Nemotron 3.5 Bolt vs Qwen 3.8 Max: entrambi questi modelli guardano i video

Non sono molte le coppie di modelli in cui la parte sorprendente è una capacità che condividono. Sia NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB che Qwen 3.8 Maxaccettano il video come input, ed entrambi restituiscono testo. Qwen 3.8 Max, pubblicato da Alibaba il 3 agosto 2026, è un modello multimodale ospitato con una finestra di contesto di 1.000.000 di token, erogato attraverso interfacce compatibili con OpenAI, compatibili con Anthropic e native DashScope da cinque regioni, con un prezzo di 2,00 $ per milione di token di input e 6,00 $ per milione di token di output, con letture in cache a 0,25 $. Nemotron 3.5 Bolt, rilasciato da NVIDIA il 15 ottobre 2026, è un file open-weight da 24 GB con un encoder visivo C-RADIO v4-H, una finestra di 262.144 token e nessun prezzo.

Due modelli a cui si può consegnare entrambi una registrazione dello schermo, separati da nient'altro che dal luogo in cui vengono eseguiti e da quanto costa. È un confronto più pulito di quanto riesca a essere la maggior parte dei testa a testa, e si risolve in fretta una volta che smetti di chiederti quale sia il più intelligente.

Due stack multimodali, un unico budget di memoria

La multimodalità di Bolt è ereditata, non progettata appositamente. NVIDIA ha compresso il suo modello 120B-A12B Nemotron 3.5 Super VL fino a 74B-A9B con una ricerca guidata dal router che chiama Star Elastic, poi ha portato il risultato a 2,0625 bit per peso esperto in un formato IQ2_XXS con distillazione consapevole della quantizzazione. La torre di visione — un encoder C-RADIO v4-H — è arrivata insieme alla compressione, e l'interruttore della modalità di ragionamento è lo stesso che espone il client Super VL: un flag enable_thinking nel template di chat. Parametri totali 74B, attivi per token 9B, backbone un ibrido Mamba-2 e Transformer che il fornitore chiama LatentMoE, licenza OpenMDW-1.1 per uso commerciale e non commerciale.

Qwen 3.8 Max è un tipo diverso di artefatto. È il livello di capacità più elevata di Alibaba, nativamente multimodale, ed esiste solo come endpoint. Non c'è alcun checkpoint da scaricare, nessuna build quantizzata da eseguire su una workstation e nessuna versione il cui costo marginale sia la bolletta elettrica. Ciò che ha invece è la portata: tre formati di comunicazione, così un SDK Anthropic esistente o un'integrazione DashScope funziona senza riscritture, e cinque regioni servite in Asia, Europa e Nord America che rendono la questione della latenza tanto geografica quanto ingegneristica.

La conseguenza pratica è che il comportamento multimodale di Bolt è limitato dagli stessi 24 GB che contengono la cache KV, la cronologia della conversazione e i risultati degli strumenti. Quello di Qwen 3.8 Max è limitato da ciò che l'endpoint mette a disposizione, il che non è un tuo problema.

Quanto paghi, e a chi

Qwen 3.8 Max è a consumo, e le tariffe sono basse per quello che offre. Un prompt da 20.000 token con una risposta da 3.000 token costa $0,04 in input e $0,18 in output, circa $0,22 a chiamata — e le letture in cache a $0,25 per milione significano che un prompt di sistema stabile o un documento ripetuto è quasi gratuito alla seconda passata. Il suo tempo p50 al primo token sul nostro catalogo è di 3,22 secondi con un p95 di 10,00 secondi, e ha trasportato 41,3 milioni di token di traffico instradato negli ultimi sette giorni.

Nemotron 3.5 Bolt non ha un listino prezzi perché non c'è nulla da misurare. Nessun endpoint ospitato, nessuna API del fornitore, nessuna piattaforma di terze parti che lo eroghi e a cui possiamo indirizzarvi. Artificial Analysis elenca sia la sua velocità sia il suo costo per attività dell'Intelligence Index come N/D esattamente per questo motivo. Se lo eseguite, il costo è una GPU, un consumo di energia e un periodo di ammortamento, e il prezzo marginale del prossimo milione di token è zero. Per un processo notturno che legge lo stesso corpus ogni giorno, non è uno sconto — è un modello contabile diverso, e il punto di pareggio dipende interamente da quanto spesso lo eseguite.

La finestra, e la capacità di usarla

Il contesto è l'asse in cui questi due sembrano più vicini sulla carta e si separano più rapidamente nella pratica.

• Finestra dichiarata — Qwen 3.8 Max 1.000.000 di token contro Nemotron 3.5 Bolt 262.144. Circa quattro a uno, ed è il rapporto a decidere se un'attività sull'intera base di codice o sull'intero archivio sia persino possibile in una singola richiesta.

• Recall all'interno della finestra — Artificial Analysis registra un valore di recall su contesto lungo pari a 80,3 per Qwen 3.8 Max. Non esiste un numero indipendente equivalente per Bolt, e la sua finestra è già più piccola in partenza, il che rende questo un confronto tra una capacità misurata e una non misurata.

• Che altro condivide lo spazio — i 262.144 token di Bolt risiedono negli stessi 24 GB dei pesi, dei fotogrammi video e della KV cache. Un lungo prompt video e una lunga conversazione competono per la stessa memoria. La finestra di Qwen 3.8 Max è provisionata dall'operatore, quindi il vincolo è il prezzo anziché l'hardware.

