Nemotron 3.5 Bolt vs Qwen 3.8 Max: 이 두 모델 모두 동영상을 시청합니다

놀라운 부분이 두 모델이 공유하는 역량인 모델 조합은 많지 않습니다. NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB와 Qwen 3.8 Max 모두 비디오를 입력으로 받아들이고, 둘 다 텍스트를 반환합니다. 2026년 8월 3일 Alibaba가 공개한 Qwen 3.8 Max는 1,000,000토큰 컨텍스트를 갖춘 호스팅 멀티모달 모델로, 다섯 개 리전에서 OpenAI 호환, Anthropic 호환 및 네이티브 DashScope 인터페이스를 통해 제공되며, 가격은 입력 토큰 백만 개당 $2.00, 출력 토큰 백만 개당 $6.00이고 캐시된 읽기는 $0.25입니다. 2026년 10월 15일 NVIDIA가 출시한 Nemotron 3.5 Bolt는 C-RADIO v4-H 비전 인코더를 갖춘 24GB 오픈 웨이트 파일이며, 262,144토큰 윈도우를 지원하고 가격은 전혀 없습니다.

화면 녹화를 둘 다 넘겨받을 수 있는 두 모델, 둘을 구분하는 것은 오직 어디에서 실행되는지와 그 비용뿐이다. 이는 대부분의 일대일 비교보다 더 깔끔한 비교이며, 어느 쪽이 더 똑똑한지 묻는 것을 그만두면 금방 결론이 난다.

두 개의 멀티모달 스택, 하나의 메모리 엔벨로프

Bolt의 멀티모달성은 Bolt를 위해 설계된 것이 아니라 물려받은 것이다. NVIDIA는 자사의 120B-A12B Nemotron 3.5 Super VL 모델을 Star Elastic이라고 부르는 라우터 기반 검색으로 74B-A9B까지 압축한 뒤, 그 결과를 양자화 인식 증류를 사용해 IQ2_XXS 형식의 전문가 가중치당 2.0625비트로 만들었다. 비전 타워 — C-RADIO v4-H 인코더 — 는 압축과 함께 포함되었고, 추론 모드 스위치는 Super VL 클라이언트가 노출하는 것과 동일하다: 채팅 템플릿의 enable_thinking 플래그다. 전체 파라미터는 74B, 토큰당 활성 파라미터는 9B, 백본은 벤더가 LatentMoE라고 부르는 Mamba-2와 Transformer 하이브리드이며, 라이선스는 상업적 및 비상업적 사용을 위한 OpenMDW-1.1이다.

Qwen 3.8 Max는 다른 종류의 아티팩트입니다. 이는 Alibaba의 최고 성능 등급이며, 네이티브 멀티모달이고, 엔드포인트로만 존재합니다. 다운로드할 체크포인트도, 워크스테이션에서 실행할 양자화 빌드도, 한계 비용이 전기 요금인 버전도 없습니다. 대신 그것이 가진 것은 도달 범위입니다. 세 가지 와이어 포맷을 지원하므로 기존 Anthropic SDK나 DashScope 통합이 재작성 없이 작동하고, 아시아, 유럽, 북미에 걸친 5개 서비스 리전은 지연 시간 문제를 엔지니어링 문제만큼이나 지리적 문제로 만듭니다.

실질적인 결과는 Bolt의 멀티모달 동작이 KV 캐시, 대화 기록, 도구 결과를 담는 동일한 24GB에 의해 제한된다는 것입니다. Qwen 3.8 Max의 경우에는 엔드포인트가 제공하는 만큼으로 제한되며, 이는 당신의 문제가 아닙니다.

지불하는 금액과 지불 대상

Qwen 3.8 Max는 종량제이며, 그 성능에 비해 요금이 낮습니다. 20,000토큰 프롬프트와 3,000토큰 답변 기준으로 입력 $0.04, 출력 $0.18로 호출당 약 $0.22이며, 백만 토큰당 $0.25의 캐시 읽기는 안정적인 시스템 프롬프트나 반복되는 문서가 두 번째 처리에서 거의 무료라는 뜻입니다. 저희 카탈로그에서 이 모델의 첫 토큰까지 걸리는 시간은 p50이 3.22초, p95가 10.00초이며, 지난 7일 동안 라우팅된 트래픽 4,130만 토큰을 처리했습니다.

