقابل 56.14 للنموذج كامل الدقة، وفي WebArena vision لا يفصل بين الاثنين سوى نقطة واحدة. هذه أرقام مورّد، لم يُعَد إنتاجها، ومع ذلك تظل التقرير الأكثر اكتمالاً الذي نشرته أي مختبر عمّا فعله ضغط بحجم 24GB بنموذجه الخاص.

Now the Q​wen side. A four-bit build of Qwen3.8-27B at 16.46GB exists, was published by a third party, and comes with no accuracy measurement at all. Not a weak one — none. The same is true of the 9.83GB and 7.27GB builds sitting below it, and of the 21.98GB build above. Whatever a 27B dense vision-language model loses when its weights are squeezed to four bits, nobody has published a number for it, which means the memory arithmetic that makes the fit possible is the easy half and the capability question is entirely open.

هذا اللاتماثل هو النسخة الصادقة من هذه المواجهة. يخبرك Bolt بثمنه. أما Qwen3.8-27B فيجعلك تدفع ثمنًا عليك أن تقدّره بنفسك.

اللجنة المستقلة، وما تغطيه وما لا تغطيه

تقيس Artificial Analysis نموذج Qwen3.8-27B على مستوى النموذج الكامل في تكوين الاستدلال الأقصى الخاص به: مؤشر Intelligence Index بقيمة 34، الأول من بين 141 نموذجًا في اللوحة؛ حوالي 41 رمزًا مُخرَجًا في الثانية، وتصنفه في المرتبة 51 من 63؛ وتكلفة 0.50 دولار لكل مليون إدخال و3.00 دولارات لكل مليون إخراج على مزيج المزودين الذي تتبعه، والذي تصفه بأنه مكلف بشكل خاص لنموذج مفتوح الأوزان بهذا الحجم. كما تلاحظ أن النموذج مطوّل جدًا، حيث تم توليد 200 مليون رمز أثناء تشغيل المؤشر.

يمنح اللوحة نفسها Bolt درجة على مؤشر الذكاء مقدارها 21، وهي الرابع من بين 67 نموذجًا في فئته، مع عدم توفر السرعة والتكلفة معًا لعدم وجود واجهة برمجية عامة تخدمه. ثلاث عشرة نقطة فجوة واسعة، وهي تُقاس بالطريقة نفسها لكليهما، ما يجعلها العبارة المفردة الأكثر موثوقية في هذا المقال. ويأتي ذلك أيضًا مع تحفظ يهم أكثر مما يبدو: يصف ملخص المقارنة الخاص باللوحة Qwen3.8-27B بأنه بطيء بشكل ملحوظ وشديد الإسهاب، لذا فإن النموذج الذي يفوز في الذكاء هو الذي تنتظر لأجله وقتًا أطول.

On modality the two pages disagree in a way worth noting, since a spec panel is not the same as a product page. The Q​wen vendor card describes native image and video understanding; the analysis panel lists text, image and video input for Qwen3.8-27B on some views and text-and-image for Bolt. Both models see. Neither sees identically, and the difference in how third parties describe the two is a reminder to check a modality claim against the model card rather than a summary row.

جدول الموردين من جانب Qwen

A​libaba's model card is a long one, and its agentic rows are the reason this model is interesting next to Bolt at all. Terminal Bench 2.1 at 73.0, SWE-bench Pro at 61.7, GPQA Diamond at 89.2, HLE at 30.8, LiveCodeBench v6 at 90.3, OSWorld-Verified at 84.3 and AndroidWorld at 81.9 — all evaluated by A​libaba, in most cases inside the C​laude Code harness, at a 256,000-token context.

تلك الأرقام لا يمكن مقارنتها بجدول Bolt. أُطُر تقييم مختلفة، وتواريخ تقييم مختلفة، واختيارات خط أساس مختلفة، وفي حالة Bolt اختيرت مجموعة خط الأساس جزئيًا لتلائم 24GB عند أربع بتات. العبارة الصادقة الوحيدة هي أن درجات الوكيل المنشورة لـ Qwen3.8-27B أعلى من درجات الوكيل المنشورة لـ Bolt، وأن مجموعتي الأرقام كلتيهما تأتيان من المختبرين الذين بنوا النموذجين، وأن أياً من المختبرين لم يشغّل مجموعة اختبارات الآخر.

One Q​wen number is worth flagging for a different reason. Its own card concedes GPQA Diamond at 89.2 while Bolt's card claims 86.43 — close enough that a harness difference could move either one past the other. That is the scale on which vendor tables settle arguments. It is not a scale on which you should settle one.

