Nemotron 3.5 Super vs Gemini 3.1 Pro: uno è un file, uno è un'anteprima

La differenza di maggiore portata tra NVIDIA Nemotron 3.5 Super e Gemini 3.1 Pro non sta in nessuna tabella di benchmark. Sta nello stato di rilascio. Il modello NVIDIA — 120 miliardi di parametri totali con 12 miliardi attivi per token, un encoder visivo C-RADIO innestato su una mixture of experts ibrida Mamba-2 e Transformer, pubblicato con il nome più completo NVIDIA Nemotron 3.5 Super VL e distribuito su Ollama come nemotron-3.5-super — è un insieme di file. Sono comparsi su Hugging Face il 12 ottobre 2026, tre giorni prima che il post della newsroom di NVIDIA del 15 ottobre li rendesse ufficiali, e stasera puoi scaricarne 82,3 GiB ed eseguirli sulla tua scheda con una licenza che ne consente l'uso commerciale. Il Gemini 3.1 Pro di Google è stato annunciato il 19 febbraio 2026 ed è tuttora erogato come endpoint di anteprima. Otto mesi dopo, è un modello che puoi chiamare ma non puoi possedere.

Quella impostazione non è una critica a nessuno dei due approcci. Un endpoint di anteprima è il modo in cui un laboratorio di frontiera rilascia e itera su qualcosa che non è pronto a essere congelato, e per la maggior parte dei team è la scelta migliore. Ma i due modelli occupano posizioni diverse in un deployment, e il confronto onesto riguarda quale posizione ti serve — non quale dei due vince in una tabella.

Una cosa da dire chiaramente prima dei numeri. Nemotron 3.5 Super ha quattro giorni al momento della stesura. Il fornitore lo ha annunciato, quindi non è un rilascio silenzioso nel senso di non confermato, ma la base di prove indipendenti a suo sostegno è all'incirca un punteggio di un panel e molte righe del fornitore. L'anteprima di Gemini ha otto mesi dell'attenzione del mondo e un corpus molto più ampio di misurazioni di terze parti alle spalle. Dove le prove sono scarse, questa pagina lo dice invece di arrotondare per eccesso.

Hardware contro una chiave

• Cosa ricevi — un checkpoint: pesi di riferimento BF16, una variante Base e una build NVFP4, più un drafter LiLiCorr separato, tutti pubblicati il 12 ottobre 2026 · un endpoint ospitato dietro una chiave API, in stato di anteprima dal 19 febbraio 2026.

• Licenza — OpenMDW-1.1, uso commerciale consentito, e la model card indica che il checkpoint è pronto per uso commerciale o non commerciale · Termini di servizio di Google.

• Parametri — 120B totali, 12B attivi, 512 esperti instradati per layer MoE, divulgati integralmente sulla card · non pubblicati.

• Contatto con il metallo — quattro H100 o due GB200 per BF16; una scheda da 96 GB per il tag predefinito a 4 bit a 82,3 GiB più un proiettore visivo da 1,6 GiB · nessuno, per scelta progettuale.

• Contesto — fino a 1.000.000 di token, con l'avvertenza della scheda stessa che la memoria disponibile e le impostazioni di runtime determinano il valore utilizzabile e che prompt, immagini, cronologia, risultati degli strumenti e token generati condividono tutti quel budget · 1.048.576 token di contesto.

• Limite di output — non pubblicato da nessuna parte: né la scheda NVIDIA né il registro di runtime ne indicano uno · 65.536 token.

• Modalità — testo, immagine e video in ingresso, testo in uscita; il percorso visivo non è opzionale, ogni tag pubblicato porta con sé il proiettore · testo, immagine, video, audio e file in ingresso, testo in uscita, che è la più ampia superficie di input di qualsiasi elemento in questo confronto.

• Prezzo a consumo — nessun prezzo pubblicato; self-host o niente · $2 per milione di input e $12 per milione di output, che raddoppiano a $4 e $12 e oltre per prompt superiori a 200.000 token.

