NV-Reason-CT vs Nemotron 3 Ultra: 하나의 로고, 두 가지 릴리스 철학

NVIDIA는 올해 오픈 웨이트 모델 두 개를 출시했지만, 그중 하나에 대해서는 아무에게도 알리지 않았다. Nemotron 3 Ultra는 2026년 6월 4일 Hugging Face에 총 550B, 활성 55B의 플래그십으로 공개되었으며, 기술 보고서, OpenMDW-1.1 라이선스 체계, 그리고 이를 뒷받침하는 전체 오픈 사전 학습 및 사후 학습 데이터셋 공개가 함께했다. NV-Reason-CT는 2026년 9월 8일, 리포지토리, 데모 Space, 그리고 2주 뒤 인용 블록에서 이번 공개를 언급한 arXiv 프리프린트를 갖춘 4.69B 파라미터의 CT 전문 모델로 공개되었다. 두 번째 모델에 대해서는 발표가 없었다. 둘을 비교해 보면, 실제로는 능력을 비교하는 게 아니다 — 550B 범용 플래그십과 4.69B 의료 전문 모델은 겹치는 부분이 없다. 당신은 한 회사가 3개월 간격으로 실행에 옮긴, 모델 공개 방식에 관한 서로 다른 두 이론을 비교하는 것이다.

각 저장소에 실제로 포함된 내용

Nemotron 3 Ultra 릴리스는 완전한 오픈 파이프라인입니다. Hugging Face의 NVFP4 체크포인트는 249,746회 다운로드와 338개의 좋아요를 기록했습니다. BF16 형제 모델, 베이스 체크포인트, 포스트트레이닝 데이터셋도 모두 함께 공개되었습니다. 이 모델은 12개 언어를 지원하는 텍스트 전용 모델이며, 다중 토큰 예측을 갖춘 잠재 전문가 혼합(MoE) Mamba2-Transformer 하이브리드 기반으로 구축되었고, openmdw-1.1 라이선스를 따릅니다. Artificial Analysis는 이를 출시된 NVFP4 정밀도에서 Intelligence Index 47.7, 전체 정밀도에서 48.2로 평가합니다. 해당 리더보드에 따르면 이는 미국 오픈 웨이트 모델 중 가장 높은 수치입니다. Nemotron 교사 모델에 관한 저희의 이전 보도에서는 공급자 가격 중앙값이 입력 토큰 100만 개당 약 $0.60, 출력 토큰 100만 개당 약 $2.60이며, 제3자 측정에서 NVIDIA의 초당 183 출력 토큰 처리량 수치를 기록했습니다.

NV-Reason-CT는 훨씬 더 작고 훨씬 더 폐쇄적인 산출물입니다. BF16 가중치 10.6기가바이트, 10KB model.py, 26KB processor.py, 채팅 템플릿, 그리고 inference.py. 데모 Space 하나. 논문 한 편. 이번 주 기준 다운로드 210회. 데이터셋 공개 없음. 기술 보고서 없음. 단일 볼륨 예시 외에는 서빙 구성이 없습니다.

대비는 규모에 관한 것이 아니다 — 그것은 다운스트림 엔지니어가 아티팩트로 무엇을 할 수 있는지에 관한 것이다. Ultra의 릴리스는 다른 누군가가 학습을 재현할 수 있도록 설계되었다. NV-Reason-CT의 릴리스는 다른 누군가가 추론을 실행할 수 있도록 설계되었다. 그것들은 서로 다른 약속이다.

그중 하나만 NVIDIA 자체 스택으로 구축되어 있습니다.

사람들을 놀라게 하는 세부 사항은 다음과 같으며, 모델 카드의 프런트매터에서 확인할 수 있습니다: NV-Reason-CT의 기본 모델은 Qwen/Qwen3.5-4B이며, Nemotron 체크포인트가 아니라 파인튜닝 관계입니다. NVIDIA는 COLIPRI 가중치로 초기화된 Primus 3D 비전 트랜스포머를 Qwen 언어 모델에 붙여, 지도 미세 조정 후 Group Relative Policy Optimization으로 이 쌍을 종단 간 훈련했습니다.

