Nemotron 3.5 Bolt 74B vs DeepSeek V4 Pro: 둘 다 오픈, 하나는 24GB에 들어간다

N​VIDIA's N​emotron 3.5 Bolt 74B-A9B 24GB and DeepSeek V4 Pro are on the same side of the open-versus-closed line and nowhere near each other on the hardware line. Both publish weights you can download, both permit commercial use, and both can be served without asking anyone's permission. One of them is 74 billion parameters with 9 billion active, quantised to fit in 24 gigabytes so it runs on a laptop-class machine next to your other applications. The other is 1.6 trillion parameters with 49 billion active, and the phrase "deployment footprint" does not mean what it means for the first one.

그 차이는 지수 점수보다 더 중대하며, 지수 점수는 이미 15점 차이다. 아래는 팀이 실제로 수행해야 하는 비교다. 추상적으로 어느 모델이 더 나은가가 아니라, 이 두 오픈웨이트 제품 중 어느 것을 실제로 운영할 수 있는지, 어떤 품질로, 얼마의 비용으로 운영할 수 있는지다.

아주 다른 두 가지 '오픈'의 형태

Worth stating plainly before any of it, though, because the two open-weight halves did not arrive the same way. D​eepSeek published V4 Pro as a product, with a card and a rate card. N​VIDIA has not announced N​emotron 3.5 Bolt 74B-A9B 24GB at all. The files simply appeared: the 24GB quantised repository on 7 October 2026, its GGUF conversion hours later, a BF16 checkpoint on 9 October, the LiLiCorr speculative drafter on 12 October. Sixteen days of silence on N​VIDIA's own channels is the state of things, so the verifiable half of this comparison is what a repository can prove — licence, parameter counts, file formats, the serving recipe on the card — and the unconfirmed half is everything a launch post would have carried. The throughput and agentic figures below are N​VIDIA's own and are marked as such, because there is no third party except one index to check them against.

라이선스와 체크포인트부터 시작하세요. 오픈 웨이트 결정이 실제로 내려지는 곳이 바로 거기이기 때문입니다.

• Licence — N​emotron 3.5 Bolt 74B-A9B 24GB: OpenMDW-1.1, a permissive model-weights licence with an explicit commercial-use carve-in; N​VIDIA's card states the model is ready for commercial or non-commercial use. DeepSeek V4 Pro: MIT, which is about as unrestricted as a weights licence gets.

• What is actually publishable — N​emotron 3.5 Bolt 74B-A9B 24GB: the 24GB IQ2 build, a BF16 checkpoint before quantisation, GGUF builds for llama.cpp, and a separate LiLiCorr speculative drafter. DeepSeek V4 Pro: the full-weight checkpoint and its derivatives.

• Where the checkpoint came from — N​emotron 3.5 Bolt 74B-A9B 24GB: compressed from N​VIDIA's N​emotron 3.5 Super VL 120B-A12B parent using Star Elastic, a router-guided architecture search, then quantised with quantisation-aware distillation. It is a distilled child, not a from-scratch model, and N​VIDIA's own research page argues explicitly that compressing a large model into a fixed budget beats training a small one from scratch. DeepSeek V4 Pro: a natively trained frontier-scale mixture-of-experts.

그 세 번째 항목이 당신이 읽게 될 대부분의 평가를 좌우하는 항목입니다. 이 둘 사이의 모든 벤치마크 비교는 공격적인 압축이라는 설계 철학과 규모라는 설계 철학 사이의 비교이며, 그 둘은 같은 워크로드에서 수렴하지 않습니다.

각각이 측정하는 지점

Artificial Analysis는 둘 모두를 자사 인덱스의 동일한 현재 리비전에서 실행했으며, 이는 이런 문장이 애초에 쓰일 수 있는 유일한 이유다.

• Intelligence Index — N​emotron 3.5 Bolt 74B-A9B 24GB 21, fourth of 67 models in its open-weight size class. DeepSeek V4 Pro 36, ninth of 116, measured on the 0813 build in the max configuration.

