Nemotron 3.5 Super vs GLM-5.5: uno di questi modelli esiste

Esiste un confronto reale tra NVIDIA Nemotron 3.5 Super e GLM-5.5, e non è quello che promettono i risultati di ricerca. Nemotron 3.5 Super — 120 miliardi di parametri totali con 12 miliardi attivi per token, una mistura di esperti ibrida Mamba-2 e Transformer con un encoder visivo C-RADIO, pubblicato con il nome più completo NVIDIA Nemotron 3.5 Super VL e distribuito su Ollama come code>nemotron-3.5-super/code> — è un insieme di pesi che è stato caricato su Hugging Face il 12 ottobre 2026, annunciato da NVIDIA il 15 ottobre, e che stasera si può scaricare ed eseguire con licenza OpenMDW-1.1. GLM-5.5 è un modello che Z.ai non ha rilasciato. Non esiste alcun repository, né model card, né endpoint, né prezzo, né conteggio dei parametri. Ci sono notizie che risalgono a giugno 2026 su un lancio da mille miliardi di parametri, un articolo di leak di ottobre che sostiene che superi due modelli di frontiera, e il silenzio del laboratorio.

Ciò significa che un confronto diretto tra questi due sarebbe le specifiche di un modello reale contro la reputazione di un altro modello. Non è un confronto; è un oroscopo con i benchmark. Quindi questa pagina fa la cosa davvero utile: dichiara ciò che Z.ai ha rilasciato, ciò che si sa su ciò che non ha rilasciato, e poi esegue il confronto su cui un lettore con una GPU e un carico di lavoro può agire oggi.

Cosa ha effettivamente rilasciato Z.ai

La linea di punta pubblicata da Z.ai arriva fino a GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 e GLM-5.3-Flash. Nel nostro catalogo, l'identificatore GLM più alto che instradiamo è code>z-ai/glm-5.3/code>, insieme a code>z-ai/glm-5.3-flash/code> e a una variante gratuita del livello flash. Non esiste un ID GLM-5.5, e l'elenco dei modelli si ferma dove si ferma il log del laboratorio.

Che cos'è GLM-5.3, in base ai dati che possiamo verificare: un mixture of experts da 753 miliardi di parametri con 40 miliardi attivi per token, una finestra di contesto da 1.000.000 di token con un limite di output di 128.000 token, input testuale, una licenza che Z.ai pubblica sotto il proprio nome con uso commerciale consentito, e una tariffa a consumo applicata direttamente di $1,26 per milione di token di input e $3,96 per milione di output. Il livello flash si colloca al di sotto, a $0,15 e $0,50, con contesto da 1M e input testo, immagini e video.

Quel tier flash è il concorrente più interessante per questo rilascio NVIDIA rispetto al flagship, sotto un aspetto specifico, e c'è una pagina gemella nello stesso batch che lo approfondisce. Ai fini di questo articolo, il punto è più ristretto: se vuoi confrontare Nemotron 3.5 Super con qualcosa che Z.ai ha rilasciato, lo stai confrontando con GLM-5.3, e quel confronto è disponibile già da oggi.

Perché i report di GLM-5.5 non sono numeri utilizzabili

Le notizie su GLM-5.5 si dividono in tre categorie, e nessuna di esse sarà determinante per una decisione d'acquisto.

Il primo è la tempistica. I resoconti di metà 2026 descrivevano un lancio previsto per agosto destinato a ChatGPT e Claude, basati su dichiarazioni di personale di Zhipu e su voci del settore. La data è passata senza alcun rilascio. Una finestra di lancio già mancata non è una prova su un modello.

Il secondo è il conteggio dei parametri. Sono circolate notizie su una cifra di un trilione di parametri. Nessuno ha pubblicato un indice safetensors, una configurazione o un conteggio degli esperti per livello, che è ciò con cui normalmente si verifica un'affermazione sui parametri. Il numero potrebbe benissimo rivelarsi corretto; attualmente è un'asserzione senza alcun artefatto a sostenerla.

