Nemotron 3.5 Bolt vs. Qwen 3.8 Max: Beide dieser Modelle schauen Videos

Es gibt nicht viele Modellpaarungen, bei denen das Überraschende eine Fähigkeit ist, die beide teilen. NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB und Qwen 3.8 Maxakzeptieren Video als Eingabe, und beide geben Text zurück. Qwen 3.8 Max, am 3. August 2026 von Alibaba veröffentlicht, ist ein gehostetes multimodales Modell mit einem Kontext von 1,000,000 Tokens, das über OpenAI-kompatible, Anthropic-kompatible und native DashScope-Schnittstellen aus fünf Regionen bereitgestellt wird, mit einem Preis von $2.00 pro Million Eingabe-Tokens und $6.00 pro Million Ausgabe-Tokens, wobei gecachte Lesevorgänge $0.25 kosten. Nemotron 3.5 Bolt, am 15. Oktober 2026 von NVIDIA veröffentlicht, ist eine 24-GB-Datei mit offenen Gewichten, einem C-RADIO v4-H Vision-Encoder, einem Fenster von 262,144 Tokens und überhaupt keinem Preis.

Zwei Modelle, denen man jeweils eine Bildschirmaufnahme übergeben kann und die nichts trennt außer der Frage, wo sie laufen und was das kostet. Das ist ein saubererer Vergleich, als die meisten Kopf-an-Kopf-Vergleiche hinbekommen, und er erledigt sich schnell, sobald man aufhört zu fragen, welches klüger ist.

Zwei multimodale Stacks, ein Speicher-Envelope

Bolts Multimodalität ist übernommen statt eigens dafür gebaut. NVIDIA komprimierte sein 120B-A12B-Modell Nemotron 3.5 Super VL auf 74B-A9B mithilfe einer Router-gesteuerten Suche, die es Star Elastic nennt, und brachte das Ergebnis dann mit quantisierungsbewusster Destillation auf 2,0625 Bit pro Expertengewicht in einem IQ2_XXS-Format. Der Vision-Tower – ein C-RADIO v4-H-Encoder – wurde im Zuge der Komprimierung mit übernommen, und der Schalter für den Reasoning-Modus ist derselbe, den der Super VL-Client bereitstellt: ein enable_thinking-Flag im Chat-Template. Gesamtparameter 74B, aktiv pro Token 9B, Backbone ein Hybrid aus Mamba-2 und Transformer, den der Anbieter LatentMoE nennt, Lizenz OpenMDW-1.1 für kommerzielle und nichtkommerzielle Nutzung.

Qwen 3.8 Max ist eine andere Art von Artefakt. Es ist Alibabas höchste Leistungsstufe, nativ multimodal, und existiert nur als Endpunkt. Es gibt keinen Checkpoint zum Herunterladen, keinen quantisierten Build, der auf einer Workstation läuft, und keine Version, deren Grenzkosten lediglich die Stromrechnung sind. Was es stattdessen hat, ist Reichweite: drei Wire-Formate, sodass ein bestehendes Anthropic SDK oder eine DashScope-Integration ohne Umschreiben funktioniert, und fünf bediente Regionen in Asien, Europa und Nordamerika, die die Latenzfrage ebenso sehr zu einer Frage der Geografie wie der Technik machen.

Die praktische Konsequenz ist, dass das multimodale Verhalten von Bolt durch dieselben 24 GB begrenzt wird, die den KV-Cache, den Gesprächsverlauf und die Tool-Ergebnisse enthalten. Das von Qwen 3.8 Max wird durch das begrenzt, was der Endpunkt bereitstellt – was nicht Ihr Problem ist.

Was Sie zahlen – und an wen

Qwen 3.8 Max wird nach Verbrauch abgerechnet, und die Preise sind niedrig für das, was es ist. Ein Prompt mit 20.000 Tokens und einer Antwort mit 3.000 Tokens kostet 0,04 $ für den Input und 0,18 $ für den Output, also etwa 0,22 $ pro Aufruf – und gecachte Lesezugriffe zu 0,25 $ pro Million bedeuten, dass ein stabiler System-Prompt oder ein wiederholtes Dokument beim zweiten Durchlauf nahezu kostenlos sind. Die p50-Zeit bis zum ersten Token in unserem Katalog beträgt 3,22 Sekunden bei einer p95 von 10,00 Sekunden, und in den letzten sieben Tagen hat es 41,3 Millionen Tokens an geroutetem Verkehr bewältigt.

