Nemotron 3.5 Super VL נגד Qwen3.8-Max: שכבת המשקלים הפתוחים מול החזית בתשלום לפי שימוש

מי שמתכנן צינור עיבוד מסמכים ברבעון הזה עומד בפני בדיוק שתי צורות לבחור ביניהן, והן אינן אותה צורה. NVIDIA Nemotron 3.5 Super VL הוא צ'קפוינט של שפה-חזות (vision-language) עם 120 מיליארד פרמטרים ו-12 מיליארד פרמטרים פעילים תחת OpenMDW-1.1, שהמשקולות שלו עלו ב-12 באוקטובר 2026, שלושה ימים לפני ההכרזה של NVIDIA עצמה ב-15 באוקטובר: אתה מוריד אותו, אתה מארח אותו, אתה משלם ב-GPU ובחשמל. Qwen3.8-Max הוא דגל הקניין של אליבאבא — תערובת מומחים (mixture-of-experts) עם 2.4 טריליון פרמטרים ו-95 מיליארד פרמטרים פעילים, קלט חזותי, חלון הקשר של מיליון טוקנים, וחיוב לפי טוקן: 2 דולר למיליון טוקני קלט ו-6 דולר למיליון טוקני פלט, עם הנחת מטמון של 88%. האחד הוא הוצאה הונית עם שליטה מלאה; האחר הוא הוצאה תפעולית עם מחירון. כל השאר בהשוואה הזו נגזר מהפיצול הזה.

שני מודלים עסקיים לובשים השוואת בנצ'מרק

מפתה ליישר אותם זה מול זה לפי יכולות ולהכריז על מנצח. המסגור הזה מסתיר את ההחלטה האמיתית, שהיא בעצם בשאלה למי שייך מצב הכשל. עם Super VL, אם התפוקה מאכזבת אותך, אתה מאמן מחדש, מבצע קוונטיזציה מחדש או קונה חומרה אחרת — התקרה היא שלך להעלות. עם Qwen3.8-Max, אם התפוקה מאכזבת אותך, אתה מחליף את מחרוזת המודל או מנהל משא ומתן; התקרה שייכת לאליבאבא, וכך גם מפת הדרכים.

ההבדל הזה ניכר במה שכל ספק פרסם. NVIDIA פרסמה דוח טכני, מתכוני אימון, מערכי נתונים פתוחים, סביבות RL ושלושה מסלולי פענוח ספקולטיבי נפרדים עבור המשפחה — המנגנון של מודל שנועד לפריסה ולשינוי. Qwen הציעה API עם מחירון והנחת מטמון, וזה המנגנון של מודל שנועד לצריכה.

מה Super VL נותן לך שנקודת קצה מתארחת לא יכולה לתת

NVIDIA Nemotron 3.5 Super VL הוא היברידי: שכבות Mamba-2 משתלבות, תערובת מומחים עם 512 מומחים מנותבים בכל שכבת MoE, ושכבות קשב נבחרות, המחוברות למקודד ראייה C-RADIO ולמחבר ראייה-שפה. טקסט, תמונות ופריימים של וידאו נכנסים; טקסט יוצא. עמוד השדרה הלשוני שלו אותחל מ-Nemotron 3 Super Base, זוקק עבור טריליון טוקנים מ-Nemotron 3 Ultra Base, ולאחר מכן קיבל הרחבה של 35 מיליארד טוקנים להקשר של 1M, אימון-ביניים בהנדסת תוכנה ושלב התאוששות להקשר ארוך. Multi-Token Prediction מקורי מספק פענוח ספקולטיבי ללא מודל טיוטה נפרד. הוא פועל ב-BF16 על 4×H100 או 2×GB200, עם גרסת NVFP4 ומיקרו-שירות NIM לפריסה בסביבת ייצור.