Il terzo è costituito dalle affermazioni sui benchmark. Un articolo di ottobre ha sostenuto che GLM-5.5 batte due modelli di frontiera nominati. In quell'affermazione non c'è alcun harness, nessun set di prompt, nessuna configurazione di scoring e nessun percorso di riproducibilità — che è esattamente la lacuna che NVIDIA, qualunque altra cosa si dica sulle valutazioni condotte dai vendor, ha colmato pubblicando una ricetta NeMo Gym con container e parametri di inferenza specifici per il benchmark accanto alla propria tabella. Un benchmark di un fornitore con una ricetta è un'evidenza debole. Un benchmark trapelato senza una ricetta non è un'evidenza.

C'è una versione di questo articolo che tratta i numeri trapelati come reali, li inserisce in un tabellone a due colonne e lascia che il lettore presuma che l'esito dell'incontro sia già deciso. Quell'articolo non varrebbe nulla per chiunque debba prendere una decisione, e sarebbe obsoleto entro una settimana da qualsiasi annuncio reale.

Il confronto che si può fare, eseguito correttamente

Nemotron 3.5 Super VL contro GLM-5.3, il modello di punta che Z.ai ha effettivamente pubblicato.

• Parametri totali e attivi — 120B totali con 12B attivi, 512 esperti instradati per livello MoE · GLM-5.3 a 753B totali con 40B attivi. Sui parametri attivi, il modello NVIDIA è un terzo della dimensione e dovrebbe essere drasticamente meno costoso per token su hardware equivalente, che è l'intero intento progettuale.

• Contesto — 1.000.000 di token su entrambi, con un'importante precisazione. La scheda di NVIDIA afferma 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 il budget. Z.ai pubblica un limite di output di 128.000 token per GLM-5.3 e NVIDIA non pubblica alcun limite di output, il che rende GLM-5.3 il modello più prevedibile per le generazioni lunghe e il checkpoint NVIDIA quello più aperto.

• Modalità — input di testo, immagini e video con output di testo per il modello NVIDIA, tramite un encoder di visione e un connettore, con un proiettore da 1,6 GiB su ogni tag pubblicato · solo testo per GLM-5.3, con il percorso multimodale che risiede invece nel tier flash più economico. Se il tuo input è la pagina di un documento, il GLM di punta non entra in gioco.

• Prezzo a consumo — nessuno per il checkpoint NVIDIA, disponibile solo in self-hosting · 1,26 $ in ingresso e 3,96 $ in uscita per milione di token per GLM-5.3, passati al prezzo di listino del provider senza alcun ricarico aggiunto.

• Indice di terze parti, l'unica riga verificata in questo elenco — il panel che assegna i punteggi a questi modelli colloca il checkpoint NVIDIA a circa 26 e GLM-5.3 a circa 45. Si tratta di un divario di diciotto punti a favore del flagship cinese, misurato da una terza parte anziché da uno dei due fornitori, ed è il numero più importante in assoluto qui.

• Stato di rilascio — pesi pubblici il 12 ottobre 2026, annunciato il 15 ottobre, quattro giorni di storico operativo · GA, con una serie di revisioni già rilasciate alle spalle.

Il divario sull'indice merita di essere dichiarato senza addolcirlo. La tabella pubblicata da NVIDIA stessa non può essere usata per liquidarlo, perché il fornitore non ha eseguito GLM-5.3 come baseline — la colonna GLM di quella tabella è GLM-5.3-Flash, il livello più economico, e anche lì il modello di NVIDIA è indietro sulla maggior parte delle righe agentiche. Un checkpoint aperto da 12B attivi non compete con un flagship da 40B attivi sulla capacità generale, e qualsiasi pagina che ti dica il contrario ti sta vendendo qualcosa.

Che cosa ti dà davvero la scelta dell'architettura

La domanda interessante non è se 12B attivo batte 40B attivo. Non è così. La domanda interessante è cosa succede quando si normalizza rispetto all'hardware che ci si può permettere.

Con il suo tag predefinito a 4 bit, il checkpoint NVIDIA è di 82,3 GiB di pesi più un vision projector da 1,6 GiB — una singola scheda da 96 GB, con un margine per la KV cache che si riduce man mano che si alza il contesto. GLM-5.3, con 753 miliardi di parametri totali, non entra in nessuna singola macchina a nessuna quantizzazione che ne preservi il comportamento, e il suo deployment corretto più economico è il cluster di qualcun altro tramite API a 1,26 $ e 3,96 $.