Nemotron 3.5 Bolt hat keine Preisliste, weil es nichts zu messen gibt. Kein gehosteter Endpunkt, keine Anbieter-API, keine Drittanbieterplattform, die es betreibt und auf die wir Sie verweisen könnten. Artificial Analysis führt sowohl seine Geschwindigkeit als auch seine Kosten pro Intelligence-Index-Aufgabe aus genau diesem Grund als N/A auf. Wenn Sie es betreiben, bestehen die Kosten aus einer GPU, einer Stromaufnahme und einem Abschreibungszeitraum, und der Grenzpreis für die nächste Million Tokens ist null. Für einen nächtlichen Job, der jeden Tag denselben Korpus liest, ist das kein Rabatt – es ist ein anderes Abrechnungsmodell, und der Break-even-Punkt hängt vollständig davon ab, wie oft Sie ihn ausführen.

Das Fenster und die Fähigkeit, es zu nutzen

Der Kontext ist die Achse, auf der diese beiden auf dem Papier am ähnlichsten wirken und in der Praxis am schnellsten auseinandergehen.

• Deklariertes Fenster — Qwen 3.8 Max 1.000.000 Token gegenüber Nemotron 3.5 Bolt 262.144. Etwa vier zu eins, und das Verhältnis entscheidet darüber, ob eine Aufgabe für eine gesamte Codebasis oder ein gesamtes Archiv überhaupt in einer einzigen Anfrage möglich ist.

• Recall innerhalb des Fensters — Artificial Analysis verzeichnet für Qwen 3.8 Max einen Langkontext-Recall-Wert von 80.3. Für Bolt gibt es keine entsprechende unabhängige Zahl, und sein Fenster ist von vornherein kleiner, was dies zu einem Vergleich zwischen einer gemessenen und einer nicht gemessenen Fähigkeit macht.

• Was sonst noch den Speicher teilt – Bolts 262.144 Token leben im selben 24 GB wie die Gewichte, die Video-Frames und der KV-Cache. Ein langer Video-Prompt und eine lange Unterhaltung konkurrieren um denselben Speicher. Das Fenster von Qwen 3.8 Max wird vom Betreiber bereitgestellt, daher ist die Einschränkung der Preis und nicht die Hardware.

• Reasoning-Steuerung — Qwen 3.8 Max bietet einen enable_thinking-Schalter oder reasoning.effort in der Responses API. Bolts Entsprechung ist ein Chat-Template-Schalter aus derselben Familie von Flags, übernommen vom Super VL-Client. Keines davon ist ungewöhnlich; beide ermöglichen es dir, bei Routineaufrufen nicht mehr fürs Nachdenken zu bezahlen.

Gemessen gegen Ungemessenes

Artificial Analysis bewertet Qwen 3.8 Max mit 45,4 auf seinem Intelligence Index, auf Platz fünfzehn von 145 gemessenen Modellen — innerhalb der besten zehn Prozent, ohne an der Spitze zu stehen. Seine unterstützenden Zeilen sind stark dort, wo eine agentische Workload sie braucht: ein AA Coding Index von 76,2 auf Platz neun von 138, 88,8 auf Terminal-Bench 2.1 und 92,8 auf GPQA Diamond. Seine relative Schwäche ist der Long-Context-Recall von 80,3, der für ein Millionen-Token-Modell respektabel statt außergewöhnlich ist.

Bolts Zahlen sind enger gefasst. Es erreicht 21 auf demselben Index, den vierten Platz von 67 in seiner nach Footprint gefilterten Klasse gegenüber einem Klassenmedian von 8, und Artificial Analysis beschreibt es als eines der führenden Open-Weight-Modelle ähnlicher Größe. Seine gemessene Geschwindigkeit und seine Kosten sind leer. Alles andere – der Terminal-Bench-2.1-Wert von 50,98, GPQA Diamond 86,43, BrowseComp 66,75, WebArena Vision 50,86, SciCode 41,02 – stammt aus NVIDIAs eigener Modellkarte, wo jede Baseline ein anderes Modell ist, das ein Drittel der Größe hat. Diese Zeilen sind nicht unehrlich; sie beantworten eine Frage zur Effizienz, nicht zur Frontier-Fähigkeit, und sie als Wettbewerb gegen ein gehostetes Flaggschiff zu lesen, missversteht das Dokument.