• מה שבבעלותך — המשקולות, הטוקנייזר, מקודד הראייה, צינור שלאחר האימון ונתיב הביקורת. כל פרומפט נשאר בתוך ההיקף שלך, שעבור עבודה בביטוח, באשראי, בבריאות או בהגנה אינו העדפה אלא דרישה.

• מה שאתם משלמים — מאיצים. ארבעה H100s בדיוק מלא הם כרטיס הכניסה, ועקומת העלויות היא ניצולת: יקר כשהוא סרק, וכמעט חינם ברוויה.

• מה שאתה מוותר עליו — מחירון. נכון ל-16 באוקטובר 2026 אין מחיר מפורסם ל-Super VL מאף גורם, ולכן כל השוואת עלות כוללת שתבנה היום נשענת על מדידות התפוקה שלך, לא על מספר של ספק.

מה Qwen3.8-Max נותן לך שצ'קפוינט לא יכול לתת

Qwen3.8-Max מפעיל 95 מיליארד פרמטרים לכל טוקן מתוך מאגר של 2.4 טריליון פרמטרים, קולט גם תמונות וגם טקסט, ומחזיק כברירת מחדל חלון הקשר של קצת פחות ממיליון טוקנים. ב-Artificial Analysis הוא מחזיק במדד אינטליגנציה של 45, שהם תשע עשרה נקודות מעל 26 שנרשמו עבור NVIDIA Nemotron 3.5 Super VL באותו מדד — ובשונה מרוב המספרים בעמוד הזה, שניהם מדידות של צד שלישי ולא הצהרות של הספק.

• מה מקבלים — ג'נרליסט ברמת חזית, כולל יכולות ראייה, שאפשר להפעיל כבר היום אחר הצהריים עם מפתח API. בלי חומרה, בלי תפעול, בלי תכנון קיבולת.

• מה שאתם משלמים — 2$ בקלט ו-6$ בפלט למיליון טוקנים, עם הנחה של 88% על קלט שמור במטמון, מה שמשנה את הכלכלה של כל עומס עבודה עם קידומת יציבה גדולה: הנחיית מערכת ארוכה, מסמך קבוע, סכימת כלים מתמשכת.

• מה שאתה מוותר עליו — המשקלים. אין הורדה, אין פריסה מקומית, אין כיוונון עדין של מודל ההגשה, ואין יכולת לשמור נתונים על החומרה שלך.

הנחת המטמון ראויה לציון נפרד משום שהיא המספר השכיח ביותר שמקבל מידול שגוי בכל אחת מהעמודות. הפחתה של 88% בקלט השמור במטמון אינה אומרת חשבון זול ב-88%; היא אומרת שהחלק החוזר בפרומפט שלך עולה בערך תשיעית מהמחירון, והתועלת גדלה בהתאם לכמה מכל בקשה זהה באמת לקודמת. פייפליינים ששולחים מחדש פתיח סטטי גדול נהנים מאוד. פייפליינים ששולחים מסמך חדש בכל קריאה כמעט שאינם נהנים כלל.

קו המחירים, מנוהל ביושר

האינסטינקט הוא לחשב נקודת איזון — בכמה טוקנים אירוח עצמי מנצח? החישוב הזה מייצר מספר והמספר בדרך כלל שגוי, מכיוון שהוא מחסיר את שתי העלויות הדומיננטיות: זמן הנדסי לשמור על מחסנית הסקה באירוח עצמי מעודכנת, ועלות ההזדמנות של מודל קטן יותר במקרים הקשים.

גרסה שימושית יותר: הרץ את פרופיל התעבורה האמיתי שלך מול התעריפים המפורסמים של Qwen3.8-Max וקבל נתון חודשי מדויק, כי לצד הזה יש מחירון. ואז שאל איזה חלק מהתעבורה הזו מודל עם 12B פרמטרים פעילים יכול להתמודד איתו לפי הסטנדרט שלך, ותמחר רק את החלק הזה ב-GPUs. ברוב צינורות חילוץ המסמכים התשובה היא שרוב הנפח הוא מכני — חשבוניות, טפסים, תרשימים, פריסות חוזרות — וזנב קטן נושא את שיקול הדעת. הנפח הגדול הוא המקום שבו אירוח עצמי מנצח; הזנב הוא המקום שבו מודל חזיתי כמו Qwen3.8-Max מנצח.

