כרטיס הירו שנוצר שכותרתו 'NV-Reason-CT vs Nemotron 3 Ultra' עם כתובית המשנה 'לוגו אחד, שתי פילוסופיות שחרור'. שלושה צ׳יפים מופיעים לאורך החלק התחתון: '4.69B לעומת 550B סה״כ / 55B אקטיביים', '~10.6 GB BF16 לעומת מאות GB', ו'שוחרר ב-8 בספטמבר לעומת 4 ביוני 2026'. הלוגו של OrcaRouter מורכב בפינה הימנית התחתונה.
Guides & Insights

NV-Reason-CT לעומת Nemotron 3 Ultra: לוגו אחד, שתי פילוסופיות שחרור

מחבר

Magnus Corvin

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

NVIDIA שחררה השנה שני מודלים במשקלים פתוחים, ועל אחד מהם לא סיפרה לאיש. Nemotron 3 Ultra נחתה ב-Hugging Face ב-4 ביוני 2026 כמודל דגל עם 550B פרמטרים בסך הכול ו-55B פעילים, עם דוח טכני, משטר רישוי OpenMDW-1.1, ומאחוריה שחרור מלא של מערך נתוני קדם-אימון ואימון-משך פתוחים. NV-Reason-CT נחת ב-8 בספטמבר 2026 כמומחה CT עם 4.69B פרמטרים, עם מאגר קוד, Space להדגמה, ופרפринт ב-arXiv כעבור שבועיים שמזכיר את השחרור בבלוק ציטוט. על השני לא הייתה כל הודעה. השוו ביניהם ולא תשוו באמת יכולות — מודל דגל כללי של 550B ומומחה רפואי של 4.69B אינם חופפים. אתם משווים שתי תאוריות שונות של איך לשחרר מודל, ששתיהן מופעלות בידי אותה חברה, בהפרש של שלושה חודשים.

מה כל מאגר מכיל בפועל

השחרור של Nemotron 3 Ultra הוא פייפליין פתוח מלא. ה-checkpoint של NVFP4 ב-Hugging Face משך 249,746 הורדות ו-338 לייקים; אחיו ה-BF16, ה-checkpoint הבסיסי, ומערכי הנתונים שלאחר האימון פורסמו כולם לצידו. הוא תומך בשתים-עשרה שפות, טקסט בלבד, בנוי על היבריד Mamba2-Transformer מסוג mixture-of-experts לטנטי עם חיזוי ריבוי טוקנים, והוא נושא את הרישיון openmdw-1.1. Artificial Analysis ממקמת אותו במדד Intelligence Index של 47.7 בדיוק NVFP4 הנשלח ו-48.2 בדיוק מלא — הגבוה ביותר מכל מודל משקולות פתוחות אמריקאי, לפי אותו לוח. הסיקור המוקדם שלנו של מודלי המורה של Nemotron מתעד את מחיר הספק החציוני בסביבות $0.60 למיליון טוקני קלט ו-$2.60 למיליון פלט, ואת נתון התפוקה של NVIDIA של 183 טוקני פלט לשנייה במדידה של צד שלישי.

NV-Reason-CT הוא ארטיפקט קטן בהרבה והרבה יותר סגור. עשרה נקודה שישה גיגה-בייט של משקולות BF16, 10 KB model.py, 26 KB processor.py, תבנית צ'אט, ו-inferenceinference.py. Space הדגמה אחד. מאמר אחד. מאתיים ועשרה הורדות נכון לשבוע זה. אין שחרור מערך נתונים. אין דוח טכני. אין תצורת הגשה מעבר לדוגמה של כרך בודד.

הניגוד אינו עוסק בגודל — הוא עוסק במה שמהנדס במורד הזרם יכול לעשות עם הארטיפקט. השחרור של Ultra תוכנן כך שמישהו אחר יוכל לשחזר את האימון. השחרור של NV-Reason-CT תוכנן כך שמישהו אחר יוכל להריץ את האינפרנס. אלו הבטחות שונות.