Quindi i due modelli non sono sostituti. Uno di essi è una capacità a consumo che noleggi, l'altro è un costo fisso che possiedi, e l'unica cosa che decide tra i due è quanto continuativamente lo usi. Al di sotto di una certa soglia di throughput, un flagship da $1,26 per milione di token è semplicemente più economico di una scheda da 96 GB e dell'elettricità che ci sta dietro. Al di sopra di una certa soglia di throughput, la scheda vince, e vince senza bisogno di essere il modello migliore.

L'altra cosa che il design NVIDIA offre, e non è cosa da poco, è il percorso di visione con licenza permissiva. GLM-5.3 è solo testo. GLM-5.3-Flash accetta immagini e video a quindici centesimi e cinquanta centesimi per milione di token, il che è straordinariamente economico ed è il motivo per cui il tier flash — non il flagship — è il giusto termine di paragone Z.ai per una pipeline documentale. Un modello di visione self-hosted a costo fisso rispetto a un modello di visione ospitato a quindici centesimi è una domanda autentica con un autentico punto di crossover, e vale la pena calcolarlo con i propri conteggi di pagine piuttosto che con una classifica.

Tre cose irrisolte relative al checkpoint NVIDIA

Essendo imparziali anche nella direzione opposta, perché l'apertura della release di NVIDIA non rende la sua specifica completa.

Il tag predefinito che la maggior parte delle persone scaricherà è una quantizzazione a 4 bit, e ogni valore di valutazione pubblicato — la tabella di NVIDIA stessa, il punteggio del panel di terze parti — è per BF16 o NVFP4. La versione effettivamente in uso non ha alcuna valutazione pubblicata. Questa è la più grande quantità non misurata su entrambi i lati di questa pagina.

I valori di campionamento predefiniti forniti dal runtime sono le impostazioni di testo della scheda, temperatura 1.0 con top_p 0.95, mentre l'impostazione vision della scheda è temperatura 0.6. Un modello vision la cui configurazione predefinita è ottimizzata per la sua metà testuale darà prime impressioni deludenti sulle pagine scansionate, e la soluzione è una modifica alla configurazione, non un modello diverso.

E la specifica è in disaccordo con se stessa in due piccoli punti che contano per il tooling: il blob di configurazione di Ollama dichiara code>model_type: 123.6B/code> mentre ogni etichetta rivolta all'utente dice 120B, e la pagina della libreria pubblicizza un contesto da 1M per i suoi tag GGUF ma non riporta alcun valore di contesto per i suoi tre tag MLX. Nessuno dei due è un difetto nei pesi. Entrambi sono cose su cui uno script di deployment inciamperà.

Dove questo lascia un lettore

Se sei qui perché volevi sapere come si confronta Nemotron 3.5 Super con GLM-5.5, la risposta è che il secondo modello non esiste ancora e qualsiasi pagina che ti fornisca dei numeri al riguardo se li sta inventando. Ciò che esiste è una fuga di notizie con un conteggio dei parametri, una finestra di lancio mancata e un'affermazione senza alcun banco di prova a supporto.

Se stai scegliendo tra ciò che è effettivamente distribuito, la scelta è tra un flagship Z.ai a consumo che è significativamente più forte sulla capacità generale e solo testo, un livello flash Z.ai a consumo che è straordinariamente economico e accetta immagini, e un checkpoint NVIDIA che puoi possedere, che gestisce testo, immagini e video, e che è indietro sull'unico punteggio misurato in modo indipendente che uno di essi ha. Nemotron 3.5 Super non è su OrcaRouter — instradiamo poco più di duecento modelli e non c'è alcuna voce NVIDIA Nemotron tra loro — quindi se vuoi il checkpoint NVIDIA, i canali del fornitore stesso e il pull locale sono la tua strada.

GLM-5.3 e GLM-5.3-Flash sono sulla nostra chiave, al prezzo di listino del provider trasferito senza alcun ricarico per token, e una variazione di prezzo di Z.ai ricade sulla nostra parte lo stesso giorno, invece che al tuo prossimo rinnovo contrattuale. Questo è l'esperimento a basso costo: esegui il carico di lavoro sul modello che puoi raggiungere oggi, scopri quanto costa per unità di lavoro reale e solo allora decidi se il costo fisso di una scheda che possiedi batte un contatore che noleggi.

E quando GLM-5.5 arriverà davvero — se arriverà — la versione di questa pagina che varrà la pena leggere sarà quella scritta dopo che qualcuno diverso dal laboratorio l'avrà eseguito.