• Controllo del ragionamento — Qwen 3.8 Max espone un interruttore enable_thinking, o reasoning.effort sull'API Responses. L'equivalente di Bolt è un interruttore chat-template nella stessa famiglia di flag, ereditato dal client Super VL. Nessuno dei due è insolito; entrambi consentono di smettere di pagare per la deliberazione nelle chiamate di routine.

Misurato contro il non misurato

Artificial Analysis assegna a Qwen 3.8 Max un punteggio di 45,4 sul suo Intelligence Index, quindicesimo su 145 modelli misurati — all'interno del dieci per cento migliore senza essere al vertice. Le sue righe di supporto sono solide dove un carico di lavoro agentico ne ha bisogno: un AA Coding Index di 76,2 al nono posto su 138, 88,8 su Terminal-Bench 2.1 e 92,8 su GPQA Diamond. Il suo punto debole comparativo è il recall di 80,3 sul contesto lungo, che è rispettabile anziché eccezionale per un modello da un milione di token.

I numeri di Bolt sono di portata più ristretta. Ottiene 21 sullo stesso indice, quarto su 67 nella sua classe filtrata per footprint rispetto a una mediana di classe di 8, e Artificial Analysis lo descrive come tra i principali modelli open-weight di dimensioni simili. La sua velocità e il suo costo misurati sono vuoti. Tutto il resto — il punteggio Terminal-Bench 2.1 di 50,98, GPQA Diamond 86,43, BrowseComp 66,75, WebArena vision 50,86, SciCode 41,02 — proviene dalla scheda modello di NVIDIA stessa, dove ogni baseline è un altro modello grande un terzo. Quelle righe non sono disoneste; rispondono a una domanda sull'efficienza, non sulla capacità di frontiera, e leggerle come una sfida contro un flagship ospitato significa fraintendere il documento.

Il divario di velocità merita la stessa attenzione. Artificial Analysis non può misurare il throughput di Bolt perché non c'è nulla da chiamare. NVIDIA riporta un obiettivo di progettazione di almeno 80 token al secondo in decodifica, 84 su AIPerf SPEED-Bench su RTX Spark e 83,99 in un'esecuzione di llama.cpp su un Surface Laptop Ultra con 128GB, il tutto non riprodotto. I 3,22 secondi al primo token di Qwen 3.8 Max sono misurati e pubblici. Pianifica in base al numero misurato e considera l'altro un'aspirazione.

La questione del routing, che non è simmetrica qui

Qwen 3.8 Max è nel nostro catalogo come qwen/qwen3.8-max, instradato al prezzo di listino del provider Alibaba con uno 0% di markup aggiunto — 2,00 $ e 6,00 $ per milione di token, gli stessi numeri sulla nostra pagina e su quella del fornitore, il che significa che una variazione di prezzo lato fornitore raggiunge i nostri utenti lo stesso giorno anziché al rinnovo del contratto. Si trova dietro la stessa chiave di oltre 200 altri modelli, con failover automatico tra i provider upstream quando uno peggiora, e un DSL di routing per comporre più modelli in un'unica richiesta.

Nemotron 3.5 Bolt non è nel nostro catalogo e non lo serviamo. Non esiste un endpoint Bolt, nessun identificatore a cui indirizzare una richiesta, e nulla in questo pezzo costituisce un'offerta per ospitare il checkpoint di NVIDIA. La forma onesta del consiglio di routing qui è una separazione anziché una scelta: il modello multimodale ospitato gestisce le richieste a finestra lunga, i corpora video troppo grandi per 24 GB di memoria condivisa e tutto ciò che deve essere richiamabile da qualsiasi luogo; il file locale gestisce i passaggi ad alta frequenza in cui i dati non devono uscire dalla sede e il volume renderebbe dolorosa la fatturazione per token. La fusione di modelli è la variante che vale la pena conoscere se le chiamate costose sono quelle che hanno conseguenze: un panel di modelli risponde insieme allo stesso prompt e si prende l'accordo, che è un modo economico per comprare fiducia su una decisione che non puoi facilmente invertire.

Come si risolve questo

Il punto in comune è il video, ed è il motivo per cui vale la pena confrontare questi due — la maggior parte dei modelli locali con queste dimensioni non è in grado di vedere affatto, e alla maggior parte dei modelli ospitati non si può passare una registrazione dello schermo senza una fase di estrazione dei fotogrammi che perde proprio ciò che stavi cercando di mostrargli.

Oltre quella sovrapposizione, divergono su ogni asse. Qwen 3.8 Max vince sulla finestra ampia, sulla latenza misurata, sul set di input più ricco e, con ampio margine, sull'intelligenza valutata in modo indipendente. Nemotron 3.5 Bolt vince sull'unico asse che nessun modello ospitato può contestare: gira dove sono già i tuoi dati, che ci sia o meno una rete, a un costo marginale pari a zero.

La decisione di solito non è una questione di preferenza. Se il video non lascia mai l'edificio, l'opzione in hosting non è mai stata disponibile e il confronto si riduce a un solo candidato. Se il corpus è un milione di token di testo, l'opzione locale non è mai stata disponibile per la stessa ragione, ma al contrario. Dove la decisione è davvero vicina — volumi modesti, dati che potrebbero legalmente viaggiare, lavoro che consiste principalmente in brevi chiamate a strumenti con letture lunghe occasionali — lo spareggio è l'unico numero che manca da questo confronto: quanto velocemente il checkpoint da 24 GB venga effettivamente eseguito sul tuo hardware, che nessuno al di fuori di NVIDIA ha ancora misurato.