Nemotron 3.5 Super vs. Gemini 3.1 Pro: Das eine ist eine Datei, das andere eine Vorschau.

Der folgenreichste Unterschied zwischen NVIDIA Nemotron 3.5 Super und Gemini 3.1 Pro liegt nicht auf irgendeiner Benchmark-Tabelle. Er liegt im Veröffentlichungsstatus. Das NVIDIA-Modell — 120 Milliarden Gesamtparameter, davon 12 Milliarden pro Token aktiv, ein C-RADIO-Vision-Encoder, angeflanscht an ein hybrides Mamba-2- und Transformer-Mixture-of-Experts, veröffentlicht unter dem vollständigeren Namen NVIDIA Nemotron 3.5 Super VL und auf Ollama als nemotron-3.5-super ausgeliefert — ist eine Sammlung von Dateien. Sie wurden am 12. Oktober 2026 auf Hugging Face hochgeladen, drei Tage bevor NVIDIAs eigener Newsroom-Beitrag am 15. Oktober sie offiziell machte, und Sie können heute Abend 82,3 GiB davon herunterladen und sie auf Ihrer eigenen Grafikkarte unter einer Lizenz ausführen, die kommerzielle Nutzung erlaubt. Googles Gemini 3.1 Pro wurde am 19. Februar 2026 angekündigt und wird weiterhin als Preview-Endpunkt bereitgestellt. Acht Monate später ist es ein Modell, das man aufrufen, aber nicht in den Händen halten kann.

Diese Einordnung ist kein Seitenhieb gegen einen der beiden Ansätze. Ein Preview-Endpoint ist die Art und Weise, wie ein Frontier-Lab etwas ausliefert und daran iteriert, das es noch nicht einfrieren möchte, und für die meisten Teams ist er das bessere Geschäft. Doch die beiden Modelle nehmen unterschiedliche Positionen in einem Deployment ein, und der ehrliche Vergleich dreht sich darum, welche Position man braucht — nicht darum, welches in einer Tabelle gewinnt.

Eine Sache muss vor den Zahlen deutlich gesagt werden. Nemotron 3.5 Super ist zum Zeitpunkt des Schreibens vier Tage alt. Der Anbieter hat es angekündigt, es ist also keine stille Veröffentlichung in dem Sinne, dass es unbestätigt wäre, aber die unabhängige Evidenzbasis dafür besteht grob aus einem Panel-Score und vielen Anbieterzeilen. Die Gemini-Vorschau hat acht Monate der Aufmerksamkeit der Welt und einen viel größeren Bestand an Messungen durch Dritte hinter sich. Wo die Beweislage dünn ist, sagt diese Seite das, anstatt aufzurunden.

Hardware gegen einen Schlüssel

• Was Sie erhalten — einen Checkpoint: BF16-Referenzgewichte, eine Base-Variante und einen NVFP4-Build sowie einen separaten LiLiCorr-Drafter, alle veröffentlicht am 12. Oktober 2026 · einen gehosteten Endpoint hinter einem API-Schlüssel, im Vorschau-Status seit 19. Februar 2026.

• Lizenz — OpenMDW-1.1, kommerzielle Nutzung erlaubt, und die Modellkarte gibt an, dass der Checkpoint für kommerzielle oder nichtkommerzielle Nutzung bereit ist · Googles Nutzungsbedingungen.

• Parameter — 120 Mrd. insgesamt, 12 Mrd. aktiv, 512 geroutete Experten pro MoE-Schicht, vollständig auf der Modellkarte offengelegt · nicht veröffentlicht.

• Kontakt mit der Hardware — vier H100 oder zwei GB200 für BF16; eine 96-GB-Karte für das standardmäßige 4-Bit-Tag bei 82,3 GiB plus einen 1,6-GiB-Vision-Projektor · keine, konstruktionsbedingt.