רק אחד מהם בנוי על הסטאק של NVIDIA עצמה

הנה הפרט שמפתיע אנשים, והוא ניתן לאימות מתוך ה־frontmatter של כרטיס המודל: המודל הבסיסי של NV-Reason-CT הוא Qwen/Qwen3.5-4B, ביחס של כוונון עדין, ולא צ'קפוינט של Nemotron. NVIDIA חיברה טרנספורמר ראייה Primus 3D — שאותחל ממשקולות COLIPRI — למודל שפה Qwen, ואימנה את הצמד מקצה לקצה עם כוונון עדין מפוקח, שלאחריו Group Relative Policy Optimization.

זו אינה ביקורת וזו אינה שערורייה. זו הנורמה בתעשייה לעבודה עם ראייה־שפה, ו-NVIDIA חושפת זאת בגלוי במטא-נתוני המאגר. אבל זה כן אומר שההנחה הטבעית ביותר לגבי ההשוואה הזו — ש-NV-Reason-CT הוא נגזרת של Nemotron — היא שקרית. שני המודלים בעמוד הזה חולקים לוגו ומשפחת רישיונות, ולמעשה שום דבר אחר. אין ארכיטקטורה משותפת, אין טוקנייזר משותף, אין נתוני אימון משותפים, אין נתיב הגשה משותף.

גודל, במספרים שקובעים היכן הוא רץ

פרמטרים — NV-Reason-CT 4.69B סה"כ / 4.35B פעילים במסלול CT לעומת Nemotron 3 Ultra 550B סה"כ / 55B פעילים LatentMoE דליל • נקודת ביקורת בדיסק — NV-Reason-CT ~10.6 GB BF16 לעומת Nemotron 3 Ultra מאות גיגה-בייט ב-BF16, מפורסם בנוסף ב-NVFP4 • קלט — NV-Reason-CT נפחי CT תלת-ממדיים ב-NIfTI ביחידות Hounsfield, חזה או בטן בלבד, קידומת נפח אחת של 13,824 טוקנים לעומת Nemotron 3 Ultra טקסט, עד 1M טוקנים של הקשר עם תקרת פלט של 65K • הקשר — NV-Reason-CT לא רלוונטי במובן הרגיל לעומת Nemotron 3 Ultra 1,000,000 טוקנים • רישיון — שניהם OpenMDW-1.1 • חומרה — NV-Reason-CT Ampere / Hopper / Lovelace, נבדקה על H100 ו-L40S לעומת Nemotron 3 Ultra שירות בריבוי GPU ב-55B פעילים • ציון בלתי תלוי — NV-Reason-CT לא פורסם לעומת Nemotron 3 Ultra AA Intelligence Index 47.7 NVFP4 / 48.2 דיוק מלא

A generated scoreboard titled 'NV-Reason-CT vs Nemotron 3 Ultra - the scoreboard'. Left column 'NV-Reason-CT': Parameters 4.69B total / 4.35B active CT pathway; Checkpoint on disk ~10.6 GB BF16; Input 3D NIfTI CT, chest or abdomen; Context one 13,824-token volume prefix; Licence OpenMDW-1.1; Independent score none published. Right column 'Nemotron 3 Ultra': Parameters 550B total / 55B active LatentMoE; Checkpoint on disk hundreds of GB BF16, also NVFP4; Input text, up to 1M tokens; Context 1,000,000 in / 65,000 out; Licence OpenMDW-1.1; Independent score AA Index 47.7 NVFP4 / 48.2 full. A footer reads 'NV-Reason-CT figures from NVIDIA's model card; Nemotron 3 Ultra Intelligence Index per Artificial Analysis.'

הגבול המעשי הוא הזיכרון. מודל 4.69B עם מקודד תלת-ממדי נכנס על כרטיס בודד, וקבוצת מחקר יכולה להצדיק את זה. מודל של 550B בסך הכול עם 55B פעילים דורש תשתית הגשה אמיתית גם כשהוא מכומת. אף אחד מהם אינו ניסוי של סוף שבוע, אבל הם בסדרי גודל שונים של הבעיה הזו.

