Nemotron 3.5 Super vs Gemini 3.1 Pro : l'un est un fichier, l'autre est un aperçu

La différence la plus déterminante entre NVIDIA Nemotron 3.5 Super et Gemini 3.1 Pro ne figure dans aucun tableau de référence. Elle réside dans le statut de publication. Le modèle NVIDIA — 120 milliards de paramètres au total, dont 12 milliards actifs par token, un encodeur visuel C-RADIO greffé sur un mélange d'experts hybride Mamba-2 et Transformer, publié sous le nom complet NVIDIA Nemotron 3.5 Super VL et distribué sur Ollama sous le nom nemotron-3.5-super — est un ensemble de fichiers. Ils ont été mis en ligne sur Hugging Face le 12 octobre 2026, trois jours avant que le propre article de la salle de presse de NVIDIA, le 15 octobre, ne les rende officiels, et vous pouvez télécharger 82,3 GiB de ces fichiers ce soir même et les exécuter sur votre propre carte sous une licence qui autorise l'usage commercial. Le Gemini 3.1 Pro de Google a été annoncé le 19 février 2026 et est toujours servi comme point de terminaison de prévisualisation. Huit mois plus tard, c'est un modèle que l'on peut appeler mais que l'on ne peut pas posséder.

Cette formulation n'est une critique ni de l'une ni de l'autre approche. Un point de terminaison de préversion est la façon dont un laboratoire de pointe livre et fait évoluer quelque chose qu'il n'est pas prêt à figer, et pour la plupart des équipes, c'est l'option la plus avantageuse. Mais les deux modèles occupent des positions différentes dans un déploiement, et la comparaison honnête consiste à déterminer de quelle position vous avez besoin — pas à savoir lequel gagne dans un tableau.

Une chose à dire clairement avant les chiffres. Nemotron 3.5 Super a quatre jours au moment de la rédaction. Le fournisseur l’a annoncé, donc il ne s’agit pas d’une sortie discrète au sens d’une sortie non confirmée, mais la base de preuves indépendantes le concernant se résume à peu près à un score de panel et à une profusion de lignes émanant du fournisseur. L’aperçu Gemini bénéficie de huit mois d’attention mondiale et d’un corpus bien plus important de mesures tierces. Là où les preuves sont minces, cette page le signale plutôt que d’arrondir à la hausse.

Matériel contre une clé

• Ce que vous recevez — un checkpoint : des poids de référence BF16, une variante Base et une build NVFP4, plus un drafter LiLiCorr distinct, tous publiés le 12 octobre 2026 · un endpoint hébergé derrière une clé API, en préversion depuis le 19 février 2026.

• Licence — OpenMDW-1.1, utilisation commerciale autorisée, et la fiche du modèle indique que le checkpoint est prêt pour une utilisation commerciale ou non commerciale · conditions d'utilisation de Google.

• Paramètres — 120B au total, 12B actifs, 512 experts routés par couche MoE, divulgués en intégralité sur la fiche · non publiés.

• Contact avec le métal — quatre H100 ou deux GB200 pour BF16 ; une carte de 96 Go pour le tag 4 bits par défaut à 82,3 Gio plus un projecteur de vision de 1,6 Gio · aucun, par conception.

• Contexte — jusqu'à 1 000 000 de tokens, avec la mise en garde de la fiche elle-même : la mémoire disponible et les paramètres d'exécution déterminent la valeur utilisable, et les prompts, les images, l'historique, les résultats d'outils et les tokens générés partagent tous ce budget · 1 048 576 tokens de contexte.

• Plafond de sortie — n'est publié nulle part ; la fiche NVIDIA ou le registre d'exécution en indique un · 65 536 jetons.

• Modalité — texte, image et vidéo en entrée, texte en sortie ; le chemin de vision n'est pas optionnel, chaque tag publié embarque le projecteur · texte, image, vidéo, audio et fichier en entrée, texte en sortie, soit la surface d'entrée la plus large de tout ce qui figure dans cette comparaison.

• Tarif à l’usage — aucun tarif publié ; auto-hébergement ou rien · 2 $ par million de tokens en entrée et 12 $ par million de tokens en sortie, doublant à 4 $ et à 12 $ et plus pour les prompts de plus de 200 000 tokens.

Les deux lignes qui décident des déploiements sont le prix et les entrées. Le modèle NVIDIA n’a pas de prix parce qu’il n’a pas d’endpoint — son coût, ce sont le matériel et l’électricité, et la seule variable qui compte est le taux d’utilisation. Le Gemini preview a un prix avec une falaise : les 200 000 premiers jetons d’entrée sont facturés à 2 $ le million et tout ce qui dépasse est facturé au double, ce qui est un détail qu’on veut connaître avant de construire un pipeline qui fourre un million de jetons de contexte dans chaque appel.

