Nemotron 3.5 Bolt vs Qwen 3.8 Max: Beide modellen bekijken video's

Er zijn niet veel modelcombinaties waarbij het verrassende deel een capaciteit is die ze gemeen hebben. Zowel NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB als Qwen 3.8 Max accepteren video als invoer, en beide geven tekst terug. Qwen 3.8 Max, gepubliceerd door Alibaba op 3 augustus 2026, is een gehost multimodaal model met een context van 1.000.000 tokens, aangeboden via OpenAI-compatibele, Anthropic-compatibele en native DashScope-interfaces vanuit vijf regio's, geprijsd op $2,00 per miljoen invoertokens en $6,00 per miljoen uitvoertokens, met gecachte leesbewerkingen tegen $0,25. Nemotron 3.5 Bolt, uitgebracht door NVIDIA op 15 oktober 2026, is een open-weight bestand van 24GB met een C-RADIO v4-H visie-encoder, een venster van 262.144 tokens, en helemaal geen prijs.

Twee modellen die beide een schermopname kunnen krijgen, die alleen van elkaar verschillen in waar ze draaien en wat dat kost. Dat is een schonere vergelijking dan de meeste head-to-heads krijgen, en die wordt snel beslecht zodra je ophoudt te vragen welke slimmer is.

Twee multimodale stacks, één geheugenenvelop

De multimodaliteit van Bolt is geërfd in plaats van dat die speciaal daarvoor is gebouwd. NVIDIA comprimeerde zijn 120B-A12B Nemotron 3.5 Super VL-model tot 74B-A9B met een router-geleide zoektocht die het Star Elastic noemt, en bracht het resultaat vervolgens naar 2,0625 bits per expertgewicht in een IQ2_XXS-formaat met kwantisatiebewuste distillatie. De vision tower — een C-RADIO v4-H-encoder — kwam mee met de compressie, en de schakelaar voor de reasoning-modus is dezelfde die de Super VL-client beschikbaar stelt: een enable_thinking-vlag in het chatsjabloon. Totaal aantal parameters 74B, actief per token 9B, backbone een Mamba-2- en Transformer-hybride die de leverancier LatentMoE noemt, licentie OpenMDW-1.1 voor commercieel en niet-commercieel gebruik.

Qwen 3.8 Max is een ander soort artefact. Het is Alibaba's hoogste capaciteitsniveau, native multimodaal, en het bestaat alleen als endpoint. Er is geen checkpoint om te downloaden, geen gekwantiseerde build om op een werkstation te draaien, en geen versie ervan waarvan de marginale kosten de energierekening zijn. Wat het in plaats daarvan heeft, is bereik: drie wire-formats, zodat een bestaande Anthropic SDK of DashScope-integratie zonder herschrijving werkt, en vijf regio's waarin het wordt aangeboden, verspreid over Azië, Europa en Noord-Amerika, die van de latencykwestie net zo goed een geografische kwestie als een engineeringkwestie maken.

Het praktische gevolg is dat het multimodale gedrag van Bolt begrensd wordt door dezelfde 24GB die de KV-cache, de gespreksgeschiedenis en de toolresultaten bevat. Dat van Qwen 3.8 Max wordt begrensd door wat het endpoint ook beschikbaar stelt, wat jouw probleem niet is.

Wat u betaalt, en aan wie

Qwen 3.8 Max wordt per verbruik afgerekend, en de tarieven zijn laag voor wat het is. Een prompt van 20.000 tokens met een antwoord van 3.000 tokens kost $0,04 in en $0,18 uit, ongeveer $0,22 per aanroep — en reads uit de cache tegen $0,25 per miljoen betekenen dat een stabiele systeemprompt of een herhaald document bij de tweede keer bijna gratis is. De p50-tijd tot het eerste token in onze catalogus is 3,22 seconden met een p95 van 10,00 seconden, en het verwerkte de afgelopen zeven dagen 41,3 miljoen tokens aan gerouteerd verkeer.