• Cost per Intelligence Index task — N​emotron 3.5 Bolt 74B-A9B 24GB: not applicable, because the panel records no public API for it and there is no metered price to divide by. DeepSeek V4 Pro: 0.67 dollars measured on the panel's own weighted basis.

• Output speed — N​emotron 3.5 Bolt 74B-A9B 24GB: N​VIDIA reports 83.99 tokens per second on AIPerf SPEED-Bench-Coding with its drafter, on a Surface Laptop Ultra. DeepSeek V4 Pro: 96.3 tokens per second measured by Artificial Analysis against the hosted API. The two are not the same measurement and should not be subtracted from each other; what they establish is that both are fast enough that speed is not your constraint.

• Verbosity — N​emotron 3.5 Bolt 74B-A9B 24GB generated 230 million tokens during the panel's index run, against a median of 100 million for its class — the panel's own note calls it very verbose. DeepSeek V4 Pro generated 160 million against a median of 130 million. On a metered API that difference is a line item; on a local box it is electricity and wall-clock.

The 15-point index gap is real and is not closed by the fact that the smaller model is cheaper to run. What closes it, in the workloads where it closes at all, is the vendor's own benchmark set — and that set is worth reading with the right suspicion. N​VIDIA's card puts the Bolt model at Terminal-Bench 2.1 of 50.98 and BrowseComp of 66.75, ahead of every comparator column printed beside it. Those are N​VIDIA's numbers on N​VIDIA's card, and D​eepSeek is not one of the columns.

배포 다이어그램이 실제 결정이다

This is where DeepSeek V4 Pro and N​emotron 3.5 Bolt 74B-A9B 24GB stop being substitutes for one another.

• Room to run. A 1.6-trillion-parameter model at 49 billion active needs a serving cluster. Even heavily quantised, the checkpoint alone is an order of magnitude past what a single workstation can hold, and the active-parameter count means every token touches a substantial slice of memory bandwidth regardless of the quantisation scheme. The Bolt model was designed against a stated ceiling — N​VIDIA's architecture search targets a footprint below 24GB at batch size one and 128K context — and the search is run with the downstream quantisation already accounted for.

• Minimum viable serving stack. N​emotron 3.5 Bolt 74B-A9B 24GB wants a specific vLLM nightly with the v2 model runner enabled, a downloaded reasoning-parser plugin, b12x kernels, and explicit MoE, Mamba and attention backend flags; llama.cpp covers the GGUF path. DeepSeek V4 Pro is served by the usual inference stacks at distributed scale, which is a different kind of project with a different kind of on-call rotation.

• 입력. Bolt 모델은 텍스트, 이미지, 영상을 입력으로 받으며, 레퍼런스 레시피가 비디오 프레임 수에 상한을 두고 프루닝 비율을 적용한다. DeepSeek V4 Pro가 공개한 모달리티 목록은 텍스트 입력, 텍스트 출력이다 — 전문가 혼합(MoE) 규모는 인식이 아니라 추론에 쓰인다.

• Context. 262,144 tokens for the Bolt model against roughly a million for DeepSeek V4 Pro. If your workload is a repository, a contract set or a long agent transcript, that is a real four-times difference and it is in D​eepSeek's favour.

Put plainly: if you have a datacenter and a workload that needs frontier reasoning, DeepSeek V4 Pro is the better model and the index says so. If you have a laptop, a Spark box or a workstation, and the requirement is that the model runs locally alongside everything else, N​emotron 3.5 Bolt 74B-A9B 24GB is not a compromise on that requirement — it is the only one of the two that meets it.

디스크 외에 더 작은 모델이 가져다주는 것

지수 점수에는 나타나지 않고 배포 검토에서는 나타나는 세 가지

• It runs with the network cable out. A 24GB checkpoint on local storage has no availability dependency, no rate limit and no provider incident. For an agent that runs on a machine you own, that is the whole design goal and the reason N​VIDIA compressed a 120B parent instead of shipping something at full precision.