Nemotron 3.5 Bolt에는 요금표가 없습니다. 계량할 대상이 전혀 없기 때문입니다. 호스팅 엔드포인트도, 벤더 API도, 우리가 안내해 드릴 수 있는 이를 서비스하는 서드파티 플랫폼도 없습니다. Artificial Analysis가 속도와 Intelligence Index 작업당 비용을 모두 N/A로 표시하는 이유가 바로 그것입니다. 직접 실행한다면 비용은 GPU, 전력 소모, 상각 기간이며, 다음 백만 토큰의 한계 가격은 0입니다. 매일 같은 코퍼스를 읽는 야간 작업의 경우, 이는 할인이 아니라 다른 회계 모델이며, 손익분기점은 전적으로 얼마나 자주 실행하느냐에 달려 있습니다.

창문, 그리고 그것을 사용할 수 있는 능력

컨텍스트는 이 둘이 서류상으로는 가장 가까워 보이지만 실제로는 가장 빠르게 갈라지는 축이다.

• 선언된 윈도우 — Qwen 3.8 Max 1,000,000 토큰 대 Nemotron 3.5 Bolt 262,144. 대략 4대 1이며, 이 비율이 전체 코드베이스나 전체 아카이브 작업이 단일 요청으로 가능하기나 한지를 좌우합니다.

• 윈도 내 재현율 — Artificial Analysis는 Qwen 3.8 Max의 장문맥 재현율 수치를 80.3으로 기록하고 있습니다. Bolt에는 이에 상응하는 독립적인 수치가 없고, 애초에 윈도 자체도 더 작기 때문에, 이는 측정된 역량과 측정되지 않은 역량을 비교하는 셈이 됩니다.

• 같은 공간을 또 무엇이 공유하는가 — Bolt의 262,144 토큰은 가중치, 비디오 프레임, KV 캐시와 동일한 24GB 안에 들어 있다. 긴 비디오 프롬프트와 긴 대화는 같은 메모리를 놓고 경쟁한다. Qwen 3.8 Max의 윈도는 운영자가 프로비저닝하므로, 제약은 하드웨어가 아니라 가격이다.

• 추론 제어 — Qwen 3.8 Max는 enable_thinking 토글 또는 Responses API의 reasoning.effort를 노출합니다. Bolt의 동등 기능은 Super VL 클라이언트에서 물려받은, 같은 계열의 플래그에 속하는 채팅 템플릿 스위치입니다. 어느 쪽도 이례적이지 않으며, 둘 다 일상적인 호출에서 숙고 비용을 지불하지 않도록 해줍니다.

측정된 것 대 측정되지 않은 것

Artificial Analysis는 Qwen 3.8 Max에 자사 Intelligence Index에서 45.4점을 부여했으며, 이는 측정된 145개 모델 중 15위입니다 — 정상에 있지는 않지만 상위 10% 안에 듭니다. 이를 뒷받침하는 세부 지표들은 에이전트형 워크로드가 필요로 하는 부분에서 강력합니다: AA Coding Index는 76.2로 138개 중 9위, Terminal-Bench 2.1에서는 88.8, GPQA Diamond에서는 92.8입니다. 비교적 약한 부분은 80.3의 장문맥 회상 능력으로, 백만 토큰 모델로서는 탁월하다기보다는 준수한 수준입니다.

Bolt의 수치는 범위가 더 좁다. 같은 지수에서 21점을 기록했고, 자체 풋프린트로 필터링된 클래스에서 클래스 중앙값 8과 비교해 67개 중 4위를 차지했으며, Artificial Analysis는 이를 비슷한 규모의 선도적인 오픈웨이트 모델 중 하나로 설명한다. 측정된 속도와 비용은 비어 있다. 나머지 모든 것 — Terminal-Bench 2.1 점수 50.98, GPQA Diamond 86.43, BrowseComp 66.75, WebArena vision 50.86, SciCode 41.02 — 은 NVIDIA 자체 모델 카드에서 나온 것이며, 여기서 모든 베이스라인은 크기가 3분의 1에 불과한 다른 모델이다. 그 행들은 부정직한 것이 아니다. 그것들은 프런티어 역량이 아니라 효율성에 관한 질문에 답하는 것이며, 이를 호스팅된 플래그십과의 대결로 읽는 것은 이 문서를 잘못 읽는 것이다.

