Nemotron 3.5 Super vs. GLM-5.5: Eines dieser Modelle existiert

Es gibt einen echten Vergleich zwischen NVIDIA Nemotron 3.5 Super und GLM-5.5, und es ist nicht der, den die Suchergebnisse versprechen. Nemotron 3.5 Super — 120 Milliarden Gesamtparameter mit 12 Milliarden aktiven pro Token, ein hybrides Mixture-of-Experts aus Mamba-2 und Transformer mit einem C-RADIO-Vision-Encoder, veröffentlicht unter dem vollständigeren Namen NVIDIA Nemotron 3.5 Super VL und auf Ollama ausgeliefert als code>nemotron-3.5-super/code> — ist eine Sammlung von Gewichten, die am 12. Oktober 2026 auf Hugging Face hochgeladen wurde, am 15. Oktober von NVIDIA angekündigt wurde und heute Nacht unter der OpenMDW-1.1-Lizenz heruntergeladen und ausgeführt werden kann. GLM-5.5 ist ein Modell, das Z.ai nicht veröffentlicht hat. Es gibt kein Repository, keine Modellkarte, keinen Endpunkt, keinen Preis und keine Parameteranzahl. Es gibt Berichte, die bis Juni 2026 zurückreichen, über einen Start mit einer Billion Parametern, einen Leak-Bericht im Oktober, der behauptet, es übertreffe zwei Frontier-Modelle, und Schweigen aus dem Labor.

Was bedeutet, dass ein direkter Vergleich zwischen diesen beiden die Spezifikation eines realen Modells gegen den Ruf eines anderen Modells wäre. Das ist kein Vergleich; das ist ein Horoskop mit Benchmarks. Diese Seite tut also das, was tatsächlich nützlich ist: Sie benennt, was Z.ai ausgeliefert hat, was über das bekannt ist, was es nicht ausgeliefert hat, und führt dann den Vergleich durch, auf dessen Grundlage ein Leser mit einer GPU und einem Workload heute handeln kann.

Was Z.ai tatsächlich ausgeliefert hat

Die veröffentlichte Flaggschiff-Reihe von Z.ai reicht über GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 bis GLM-5.3-Flash. In unserem eigenen Katalog ist die höchste GLM-Kennung, die wir routen, code>z-ai/glm-5.3/code>, nebencode>z-ai/glm-5.3-flash/code> und einer kostenlosen Variante der Flash-Stufe. Es gibt keine GLM-5.5-Kennung, und die Modellliste endet dort, wo das Log des Labors endet.

Was GLM-5.3 ist, anhand der Zahlen, die wir überprüfen können: ein Mixture-of-Experts-Modell mit 753 Milliarden Parametern und 40 Milliarden aktiven Parametern pro Token, ein Kontextfenster von 1.000.000 Tokens mit einer Obergrenze von 128.000 Tokens für die Ausgabe, Texteingabe, eine Lizenz, die Z.ai unter eigenem Namen veröffentlicht und die kommerzielle Nutzung erlaubt, sowie ein durchgereichter Abrechnungssatz von 1,26 $ pro Million Eingabe-Tokens und 3,96 $ pro Million Ausgabe-Tokens. Das Flash-Tier liegt darunter bei 0,15 $ und 0,50 $ mit 1 Mio. Token Kontext sowie Text-, Bild- und Videoeingabe.

Dieses Flash-Tier ist in einer bestimmten Hinsicht der interessantere Konkurrent für diese NVIDIA-Veröffentlichung als das Flaggschiff, und es gibt eine Schwester-Seite innerhalb desselben Batches, die das durchgeht. Für die Zwecke dieses Artikels ist der Punkt enger gefasst: Wenn Sie Nemotron 3.5 Super mit etwas vergleichen möchten, das Z.ai ausgeliefert hat, vergleichen Sie es mit GLM-5.3, und dieser Vergleich ist heute verfügbar.

Warum die GLM-5.5-Berichte keine brauchbaren Zahlen sind

Die Berichterstattung über GLM-5.5 fällt in drei Kategorien, und keine von ihnen wird für eine Kaufentscheidung ausschlaggebend sein.