• Speculation is cheap and safe here. The LiLiCorr drafter adds under a gigabyte on disk and N​VIDIA reports mean acceptance lengths of 4.68 greedy and 4.25 probabilistic at seven drafted tokens and concurrency 64. Because the target verifies every draft, a bad guess costs speed rather than accuracy — the output distribution is preserved. That property is what makes shipping a speculative path reasonable on a local box, and it is documented on the model card.

• 전체 스택을 검사할 수 있습니다. 가중치, 양자화 설정, 드래프터, 서빙 레시피, 기술 보고서가 모두 공개되어 있습니다. 모델이 오작동할 때는 티켓을 제출하는 대신 설정을 직접 읽어볼 수 있습니다.

두 가지 선택지의 비용을 솔직하게 산정하기

가격 비교는 대칭적이지 않으며, 그것이 대칭적이라고 가정하는 것이 이 페이지에서 저지르기 가장 쉬운 실수일 것이다.

• N​emotron 3.5 Bolt 74B-A9B 24GB has no per-token price because it has no metered endpoint. Its cost is hardware you buy or already own, plus power, plus the engineering hours to stand up the serving recipe. Once that is paid, marginal cost per token is close to zero and stays there.

• DeepSeek V4 Pro is metered. On OrcaRouter it is routed at D​eepSeek's published list, 0.66 dollars per million input tokens and 1.98 dollars per million output tokens, with no markup added on top — so a vendor price move is live on our side the same day. For a workload in the millions of tokens a day, that is a budget line, not a rounding error.

• 손익분기점은 토큰 수가 아니라 활용 프로필입니다. 유휴 상태로 있는 로컬 모델은 순전히 자본 지출입니다. 일주일에 한 번 요청을 처리하는 호스팅 모델은 거의 무료입니다. 교차점은 과금 대상이 될 토큰이 장비의 상각 비용을 초과할 때 발생하며, 당신의 트래픽에서 그 지점이 어디인지 알 수 있는 유일한 방법은 일주일 치를 측정하는 것입니다.

시도하는 데 거의 비용이 들지 않는 세 번째 옵션도 있는데, 그것은 바로 OrcaRouter가 DeepSeek V4 Pro를 하나의 키로 200개 이상의 다른 모델과 함께 라우팅하며, 공급자 전반에 걸친 자동 페일오버를 제공한다는 것입니다. 24GB 로컬 빌드에 워크스테이션을 투입하기 전에, 해당 빌드의 출력을 자체 프롬프트 세트에서 종량제 프런티어 모델과 비교하는 데는 몇 달러가 들고, 인덱스 표의 힘에 기대는 대신 품질 문제를 경험적으로 판가름합니다.

아무도 후회하지 않는 이 결정의 버전

Run both, in the pattern each is good at. DeepSeek V4 Pro for the requests where reasoning depth or a million-token context is the point, and where the metered cost is visible and acceptable. N​emotron 3.5 Bolt 74B-A9B 24GB for the high-volume, private, multimodal or offline traffic, where the model being local is the requirement rather than a cost optimisation.

사람들이 계속 하려는 비교 — 한 지수 숫자를 다른 숫자와 맞세우는 것 — 은 여기서 가장 쓸모없는 틀입니다. 두 제품은 경쟁하도록 만들어진 것이 아니기 때문입니다. 하나는 점유 공간 제약 없이 가능한 한 뛰어나도록 만들어졌습니다. 다른 하나는 24기가바이트 안에서 가능한 한 뛰어나도록 만들어졌습니다. 둘 다 개방형이고, 둘 다 정당하며, 바로 그래서 선택은 공급업체가 대신 결정하는 것이 아니라 여러분이 하는 것입니다.

이런 식의 비교는 실패 모드가 드러나는 지점이기도 합니다. 이 등급에 속하는 모델들의 이면에 있는, 문서로 기록된 AI 사고와 에이전트 실패 사례는 the OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 출처, 심각도, 신뢰도 등급, 이의 제기 플래그가 함께 제공됩니다.