Le due voci che decidono un deployment sono il prezzo e gli input. Il modello NVIDIA non ha un prezzo perché non ha un endpoint: il suo costo è hardware ed elettricità, e l'unica variabile che conta è il tasso di utilizzo. L'anteprima di Gemini ha un prezzo con un brusco salto: i primi 200.000 token di input si fatturano a 2 $ per milione e tutto ciò che va oltre viene fatturato al doppio, un dettaglio che conviene sapere prima di costruire una pipeline che infila un milione di token di contesto in ogni chiamata.

L'encoder visivo è dove questi due si incontrano davvero

Entrambi i modelli accettano immagini e video, il che rende questo l'unico asse in cui il confronto è diretto anziché strutturale. È anche l'asse in cui le prove sono più disomogenee.

Nella tabella di NVIDIA stessa, tutti i test eseguiti dai fornitori tramite l'harness NeMo Gym: 62,82 su MMLongBench-Doc, 78,16 su MathVision, 80,82 su CharXiv reasoning, 65,08 su OCR-Reasoning, 85,60 su V*, 68,12 su OCRBench v2 inglese, 59,15 sul set cinese, 32,85 su Video-MME v2 e 51,14 su OSWorld-Verified. Le righe sono coerenti con un modello che legge documenti e grafici in modo competente ed è sensibilmente più debole sul testo in lingua cinese rispetto all'inglese.

Google non ha pubblicato una tabella di corrispondenza per l'anteprima nel formato usato da NVIDIA, e questa pagina non intende falsificarne una accostando cifre provenienti da harness diversi. Ciò che si può dire onestamente è che lo stesso panel di terze parti che valuta entrambi i modelli colloca l'anteprima di Gemini leggermente più in alto nel suo indice complessivo — circa 29,7 contro 26,49 per il checkpoint NVIDIA — e che la valutazione del panel della voce Gemini risale al suo annuncio di febbraio, non a una revisione più recente. Dato che il divario nell'indice è di circa tre punti e le due voci sono state misurate a otto mesi di distanza, considerare l'una un verdetto definitivo sull'altra sarebbe una lettura eccessiva.

Non è un'esagerazione: l'anteprima di Gemini accetta l'audio e il checkpoint NVIDIA no. Se il tuo input include una registrazione di una chiamata, una riunione o qualsiasi traccia audio, metà di questo confronto è già decisa prima ancora che entrino in gioco i parametri. Al contrario, se il tuo carico di lavoro è un corpus documentale fisso che elabori decine di migliaia di volte al giorno, un modello che puoi eseguire localmente a costo fisso è una proposta strutturalmente diversa da uno che addebita 2 $ per milione di token ogni volta che guardi una pagina.

La trappola nel default di NVIDIA di cui nessuno ha scritto

Questo è il tipo di dettaglio che emerge solo se si legge il registro di runtime invece del blog del fornitore, e vale il paragrafo.

La scheda specifica due configurazioni di campionamento consigliate: temperature 1.0 con top_p 0.95 per il testo, e temperature 0.6 con top_p 0.95 per la visione. L'impostazione predefinita fornita nel manifest di Ollama è la coppia per il testo. Ciò significa che la configurazione con cui la maggior parte delle persone eseguirà questo modello di visione per impostazione predefinita è ottimizzata per la metà del modello che non è visione. Se la tua prima esperienza con esso su pagine scansionate o grafici è deludente, le impostazioni di campionamento sono la prima cosa da controllare — prima di concludere qualsiasi cosa sulla capacità del checkpoint stesso.

Due dettagli correlati dallo stesso manifest. Il blob di configurazione dichiara model_type: 123.6B, mentre ogni etichetta rivolta all'utente dice 120B, il che è un disaccordo di arrotondamento più che una discrepanza nei pesi, ma conta quando uno script di tooling decide cosa ci starà. E il gate di runtime è obbligatorio, non consigliato: requires: 0.40.5, quindi su qualsiasi versione precedente di Ollama questo modello non si scarica affatto.

Quanto vale davvero il divario di otto mesi

Si può sostenere che un'anteprima che ha resistito a otto mesi di traffico sia, per certi aspetti, più affidabile di un checkpoint vecchio di quattro giorni, ed è un buon argomento.