Das Erste ist die Zeitplanung. Berichte ab Mitte 2026 beschrieben einen geplanten August-Launch, der auf ChatGPT und Claude abzielte, gestützt auf Aussagen von Zhipu-Mitarbeitern und Branchengerüchte. Der Termin verstrich ohne Veröffentlichung. Ein bereits verpasstes Startfenster ist kein Beleg für ein Modell.

Das Zweite ist die Parameteranzahl. Es kursieren Berichte über eine Billion-Parameter-Zahl. Niemand hat einen Safetensors-Index, eine Config oder eine Expertenanzahl pro Schicht veröffentlicht, woran eine Parameterangabe normalerweise geprüft wird. Die Zahl mag sich durchaus als richtig erweisen; derzeit ist sie eine Behauptung, hinter der kein Artefakt steht.

Der dritte Punkt sind Benchmark-Behauptungen. Ein im Oktober erschienener Beitrag behauptete, GLM-5.5 übertreffe zwei namentlich genannte Frontier-Modelle. In dieser Behauptung gibt es kein Harness, kein Prompt-Set, keine Scoring-Konfiguration und keinen Reproduzierbarkeitspfad – was genau die Lücke ist, die NVIDIA, was auch immer man sonst über von Anbietern durchgeführte Evaluierungen sagen mag, geschlossen hat, indem es ein Rezept für NeMo Gym mit benchmarkspezifischen Containern und Inferenzparametern zusammen mit seiner Tabelle veröffentlichte. Ein Anbieter-Benchmark mit Rezept ist ein schwacher Beleg. Ein Leak-Benchmark ohne Rezept ist kein Beleg.

Es gibt eine Version dieses Artikels, die die geleakten Zahlen als echt behandelt, sie in eine zweispaltige Anzeigetafel setzt und den Leser annehmen lässt, die Paarung sei entschieden. Dieser Artikel wäre für jeden, der eine Entscheidung treffen muss, wertlos, und er wäre innerhalb einer Woche nach einer tatsächlichen Ankündigung veraltet.

Der Vergleich, der angestellt werden kann, richtig durchgeführt

Nemotron 3.5 Super VL gegen GLM-5.3, das Flaggschiff, das Z.ai tatsächlich veröffentlicht hat.

• Gesamt- und aktive Parameter — 120B gesamt mit 12B aktiv, 512 geroutete Experten pro MoE-Schicht · GLM-5.3 mit 753B gesamt und 40B aktiv. Bei den aktiven Parametern ist das NVIDIA-Modell nur ein Drittel so groß und sollte auf äquivalenter Hardware pro Token dramatisch günstiger laufen — genau das ist die Designabsicht.

• Kontext — 1.000.000 Tokens bei beiden, mit einer wichtigen Einschränkung. NVIDIAs Modellkarte besagt, dass der verfügbare Speicher und die Laufzeiteinstellungen den nutzbaren Wert bestimmen und dass sich Prompts, Bilder, Verlauf, Tool-Ergebnisse und generierte Tokens das Budget teilen. Z.ai gibt für GLM-5.3 eine Ausgabegrenze von 128.000 Tokens an, NVIDIA gibt überhaupt keine Ausgabegrenze an, was GLM-5.3 zum berechenbareren Modell für lange Generierungen und den NVIDIA-Checkpoint zum offeneren macht.

• Modalität — Text-, Bild- und Videoeingabe mit Textausgabe für das NVIDIA-Modell, über einen Vision-Encoder und Connector, mit einem 1,6-GiB-Projektor bei jedem veröffentlichten Tag · nur Text für GLM-5.3, wobei der multimodale Pfad stattdessen in der günstigeren Flash-Stufe liegt. Wenn Ihre Eingabe eine Dokumentseite ist, ist das GLM-Flaggschiff nicht im Spiel.

• Nutzungsabhängiger Preis — keiner für den NVIDIA-Checkpoint, der nur für Self-Hosting vorgesehen ist · 1,26 $ Eingabe und 3,96 $ Ausgabe pro Million Tokens für GLM-5.3, zum Listenpreis des Anbieters ohne Aufschlag weitergegeben.