그것은 비판이 아니며 스캔들도 아닙니다. 그것은 비전-언어 작업의 업계 표준이며, NVIDIA는 이를 저장소 메타데이터에 분명히 밝힙니다. 하지만 그것은 이 맞대결에 관한 가장 자연스러운 단 하나의 가정, 즉 NV-Reason-CT가 Nemotron 파생 모델이라는 가정이 거짓임을 의미합니다. 이 페이지의 두 모델은 로고와 라이선스 계열을 공유할 뿐, 그 외에는 본질적으로 아무것도 공유하지 않습니다. 공유 아키텍처도, 공유 토크나이저도, 공유 학습 데이터도, 공유 서빙 경로도 없습니다.

크기, 어디에서 실행되는지를 결정하는 숫자로

• 매개변수 — NV-Reason-CT 4.69B / 활성 4.35B vs Nemotron 3 Ultra 총 550B / 활성 55B 희소 LatentMoE • 디스크상 체크포인트 — NV-Reason-CT 약 10.6 GB BF16 vs Nemotron 3 Ultra는 BF16 기준 수백 GB, 추가로 NVFP4로도 공개 • 입력 — NV-Reason-CT는 Hounsfield 단위의 3D NIfTI CT, 흉부 또는 복부만, 13,000토큰 볼륨 프리픽스 1개 vs Nemotron 3 Ultra는 텍스트, 최대 1M 토큰에 65K 출력 상한 • 컨텍스트 — NV-Reason-CT는 일반적인 의미에서는 해당 없음 vs Nemotron 3 Ultra 1,000,000 토큰 • 라이선스 — 둘 모두 OpenMDW-1.1 • 하드웨어 — NV-Reason-CT Ampere / Hopper / Lovelace, H100 L40S에서 테스트 vs Nemotron 3 Ultra는 55B 활성으로 멀티 GPU 서빙 • 독립 점수 — NV-Reason-CT 공개됨 vs Nemotron 3 Ultra AA Intelligence Index 47 NVFP4 / 48.2 전체 정밀도

실용적인 기준선은 메모리다. 3D 인코더가 있는 4.69B 모델은 단일 카드에 들어가고, 연구 그룹이라면 그 정도는 정당화할 수 있다. 총 550B에 활성 55B인 모델은 양자화하더라도 제대로 된 서빙 인프라가 필요하다. 둘 다 주말 실험은 아니지만, 그 문제의 차원이 다르다.

평균할 수 없는 두 가지 평가 체제

Ultra의 근거는 일반적인 역량입니다: 40대 후반의 Artificial Analysis Intelligence Index, 추론, 코딩 및 에이전트 작업 전반을 아우르는 벤치마크 커버리지, 그리고 SWE-Bench Verified 71.9, MMLU-Pro 86.8, LiveCodeBench v6 89.0을 포함해 해당 제품군에 대해 벤더가 보고한 수치들 — 마지막 세 가지는 NVIDIA 자체 수치이며 그렇게 표기되어 있습니다.

NV-Reason-CT의 근거는 표 하나다. CT-RATE의 18개 라벨 분류 작업에서 고정된 균일 임계값, 분류 헤드 없는 직접적인 Yes/No 프롬프트를 사용해 Macro-F1 0.614와 Macro-AUROC 0.871을 기록했으며, VoxelFM은 0.581/0.870, Pillar-0은 0.544/0.861, ClinFusion-8B는 0.442, CT-CLIP은 0.398/0.733, Merlin은 0.358/0.662, MedGemma 1.5는 0.303이었다. 다시 NVIDIA의 수치로, 모델 카드에 실려 있으며, 아직 독립적 재현은 없다.

AA Intelligence Index 47.7과 CT-RATE Macro-F1 0.614는 한 가지를 측정한 두 값이 아니다. 그것들은 두 가지를 측정한 값이다. Ultra가 NV-Reason-CT보다 "더 낫다"고 말할 수 있는 방어 가능한 방법은 없으며, 그 이유는 점수 선호가 아니라 두 측정 도구가 전혀 겹치지 않는다는 데 있다. 이 조합에서 유일하게 정직한 비교는 각 모델이 무엇에 대해 인증되었는지, 즉 그것이 자기 일을 한다는 증거가 문자 그대로 무엇인지를 비교하는 것이다.