• Kontext – bis zu 1.000.000 Token, mit dem eigenen Hinweis der Karte, dass der verfügbare Speicher und die Laufzeiteinstellungen den nutzbaren Wert bestimmen und dass Prompts, Bilder, Verlauf, Tool-Ergebnisse und generierte Token sich dieses Budget teilen · 1.048.576 Token Kontext.

• Ausgabe-Obergrenze — nirgends veröffentlicht: Weder die Karte von NVIDIA noch die Runtime-Registry gibt eine an · 65.536 Tokens.

• Modalität — Text, Bild und Video rein, Text raus; der Vision-Pfad ist nicht optional, jedes veröffentlichte Tag trägt den Projektor · Text, Bild, Video, Audio und Datei rein, Text raus, was die breiteste Eingabeoberfläche von allem in diesem Vergleich ist.

• Verbrauchsabhängiger Preis — keiner veröffentlicht; selbst hosten oder gar nichts · 2 $ pro Million Input-Token und 12 $ pro Million Output-Token, Verdopplung auf 4 $ bzw. 12 $ und mehr bei Prompts über 200.000 Token.

Die beiden Größen, die über Deployments entscheiden, sind Preis und Inputs. Das NVIDIA-Modell hat keinen Preis, weil es keinen Endpoint hat – seine Kosten sind Hardware und Strom, und die einzige Variable, die zählt, ist die Auslastung. Die Gemini-Vorschau hat einen Preis mit einer Klippe: Die ersten 200.000 Input-Tokens werden mit 2 $ pro Million abgerechnet, und alles darüber hinaus wird zum Doppelten davon abgerechnet – ein Detail, das man kennen sollte, bevor man eine Pipeline baut, die bei jedem Aufruf eine Million Tokens Kontext hineinstopft.

Der Vision-Encoder ist der Punkt, an dem diese beiden tatsächlich aufeinandertreffen.

Beide Modelle nehmen Bilder und Videos entgegen, was dies zur einzigen Achse macht, auf der der Vergleich direkt statt strukturell ist. Es ist auch die Achse, auf der die Beweislage am ungleichmäßigsten ist.

In NVIDIAs eigener Tabelle, alle vom Anbieter selbst über das NeMo-Gym-Harness ausgeführt: 62,82 bei MMLongBench-Doc, 78,16 bei MathVision, 80,82 bei CharXiv reasoning, 65,08 bei OCR-Reasoning, 85,60 bei V*, 68,12 bei OCRBench v2 English, 59,15 beim chinesischen Set, 32,85 bei Video-MME v2 und 51,14 bei OSWorld-Verified. Die Zeilen passen zu einem Modell, das Dokumente und Diagramme kompetent liest und bei chinesischsprachigem Text deutlich schwächer als bei englischsprachigem ist.

Google hat keine passende Tabelle für die Vorschau in dem Format veröffentlicht, das NVIDIA verwendet, und diese Seite wird keine fälschen, indem sie Zahlen aus verschiedenen Testumgebungen kombiniert. Was sich ehrlich sagen lässt, ist, dass dasselbe Drittanbieter-Panel, das beide Modelle bewertet, die Gemini-Vorschau auf seinem Gesamtindex etwas höher einordnet – etwa 29,7 gegenüber 26,49 für den NVIDIA-Checkpoint – und dass die Bewertung des Gemini-Eintrags durch das Panel auf dessen Februar-Ankündigung datiert ist, nicht auf eine neuere Revision. Da die Indexlücke etwa drei Punkte beträgt und die beiden Einträge acht Monate auseinander gemessen wurden, wäre es eine Überinterpretation, einen der beiden als endgültiges Urteil über den anderen zu behandeln.

Was keine Überinterpretation ist: Die Gemini-Vorschau akzeptiert Audio, der NVIDIA-Checkpoint nicht. Wenn Ihre Eingabe eine Anrufaufzeichnung, ein Meeting oder überhaupt eine Audiospur enthält, ist die Hälfte dieses Vergleichs entschieden, bevor es überhaupt um die Parameter geht. Umgekehrt: Wenn Ihre Workload ein festes Dokumentkorpus ist, das Sie zehntausende Male pro Tag verarbeiten, ist ein Modell, das Sie lokal zu festen Kosten betreiben können, strukturell etwas anderes als eines, das jedes Mal 2 $ pro Million Tokens abrechnet, wenn Sie eine Seite ansehen.

