Nemotron 3.5 Bolt vs Qwen 3.8 Max：これらのモデルはどちらも動画を視聴する

驚くべき点が両者に共通する能力だというモデルの組み合わせは、そう多くない。NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GBとQwen 3.8 Maxはどちらも動画を入力として受け付け、どちらもテキストを返す。Qwen 3.8 Maxは、アリババが2026年8月3日に公開したホスト型マルチモーダルモデルで、コンテキストは1,000,000トークン、5つのリージョンからOpenAI互換、Anthropic互換、およびネイティブのDashScopeインターフェース経由で提供され、価格は入力100万トークンあたり$2.00、出力100万トークンあたり$6.00、キャッシュ読み取りは$0.25。Nemotron 3.5 Boltは、NVIDIAが2026年10月15日にリリースした24GBのオープンウェイトファイルで、C-RADIO v4-Hビジョンエンコーダと262,144トークンのウィンドウを備え、価格はまったく設定されていない。

画面録画をどちらにも渡せる2つのモデル。両者を分けるのは、どこで動くかと、それにいくらかかるかだけだ。これは、ほとんどの直接対決では得られないほどすっきりした比較であり、どちらがより賢いかを問うのをやめれば、すぐに決着がつく。

2つのマルチモーダルスタック、1つのメモリエンベロープ

Bolt のマルチモーダル性は、それ向けに作り込まれたものではなく継承されたものだ。NVIDIA は 120B-A12B の Nemotron 3.5 Super VL モデルを、Star Elastic と呼ぶルーター誘導型探索によって 74B-A9B まで圧縮し、その結果を量子化認識蒸留を用いて IQ2_XXS 形式でエキスパート重みあたり 2.0625 ビットにした。ビジョンタワー — C-RADIO v4-H エンコーダー — は圧縮とともに引き継がれ、推論モードの切り替えは Super VL クライアントが公開しているものと同じ、チャットテンプレート内の enable_thinking フラグだ。総パラメータ数 74B、トークンあたりのアクティブ 9B、バックボーンはベンダーが LatentMoE と呼ぶ Mamba-2 と Transformer のハイブリッド、ライセンスは商用・非商用利用向けの OpenMDW-1.1。

Qwen 3.8 Maxは、ひと味違う種類の成果物だ。Alibabaの最高性能層であり、ネイティブにマルチモーダルで、エンドポイントとしてのみ存在する。ダウンロードできるチェックポイントはなく、ワークステーションで実行できる量子化ビルドもなく、限界費用が電気代で済むバージョンも存在しない。その代わりに持っているのはリーチだ。3つのワイヤフォーマットにより、既存のAnthropic SDKやDashScope統合が書き換えなしで機能し、アジア、ヨーロッパ、北アメリカにまたがる5つの提供リージョンが、レイテンシーの問題をエンジニアリングの問題であると同時に地理の問題にする。

実用上の帰結は、Bolt のマルチモーダルな振る舞いが、KV キャッシュ、会話履歴、ツール結果を保持するのと同じ 24GB によって制約されるということだ。Qwen 3.8 Max のそれは、エンドポイントが提供するものによって制約され、それはあなたの問題ではない。

何を、誰に支払うのか

Qwen 3.8 Maxは従量課金制で、その性能を考えれば料金は低い。20,000トークンのプロンプトと3,000トークンの回答で、入力が$0.04、出力が$0.18、1回の呼び出しあたり約$0.22です。また、100万トークンあたり$0.25のキャッシュ読み取りにより、安定したシステムプロンプトや繰り返しのドキュメントは2回目のパスではほぼ無料になります。当社のカタログにおける最初のトークンまでのp50時間は3.22秒、p95は10.00秒で、過去7日間で4130万トークンのルーティングトラフィックを処理しました。

Nemotron 3.5 Bolt には料金表がありません。計量すべきものが何もないからです。ホスト型エンドポイントも、ベンダー API も、当社が案内できる形でそれを提供しているサードパーティ製プラットフォームも存在しません。Artificial Analysis がその速度と Intelligence Index タスクあたりのコストの両方を N/A と記載しているのは、まさにそのためです。もしあなたがそれを実行するなら、コストは GPU、消費電力、そして償却期間であり、次の100万トークンの限界価格はゼロです。毎日同じコーパスを読む夜間ジョブにとって、それは割引ではなく、別の会計モデルであり、損益分岐点はそれをどれだけ頻繁に実行するかに完全に左右されます。

ウィンドウ、そしてそれを利用する能力

コンテキストは、この二つが紙の上では最も近く見え、実際には最も早く分かれる軸だ。

• 公称ウィンドウ — Qwen 3.8 Max の 1,000,000 トークンに対し、Nemotron 3.5 Bolt は 262,144。およそ 4 対 1 であり、この比率が、コードベース全体やアーカイブ全体のタスクが 1 回のリクエストでそもそも可能かどうかを決める。

• ウィンドウ内でのリコール — Artificial Analysis は Qwen 3.8 Max について長文脈リコール値 80.3 を記録している。Bolt には同等の独立した数値が存在せず、そもそもウィンドウもより小さいため、これは測定済みの能力と未測定の能力の比較ということになる。

• ほかに何がその空間を共有しているのか — Boltの262,144トークンは、重み、動画フレーム、KVキャッシュと同じ24GBの中に存在する。長い動画プロンプトと長い会話が同じメモリを奪い合う。Qwen 3.8 Maxのウィンドウは運営者によってプロビジョニングされるため、制約となるのはハードウェアではなく価格である。