Die Geschwindigkeitslücke verdient dieselbe Sorgfalt. Artificial Analysis kann Bolts Durchsatz nicht messen, weil es nichts gibt, das man aufrufen kann. NVIDIA nennt ein Designziel von mindestens 80 Token pro Sekunde beim Dekodieren, 84 im AIPerf SPEED-Bench auf RTX Spark und 83,99 in einem llama.cpp-Lauf auf einem Surface Laptop Ultra mit 128 GB – alles davon nicht reproduziert. Die 3,22 Sekunden von Qwen 3.8 Max bis zum ersten Token sind gemessen und öffentlich. Planen Sie anhand der gemessenen Zahl und behandeln Sie die andere als Wunschvorstellung.

Die Routing-Frage, die hier nicht symmetrisch ist

Qwen 3.8 Max ist in unserem Katalog als qwen/qwen3.8-max enthalten und wird zum Listenpreis des Anbieters Alibaba mit 0 % Aufschlag weitergeleitet — 2,00 $ und 6,00 $ pro Million Token, dieselben Zahlen auf unserer Seite wie beim Anbieter, was bedeutet, dass eine Preisänderung seitens des Anbieters unsere Nutzer noch am selben Tag erreicht und nicht erst bei einer Vertragsverlängerung. Es steht hinter demselben Schlüssel wie über 200 weitere Modelle, mit automatischem Failover über vorgelagerte Anbieter, wenn einer ausfällt, und einer Routing-DSL, um mehrere Modelle in einer einzigen Anfrage zu kombinieren.

Nemotron 3.5 Bolt ist nicht in unserem Katalog, und wir bieten es nicht an. Es gibt keinen Bolt-Endpoint, keine Kennung, auf die man eine Anfrage richten könnte, und nichts in diesem Beitrag ist ein Angebot, NVIDIAs Checkpoint zu hosten. Die ehrliche Form der Routing-Empfehlung hier ist eine Aufteilung statt einer Wahl: Das gehostete multimodale Modell übernimmt die Long-Window-Anfragen, die Videokorpora, die für 24 GB an gemeinsam genutztem Speicher zu groß sind, und alles, was von überall aufrufbar sein muss; die lokale Datei übernimmt die hochfrequenten Durchläufe, bei denen die Daten das Gebäude nicht verlassen sollten und das Volumen die Abrechnung pro Token schmerzhaft machen würde. Modellfusion ist die Variante, die man kennen sollte, wenn die teuren Aufrufe die folgenschweren sind — ein Panel von Modellen beantwortet gemeinsam denselben Prompt, und man nimmt die Übereinstimmung, was ein günstiger Weg ist, sich Sicherheit für eine Entscheidung zu erkaufen, die man nicht ohne Weiteres rückgängig machen kann.

Wie dieses hier ausgeht

Die Schnittmenge ist Video, und sie ist der Grund, warum diese beiden überhaupt einen Vergleich wert sind – die meisten lokalen Modelle dieser Größe können überhaupt nicht sehen, und den meisten gehosteten Modellen kann man keine Bildschirmaufnahme übergeben, ohne einen Frame-Extraktionsschritt, der genau das verliert, was man ihnen zeigen wollte.

Jenseits dieser Überschneidung gehen sie in jeder Achse auseinander. Qwen 3.8 Max gewinnt das breite Fenster, die gemessene Latenz, das reichhaltigere Eingabe-Set und, mit großem Abstand, die unabhängig bewertete Intelligenz. Nemotron 3.5 Bolt gewinnt die einzige Achse, die kein gehostetes Modell bestreiten kann: Es läuft dort, wo Ihre Daten bereits sind, ob eine Netzwerkverbindung besteht oder nicht, zu Grenzkosten von null.

Die Entscheidung ist meist keine Frage der Präferenz. Wenn das Video das Gebäude nie verlässt, stand die gehostete Option nie zur Verfügung, und der Vergleich reduziert sich auf einen einzigen Kandidaten. Wenn das Korpus aus einer Million Token Text besteht, stand die lokale Option aus demselben Grund in umgekehrter Richtung nie zur Verfügung. Wo es wirklich knapp ist – moderate Datenmengen, Daten, die legal übertragen werden dürften, Arbeit, die überwiegend aus kurzen Tool-Aufrufen mit gelegentlichen langen Lesevorgängen besteht –, gibt die eine Zahl den Ausschlag, die in diesem Vergleich fehlt: wie schnell der 24-GB-Checkpoint tatsächlich auf Ihrer Hardware läuft, was bisher noch niemand außerhalb von NVIDIA gemessen hat.