Nemotron 3.5 Bolt 74B vs DeepSeek V4 Pro : tous deux ouverts, l’un tient dans 24 Go

N​VIDIA's N​emotron 3.5 Bolt 74B-A9B 24GB and DeepSeek V4 Pro are on the same side of the open-versus-closed line and nowhere near each other on the hardware line. Both publish weights you can download, both permit commercial use, and both can be served without asking anyone's permission. One of them is 74 billion parameters with 9 billion active, quantised to fit in 24 gigabytes so it runs on a laptop-class machine next to your other applications. The other is 1.6 trillion parameters with 49 billion active, and the phrase "deployment footprint" does not mean what it means for the first one.

Cet écart a plus d’incidence que les scores de l’indice, et les scores de l’indice affichent déjà 15 points de différence. Voici la comparaison qu’une équipe doit réellement mener : non pas quel modèle est meilleur dans l’abstrait, mais lequel de ces deux produits à poids ouverts vous pouvez faire tourner concrètement, à quelle qualité, et pour quel budget.

Deux formes très différentes de l’« open »

Worth stating plainly before any of it, though, because the two open-weight halves did not arrive the same way. D​eepSeek published V4 Pro as a product, with a card and a rate card. N​VIDIA has not announced N​emotron 3.5 Bolt 74B-A9B 24GB at all. The files simply appeared: the 24GB quantised repository on 7 October 2026, its GGUF conversion hours later, a BF16 checkpoint on 9 October, the LiLiCorr speculative drafter on 12 October. Sixteen days of silence on N​VIDIA's own channels is the state of things, so the verifiable half of this comparison is what a repository can prove — licence, parameter counts, file formats, the serving recipe on the card — and the unconfirmed half is everything a launch post would have carried. The throughput and agentic figures below are N​VIDIA's own and are marked as such, because there is no third party except one index to check them against.

Commencez par la licence et le checkpoint, car c’est là que se prend vraiment la décision d’opter pour un modèle à poids ouverts.

• Licence — N​emotron 3.5 Bolt 74B-A9B 24GB: OpenMDW-1.1, a permissive model-weights licence with an explicit commercial-use carve-in; N​VIDIA's card states the model is ready for commercial or non-commercial use. DeepSeek V4 Pro: MIT, which is about as unrestricted as a weights licence gets.

• What is actually publishable — N​emotron 3.5 Bolt 74B-A9B 24GB: the 24GB IQ2 build, a BF16 checkpoint before quantisation, GGUF builds for llama.cpp, and a separate LiLiCorr speculative drafter. DeepSeek V4 Pro: the full-weight checkpoint and its derivatives.

• Where the checkpoint came from — N​emotron 3.5 Bolt 74B-A9B 24GB: compressed from N​VIDIA's N​emotron 3.5 Super VL 120B-A12B parent using Star Elastic, a router-guided architecture search, then quantised with quantisation-aware distillation. It is a distilled child, not a from-scratch model, and N​VIDIA's own research page argues explicitly that compressing a large model into a fixed budget beats training a small one from scratch. DeepSeek V4 Pro: a natively trained frontier-scale mixture-of-experts.

Ce troisième point est celui qui détermine la plupart des évaluations que vous lirez. Toute comparaison de benchmarks entre ces deux-là est une comparaison entre une philosophie de conception de compression agressive et une philosophie de conception d’échelle, et les deux ne convergent pas sur les mêmes charges de travail.

Ce que chacun mesure à

Artificial Analysis a évalué les deux, sur la même révision actuelle de son indice, ce qui est la seule raison pour laquelle une phrase comme celle-ci peut être écrite.

• Intelligence Index — N​emotron 3.5 Bolt 74B-A9B 24GB 21, fourth of 67 models in its open-weight size class. DeepSeek V4 Pro 36, ninth of 116, measured on the 0813 build in the max configuration.

• Cost per Intelligence Index task — N​emotron 3.5 Bolt 74B-A9B 24GB: not applicable, because the panel records no public API for it and there is no metered price to divide by. DeepSeek V4 Pro: 0.67 dollars measured on the panel's own weighted basis.

• Output speed — N​emotron 3.5 Bolt 74B-A9B 24GB: N​VIDIA reports 83.99 tokens per second on AIPerf SPEED-Bench-Coding with its drafter, on a Surface Laptop Ultra. DeepSeek V4 Pro: 96.3 tokens per second measured by Artificial Analysis against the hosted API. The two are not the same measurement and should not be subtracted from each other; what they establish is that both are fast enough that speed is not your constraint.

• Verbosity — N​emotron 3.5 Bolt 74B-A9B 24GB generated 230 million tokens during the panel's index run, against a median of 100 million for its class — the panel's own note calls it very verbose. DeepSeek V4 Pro generated 160 million against a median of 130 million. On a metered API that difference is a line item; on a local box it is electricity and wall-clock.

The 15-point index gap is real and is not closed by the fact that the smaller model is cheaper to run. What closes it, in the workloads where it closes at all, is the vendor's own benchmark set — and that set is worth reading with the right suspicion. N​VIDIA's card puts the Bolt model at Terminal-Bench 2.1 of 50.98 and BrowseComp of 66.75, ahead of every comparator column printed beside it. Those are N​VIDIA's numbers on N​VIDIA's card, and D​eepSeek is not one of the columns.

Le diagramme de déploiement est la décision réelle

This is where DeepSeek V4 Pro and N​emotron 3.5 Bolt 74B-A9B 24GB stop being substitutes for one another.