• Drittanbieterindex, der einzige auditierte Eintrag in dieser Liste — das Gremium, das diese Modelle bewertet, platziert den NVIDIA-Checkpoint bei ungefähr 26 und GLM-5.3 bei ungefähr 45. Das ist ein Abstand von achtzehn Punkten zugunsten des chinesischen Flaggschiffs, gemessen von einem Dritten statt von einem der beiden Anbieter, und sie ist die mit Abstand wichtigste Zahl hier.

• Veröffentlichungsstatus — Gewichte öffentlich am 12. Oktober 2026, angekündigt am 15. Oktober, vier Tage Betriebsgeschichte · GA, mit einer ausgelieferten Reihe von Revisionen dahinter.

Die Lücke im Index verdient es, ohne Beschönigung benannt zu werden. NVIDIAs eigene veröffentlichte Tabelle kann nicht dazu verwendet werden, sie wegzuargumentieren, denn der Anbieter hat GLM-5.3 nicht als Baseline getestet – die GLM-Spalte in dieser Tabelle ist GLM-5.3-Flash, die günstigere Stufe, und selbst dort liegt NVIDIAs Modell bei den meisten agentischen Zeilen zurück. Ein offener Checkpoint mit 12B aktiven Parametern konkurriert nicht mit einem Flaggschiff mit 40B aktiven Parametern in Bezug auf allgemeine Fähigkeiten, und jede Seite, die Ihnen etwas anderes erzählt, will Ihnen etwas verkaufen.

Was die Architekturwahl tatsächlich bringt

Die interessante Frage ist nicht, ob 12B aktiv 40B aktiv schlägt. Das tut es nicht. Die interessante Frage ist, was passiert, wenn man auf die Hardware normalisiert, die man sich leisten kann.

Mit seinem standardmäßigen 4-Bit-Tag besteht der NVIDIA-Checkpoint aus 82,3 GiB Gewichten plus einem 1,6 GiB großen Vision-Projektor – eine einzige 96-GB-Karte, mit KV-Cache-Reserve, die schrumpft, je weiter man den Kontext erhöht. GLM-5.3 mit insgesamt 753 Milliarden Parametern passt bei keiner Quantisierung, die sein Verhalten bewahrt, auf eine einzelne Maschine, und seine günstigste korrekte Bereitstellung ist der Cluster von jemand anderem über eine API für 1,26 $ und 3,96 $.

Die beiden Modelle sind also keine Substitute. Das eine ist eine nutzungsabhängig abgerechnete Fähigkeit, die man mietet, und das andere sind Fixkosten, die man besitzt, und das Einzige, was zwischen ihnen entscheidet, ist, wie kontinuierlich man die Sache nutzt. Unterhalb eines bestimmten Durchsatzes ist ein Flaggschiff für 1,26 $ pro Million Token einfach günstiger als eine 96-GB-Karte und der Strom dahinter. Oberhalb eines bestimmten Durchsatzes gewinnt die Karte, und sie gewinnt, ohne das bessere Modell sein zu müssen.

Das andere, was das NVIDIA-Design erkauft – und das ist nicht nichts –, ist der Vision-Pfad unter einer permissiven Lizenz. GLM-5.3 ist reiner Text. GLM-5.3-Flash nimmt Bilder und Video für fünfzehn Cent bzw. fünfzig Cent pro Million Tokens, was bemerkenswert günstig ist und der Grund dafür, dass das Flash-Tier – nicht das Flaggschiff – der richtige Z.ai-Vergleich für eine Dokumentenpipeline ist. Ein selbst gehostetes Vision-Modell zu Festkosten gegenüber einem gehosteten Vision-Modell für fünfzehn Cent ist eine echte Frage mit einem echten Crossover-Punkt, und es lohnt sich, das mit den eigenen Seitenzahlen durchzurechnen statt mit einem Leaderboard.

Drei Dinge bezüglich des NVIDIA-Checkpoints, die ungeklärt sind

Um auch die andere Seite fair zu behandeln, denn die Offenheit der NVIDIA-Veröffentlichung macht ihre Spezifikation nicht vollständig.

