Nemotron 3.5 Bolt לעומת Qwen 3.8 Max: שני המודלים האלה צופים בווידאו

אין הרבה זיווגי מודלים שבהם החלק המפתיע הוא יכולת משותפת. שניהם NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB וגם Qwen 3.8 Max מקבלים וידאו כקלט, ושניהם מחזירים טקסט. Qwen 3.8 Max, שפורסם על ידי Alibaba ב-3 באוגוסט 2026, הוא מודל מולטימודאלי מתארח עם חלון הקשר של 1,000,000 טוקנים, המוגש דרך ממשקים תואמי OpenAI, תואמי Anthropic ו-DashScope מקורי מחמישה אזורים, במחיר של $2.00 למיליון טוקני קלט ו-$6.00 למיליון טוקני פלט, עם קריאות מטמון ב-$0.25. Nemotron 3.5 Bolt, שיצא לאור על ידי NVIDIA ב-15 באוקטובר 2026, הוא קובץ עם משקולות פתוחות של 24GB עם מקודד ראייה C-RADIO v4-H, חלון של 262,144 טוקנים, ובלי מחיר בכלל.

שני מודלים שאפשר למסור לשניהם הקלטת מסך, והדבר היחיד שמפריד ביניהם הוא היכן הם רצים ומה זה עולה. זו השוואה נקייה יותר מזו שרוב העימותים הישירים זוכים לה, והיא נפתרת במהירות ברגע שמפסיקים לשאול מי מהם חכם יותר.

שני סטאקים מולטימודליים, מעטפת זיכרון אחת

הרב-מודאליות של Bolt היא בירושה ולא נבנתה במיוחד עבורו. NVIDIA כיווצה את מודל Nemotron 3.5 Super VL בגודל 120B-A12B ל-74B-A9B באמצעות חיפוש מונחה-ראוטר שהיא מכנה Star Elastic, ואז העבירה את התוצאה ל-2.0625 ביטים לכל משקל מומחה בפורמט IQ2_XXS עם זיקוק מודע לכימות. מגדל הראייה — מקודד C-RADIO v4-H — הגיע יחד עם הכיווץ, ומתג מצב החשיבה הוא אותו מתג שלקוח Super VL חושף: דגל enable_thinking בתבנית הצ'אט. סך הפרמטרים 74B, פעילים לכל טוקן 9B, עמוד השדרה הוא היברידי של Mamba-2 ו-Transformer שאותו הספק מכנה LatentMoE, רישיון OpenMDW-1.1 לשימוש מסחרי ולא מסחרי.

Qwen 3.8 Max הוא ארטיפקט מסוג אחר. זהו הדרג בעל היכולות הגבוהות ביותר של Alibaba, מולטימודלי באופן מובנה, והוא קיים רק כנקודת קצה. אין צ'קפוינט להורדה, אין בנייה מכומתת להרצה בתחנת עבודה, ואין גרסה שלו שהעלות השולית שלה היא חשבון החשמל. מה שיש לו במקום זאת הוא טווח הגעה: שלושה פורמטי תקשורת, כך ש-SDK קיים של Anthropic או אינטגרציה עם DashScope עובדים ללא צורך בשכתוב, וחמישה אזורי שירות ברחבי אסיה, אירופה וצפון אמריקה, שהופכים את שאלת זמן ההשהיה לשאלה גיאוגרפית לא פחות משאלה הנדסית.

ההשלכה המעשית היא שההתנהגות המולטימודלית של Bolt מוגבלת על ידי אותם 24GB שמחזיקים את מטמון ה-KV, את היסטוריית השיחה ואת תוצאות הכלים. זו של Qwen 3.8 Max מוגבלת על ידי מה שנקודת הקצה מספקת, וזו לא הבעיה שלך.

מה אתם משלמים, ולמי

Qwen 3.8 Max מחויב לפי שימוש, והתעריפים נמוכים ביחס למה שהוא. הנחיה בת 20,000 טוקנים עם תשובה בת 3,000 טוקנים עולה $0.04 בקלט ו-$0.18 בפלט, כ-$0.22 לקריאה — וקריאות מהמטמון ב-$0.25 למיליון אומרות שהנחיית מערכת יציבה או מסמך חוזר כמעט בחינם במעבר השני. זמן ה-p50 עד לטוקן הראשון בקטלוג שלנו הוא 3.22 שניות עם p95 של 10.00 שניות, והוא העביר 41.3 מיליון טוקנים של תעבורה מנותבת בשבעת הימים האחרונים.