Die Falle in der NVIDIA-Standardeinstellung, über die noch niemand geschrieben hat

Das ist die Art von Detail, die nur auftaucht, wenn man die Laufzeit-Registry liest und nicht den Blog des Anbieters, und es ist den Absatz wert.

Die Modellkarte gibt zwei empfohlene Sampling-Konfigurationen an: Temperatur 1,0 mit top_p 0,95 für Text und Temperatur 0,6 mit top_p 0,95 für Vision. Der ausgelieferte Standard im Ollama-Manifest ist das Text-Paar. Das bedeutet, dass die Konfiguration, unter der die meisten Leute dieses Vision-Modell standardmäßig ausführen werden, auf die Hälfte des Modells abgestimmt ist, die nicht Vision ist. Wenn Ihre erste Erfahrung damit bei gescannten Seiten oder Diagrammen enttäuschend ist, sind die Sampling-Einstellungen das Erste, was Sie prüfen sollten – bevor Sie irgendetwas über die Leistungsfähigkeit des Checkpoints selbst schlussfolgern.

Zwei zusammengehörige Details aus demselben Manifest. Der Config-Blob deklariert model_type: 123.6B, während jede für Menschen sichtbare Bezeichnung 120B sagt – eine Rundungsdifferenz, keine Abweichung bei den Gewichten, aber sie ist relevant, wenn ein Tooling-Skript entscheidet, was passt. Und das Runtime-Gate wird erzwungen, nicht bloß empfohlen: requires: 0.40.5, daher wird dieses Modell auf jeder früheren Ollama-Version überhaupt nicht gepullt.

Was die achtmonatige Lücke tatsächlich wert ist

Es lässt sich argumentieren, dass eine Vorschau, die acht Monate lang Traffic überstanden hat, in gewisser Hinsicht vertrauenswürdiger ist als ein vier Tage alter Checkpoint, und das ist ein gutes Argument.

Ein Preview-Endpunkt wurde massiv belastet. Seine Fehlermodi sind von anderen dokumentiert. Sein Preis wird veröffentlicht statt abgeleitet. Sein Kontextfenster verhält sich so, wie es die Dokumentation beschreibt, weil Tausende Nutzer herausgefunden haben, wo es das nicht tut. Und eine Preview, die Google acht Monate lang in der Preview gehalten hat, anstatt sie zu bewerben, wurde zumindest nicht stillschweigend zurückgezogen — was eine Information über die kommerzielle Tragfähigkeit des Modells ist, die Ihnen kein Repository-Zeitstempel über den NVIDIA-Checkpoint geben kann.

Die Vorschau bringt dagegen zwei Kosten mit sich, die eine selbst gehostete Datei nicht hat. Die erste ist, dass sie sich ändern kann. Der Vorschau-Status ist eine ausdrückliche Erklärung, dass der Endpunkt ohne Vorankündigung überarbeitet werden kann, und eine Pipeline, die auf das exakte Verhalten einer Vorschau abgestimmt ist, ist eine Pipeline mit einer nicht abgesicherten Abhängigkeit. Die zweite ist, dass ihre Ökonomie linear und für immer skaliert. Es gibt kein Volumen, ab dem die Gemini-Vorschau pro Token günstiger wird; es gibt ein Volumen, ab dem die Fixkosten von vier H100s sie unterbieten. Dieser Schnittpunkt ist die einzige Zahl, die diese Entscheidung bestimmen sollte, und er ist eine Eigenschaft Ihres Datenverkehrs und nicht eines der beiden Modelle.