Nemotron 3.5 Bolt heeft geen tariefkaart, omdat er niets te meten valt. Geen gehoste endpoint, geen leveranciers-API, geen platform van derden dat het aanbiedt en waarnaar we je kunnen verwijzen. Artificial Analysis vermeldt zowel de snelheid als de kosten per Intelligence Index-taak als N/A, precies om die reden. Als je het zelf draait, bestaan de kosten uit een GPU, een stroomverbruik en een afschrijvingsperiode, en de marginale prijs van de volgende miljoen tokens is nul. Voor een nachtelijke job die elke dag hetzelfde corpus leest, is dat geen korting — het is een ander boekhoudmodel, en het break-evenpunt hangt volledig af van hoe vaak je het draait.

Het venster, en de mogelijkheid om het te gebruiken

Context is de as waarop deze twee op papier het dichtst bij elkaar lijken te liggen en in de praktijk het snelst uiteenlopen.

• Opgegeven venster — Qwen 3.8 Max 1.000.000 tokens tegen Nemotron 3.5 Bolt 262.144. Ongeveer vier tegen één, en die verhouding bepaalt of een taak op een hele codebase of een heel archief überhaupt mogelijk is in één verzoek.

• Recall binnen het venster — Artificial Analysis registreert een long-context-recallcijfer van 80.3 voor Qwen 3.8 Max. Voor Bolt bestaat er geen equivalent onafhankelijk cijfer, en het venster ervan is sowieso kleiner, waardoor dit een vergelijking wordt tussen een gemeten en een ongemeten capaciteit.

• Wat deelt de ruimte nog meer — Bolts 262.144 tokens bevinden zich in dezelfde 24 GB als de gewichten, de videoframes en de KV-cache. Een lange videoprompt en een lang gesprek concurreren om hetzelfde geheugen. Het venster van Qwen 3.8 Max wordt door de operator ingericht, dus de beperkende factor is de prijs, niet de hardware.

• Redeneerbeheersing — Qwen 3.8 Max biedt een enable_thinking-schakelaar, of reasoning.effort op de Responses API. Het equivalent van Bolt is een chat-template-schakelaar in dezelfde familie van flags, geërfd van de Super VL-client. Geen van beide is ongebruikelijk; beide laten je stoppen met betalen voor beraadslaging bij routinematige calls.

Gemeten tegenover ongemeten

Artificial Analysis geeft Qwen 3.8 Max een score van 45,4 op zijn Intelligence Index, de vijftiende van 145 gemeten modellen — in de top tien procent, zonder aan de top te staan. De ondersteunende rijen zijn sterk waar een agentische workload ze nodig heeft: een AA Coding Index van 76,2, de negende van 138, 88,8 op Terminal-Bench 2.1, en 92,8 op GPQA Diamond. Het relatief zwakke punt is de long-context recall van 80,3, wat respectabel is, maar niet uitzonderlijk, voor een model met een miljoen tokens.

De cijfers van Bolt hebben een beperktere reikwijdte. Het scoort 21 op dezelfde index, vierde van 67 in zijn op footprint gefilterde klasse tegenover een klassemediaan van 8, en Artificial Analysis beschrijft het als een van de toonaangevende open-weight modellen van vergelijkbare grootte. De gemeten snelheid en kosten zijn leeg. Al het andere — de Terminal-Bench 2.1-score van 50.98, GPQA Diamond 86.43, BrowseComp 66.75, WebArena vision 50.86, SciCode 41.02 — komt uit NVIDIA's eigen modelkaart, waar elke baseline een ander model is dat een derde zo groot is. Die rijen zijn niet oneerlijk; ze beantwoorden een vraag over efficiëntie, niet over frontier-capabiliteit, en wie ze leest als een wedstrijd tegen een gehost vlaggenschipmodel, leest het document verkeerd.

