Nemotron 3.5 Bolt vs Qwen 3.8 Max: Kedua Model Ini Menonton Video

Tidak banyak pasangan model yang bagian mengejutkannya adalah kemampuan yang mereka miliki bersama. Keduanya NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB dan Qwen 3.8 Max menerima video sebagai masukan, dan keduanya mengembalikan teks. Qwen 3.8 Max, yang diterbitkan oleh Alibaba pada 3 Agustus 2026, adalah model multimodal terkelola dengan konteks 1.000.000 token, dilayani melalui antarmuka yang kompatibel dengan OpenAI, kompatibel dengan Anthropic, dan DashScope native dari lima wilayah, dengan harga $2,00 per juta token masukan dan $6,00 per juta token keluaran dengan pembacaan cache sebesar $0,25. Nemotron 3.5 Bolt, yang dirilis oleh NVIDIA pada 15 Oktober 2026, adalah file berbobot terbuka 24GB dengan encoder visi C-RADIO v4-H, jendela 262.144 token, dan tanpa harga sama sekali.

Dua model yang keduanya bisa diberi rekaman layar, dipisahkan oleh tidak ada apa pun selain tempat keduanya dijalankan dan berapa biayanya. Itu perbandingan yang lebih bersih daripada kebanyakan adu langsung, dan cepat terselesaikan begitu Anda berhenti bertanya mana yang lebih pintar.

Dua tumpukan multimodal, satu amplop memori

Multimodalitas Bolt diwarisi, bukan dibangun khusus untuknya. NVIDIA memadatkan model Nemotron 3.5 Super VL 120B-A12B miliknya menjadi 74B-A9B dengan pencarian terpandu router yang mereka sebut Star Elastic, lalu membawa hasilnya ke 2,0625 bit per bobot pakar dalam format IQ2_XXS dengan distilasi sadar kuantisasi. Menara visi — encoder C-RADIO v4-H — ikut serta dalam kompresi, dan sakelar mode penalaran adalah sakelar yang sama yang diekspos klien Super VL: flag enable_thinking dalam templat chat. Total parameter 74B, aktif per token 9B, tulang punggungnya adalah hibrida Mamba-2 dan Transformer yang oleh vendor disebut LatentMoE, lisensi OpenMDW-1.1 untuk penggunaan komersial dan nonkomersial.

Qwen 3.8 Max adalah jenis artefak yang berbeda. Ini adalah tier berkemampuan tertinggi milik Alibaba, multimodal secara native, dan hanya ada sebagai endpoint. Tidak ada checkpoint untuk diunduh, tidak ada build terkuantisasi untuk dijalankan di workstation, dan tidak ada versinya yang biaya marginalnya hanyalah tagihan listrik. Yang dimilikinya sebagai gantinya adalah jangkauan: tiga format koneksi, sehingga SDK Anthropic atau integrasi DashScope yang sudah ada berfungsi tanpa perlu penulisan ulang, dan lima wilayah yang dilayani di seluruh Asia, Eropa, dan Amerika Utara yang menjadikan pertanyaan latensi sebagai pertanyaan geografi sama seperti pertanyaan rekayasa.

Konsekuensi praktisnya adalah bahwa perilaku multimodal Bolt dibatasi oleh 24GB yang sama yang menampung cache KV, riwayat percakapan, dan hasil tool. Perilaku Qwen 3.8 Max dibatasi oleh apa pun yang disediakan endpoint, yang bukan masalah Anda.

Apa yang Anda bayar, dan kepada siapa

Qwen 3.8 Max dihitung berdasarkan pemakaian, dan tarifnya rendah untuk apa yang ditawarkannya. Prompt 20.000 token dengan jawaban 3.000 token dikenai biaya input $0,04 dan output $0,18, sekitar $0,22 per panggilan — dan pembacaan cache sebesar $0,25 per juta berarti prompt sistem yang stabil atau dokumen yang diulang hampir gratis pada proses kedua. Waktu p50 untuk token pertama pada katalog kami adalah 3,22 detik dengan p95 10,00 detik, dan ia menangani 41,3 juta token trafik yang dirutekan selama tujuh hari terakhir.