Das standardmäßige Tag, das die meisten Leute ziehen werden, ist eine 4-Bit-Quantisierung, und jeder veröffentlichte Evaluationswert – NVIDIAs eigene Tabelle, die Punktzahl des Drittanbieter-Panels – gilt für BF16 oder NVFP4. Die tatsächlich verwendete Version hat keine veröffentlichte Evaluation. Dies ist die größte ungemessene Größe auf beiden Seiten dieser Seite.

Die von der Runtime ausgelieferten Sampling-Standardwerte sind die Text-Einstellungen der Karte – Temperatur 1,0 mit top_p 0,95 –, während die Vision-Einstellung der Karte Temperatur 0,6 beträgt. Ein Vision-Modell, dessen Standardkonfiguration auf seine Text-Hälfte abgestimmt ist, wird auf gescannten Seiten enttäuschende erste Eindrücke hinterlassen, und die Lösung ist eine Konfigurationsänderung statt eines anderen Modells.

Und die Spezifikation widerspricht sich selbst an zwei kleinen Stellen, die für Tooling von Bedeutung sind: Der Ollama-Konfigurationsblob deklariert code>model_type: 123.6B/code>, während jede für Menschen sichtbare Bezeichnung 120B angibt, und die Bibliotheksseite bewirbt einen 1M-Kontext für ihre GGUF-Tags, aber überhaupt keine Kontextangabe für ihre drei MLX-Tags. Keines von beiden ist ein Defekt in den Gewichten. Beides sind Dinge, über die ein Deployment-Skript stolpern wird.

Was das für einen Leser bedeutet

Wenn Sie hier sind, weil Sie wissen wollten, wie Nemotron 3.5 Super im Vergleich zu GLM-5.5 abschneidet, dann ist die Antwort, dass das zweite Modell noch nicht existiert und jede Seite, die Ihnen Zahlen dafür nennt, sie erfindet. Was existiert, ist ein Leak mit einer Parameteranzahl, ein verpasstes Startfenster und eine Behauptung ohne dahinterstehenden Testaufbau.

Wenn Sie zwischen dem wählen, was tatsächlich ausgeliefert wird, steht die Wahl zwischen einem Z.ai-Flaggschiff mit nutzungsbasierter Abrechnung, das bei allgemeinen Fähigkeiten spürbar stärker und auf Text beschränkt ist, einer Z.ai-Flash-Stufe mit nutzungsbasierter Abrechnung, die bemerkenswert günstig ist und Bilder verarbeitet, und einem NVIDIA-Checkpoint, den Sie selbst besitzen können, der Text, Bilder und Videos verarbeitet und der bei dem einzigen unabhängig gemessenen Score, den irgendeiner von ihnen vorzuweisen hat, zurückliegt. Nemotron 3.5 Super ist nicht auf OrcaRouter — wir routen etwas über zweihundert Modelle, und es gibt keinen Eintrag für NVIDIA Nemotron darunter. Wenn Sie also den NVIDIA-Checkpoint wollen, sind die eigenen Kanäle des Anbieters und der lokale Pull Ihre Route.

GLM-5.3 und GLM-5.3-Flash laufen über unseren Key, zum Listenpreis des Anbieters, durchgereicht ohne Aufschlag pro Token, und eine Preisänderung von Z.ai landet am selben Tag bei uns statt erst bei Ihrer nächsten Vertragsverlängerung. Das ist das kostengünstige Experiment: Lassen Sie die Workload gegen das Modell laufen, das Sie heute erreichen können, finden Sie heraus, was es pro Einheit echter Arbeit kostet, und entscheiden Sie erst dann, ob die Fixkosten einer Karte, die Ihnen gehört, einen Zähler schlagen, den Sie mieten.

Und wenn GLM-5.5 dann tatsächlich erscheint – falls es das tut –, wird die lesenswerte Version dieser Seite diejenige sein, die geschrieben wurde, nachdem jemand anderes als das Labor es hat laufen lassen.