החלוקה הזו היא מה ששכבת הניתוב שלנו קיימת כדי לשרת, והעובדות הרלוונטיות צרות מספיק כדי לומר אותן בפשטות. Qwen3.8-Max נמצא בקטלוג שלנו כ qwen/qwen3.8-max/ במחיר המחירון של Alibaba עם 0% תוספת — מה שהספק גובה, זה מה שאתה משלם, והורדת מחיר של ספק מגיעה באותו יום ולא במחזור החיוב הבא. NVIDIA Nemotron 3.5 Super VL אינו בקטלוג שלנו ולעולם לא יהיה בצורת נקודת קצה, מכיוון שהוא צ'קפוינט שאתה מארח ולא שירות שמישהו יכול למכור לך. מה שנמצא בין השניים הוא הרכבה: ה-DSL לניתוב מאפשר לקריאה בודדת להתפצל, כך שדפים מכניים יכולים ללכת לכל מודל זול שתכוון אליהם בזמן שאלה שזקוקים לשיקול דעת מסלימים, ומעבר אוטומטי לגיבוי מעביר בקשה לאפסטרים בריא כאשר זה שאליו היא פנתה מתדרדר. מפתח אחד לחצי המתארח, ה-GPU שלך עבור השני, מדיניות אחת שמחליטה איזו בקשה הולכת לאן.

צורה מעשית ולא היפותטית: אותו צינור יכול לשלוח טופס בן עמוד אחד למודל טקסט קטן דרך הקטלוג, לנתב דוח שנתי עתיר תרשימים למודל ראייה, ולהחזיק את Qwen3.8-Max במילואים עבור המיעוט של מסמכים שבהם החילוץ באמת דו־משמעי. מודל המילואים עולה $6 למיליון טוקני פלט וכלום כשהוא אינו בשימוש, וזה סידור טוב בהרבה מאשר להקצות H100 רביעי לעומס שמזנק פעמיים בחודש.

מי צריך לעשות מה, החל מהשבוע

אם העבודה שלך כרוכה בנתונים מוסדרים — כל קטגוריה שבה שליחת עמוד לצד שלישי מחייבת סקירה משפטית — ההחלטה מתקבלת עבורך והיא Super VL, כולל חומרה וכל מה שבדרך. אם העבודה שלך היא הבנת מסמכים ומסכים בנפח גבוה תחת עמדת פרטיות רגילה, התשובה הנכונה והזולה ביותר עבור רוב הצוותים כרגע היא מודל החזית בתשלום לפי שימוש, כי הוא עובד היום והמחיר שלו ידוע. אם אתה נמצא איפשהו באמצע, וזה המקום שבו נמצאים רוב הצינורות האמיתיים, השניים כלל לא מתחרים: Qwen3.8-Max עבור הזנב הקשה ו-Super VL באירוח עצמי עבור הנפח, כאשר נתב מחליט לפי כל בקשה.

הדבר שישנה את הדף הזה הוא תעריף מפורסם עבור Super VL מכל ספק שמגיש אותו. ברגע שצ'קפוינט של Nemotron יופיע מאחורי נקודת קצה בתשלום לפי שימוש, ההתנגדות בדבר רצפת הפריסה מתאדה, ההשוואה הופכת למחיר מול מחיר, והשאלה המעניינת עוברת מ"איזה מודל" ל"איזה ספק". עד אז, שתי העמודות עדיין עונות על שאלות שונות — והתשובה הכנה ל"מה טוב יותר" היא שמודל עם מחיר ומודל עם רישיון אינם אותו סוג של אובייקט.