Nemotron 3.5 Bolt tidak memiliki daftar tarif karena tidak ada yang bisa diukur. Tidak ada endpoint yang dihosting, tidak ada API vendor, tidak ada platform pihak ketiga yang menyajikannya yang bisa kami tunjukkan kepada Anda. Artificial Analysis mencantumkan kecepatan maupun biaya per tugas Intelligence Index-nya sebagai N/A justru karena alasan itu. Jika Anda menjalankannya, biayanya adalah GPU, konsumsi daya, dan periode amortisasi, sedangkan harga marginal untuk satu juta token berikutnya adalah nol. Untuk tugas malam yang membaca korpus yang sama setiap hari, itu bukan diskon — melainkan model akuntansi yang berbeda, dan titik impasnya sepenuhnya bergantung pada seberapa sering Anda menjalankannya.

Jendela, dan kemampuan untuk menggunakannya

Konteks adalah sumbu tempat keduanya tampak paling mirip di atas kertas dan paling cepat terpisah dalam praktik.

• Jendela yang dideklarasikan — Qwen 3.8 Max 1.000.000 token dibandingkan Nemotron 3.5 Bolt 262.144. Kira-kira empat banding satu, dan rasio itulah yang menentukan apakah tugas seluruh basis kode atau seluruh arsip bahkan mungkin dilakukan dalam satu permintaan.

• Recall di dalam jendela — Artificial Analysis mencatat angka recall konteks panjang sebesar 80,3 untuk Qwen 3.8 Max. Tidak ada angka independen yang setara untuk Bolt, dan jendelanya memang lebih kecil sejak awal, yang menjadikan ini perbandingan antara kemampuan yang terukur dan yang tidak terukur.

• Apa lagi yang berbagi ruang — 262.144 token Bolt berada di dalam 24GB yang sama dengan bobot, frame video, dan cache KV. Prompt video yang panjang dan percakapan yang panjang bersaing untuk memori yang sama. Jendela Qwen 3.8 Max disediakan oleh operator, jadi kendalanya adalah harga, bukan perangkat kerasnya.

• Kontrol penalaran — Qwen 3.8 Max menyediakan tombol enable_thinking, atau reasoning.effort pada Responses API. Padanan Bolt adalah sakelar templat chat dalam keluarga flag yang sama, yang diwarisi dari klien Super VL. Keduanya bukan hal yang tidak biasa; keduanya memungkinkan Anda berhenti membayar untuk penalaran pada panggilan rutin.

Terukur melawan tak terukur

Artificial Analysis memberi Qwen 3.8 Max skor 45,4 pada Intelligence Index-nya, peringkat kelima belas dari 145 model yang diukur — berada dalam sepuluh persen teratas tanpa berada di puncak. Baris-baris pendukungnya kuat di area yang dibutuhkan beban kerja agentik: AA Coding Index 76,2 di peringkat kesembilan dari 138, 88,8 pada Terminal-Bench 2.1, dan 92,8 pada GPQA Diamond. Kelemahan komparatifnya adalah recall konteks panjang 80,3 itu, yang cukup terhormat alih-alih luar biasa untuk model satu juta token.

Angka-angka Bolt lebih sempit cakupannya. Ia mendapat skor 21 pada indeks yang sama, peringkat keempat dari 67 di kelasnya yang difilter berdasarkan footprint melawan median kelas sebesar 8, dan Artificial Analysis menggambarkannya sebagai salah satu model open-weight terkemuka dengan ukuran serupa. Kecepatan dan biaya yang diukurnya kosong. Semua lainnya — skor Terminal-Bench 2.1 sebesar 50.98, GPQA Diamond 86.43, BrowseComp 66.75, WebArena vision 50.86, SciCode 41.02 — berasal dari kartu model NVIDIA sendiri, di mana setiap baseline adalah model lain yang ukurannya sepertiganya. Baris-baris itu bukan tidak jujur; mereka menjawab pertanyaan tentang efisiensi, bukan tentang kemampuan terdepan, dan membacanya sebagai kontes melawan model unggulan yang dihosting adalah salah menafsirkan dokumen tersebut.

