Nemotron 3.5 Super VL vs Qwen3.8-Max: Tingkat Open-Weight Melawan Frontier Berbayar per Pemakaian

Seseorang yang merencanakan pipeline pemrosesan dokumen kuartal ini memiliki tepat dua bentuk untuk dipilih, dan keduanya bukan bentuk yang sama. NVIDIA Nemotron 3.5 Super VLadalah checkpoint vision-language 120B-parameter, 12B-aktif di bawah OpenMDW-1.1 yang bobotnya dirilis pada 12 Oktober 2026, tiga hari sebelum pengumuman NVIDIA sendiri pada 15 Oktober: Anda mengunduhnya, Anda menghostingnya, Anda membayar dengan GPU dan listrik. Qwen3.8-Maxadalah produk unggulan proprietari Alibaba — sebuah mixture-of-experts 2,4 triliun parameter dengan 95B parameter aktif, input visi, jendela konteks 1M token, dan penagihan per token sebesar $2 per juta input dan $6 per juta output dengan diskon cache 88%. Yang satu adalah belanja modal dengan kontrol penuh; yang lain adalah biaya operasional dengan daftar tarif. Segala hal lain dalam perbandingan ini merupakan turunan dari pembagian tersebut.

Dua model bisnis yang mengenakan perbandingan tolok ukur

Sangat menggoda untuk menyandingkan keduanya berdasarkan kemampuan dan menetapkan pemenang. Cara membingkai itu menyembunyikan keputusan yang sebenarnya, yaitu tentang siapa yang memiliki mode kegagalan. Dengan Super VL, jika throughput mengecewakan Anda, Anda melatih ulang, melakukan kuantisasi ulang, atau membeli perangkat keras yang berbeda — plafonnya bisa Anda naikkan sendiri. Dengan Qwen3.8-Max, jika throughput mengecewakan Anda, Anda mengganti string model atau bernegosiasi; plafonnya milik Alibaba, dan begitu juga peta jalannya.

Perbedaan itu terlihat jelas dari apa yang diterbitkan masing-masing vendor. NVIDIA merilis laporan teknis, resep pelatihan, kumpulan data terbuka, lingkungan RL, dan tiga jalur speculative-decoding terpisah untuk keluarga ini — perangkat untuk model yang dimaksudkan untuk diterapkan dan dimodifikasi. Qwen merilis API dengan daftar harga dan diskon cache, yang merupakan perangkat untuk model yang dimaksudkan untuk dikonsumsi.

Apa yang Super VL berikan kepada Anda yang tidak dapat diberikan oleh endpoint yang dihosting

NVIDIA Nemotron 3.5 Super VL adalah model hibrida: lapisan Mamba-2 yang disisipkan secara berselang-seling, mixture-of-experts dengan 512 expert yang dirutekan per lapisan MoE, dan lapisan attention terpilih, yang digabungkan ke encoder visi C-RADIO dan konektor visi-bahasa. Teks, gambar, dan bingkai video masuk; teks keluar. Tulang punggung bahasanya diinisialisasi dari Nemotron 3 Super Base, yang didistilasi selama satu triliun token dari Nemotron 3 Ultra Base, lalu diberi ekstensi 35 miliar token hingga konteks 1 juta, mid-training rekayasa perangkat lunak, dan tahap pemulihan konteks panjang. Multi-Token Prediction native menyediakan speculative decoding tanpa drafter terpisah. Model ini berjalan pada BF16 di 4×H100 atau 2×GB200, dengan build NVFP4 dan microservice NIM untuk penerapan produksi.

• Apa yang Anda miliki — bobot, tokeniser, encoder visi, pipeline pasca-pelatihan, dan jejak audit. Setiap prompt tetap berada di dalam perimeter Anda, yang untuk pekerjaan asuransi, kredit, kesehatan, atau pertahanan bukanlah preferensi melainkan keharusan.

• Yang Anda bayar — akselerator. Empat H100 dalam presisi penuh adalah tiket masuknya, dan kurva biayanya adalah utilisasi: mahal saat menganggur, hampir gratis saat saturasi.

• Apa yang Anda relakan — kartu tarif. Per 16 Oktober 2026, tidak ada harga yang dipublikasikan untuk Super VL dari siapa pun, jadi perbandingan total biaya apa pun yang Anda susun hari ini bertumpu pada pengukuran throughput Anda sendiri, bukan angka dari vendor.

Apa yang diberikan Qwen3.8-Max kepada Anda yang tidak bisa diberikan oleh sebuah checkpoint

Qwen3.8-Max mengaktifkan 95B parameter per token dari kumpulan 2,4 triliun parameter, menerima gambar maupun teks, dan secara default memiliki jendela konteks yang sedikit di bawah satu juta token. Di Artificial Analysis, model ini memiliki Intelligence Index 45, yaitu sembilan belas poin di atas 26 yang tercatat untuk NVIDIA Nemotron 3.5 Super VL pada indeks yang sama — dan tidak seperti sebagian besar angka di halaman ini, keduanya merupakan pengukuran pihak ketiga, bukan klaim vendor.

• Apa yang Anda dapatkan — generalis kelas frontier, termasuk visi, dapat dipanggil sore ini dengan kunci API. Tanpa perangkat keras, tanpa ops, tanpa perencanaan kapasitas.

• Yang Anda bayar — $2 untuk input dan $6 untuk output per juta token, dengan diskon 88% untuk input yang di-cache, yang mengubah ekonomi beban kerja apa pun dengan prefiks stabil yang besar: prompt sistem yang panjang, dokumen tetap, skema alat yang persisten.