조용한 출시가 합리적인 선택인 이유

당신이 의료 영상 팀에 있다고 생각해 보세요. 작동하는 3D CT 모델이 있습니다. 영상의학과 의사, 의대생, 연구자들이 그것을 사용하게 하고 싶습니다. 기조연설을 하면 당신에게 무엇을 가져다줄까요?

출시 이벤트는 연구팀이 충족할 수 없는 지원, 로드맵, 장기 지속성에 대한 기대를 부풀린다. 그것은 4.69B 모달리티 고정 모델이 구조적으로 무관한 이유로 인상적이지 않게 보일 벤치마크에서 범용 평가를 불러들인다. 그리고 명시적으로 "전문 임상적 판단을 대체하는 데 사용되어서는 안 된다"라고 밝힌 모델을 라이선스 조건을 읽지 않는 청중 앞에 내세운다. 저장소, 논문, 데모 Space는 세 가지를 모두 읽는 바로 그 청중에게 도달하며, 아티팩트가 자신의 속도로 말하게 한다. 버전 문자열은 "0.1"이다. 카드에는 연구 및 교육용이라고만 적혀 있다. 그것은 구매되는 것이 아니라 인용되도록 설계된 릴리스다.

울트라의 출시는 그 반대이며, 똑같이 합리적이다 — 플래그십에는 유통, 요율표, 생태계 지원이 필요하기 때문에 데이터셋과 보고서가 함께 제공된 것이다.

라우터가 적합한 곳과 그렇지 않은 곳

이 두 모델 중 어느 것도 OrcaRouter에 없으며, 그렇지 않다고 말할 생각도 없습니다. NV-Reason-CT는 직접 호스팅하는 사용자 지정 모델 코드가 포함된 10.6GB 체크포인트이고, Nemotron 3 Ultra는 55B 활성 모델로 NVIDIA 자체 API와 여러 서드파티 플랫폼을 통해 제공됩니다.

두 가지를 함께 다루는 팀에게 라우팅 계층이 해 주는 일은 범위가 더 좁지만 여전히 유용합니다. 대량 처리를 위해 NV-Reason-CT를 사용하고 주변 텍스트에는 범용 모델을 사용하는 임상 연구 파이프라인에는 두 번째 계약 없이 그 범용 모델을 교체할 수 있는 곳이 필요하며, 200개 이상의 모델을 지원하는 하나의 OpenAI 호환 엔드포인트와 제공자 간 자동 장애 조치가 바로 그곳입니다. 이는 자체 호스팅 전문 모델과 호스팅된 범용 모델을 두 개의 통합이 아니라 하나의 키 아래에 유지해 줍니다.

페어링에서 얻을 수 있는 것

경쟁 모델로 읽으면, 이 두 모델은 범주 오류다. 사례 연구로 읽으면, 이들은 유난히 명확하다. 같은 벤더, 같은 라이선스 계열, 같은 해 — 그리고 완전히 다른 두 다운스트림 의도에 맞춰 선택된 두 가지 릴리스 전략. 하나는 생태계가 딸린 인프라다. 다른 하나는 가중치가 딸린 논문으로, 특정한 소규모 사용자층이 그것을 실행하고 인용할 수 있도록 공개된 것이다.

일반적인 오픈 웨이트 모델을 찾고 있다면 NV-Reason-CT는 후보가 아니며, 애초에 그럴 의도로 만든 것도 아니었습니다. 흉부 및 복부 CT 볼륨을 프로그래밍 방식으로 판독한다면 Nemotron 3 Ultra는 도움이 될 수 없으며, 애초에 그럴 의도로 만든 것도 아니었습니다. 둘 사이의 유일한 실제 겹침은 로고뿐이고, 유일한 진짜 교훈은 NVIDIA가 대상 사용자층이 작고 기술적이어서 저장소를 도움 없이 스스로 찾아낼 만할 때는 조용히 출시할 의향이 있다는 것입니다.