Kesenjangan kecepatan layak mendapat perhatian yang sama. Artificial Analysis tidak dapat mengukur throughput Bolt karena tidak ada yang bisa dipanggil. NVIDIA melaporkan target desain setidaknya 80 token per detik untuk decoding, 84 pada AIPerf SPEED-Bench di RTX Spark, dan 83,99 dalam eksekusi llama.cpp pada Surface Laptop Ultra dengan 128GB, semuanya belum direproduksi. Waktu 3,22 detik Qwen 3.8 Max menuju token pertama telah diukur dan dipublikasikan. Rencanakan berdasarkan angka yang terukur dan perlakukan yang lain sebagai aspirasi.

Pertanyaan perutean, yang tidak simetris di sini

Qwen 3.8 Max ada di katalog kami sebagai qwen/qwen3.8-max, dirutekan pada harga daftar penyedia Alibaba dengan markup 0% — $2,00 dan $6,00 per juta token, angka yang sama di halaman kami seperti di halaman vendor, yang berarti perubahan tarif dari sisi vendor sampai ke pengguna kami pada hari yang sama alih-alih saat perpanjangan kontrak. Model ini berada di balik kunci yang sama dengan 200+ model lainnya, dengan failover otomatis di antara penyedia hulu saat salah satunya menurun, dan DSL routing untuk menggabungkan beberapa model menjadi satu permintaan.

Nemotron 3.5 Bolt tidak ada di katalog kami, dan kami tidak menyediakannya. Tidak ada endpoint Bolt, tidak ada pengenal untuk mengarahkan permintaan, dan tidak ada apa pun dalam tulisan ini yang merupakan tawaran untuk menghosting checkpoint NVIDIA. Bentuk jujur dari saran perutean di sini adalah pembagian, bukan pilihan: model multimodal terkelola menangani permintaan jendela panjang, korpus video yang terlalu besar untuk 24GB memori bersama, dan apa pun yang perlu dapat dipanggil dari mana saja; file lokal menangani proses frekuensi tinggi ketika data tidak boleh meninggalkan gedung dan volume akan membuat penagihan per token terasa menyakitkan. Fusi model adalah varian yang layak diketahui jika panggilan mahal adalah yang berdampak besar — panel model menjawab prompt yang sama bersama-sama dan Anda mengambil kesepakatannya, cara murah untuk membeli keyakinan atas keputusan yang tidak mudah dibalik.

Bagaimana yang ini teratasi

Titik temunya adalah video, dan itulah alasan keduanya sama sekali layak dibandingkan — sebagian besar model lokal pada ukuran ini tidak dapat melihat sama sekali, dan sebagian besar model yang dihosting tidak dapat diberi rekaman layar tanpa langkah ekstraksi frame yang menghilangkan hal yang ingin Anda tunjukkan kepadanya.

Melewati tumpang tindih itu, mereka berbeda di setiap sumbu. Qwen 3.8 Max memenangkan jendela lebar, latensi terukur, kumpulan input yang lebih kaya dan, dengan selisih besar, kecerdasan yang dinilai secara independen. Nemotron 3.5 Bolt memenangkan satu-satunya sumbu yang tidak dapat ditandingi oleh model terhosting mana pun: ia berjalan di tempat data Anda sudah berada, terlepas dari ada atau tidaknya jaringan, dengan biaya marjinal nol.

Keputusan ini biasanya bukan soal preferensi. Jika video tersebut tidak pernah keluar dari gedung, opsi hosted tidak pernah tersedia dan perbandingannya pun menyusut menjadi satu kandidat saja. Jika korpusnya sejuta token teks, opsi lokal tidak pernah tersedia karena alasan yang sama secara terbalik. Jika benar-benar imbang — volume sedang, data yang secara hukum boleh berpindah, pekerjaan yang sebagian besar berupa panggilan alat singkat dengan pembacaan panjang sesekali — penentunya adalah satu angka yang hilang dari perbandingan ini: seberapa cepat checkpoint 24GB itu sebenarnya berjalan di perangkat keras Anda, yang belum diukur oleh siapa pun di luar NVIDIA.