ל-Nemotron 3.5 Bolt אין מחירון כי אין מה למדוד. אין נקודת קצה מתארחת, אין API של ספק, ואין פלטפורמת צד שלישי שמגישה אותו ושנוכל להפנות אותך אליה. Artificial Analysis מציינת גם את המהירות שלו וגם את העלות שלו לכל משימת Intelligence Index כ-N/A בדיוק מהסיבה הזו. אם תריץ אותו, העלות היא GPU, צריכת חשמל ותקופת פחת, והמחיר השולי של מיליון הטוקנים הבאים הוא אפס. עבור משימת לילה שקוראת את אותו קורפוס בכל יום, זו לא הנחה — זהו מודל חשבונאי שונה, ונקודת האיזון תלויה לחלוטין בתדירות שבה תריץ אותו.

החלון, והיכולת להשתמש בו

הקשר הוא הציר שבו השניים האלה נראים הכי קרובים על הנייר ונפרדים הכי מהר בפועל.

• חלון מוצהר — Qwen 3.8 Max 1,000,000 טוקנים לעומת Nemotron 3.5 Bolt 262,144. בערך ארבעה לאחד, והיחס הוא מה שקובע אם משימה של בסיס קוד שלם או ארכיון שלם בכלל אפשרית בבקשה אחת.

• Recall בתוך החלון — Artificial Analysis מתעדת נתון recall להקשר ארוך של 80.3 עבור Qwen 3.8 Max. אין מספר עצמאי מקביל עבור Bolt, והחלון שלו קטן מלכתחילה, מה שהופך את זה להשוואה בין יכולת מדודה ליכולת שאינה מדודה.

• מה עוד חולק את המרחב — 262,144 הטוקנים של Bolt חיים בתוך אותם 24GB כמו המשקולות, פריימי הווידאו ומטמון KV. פרומפט וידאו ארוך ושיחה ארוכה מתחרים על אותו זיכרון. החלון של Qwen 3.8 Max מוקצה על ידי המפעיל, כך שהאילוץ הוא המחיר ולא החומרה.

• שליטה בהיסק — Qwen 3.8 Max חושף מתג enable_thinking, או reasoning.effort ב-Responses API. המקבילה של Bolt היא מתג תבנית צ'אט באותה משפחה של דגלים, בירושה מלקוח Super VL. אף אחד מהם אינו חריג; שניהם מאפשרים לך להפסיק לשלם עבור שיקול דעת בקריאות שגרתיות.

נמדד מול בלתי נמדד

Artificial Analysis מעניקה ל-Qwen 3.8 Max ציון של 45.4 במדד האינטליגנציה שלה, המקום החמישה־עשר מתוך 145 מודלים שנמדדו — בתוך עשרת האחוזונים העליונים מבלי להיות בפסגה. שורות המשנה שלו חזקות במקום שבו עומס עבודה סוכני זקוק להן: מדד ה-Coding של AA של 76.2, במקום התשיעי מתוך 138, 88.8 ב-Terminal-Bench 2.1, ו-92.8 ב-GPQA Diamond. החולשה היחסית שלו היא אותה זכירה של 80.3 בהקשר ארוך, שהיא מכובדת ולא יוצאת דופן עבור מודל של מיליון טוקנים.

המספרים של Bolt צרים יותר בהיקפם. הוא מקבל 21 באותו מדד, רביעי מתוך 67 במחלקה המסוננת לפי טביעת הרגל שלו, לעומת חציון מחלקתי של 8, ו-Artificial Analysis מתארת אותו כאחד מהמודלים המובילים במשקלים פתוחים בגודל דומה. המהירות והעלות הנמדדות שלו ריקות. כל השאר — ציון Terminal-Bench 2.1 של 50.98, GPQA Diamond 86.43, BrowseComp 66.75, WebArena vision 50.86, SciCode 41.02 — מגיע מכרטיס המודל של NVIDIA עצמה, שבו כל קו בסיס הוא מודל אחר בגודל שליש. השורות האלה אינן לא ישרות; הן עונות על שאלה בנוגע ליעילות, לא בנוגע ליכולת חזיתית, וקריאה שלהן כמאבק מול דגל מאוחסן מפרשת את המסמך שלא כהלכה.