• Room to run. A 1.6-trillion-parameter model at 49 billion active needs a serving cluster. Even heavily quantised, the checkpoint alone is an order of magnitude past what a single workstation can hold, and the active-parameter count means every token touches a substantial slice of memory bandwidth regardless of the quantisation scheme. The Bolt model was designed against a stated ceiling — N​VIDIA's architecture search targets a footprint below 24GB at batch size one and 128K context — and the search is run with the downstream quantisation already accounted for.

• Minimum viable serving stack. N​emotron 3.5 Bolt 74B-A9B 24GB wants a specific vLLM nightly with the v2 model runner enabled, a downloaded reasoning-parser plugin, b12x kernels, and explicit MoE, Mamba and attention backend flags; llama.cpp covers the GGUF path. DeepSeek V4 Pro is served by the usual inference stacks at distributed scale, which is a different kind of project with a different kind of on-call rotation.

• Entrées. Le modèle Bolt accepte du texte, des images et de la vidéo, la recette de référence plafonnant le nombre d'images vidéo et appliquant un taux d'élagage. La liste de modalités publiée de DeepSeek V4 Pro indique du texte en entrée et du texte en sortie — l'échelle de son mélange d'experts est consacrée au raisonnement, pas à la perception.

• Context. 262,144 tokens for the Bolt model against roughly a million for DeepSeek V4 Pro. If your workload is a repository, a contract set or a long agent transcript, that is a real four-times difference and it is in D​eepSeek's favour.

Put plainly: if you have a datacenter and a workload that needs frontier reasoning, DeepSeek V4 Pro is the better model and the index says so. If you have a laptop, a Spark box or a workstation, and the requirement is that the model runs locally alongside everything else, N​emotron 3.5 Bolt 74B-A9B 24GB is not a compromise on that requirement — it is the only one of the two that meets it.

Ce que le modèle plus petit vous apporte au-delà du disque

Trois choses qui n’apparaissent pas dans un score d’index, mais qui apparaissent dans une revue de déploiement.

• It runs with the network cable out. A 24GB checkpoint on local storage has no availability dependency, no rate limit and no provider incident. For an agent that runs on a machine you own, that is the whole design goal and the reason N​VIDIA compressed a 120B parent instead of shipping something at full precision.

• Speculation is cheap and safe here. The LiLiCorr drafter adds under a gigabyte on disk and N​VIDIA reports mean acceptance lengths of 4.68 greedy and 4.25 probabilistic at seven drafted tokens and concurrency 64. Because the target verifies every draft, a bad guess costs speed rather than accuracy — the output distribution is preserved. That property is what makes shipping a speculative path reasonable on a local box, and it is documented on the model card.

• Toute la pile est inspectable. Les poids, la configuration de quantification, le drafter, la recette de serving et le rapport technique sont tous publics. Quand le modèle se comporte mal, vous pouvez lire la configuration plutôt que d’ouvrir un ticket.

Chiffrer honnêtement les deux options

La comparaison des prix n'est pas symétrique, et prétendre qu'elle l'est serait l'erreur la plus facile à commettre sur cette page.

• N​emotron 3.5 Bolt 74B-A9B 24GB has no per-token price because it has no metered endpoint. Its cost is hardware you buy or already own, plus power, plus the engineering hours to stand up the serving recipe. Once that is paid, marginal cost per token is close to zero and stays there.

• DeepSeek V4 Pro is metered. On OrcaRouter it is routed at D​eepSeek's published list, 0.66 dollars per million input tokens and 1.98 dollars per million output tokens, with no markup added on top — so a vendor price move is live on our side the same day. For a workload in the millions of tokens a day, that is a budget line, not a rounding error.

• Le seuil de rentabilité n’est pas un nombre de tokens, c’est un profil d’utilisation. Un modèle local qui reste inactif est du pur capex. Un modèle hébergé qui traite une requête par semaine est quasiment gratuit. Le basculement se produit lorsque les tokens que vous comptabiliseriez dépassent le coût amorti de la machine, et le seul moyen de savoir où se situe ce point pour votre trafic est d’en mesurer une semaine.

Il existe aussi une troisième option qui ne coûte presque rien à essayer : OrcaRouter achemine DeepSeek V4 Pro sur une seule clé aux côtés de plus de 200 autres modèles, avec basculement automatique entre fournisseurs. Avant de consacrer une station de travail à une build locale de 24 Go, comparer la sortie de cette build à un modèle de pointe facturé à l'usage sur votre propre jeu de prompts coûte quelques dollars et tranche la question de la qualité de façon empirique plutôt qu'en se fiant à un tableau de référence.

La version de cette décision que personne ne regrette

Run both, in the pattern each is good at. DeepSeek V4 Pro for the requests where reasoning depth or a million-token context is the point, and where the metered cost is visible and acceptable. N​emotron 3.5 Bolt 74B-A9B 24GB for the high-volume, private, multimodal or offline traffic, where the model being local is the requirement rather than a cost optimisation.

La comparaison que les gens ne cessent d’essayer de faire — un indice chiffré contre un autre — est le cadre le moins utile ici, car les deux produits n’ont pas été conçus pour rivaliser. L’un a été conçu pour être aussi bon que possible sans contrainte d’empreinte. L’autre a été conçu pour être aussi bon que possible dans un espace de 24 gigaoctets. Les deux sont ouverts, les deux sont légitimes, et c’est exactement pourquoi le choix vous revient, plutôt qu’à un fournisseur de le faire à votre place.

Les comparaisons comme celle-ci sont également le lieu où se manifestent les modes de défaillance : les incidents d'IA documentés et les défaillances d'agents derrière les modèles de cette classe sont collectés dans l'Archive des incidents d'IA d'OrcaRouter, où chaque entrée comporte ses propres sources, sa gravité, sa note de confiance et son indicateur de contestation.