• 推論制御 — Qwen 3.8 Max は enable_thinking トグル、または Responses API 上の reasoning.effort を公開しています。Bolt の同等機能は、同じフラグファミリーのチャットテンプレートスイッチで、Super VL クライアントから継承されています。どちらも珍しくありません。どちらも定型的な呼び出しで熟考にコストを払い続けるのをやめられます。

測定されたもの 対 未測定のもの

Artificial AnalysisはQwen 3.8 Maxに、そのIntelligence Indexで45.4点を付けている。これは測定された145モデル中15位で、首位ではないものの上位10パーセント以内に入る。エージェント的ワークロードで求められる領域では、それを支える指標群も強い。AA Coding Indexは138モデル中9位の76.2、Terminal-Bench 2.1では88.8、GPQA Diamondでは92.8だ。相対的な弱点は、その長文脈リコールが80.3である点で、100万トークンモデルとしては並外れているというより、まずまず堅実な水準だ。

Boltの数値は対象範囲がより狭い。同じインデックスで21を記録し、フットプリントで絞り込んだクラスでは67モデル中4位で、クラス中央値は8であり、Artificial Analysisは同程度の規模の主要なオープンウェイトモデルの一つと評している。測定された速度とコストは空白だ。それ以外——Terminal-Bench 2.1のスコア50.98、GPQA Diamond 86.43、BrowseComp 66.75、WebArena vision 50.86、SciCode 41.02——はNVIDIA自身のモデルカードに由来し、そこではすべてのベースラインが3分の1の規模の別モデルである。これらの行は不誠実ではない。それらはフロンティア能力ではなく効率に関する問いに答えており、ホスト型のフラッグシップとの競争として読むのは文書の誤読である。

速度差にも同じ注意を払うべきだ。Artificial AnalysisはBoltのスループットを測定できない。呼び出す対象が何もないからだ。NVIDIAは、デコードで少なくとも毎秒80トークンという設計目標を報告しており、RTX Spark上のAIPerf SPEED-Benchでは84、128GBのSurface Laptop Ultraでのllama.cpp実行では83.99だが、そのいずれも再現されていない。Qwen 3.8 Maxの最初のトークンまでの3.22秒は測定済みで公開されている。測定された数値を基準に計画し、もう一方は願望として扱え。

ここでは対称的ではないルーティングの問い

Qwen 3.8 Max は qwen/qwen3.8-max として当社のカタログに掲載されており、Alibaba のプロバイダー定価に 0% のマークアップを上乗せした価格でルーティングされています — 100万トークンあたり $2.00 と $6.00 で、当社のページにある数字はベンダーのものと同じです。つまり、ベンダー側の料金変更は契約更新時ではなく、当日にユーザーへ反映されます。 200 以上の他のモデルと同じキーで利用できます、いずれかの上流プロバイダーが劣化した際のプロバイダー間自動フェイルオーバー、および複数のモデルを単一のリクエストにまとめるためのルーティング DSL を備えています。

Nemotron 3.5 Bolt は当社のカタログにはなく、当社が提供しているものでもありません。Bolt エンドポイントは存在せず、リクエストを送る先の識別子もなく、本記事中のいかなる記述も NVIDIA のチェックポイントをホストする提案ではありません。ここでのルーティングに関する助言の正直な形は、選択というより分割です。ホスト型マルチモーダルモデルは、長いウィンドウのリクエスト、24GB の共有メモリには大きすぎる動画コーパス、どこからでも呼び出せる必要があるものすべてを処理します。ローカルファイルは、データが建物の外に出るべきでなく、量がトークン単位の課金を痛くする高頻度のパスを処理します。モデルフュージョンは、高コストな呼び出しが結果を左右するものである場合に知っておく価値のあるバリアントです。モデルのパネルが同じプロンプトに一緒に回答し、一致した答えを採用するもので、簡単には覆せない決定に対して自信を安価に買う方法です。

これがどのように解決されるか

重なる部分は動画であり、まさにこれこそがこの2つを比較する価値がある理由だ。この規模のローカルモデルのほとんどは動画をそもそも見ることすらできず、ホスト型モデルのほとんどは、見せようとしていたものを失うフレーム抽出のステップなしには画面収録を渡すことができない。

その重複を超えると、両者はあらゆる軸で分かれる。Qwen 3.8 Max は、広いウィンドウ、実測レイテンシ、より豊富な入力セット、そして大差で、独立にスコアリングされた知能を制する。Nemotron 3.5 Bolt は、ホスト型モデルが太刀打ちできない唯一の軸を制する。つまり、ネットワークの有無にかかわらず、あなたのデータがすでにある場所で動作し、限界コストはゼロだ。

その判断は通常、好みの問題ではない。もしその動画が建物の外に一切出ないなら、ホスト型という選択肢はそもそも存在せず、比較は単一の候補に収束する。もしコーパスが100万トークンのテキストなら、同じ理由が裏返しで働き、ローカルという選択肢はそもそも存在しなかったことになる。本当に僅差となる場合——中程度のデータ量、法的に移動可能なデータ、大半が短いツール呼び出しで時折長い読み取りを伴う作業——において、決め手となるのはこの比較から欠けているただ一つの数値だ。すなわち、24GBのチェックポイントがあなたのハードウェア上で実際にどれだけ速く動くかであり、これはNVIDIAの外部ではまだ誰も測定していない。