לפער המהירות מגיעה אותה מידת תשומת לב. Artificial Analysis אינה יכולה למדוד את התפוקה של Bolt כי אין מה לקרוא. NVIDIA מדווחת על יעד תכנון של לפחות 80 טוקנים לשנייה בפענוח, 84 ב-AIPerf SPEED-Bench על RTX Spark, ו-83.99 בהרצת llama.cpp על Surface Laptop Ultra עם 128GB — הכול ללא שחזור. הזמן של Qwen 3.8 Max עד לטוקן הראשון, 3.22 שניות, נמדד ופומבי. תכננו לפי המספר הנמדד, והתייחסו לאחר כשאיפה.

שאלת הניתוב, שאינה סימטרית כאן

Qwen 3.8 Max נמצא בקטלוג שלנו בתור qwen/qwen3.8-max, ומנותב לפי מחיר המחירון של הספק של Alibaba בתוספת 0% markup — 2.00$ ו-6.00$ למיליון טוקנים, אותם מספרים בעמוד שלנו כמו אצל הספק, מה שאומר ששינוי תעריף מצד הספק מגיע למשתמשים שלנו באותו יום ולא בחידוש חוזה. הוא יושב מאחורי אותו מפתח כמו יותר מ-200 מודלים אחרים, עם failover אוטומטי בין ספקי upstream כאשר אחד מהם נחלש, ו-DSL לניתוב שמאפשר להרכיב כמה מודלים לבקשה אחת.

Nemotron 3.5 Bolt אינו בקטלוג שלנו, ואיננו מספקים אותו. אין נקודת קצה של Bolt, אין מזהה להפנות אליו בקשה, ואין בדברים כאן כדי להציע אירוח של ה-checkpoint של NVIDIA. הצורה הכנה של עצת הניתוב כאן היא פיצול ולא בחירה: המודל הרב-מודאלי המתארח מטפל בבקשות עם חלון ארוך, בקורפוסי הווידאו הגדולים מדי עבור 24GB של זיכרון משותף, ובכל דבר שצריך להיות ניתן לקריאה מכל מקום; הקובץ המקומי מטפל במעברים בתדירות גבוהה שבהם הנתונים לא צריכים לצאת מהבניין והנפח יהפוך את החיוב לפי טוקן למכאיב. מיזוג מודלים הוא הווריאנט ששווה להכיר אם הקריאות היקרות הן המשמעותיות — פאנל של מודלים עונה יחד על אותה הנחיה ואתה לוקח את ההסכמה, וזו דרך זולה לקנות ביטחון בהחלטה שקשה להפוך.

איך זה נפתר

החפיפה היא וידאו, והיא הסיבה לכך ששני אלה בכלל ראויים להשוואה — רוב המודלים המקומיים בגודל הזה כלל אינם יכולים לראות, ולרוב המודלים המתארחים אי אפשר למסור הקלטת מסך בלי שלב של חילוץ פריימים שמאבד את הדבר שניסית להראות להם.

מעבר לחפיפה הזו, הם מתפצלים בכל ציר. Qwen 3.8 Max מנצח בחלון הרחב, בהשהיה הנמדדת, במערך הקלט העשיר יותר, ובפער ניכר, באינטליגנציה המדורגת באופן עצמאי. Nemotron 3.5 Bolt מנצח בציר היחיד שאף מודל מתארח לא יכול להתחרות בו: הוא פועל היכן שהנתונים שלך כבר נמצאים, בין אם יש רשת ובין אם לא, בעלות שולית של אפס.

ההחלטה בדרך כלל אינה העדפה. אם הווידאו לעולם לא יוצא מהבניין, האפשרות המתארחת מעולם לא הייתה זמינה, וההשוואה מצטמצמת למועמד יחיד. אם הקורפוס הוא מיליון טוקנים של טקסט, האפשרות המקומית מעולם לא הייתה זמינה מאותה סיבה, אך בכיוון ההפוך. במקרים שבהם זה באמת צמוד — נפחים צנועים, נתונים שיכולים לנסוע באופן חוקי, עבודה שהיא בעיקרה קריאות קצרות לכלים עם קריאות ארוכות מדי פעם — שובר השוויון הוא המספר היחיד שחסר בהשוואה הזו: באיזו מהירות הצ'קפוינט של 24GB באמת רץ על החומרה שלך, מה שאיש מחוץ ל-NVIDIA עדיין לא מדד.