שני משטרי הערכה שלא ניתן למצע

הראיות של Ultra הן יכולת כללית: ציון במדד הבינה של Artificial Analysis בשנות הארבעים הגבוהות, כיסוי בנצ'מרקים בתחומי הסקה, קידוד ומשימות סוכניות, ונתונים שמדווחים על ידי הספק עבור המשפחה, כולל SWE-Bench Verified 71.9, ‏MMLU-Pro 86.8 ו-LiveCodeBench v6 89.0 — שלושת האחרונים הם מספרים של NVIDIA עצמה ומוצגים ככאלה.

הראיה של NV-Reason-CT היא טבלה אחת. Macro-F1 0.614 ו-Macro-AUROC 0.871 במשימת סיווג 18 התוויות של CT-RATE, בסף אחיד קבוע, תוך שימוש בפרומפט ישיר של כן/לא ללא ראש סיווג, לעומת VoxelFM עם 0.581/0.870, Pillar-0 עם 0.544/0.861, ClinFusion-8B עם 0.442, CT-CLIP עם 0.398/0.733, Merlin עם 0.358/0.662 ו-MedGemma 1.5 עם 0.303. שוב המספרים של NVIDIA, על כרטיס המודל, ללא שחזור בלתי תלוי עדיין.

A screenshot of NVIDIA's Hugging Face model page for NV-Reason-CT, showing the model card header with Like 1 and 0 followers, the Image-Text-to-Text and Transformers and Safetensors tags, the qwen3_5, medical-imaging, ct, 3d-vlm and custom_code tags, 'Downloads last month 210', the 5B-parameter BF16 size row, the model description describing the 384x384x384-mm volume becoming a 24x24x24 grid of 13,824 visual tokens with no spatial downsampling, the training paragraph citing roughly 550,000 structured QA examples from 70,111 unique CT volumes, a side panel showing Base model Qwen/Qwen3.5-4B and the CT-RATE and CancerVerse datasets, and the arXiv 2609.27511 paper link.

מדד AA Intelligence של 47.7 ו-CT-RATE Macro-F1 של 0.614 אינם שתי מדידות של דבר אחד. הם מדידות של שני דברים. אין דרך ניתנת להגנה לומר ש-Ultra "טוב יותר" מ-NV-Reason-CT, והסיבה אינה העדפת ניקוד — אלא שהמכשירים אינם חופפים כלל. ההשוואה ההגונה היחידה בזיווג הזה היא של מה שכל מודל מוסמך לו, במובן המילולי של אילו ראיות קיימות לכך שהוא עושה את עבודתו.

מדוע השחרור השקט הוא הרציונלי

שים את עצמך בצוות הדימות הרפואי. יש לך מודל CT תלת־ממדי עובד. אתה רוצה שרדיולוגים, סטודנטים לרפואה וחוקרים ישתמשו בו. מה נותנת לך הרצאת מפתח?

אירוע השקה מעלה ציפיות בנוגע לתמיכה, למפות דרכים ולטווח חיים שצוות מחקר לא יכול לעמוד בהן. הוא מזמין הערכה כללית בבנצ'מרקים שבהם מודל נעול-מודאליות של 4.69B ייראה לא מרשים מסיבות לא רלוונטיות מבחינה מבנית. והוא מציב מודל שאסור במפורש "להשתמש בו כתחליף לשיקול דעת קליני מקצועי" מול קהל שלא קורא תנאי רישיון. מאגר, מאמר ו-Space להדגמה מגיעים בדיוק לקהל שקורא את שלושתם, והם נותנים לארטיפקט לדבר בקצב שלו. מחרוזת הגרסה היא "0.1". הכרטיס אומר מחקר וחינוך בלבד. זו מהדורה שנועדה לציטוט, לא לקנייה.

ההשקה של Ultra היא ההיפך, והיא רציונלית באותה מידה — מוצר דגל זקוק להפצה, למחירון ולתמיכת אקוסיסטם, ולכן היא הגיעה עם מערכי נתונים ודוח.