L'encodeur de vision est le point où ces deux se rencontrent réellement

Les deux modèles acceptent les images et la vidéo, ce qui fait de cet axe le seul où la comparaison est directe plutôt que structurelle. C'est aussi l'axe où les preuves sont les plus inégales.

Dans le tableau de NVIDIA lui-même, tous exécutés par le fournisseur via le harness NeMo Gym : 62,82 sur MMLongBench-Doc, 78,16 sur MathVision, 80,82 sur le raisonnement CharXiv, 65,08 sur OCR-Reasoning, 85,60 sur V*, 68,12 sur OCRBench v2 anglais, 59,15 sur l'ensemble chinois, 32,85 sur Video-MME v2 et 51,14 sur OSWorld-Verified. Les lignes correspondent à un modèle qui lit avec compétence documents et graphiques et qui est sensiblement plus faible sur le texte en chinois que sur l'anglais.

Google n'a pas publié de tableau correspondant pour la preview dans le format utilisé par NVIDIA, et cette page ne va pas en fabriquer un de toutes pièces en appariant des chiffres issus de bancs d'essai différents. Ce qu'on peut dire honnêtement, c'est que le même panel tiers qui note les deux modèles place la preview de Gemini légèrement au-dessus sur son indice global — environ 29,7 contre 26,49 pour le checkpoint NVIDIA — et que l'évaluation de l'entrée Gemini par ce panel est datée de son annonce de février, et non d'une révision plus récente. Étant donné que l'écart d'indice est d'environ trois points et que les deux entrées ont été mesurées à huit mois d'intervalle, considérer l'une ou l'autre comme un verdict définitif sur l'autre serait une surinterprétation.

Ce qui suit n'est pas une surinterprétation : Gemini preview accepte l'audio et le checkpoint NVIDIA, non. Si votre entrée comprend un enregistrement d'appel, une réunion, ou la moindre piste audio, la moitié de cette comparaison est décidée avant même que les paramètres n'entrent en jeu. À l'inverse, si votre charge de travail est un corpus documentaire fixe que vous traitez des dizaines de milliers de fois par jour, un modèle que vous pouvez exécuter localement à coût fixe est une proposition structurellement différente de celle qui facture 2 $ par million de tokens chaque fois que vous consultez une page.

Le piège de la configuration par défaut NVIDIA dont personne n’a jamais parlé

C'est le genre de détail qui n'apparaît que si l'on consulte le registre d'exécution plutôt que le blog du fournisseur, et cela vaut le paragraphe.

La fiche technique spécifie deux configurations d’échantillonnage recommandées : température 1,0 avec top_p 0,95 pour le texte, et température 0,6 avec top_p 0,95 pour la vision. La valeur par défaut livrée dans le manifeste Ollama est la paire pour le texte. Cela signifie que la configuration avec laquelle la plupart des gens exécuteront ce modèle de vision par défaut est réglée pour la moitié du modèle qui n’est pas la vision. Si votre première expérience avec lui sur des pages numérisées ou des graphiques est décevante, les paramètres d’échantillonnage sont la première chose à vérifier — avant de conclure quoi que ce soit sur la capacité du checkpoint lui-même.

Deux détails liés provenant du même manifeste. Le blob de configuration déclare model_type : 123.6B, alors que chaque libellé destiné à l’utilisateur indique 120B, ce qui est un désaccord d’arrondi plutôt qu’une divergence dans les poids, mais cela compte lorsqu’un script d’outillage décide de ce qui tiendra. Et le verrou d’exécution est imposé, pas conseillé : requires: 0.40.5, donc sur toute version antérieure d’Ollama, ce modèle ne se télécharge pas du tout.

Ce que vaut réellement l’écart de huit mois

On peut soutenir qu’une préversion qui a survécu à huit mois de trafic est, à certains égards, plus digne de confiance qu’un point de contrôle vieux de quatre jours, et c’est un bon argument.

Un point de terminaison de préversion a été bombardé de requêtes. Ses modes de défaillance sont documentés par des tiers. Son prix est publié plutôt que déduit. Sa fenêtre de contexte se comporte comme la documentation le dit, parce que des milliers d'utilisateurs ont découvert les cas où ce n'est pas le cas. Et une préversion que Google a maintenue en préversion pendant huit mois plutôt que de la promouvoir n'a, au minimum, pas été discrètement retirée — ce qui est une information sur la viabilité commerciale du modèle qu'aucun horodatage de dépôt ne peut vous donner au sujet du checkpoint NVIDIA.