• Apa yang Anda korbankan — bobotnya. Tidak ada unduhan, tidak ada deployment lokal, tidak ada fine-tune pada model serving, dan tidak ada kemampuan untuk menyimpan data di infrastruktur Anda sendiri.

Diskon cache layak mendapat catatan khusus karena ini adalah angka yang paling sering salah dimodelkan di kedua kolom. Pengurangan 88% pada input yang di-cache tidak berarti tagihan 88% lebih murah; ini berarti bagian yang berulang dari prompt Anda berbiaya sekitar sepersembilan dari harga daftar, dan manfaatnya berskala dengan seberapa banyak dari setiap permintaan yang benar-benar identik dengan yang terakhir. Pipeline yang mengirim ulang preamble statis yang besar mendapat manfaat yang sangat besar. Pipeline yang mengirim dokumen baru setiap panggilan nyaris tidak mendapat manfaat sama sekali.

Lini harga, dijalankan dengan jujur

Nalurinya adalah menghitung titik crossover — pada jumlah token berapa self-hosting menang? Perhitungan itu menghasilkan sebuah angka, dan angka itu biasanya salah, karena mengabaikan dua biaya yang mendominasi: waktu engineering untuk menjaga stack inferensi yang di-host sendiri tetap mutakhir, dan biaya peluang dari model yang lebih kecil pada kasus-kasus sulit.

Versi yang lebih berguna: jalankan profil lalu lintas nyata Anda terhadap tarif yang dipublikasikan Qwen3.8-Max dan dapatkan angka bulanan yang tepat, karena sisi itu punya kartu tarif. Lalu tanyakan berapa fraksi dari lalu lintas tersebut yang dapat ditangani oleh model dengan 12B aktif sesuai standar Anda, dan hitung harga hanya untuk fraksi itu dalam GPU. Di sebagian besar pipeline ekstraksi dokumen, jawabannya adalah bahwa sebagian besar volumenya bersifat mekanis — faktur, formulir, bagan, tata letak berulang — dan ekor kecilnya membawa penilaian. Bagian besarnya adalah tempat self-hosting menang; ekornya adalah tempat model terdepan seperti Qwen3.8-Max menang.

Perbedaan itulah yang menjadi tujuan keberadaan lapisan routing kami sendiri, dan fakta-fakta relevannya cukup sempit untuk dinyatakan secara gamblang. Qwen3.8-Max ada di katalog kami sebagai qwen/qwen3.8-max/ dengan harga daftar Alibaba dengan markup 0% — berapa pun yang ditagih vendor, itulah yang Anda bayar, dan pemotongan harga vendor berlaku pada hari yang sama, bukan pada siklus penagihan berikutnya. NVIDIA Nemotron 3.5 Super VL tidak ada di katalog kami dan tidak akan pernah ada dalam bentuk endpoint, karena itu adalah checkpoint yang Anda hosting sendiri, bukan layanan yang bisa dijual kembali kepada Anda oleh siapa pun. Yang berada di antara keduanya adalah komposisi: DSL routing memungkinkan satu panggilan menyebar ke banyak titik, sehingga halaman-halaman mekanis dapat diarahkan ke model murah mana pun yang Anda tunjuk untuknya, sementara halaman yang membutuhkan penilaian akan dieskalasi, dan failover otomatis memindahkan permintaan ke upstream yang sehat ketika upstream yang dituju permintaan itu mengalami degradasi. Satu kunci untuk bagian yang dihosting, GPU Anda sendiri untuk bagian lainnya, satu kebijakan yang menentukan permintaan mana pergi ke mana.

Sebuah bentuk yang sudah teruji, bukan sekadar hipotetis: pipeline yang sama dapat mengirim formulir satu halaman ke model teks kecil melalui katalog, mengarahkan laporan tahunan yang padat grafik ke model visi, dan menyimpan Qwen3.8-Max sebagai cadangan untuk sebagian kecil dokumen yang ekstraksinya benar-benar ambigu. Model cadangan itu berbiaya $6 per juta token keluaran dan tidak memakan biaya saat tidak digunakan, yang jauh lebih baik daripada menyediakan H100 keempat untuk beban kerja yang melonjak dua kali sebulan.

Siapa yang harus melakukan yang mana, mulai minggu ini

Jika pekerjaan Anda melibatkan data yang diatur — kategori apa pun di mana mengirim halaman ke pihak ketiga memerlukan tinjauan hukum — keputusannya sudah dibuat untuk Anda dan itu adalah Super VL, lengkap dengan perangkat keras dasarnya. Jika pekerjaan Anda adalah pemahaman dokumen dan layar bervolume tinggi dalam postur privasi normal, jawaban benar termurah bagi sebagian besar tim saat ini adalah model frontier terukur, karena sudah berfungsi hari ini dan harganya diketahui. Jika Anda berada di antaranya, yang merupakan posisi sebagian besar pipeline nyata, keduanya sama sekali bukan pesaing: Qwen3.8-Max untuk ekor sulit dan Super VL yang dihosting sendiri untuk volume, dengan router yang memutuskan per permintaan.

Hal yang akan mengubah halaman ini adalah tarif yang dipublikasikan untuk Super VL dari penyedia layanan mana pun. Begitu sebuah checkpoint Nemotron muncul di belakang endpoint berbayar per pemakaian, keberatan soal batas minimum penerapan akan sirna, perbandingan menjadi harga versus harga, dan pertanyaan yang menarik bergeser dari model mana ke penyedia mana. Sampai saat itu, kedua kolom masih menjawab pertanyaan yang berbeda — dan jawaban jujur atas "mana yang lebih baik" adalah bahwa model dengan harga dan model dengan lisensi bukanlah jenis objek yang sama.