Und das Achtmonatsdefizit des NVIDIA-Checkpoints ist nicht nur ein Nachteil. Der Anbieter hat nicht nur die Gewichte veröffentlicht, sondern auch eine reproduzierbare Evaluationsumgebung und einen technischen Bericht, und sowohl das Veröffentlichungsdatumsfeld der Karte als auch die Zeitstempel des Repositorys stimmen mit dem Newsroom-Beitrag überein. Das ist ein besser auditierbarer Veröffentlichungsprozess, als ihn die meisten Open-Weight-Veröffentlichungen bekommen, auch wenn das Audit gerade erst begonnen hat.

Keines von beiden steht auf unserem Schlüssel, und eines davon ist der Grund, der zählt.

Es lohnt sich, bei der Verfügbarkeit Klartext zu reden. Gemini 3.1 Pro ist auf OrcaRouter in seiner Preview-Form erreichbar – zum Listenpreis des Anbieters, durchgereicht ohne Aufschlag pro Token: 2 $ Input und 12 $ Output, wobei die Long-Context-Stufe zu dem von Google veröffentlichten Preis berechnet wird und am selben Tag auf unserer Seite live ist statt erst zur nächsten Verlängerung. Wenn Sie herausfinden möchten, ob die Preview Ihre Dokumenten-Workload bewältigt, brauchen Sie dafür nur einen Schlüssel und keine Beschaffung.

Nemotron 3.5 Super ist nicht in unserem Key enthalten. Wir routen etwas mehr als zweihundert Modelle, und darunter gibt es keinen NVIDIA-Nemotron-Eintrag, daher ist dieser Artikel kein Hinweis darauf, dass du es auf unserer Plattform aufrufen kannst. Deine Bezugswege sind NVIDIAs eigene Build- und Distributionskanäle sowie der lokale Runtime-Pull.

Wofür die Routing-Schicht hier wirklich nützlich ist, ist der Teil dieser Entscheidung, der nichts mit Benchmarks zu tun hat. Führen Sie zuerst Ihre tatsächliche Dokument-Workload gegen die gehostete Vorschau aus. Wenn sie die Messlatte überwindet, haben Sie gelernt, dass die Workload eine ist, die ein Frontier-Modell bewältigt, und Sie können nun ein Mengenargument dafür vorbringen, ob ein Teil davon auf einen lokal ausgeführten Checkpoint verlagert werden sollte. Wenn sie die Messlatte nicht überwindet, haben Sie etwas noch Wertvolleres gelernt, und Sie haben es für den Preis von ein paar Dollar an Tokens statt für den Preis eines Clusters gelernt.

Das knappe Urteil

Wenn Sie Audioeingabe, die breitestmögliche Palette an Eingabemodalitäten, eine veröffentlichte Ausgabengrenze oder ein Modell benötigen, dessen Fehlermodi andere bereits kartiert haben, ist Gemini 3.1 Pro Preview die Antwort, und die acht Monate an Messungen durch Dritte dahinter sind mehr wert, als der Drei-Punkte-Abstand im Index vermuten lässt.

Wenn Sie das Modell behalten, für die kommerzielle Nutzung lizenzieren, auf Hardware ausführen, die Ihnen gehört, und für eine Dokument-Workload, die Sie kontinuierlich verarbeiten, feste Kosten zahlen möchten, ist der NVIDIA-Checkpoint in diesem Monat zum ersten Mal eine echte Option – mit drei spezifischen Vorbehalten. Das Standard-Tag ist eine 4-Bit-Quantisierung, und für diese Quantisierung gibt es keine veröffentlichte Evaluierung. Die mitgelieferten Sampling-Standardeinstellungen sind die Texteinstellungen der Karte, nicht ihre Vision-Einstellungen. Und das Modell ist vier Tage alt.

Teste die Vorschau zuerst mit deinen eigenen Daten. Wenn sie funktioniert, reduziert sich die Frage auf das Volumen, und Volumen ist Arithmetik. Wenn nicht, hast du dir gerade einen Cluster erspart.