속도 격차에도 똑같은 주의가 필요합니다. Artificial Analysis는 Bolt의 처리량을 측정할 수 없는데, 호출할 대상이 없기 때문입니다. NVIDIA는 디코딩 속도 최소 초당 80토큰이라는 설계 목표를 보고하며, RTX Spark의 AIPerf SPEED-Bench에서는 84, 128GB Surface Laptop Ultra에서 llama.cpp 실행 시 83.99를 기록했다고 하지만, 모두 재현되지 않았습니다. Qwen 3.8 Max의 첫 토큰까지 3.22초는 측정되어 공개된 수치입니다. 측정된 수치를 기준으로 계획하고, 나머지는 목표로 여기십시오.

여기서 대칭적이지 않은 라우팅 문제

Qwen 3.8 Max는 qwen/qwen3.8-max로 우리 카탈로그에 등록되어 있으며, Alibaba의 제공업체 정가에 0% 마크업을 더한 가격으로 라우팅됩니다 — 백만 토큰당 $2.00 및 $6.00으로, 우리 페이지와 공급업체 페이지에 동일한 숫자가 표시되므로, 공급업체 측 요금 변경이 계약 갱신 시점이 아니라 같은 날 우리 사용자에게 반영됩니다. 200개 이상의 다른 모델과 동일한 키 뒤에 있습니다, 하나가 저하될 때 업스트림 제공업체 전반에 걸친 자동 장애 조치와 여러 모델을 단일 요청으로 구성하기 위한 라우팅 DSL을 갖추고 있습니다.

Nemotron 3.5 Bolt는 우리 카탈로그에 없으며, 우리가 그것을 제공하지도 않습니다. Bolt 엔드포인트도 없고, 요청을 보낼 식별자도 없으며, 이 글 어디에도 NVIDIA의 체크포인트를 호스팅하겠다는 제안은 없습니다. 여기서 라우팅 조언의 솔직한 형태는 선택이라기보다 분할입니다. 호스팅된 멀티모달 모델은 긴 윈도우 요청, 24GB의 공유 메모리에는 너무 큰 비디오 코퍼스, 그리고 어디서든 호출 가능해야 하는 모든 것을 처리합니다. 로컬 파일은 데이터가 건물 밖으로 나가서는 안 되고 볼륨 때문에 토큰당 과금이 부담스러워지는 고빈도 패스를 처리합니다. 모델 퓨전은 비싼 호출이 중대한 결과로 이어지는 경우 알아둘 가치가 있는 변형입니다 — 여러 모델로 구성된 패널이 같은 프롬프트에 함께 답하고 일치된 부분을 취하는 방식으로, 이는 쉽게 되돌릴 수 없는 결정에 확신을 저렴하게 사는 방법입니다.

이건 어떻게 해결되는지

겹치는 지점은 비디오이며, 바로 이것이 이 둘을 굳이 비교할 가치가 있게 만드는 이유다 — 이 정도 규모의 로컬 모델 대부분은 시각을 전혀 처리하지 못하고, 호스티드 모델 대부분은 보여주려던 것이 사라지는 프레임 추출 단계 없이는 화면 녹화를 건넬 수 없다.

그 겹치는 부분을 지나면, 둘은 모든 축에서 갈라진다. Qwen 3.8 Max는 넓은 윈도, 측정된 지연 시간, 더 풍부한 입력 세트, 그리고 큰 차이로 독립적으로 채점된 지능에서 승리한다. Nemotron 3.5 Bolt는 호스팅 모델이 도전할 수 없는 유일한 축에서 승리한다: 네트워크가 있든 없든, 한계 비용 제로로, 당신의 데이터가 이미 있는 곳에서 실행된다.

결정은 대개 선호의 문제가 아니다. 영상이 건물 밖으로 나가지 않는다면 호스팅 옵션은 애초에 선택 가능하지 않았고, 비교는 단일 후보로 접힌다. 코퍼스가 백만 토큰의 텍스트라면 같은 이유로, 방향만 반대로 로컬 옵션은 애초에 선택 가능하지 않았다. 진짜로 팽팽한 경우 — 적당한 양, 합법적으로 이동할 수 있는 데이터, 대부분 짧은 도구 호출에 가끔 긴 읽기가 섞인 작업 — 에서 승부를 가르는 것은 이 비교에서 빠져 있는 단 하나의 숫자다. 바로 24GB 체크포인트가 당신의 하드웨어에서 실제로 얼마나 빠르게 실행되는지이며, 이는 아직 NVIDIA 밖의 누구도 측정하지 못했다.