استئجار واحد، والكمون الذي ترثه

Bolt has no endpoint. There is no rate to quote, no provider serving it, and no way to evaluate it on your own traffic without completing N​VIDIA's deployment recipe — the pinned nightly vLLM container, the kernel package fetched at runtime, the reasoning-parser plugin, the b12x backends, the fp8 KV cache and a served concurrency of one sequence.

Qwen3.8-27B قابل للتنزيل والاستدعاء، وهذا المزيج هو السبب في أن هذه المواجهة لها إجابة عملية على الإطلاق. نحن نقدم qwen/qwen3.8-27b على بنيتنا التحتية بسعر 0.33 دولار لكل مليون رمز إدخال و2.40 دولار لكل مليون رمز إخراج. يُدرج مُدخل الكتالوج سياقًا بسعة 262,144 رمزًا مع إدخال نص وصورة وفيديو، والنشر بهذا السعر ممكن من جانبنا لأن OrcaRouter يمرر سعر قائمة المزوّد مع عدم إضافة هامش ربح — إذا خفّض أحد المورّدين السعر، يصبح التغيير ساريًا هنا في اليوم نفسه بدلاً من دورة الفوترة التالية.

غير أن الكمون يستحق أن يُقتبس بصدق لا بشكل تملّقي. خلال الأيام السبعة المنتهية في 16 أكتوبر 2026، أبلغت نقطة النهاية الخاصة بنا لهذا النموذج عن زمن وصول إلى أول رمز عند p50 قدره 10.00 ثوانٍ وعند p95 قدره 10.00 ثوانٍ، وسرعة إخراج تبلغ 515 رمزًا في الثانية، ومعدل أخطاء 2.1%. وتفسّر السلسلة اليومية الإجمالي: 1.42 ثانية في 10 أكتوبر، و1.65 في الحادي عشر، و2.83 في الثاني عشر، ثم 10.00 في الثالث عشر والخامس عشر، و1.91 في الرابع عشر. بلغ يومان من أصل ستة أيام سقف نافذة القياس لدينا، ولم يبلغه ثلاثة.

That is not a nice number, and it is the number. It is also the concrete reason automatic failover exists as a routing feature rather than a slogan: a first-token wait that is fine on Monday and ten seconds on Wednesday is exactly the failure mode a fallback chain is for, and the routing DSL exists so that "try this model, fall back to that one if it degrades" is configuration rather than application code. A model you own — Bolt, or a local Q​wen build — has no such problem and no such option. It is as fast as your GPU is, every day, with no third party in the path and no second model to reach for when it stalls.

كيف يتحقق هذا فعليًا

لا يوجد فائز يمكن تسليمه، لأن النموذجين لا يتنافسان على الخانة نفسها.

If your constraint is a machine without a network, or work that cannot leave the device, Bolt is the answer and the published compression cost is the price of admission. Nothing about Qwen3.8-27B changes that, because you cannot download your way into a 24GB deployment that N​VIDIA has not already built and documented — you can approximate it with a four-bit build whose quality is unmeasured and whose vision projector you would have to source separately.

إذا كان قيدك هو القدرة لكل دولار وكانت الشبكة متاحة، فإن Qwen3.8-27B متقدّم بثلاثة عشر نقطة على المؤشر الوحيد الذي قاس كليهما، بسعر منشور، وبموجب ترخيص سبق أن اطّلع عليه فريقك القانوني. أما البناء المحلي بأربع بتات فهو مسار ثالث معقول، وهو المسار الذي ينبغي أن تتوقع فيه إجراء تقييمك الخاص بدلاً من أن ترث جدول شخص آخر.

الجزء الذي يتركه النموذجان لك هو نفسه: لا يملك أيٌّ منهما معيارًا مستقلًا مقابل الآخر، ولم يقم أي من المختبرين بقياس نموذج الآخر، والآراء المتداولة عنهما منذ اليوم الأول هي قراءات لبطاقات المورّدين. نزّل كليهما، وشغّل مهامك الخاصة، وأبقِ على الذي يُنجز. هذه هي النتيجة الوحيدة في هذه المقارنة التي لن تكون قد نُشرت من قبل أحد المختبرين اللذين بنياهما.

ما لا تستطيع الأرقام إخبارك به هو ما إذا كان أيٌّ من ذلك قد أخفق في الميدان: فالحوادث الموثّقة للذكاء الاصطناعي وإخفاقات الوكلاء المرتبطة بالنماذج في هذه الفئة مجموعة في OrcaRouter AI Incident Archive، حيث يحمل كل مُدخل مصادره الخاصة ودرجة الخطورة ودرجة الثقة وعلامة كونه محل نزاع.