Un endpoint di anteprima è stato preso d'assalto. Le sue modalità di guasto sono documentate da altri. Il suo prezzo è pubblicato anziché dedotto. La sua finestra di contesto si comporta come dice la documentazione, perché migliaia di utenti hanno scoperto dove non lo fa. E un'anteprima che Google ha tenuto in anteprima per otto mesi invece di promuoverla, come minimo non è stata ritirata in silenzio — il che è un'informazione sulla sostenibilità commerciale del modello che nessun timestamp di repository può darti sul checkpoint NVIDIA.

A fronte di ciò, l'anteprima comporta due costi che un file ospitato in autonomia non ha. Il primo è che può cambiare. Lo stato di anteprima è una dichiarazione esplicita che l'endpoint può essere modificato senza preavviso, e una pipeline ottimizzata sul comportamento esatto di un'anteprima è una pipeline con una dipendenza non coperta al suo interno. Il secondo è che la sua economia scala linearmente e per sempre. Non esiste un volume oltre il quale l'anteprima di Gemini diventa più economica per token; esiste un volume oltre il quale il costo fisso di quattro H100s la batte. Quel punto di crossover è l'unico numero che dovrebbe guidare questa decisione, ed è una proprietà del tuo traffico, non di nessuno dei due modelli.

E il deficit di otto mesi del checkpoint di NVIDIA non è puramente un passivo. Il fornitore ha pubblicato non solo i pesi, ma anche un harness di valutazione riproducibile e un rapporto tecnico, e sia il campo della data di rilascio della scheda sia i timestamp del repository risultano coerenti con il post della newsroom. Questo è un processo di rilascio più verificabile di quanto lo sia la maggior parte dei rilasci open-weight, anche se l'audit è appena iniziato.

Nessuno dei due è sulla nostra chiave, e uno di essi è il motivo che conta.

Vale la pena essere chiari sulla disponibilità. Gemini 3.1 Pro è raggiungibile su OrcaRouter nella sua forma di anteprima al prezzo di listino del provider, trasferito senza alcun ricarico per token — 2 $ in ingresso e 12 $ in uscita, con il livello per contesti lunghi al prezzo pubblicato da Google, attivo dalla nostra parte lo stesso giorno anziché al rinnovo successivo. Se volete scoprire se l'anteprima gestisce il vostro carico di lavoro documentale, basta una chiave e nessuna procedura di acquisto.

Nemotron 3.5 Super non è sulla nostra chiave. Instradiamo poco più di duecento modelli e non c'è alcuna voce NVIDIA Nemotron tra essi, quindi questo articolo non è un suggerimento che tu possa chiamarlo sulla nostra piattaforma. Le tue route sono i canali di build e distribuzione di NVIDIA e il pull del runtime locale.

Ciò per cui il livello di routing è davvero utile qui è la parte di questa decisione che non ha nulla a che fare con i benchmark. Esegui prima il tuo carico di lavoro documentale reale sull'anteprima ospitata. Se supera la soglia, hai imparato che il carico di lavoro è uno che un modello di frontiera gestisce, e ora puoi fare un ragionamento sul volume per decidere se spostarne una parte su un checkpoint eseguito localmente. Se non supera la soglia, hai imparato qualcosa di ancora più prezioso, e l'hai imparato al prezzo di qualche dollaro di token invece che al prezzo di un cluster.

Il stretto verdetto

Se hai bisogno di input audio, del set più ampio possibile di modalità di input, di un limite di output pubblicato, o di un modello i cui modi di fallire sono già stati mappati da altri, Gemini 3.1 Pro Preview è la risposta, e gli otto mesi di misurazioni di terze parti alle sue spalle valgono più di quanto suggerisca il divario di tre punti nell'indice.

Se devi tenere il modello, ottenerne una licenza per uso commerciale, eseguirlo su hardware di tua proprietà e pagare un costo fisso per un carico di lavoro documentale che elabori in modo continuativo, il checkpoint NVIDIA è una vera opzione per la prima volta questo mese — con tre avvertenze specifiche allegate. Il tag predefinito è una quantizzazione a 4 bit e non esiste alcuna valutazione pubblicata per quella quantizzazione. I valori predefiniti di campionamento forniti sono le impostazioni di testo della scheda, non le sue impostazioni di visione. E il modello ha quattro giorni.

Prova prima l'anteprima sui tuoi dati. Se funziona, la questione diventa una di volume, e il volume è aritmetica. Se non funziona, ti sei appena risparmiato un cluster.