היכן נתב משתלב, והיכן לא

אף אחד מהמודלים האלה לא נמצא ב-OrcaRouter, ואני לא מתכוון לרמוז אחרת: NV-Reason-CT הוא צ'קפוינט בנפח 10.6 GB עם קוד מודל מותאם אישית שאתם מארחים בעצמכם, ו-Nemotron 3 Ultra עם 55B פרמטרים פעילים מוגש דרך ה-API של NVIDIA עצמה וכמה פלטפורמות צד שלישי.

A screenshot of the Hugging Face model card for NVIDIA Nemotron 3 Ultra, showing the Model Summary block listing 550B total and 55B active parameters, a LatentMoE architecture, 1M context, OpenMDW-1.1 licence and a release date of June 4, 2026, followed by the Model Overview and evaluation rows.

מה ששכבת ניתוב עושה עבור צוות שעובד עם שניהם הוא מצומצם יותר ועדיין שימושי. צינור מחקר קליני שמשתמש ב-NV-Reason-CT לנפח ולמודל כללי עבור הטקסט שמסביב זקוק למקום שבו אפשר להחליף את המודל הכללי הזה בלי חוזה שני, ונקודת קצה אחת תואמת ל-OpenAI המכסה יותר מ-200 מודלים עם מעבר אוטומטי בין ספקים בעת כשל הוא המקום הזה. הוא מחזיק את המומחה המותקן באופן עצמאי ואת המודל הכללי המתארח תחת מפתח אחד במקום שתי אינטגרציות.

מה להפיק מהשילוב

כשקוראים אותם כמתחרים, שני המודלים הם שגיאת קטגוריה. כשקוראים אותם כמקרה בוחן, הם בהירים באופן יוצא דופן. אותו ספק, אותה משפחת רישיונות, אותה שנה — ושתי אסטרטגיות שחרור שנבחרו להתאים לשתי כוונות שונות לחלוטין במורד הזרם. האחד הוא תשתית עם אקוסיסטם מחובר. האחר הוא מאמר עם משקלים מחוברים, ששוחרר כדי שקהל קטן וספציפי יוכל להריץ אותו ולצטט אותו.

אם אתה מחפש מודל כללי עם משקולות פתוחות, NV-Reason-CT אינו מועמד ומעולם לא נועד להיות כזה. אם אתה קורא בנפחי CT של חזה ובטן באופן פרוגרמטי, Nemotron 3 Ultra לא יכול לעזור לך ומעולם לא נועד לכך. החפיפה האמיתית היחידה ביניהם היא הלוגו, והלקח האמיתי היחיד הוא ש-NVIDIA מוכנה לשחרר בשקט כאשר הקהל קטן וטכני מספיק כדי למצוא את המאגר בכוחות עצמו.

© 2026 OrcaRouter

מוצר

מודלי AIפתרונותOpen SourceOpen Weightsתמחור

משאבים

תיעודבלוגאינטגרציותסטטוסתמיכהארכיון תקריותמרכז האמון

לספקים

מפעילים פלטפורמת הסקה (inference)? הציגו את המודלים שלכם ב-OrcaRouter.

providers@orcarouter.ai

הצטרפו לקהילה שלנו

Discordsupport@orcarouter.aiXGitHubYouTube

מהבלוג

NV-Reason-CT לעומת Qwen3.8 Max: הכיוונון העדין והמשפחה שממנה הוא הגיעNV-Reason-CT לעומת Kimi K3: 210 הורדות ו-588 מיליון טוקניםNV-Reason-CT מול Grok 4.6: מי קורא את הסריקה, ומי קורא את הדוחNV-Reason-CT לעומת GPT-5.6 Sol: 13,824 טוקנים ויזואליים לפני שתקליד מילהNV-Reason-CT מול GLM-5.2: אחד מאלה הוצא משימוש, וזה לא זה שאתם חושבים

ספקי מודלים

OpenAI API76Google API30Qwen API27Anthropic API12Z.ai API10DeepSeek API9Kling API8MiniMax API6Grok API5Kimi API4Obsidian API3Orca API3