En revanche, l'aperçu comporte deux coûts qu'un fichier auto-hébergé n'a pas. Le premier est qu'il peut changer. Le statut d'aperçu est une déclaration explicite que le point de terminaison peut être révisé sans préavis, et un pipeline calibré sur le comportement exact d'un aperçu est un pipeline comportant une dépendance non couverte. Le second est que son économie évolue linéairement et indéfiniment. Il n'existe aucun volume au-delà duquel l'aperçu Gemini devient moins cher par token ; il existe un volume au-delà duquel le coût fixe de quatre H100 le surpasse. Ce point de croisement est le seul chiffre qui devrait guider cette décision, et il relève de votre trafic plutôt que de l'un ou l'autre modèle.

Et le déficit de huit mois du checkpoint NVIDIA n'est pas purement un handicap. Le fournisseur a publié non seulement les poids, mais aussi un harnais d'évaluation reproductible et un rapport technique, et le champ de date de publication de la fiche ainsi que les horodatages du dépôt concordent tous deux avec l'article de la salle de presse. C'est un processus de publication plus auditable que ce dont bénéficient la plupart des mises à disposition de poids ouverts, même si l'audit ne fait que commencer.

Aucun de ces deux n’est sur notre clé, et l’un d’eux est la raison qui compte.

Autant être clair sur la disponibilité. Gemini 3.1 Pro est accessible sur OrcaRouter dans sa version d'aperçu au prix catalogue du fournisseur, répercuté sans majoration par token — 2 $ en entrée et 12 $ en sortie, avec le palier de contexte long facturé au tarif publié par Google, disponible de notre côté le jour même plutôt qu'à la prochaine échéance. Si vous voulez savoir si l'aperçu gère votre charge de travail documentaire, cela ne demande qu'une clé et aucune procédure d'achat.

Nemotron 3.5 Super n'est pas sur notre clé. Nous routons un peu plus de deux cents modèles et il n'y a aucune entrée NVIDIA Nemotron parmi eux, donc cet article ne suggère pas que vous puissiez l'appeler sur notre plateforme. Vos routes sont les canaux de build et de distribution propres à NVIDIA et le pull du runtime local.

Ce en quoi la couche de routage est réellement utile ici, c'est la partie de cette décision qui n'a rien à voir avec les benchmarks. Faites d'abord tourner votre charge de travail documentaire réelle sur l'aperçu hébergé. Si elle franchit la barre, vous avez appris que cette charge de travail est de celles qu'un modèle de pointe gère, et vous pouvez maintenant avancer un argument de volume pour déterminer si vous devez en déplacer une partie vers un point de contrôle exécuté localement. Si elle ne franchit pas la barre, vous avez appris quelque chose d'encore plus précieux, et vous l'avez appris pour le prix de quelques dollars de tokens plutôt que pour le prix d'un cluster.

Le verdict restrictif

Si vous avez besoin d’une entrée audio, de l’ensemble de modalités d’entrée le plus large possible, d’un plafond de sortie publié, ou d’un modèle dont les modes de défaillance ont déjà été cartographiés par d’autres, Gemini 3.1 Pro Preview est la réponse, et les huit mois de mesures tierces qui le sous-tendent valent plus que ne le suggère l’écart de trois points dans l’indice.

Si vous devez détenir le modèle, le licencier pour un usage commercial, l’exécuter sur du matériel que vous possédez et payer un coût fixe pour une charge de travail documentaire que vous traitez en continu, le checkpoint NVIDIA est une véritable option pour la première fois ce mois-ci — avec trois réserves précises attachées. Le tag par défaut est une quantification 4 bits et aucune évaluation publiée n’existe pour cette quantification. Les valeurs d’échantillonnage par défaut livrées sont les paramètres texte de la carte, et non ses paramètres vision. Et le modèle a quatre jours.

Essayez d'abord l'aperçu sur vos propres données. Si ça marche, la question devient une affaire de volume, et le volume, c'est de l'arithmétique. Si ça ne marche pas, vous venez de vous épargner un cluster.

Rien de tout cela n'est hypothétique : les défaillances documentées de l'IA et les incidents d'agents qui sous-tendent des versions comme celle-ci sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée est accompagnée de ses propres sources, de son niveau de gravité, de son degré de confiance et de son indicateur de contestation.