Nemotron 3.5 Bolt 74B vs DeepSeek V4 Pro: Beide open, één past in 24GB

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.

Dat verschil weegt zwaarder dan de indexscores, en die indexscores liggen al 15 punten uit elkaar. Hieronder staat de vergelijking die een team daadwerkelijk moet maken: niet welk model in abstracto beter is, maar welk van deze twee open-weightproducten je daadwerkelijk kunt draaien, met welke kwaliteit en voor hoeveel geld.

Twee heel verschillende vormen van "open"

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.

Begin met de licentie en de checkpoint, want dat is waar een open-weightbeslissing echt wordt genomen.

• 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.

Die derde bullet is degene die de meeste evaluaties die je zult lezen bepaalt. Elke benchmarkvergelijking tussen deze twee is een vergelijking tussen een ontwerpfilosofie van agressieve compressie en een ontwerpfilosofie van schaal, en die twee convergeren niet op dezelfde workloads.

Wat elk ervan meet bij

Artificial Analysis heeft beide uitgevoerd, op dezelfde huidige revisie van zijn index, wat de enige reden is dat een zin als deze überhaupt geschreven kan worden.

• 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.

Het deploymentdiagram is de daadwerkelijke beslissing

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.

• Invoer. Het Bolt-model accepteert tekst, afbeeldingen en video, waarbij het referentierecept het aantal videoframes begrenst en een pruningpercentage toepast. De gepubliceerde modaliteitenlijst van DeepSeek V4 Pro is tekst in, tekst uit — de omvang van zijn mixture-of-experts wordt besteed aan redeneren, niet aan perceptie.

• 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.

Wat het kleinere model je buiten de schijf om oplevert

Drie dingen die niet in een indexscore terug te zien zijn en wel in een deploymentreview.

• 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.

• De hele stack is inspecteerbaar. Gewichten, kwantisatieconfiguratie, drafter, servingrecept en het technische rapport zijn allemaal openbaar. Wanneer het model zich misdraagt, kun je de configuratie lezen in plaats van een ticket in te dienen.

De kosten van de twee opties eerlijk berekenen

De prijsvergelijking is niet symmetrisch, en doen alsof dat wel zo is, zou de gemakkelijkste fout op deze pagina zijn.

• 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.

• Het break-evenpunt is geen tokenaantal, maar een bezettingsprofiel. Een lokaal model dat niets staat te doen, is pure capex. Een gehost model dat één verzoek per week afhandelt, is bijna gratis. Het omslagpunt ontstaat wanneer de tokens die je zou meten de geamortiseerde kosten van de machine overschrijden, en de enige manier om te weten waar dat voor jouw verkeer ligt, is een week van dat verkeer te meten.

Er is ook een derde optie die bijna niets kost om te proberen, namelijk dat OrcaRouter DeepSeek V4 Pro op één sleutel naast meer dan 200 andere modellen routeert, met automatische failover tussen providers. Voordat je een workstation vastlegt op een lokale build van 24 GB, kost het vergelijken van de output van die build met een frontier-model dat per gebruik wordt afgerekend op je eigen promptset een paar dollar en beslecht het de kwaliteitsvraag empirisch in plaats van op basis van de kracht van een indextabel.

De versie van deze beslissing waar niemand spijt van krijgt

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.

De vergelijking die mensen steeds proberen te maken — het ene indexcijfer tegen het andere — is hier het minst nuttige kader, omdat de twee producten niet zijn gebouwd om te concurreren. Het ene is gebouwd om zo goed mogelijk te zijn zonder een beperking qua voetafdruk. Het andere is gebouwd om zo goed mogelijk te zijn binnen 24 gigabyte. Beide zijn open, beide zijn legitiem, en dat is precies waarom het aan jou is om die keuze te maken, in plaats van aan een leverancier om dat voor jou te doen.

Vergelijkingen zoals deze zijn ook waar de faalmodi naar voren komen: de gedocumenteerde AI-incidenten en agent-fouten achter modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistingsmarkering bevat.