Het snelheidsverschil verdient dezelfde aandacht. Artificial Analysis kan de doorvoer van Bolt niet meten omdat er niets is om aan te roepen. NVIDIA meldt een ontwerpdoel van minstens 80 tokens per seconde bij het decoderen, 84 op de AIPerf SPEED-Bench op RTX Spark, en 83,99 in een llama.cpp-run op een Surface Laptop Ultra met 128GB, en niets daarvan is gereproduceerd. De 3,22 seconden tot het eerste token van Qwen 3.8 Max zijn gemeten en openbaar. Plan op basis van het gemeten getal en beschouw het andere als een ambitie.

De routeringsvraag, die hier niet symmetrisch is

Qwen 3.8 Max staat in onze catalogus als qwen/qwen3.8-max, gerouteerd tegen de lijstprijs van Alibaba's provider, met 0% opslag erbovenop — $2,00 en $6,00 per miljoen tokens, dezelfde cijfers op onze pagina als op die van de leverancier, wat betekent dat een tariefwijziging aan de kant van de leverancier onze gebruikers dezelfde dag bereikt in plaats van pas bij een contractverlenging. Het zit achter dezelfde sleutel als meer dan 200 andere modellen, met automatische failover tussen upstreamproviders wanneer een ervan verslechtert, en een routing-DSL om meerdere modellen in één verzoek te combineren.

Nemotron 3.5 Bolt staat niet in onze catalogus, en we bieden het niet aan. Er is geen Bolt-endpoint, geen identifier om een verzoek naar te richten, en niets in dit stuk is een aanbod om NVIDIA's checkpoint te hosten. De eerlijke vorm van het routeringsadvies hier is een splitsing in plaats van een keuze: het gehoste multimodale model verwerkt de long-window-aanvragen, de videocorpora die te groot zijn voor 24GB gedeeld geheugen, en alles wat van overal vandaan aanroepbaar moet zijn; het lokale bestand verwerkt de hoogfrequente passes waar de data het gebouw niet mogen verlaten en waar volume per-tokenfacturering pijnlijk zou maken. Model fusion is de variant die de moeite waard is om te kennen als de dure aanroepen degenen met de grootste gevolgen zijn — een panel van modellen beantwoordt samen dezelfde prompt en je neemt de overeenstemming, wat een goedkope manier is om vertrouwen te kopen voor een beslissing die je niet gemakkelijk kunt terugdraaien.

Hoe deze zich oplost

De overlap is video, en dat is de reden waarom deze twee überhaupt de moeite van het vergelijken waard zijn — de meeste lokale modellen met deze omvang kunnen helemaal niet zien, en de meeste gehoste modellen kun je geen schermopname geven zonder een frame-extractiestap die kwijtraakt wat je het probeerde te laten zien.

Voorbij die overlap lopen ze uiteen op elke as. Qwen 3.8 Max wint het brede venster, de gemeten latentie, de rijkere inputset en, met een ruime marge, de onafhankelijk beoordeelde intelligentie. Nemotron 3.5 Bolt wint de enige as die geen enkel gehost model kan betwisten: het draait waar uw data al staan, of er nu wel of geen netwerk is, tegen marginale kosten van nul.

De beslissing is meestal geen kwestie van voorkeur. Als de video het gebouw nooit verlaat, was de gehoste optie nooit beschikbaar en valt de vergelijking terug tot één enkele kandidaat. Als het corpus een miljoen tokens tekst is, was de lokale optie nooit beschikbaar om dezelfde reden in omgekeerde richting. Waar het echt dicht bij elkaar ligt — bescheiden volumes, gegevens die legaal mogen worden verplaatst, werk dat vooral uit korte toolaanroepen bestaat met af en toe lange leesacties — is de doorslaggevende factor het ene getal dat in deze vergelijking ontbreekt: hoe snel de 24GB-checkpoint daadwerkelijk op je hardware draait, wat niemand buiten NVIDIA tot nu toe heeft gemeten.