Nemotron 3.5 Super vs Gemini 3.1 Pro: de ene is een bestand, de andere is een preview

Het meest verstrekkende verschil tussen NVIDIA Nemotron 3.5 Super en Gemini 3.1 Pro staat niet in een benchmarktabel. Het zit in de release-status. Het NVIDIA-model — 120 miljard totale parameters met 12 miljard actief per token, een C-RADIO-visie-encoder vastgeschroefd op een hybride Mamba-2- en Transformer-mixture of experts, gepubliceerd onder de volledigere naam NVIDIA Nemotron 3.5 Super VL en op Ollama uitgebracht als nemotron-3.5-super — is een set bestanden. Ze zijn op 12 oktober 2026 op Hugging Face verschenen, drie dagen voordat NVIDIA's eigen nieuwsbericht op 15 oktober ze officieel maakte, en je kunt vanavond 82,3 GiB ervan downloaden en ze op je eigen grafische kaart draaien onder een licentie die commercieel gebruik toestaat. Google's Gemini 3.1 Pro werd aangekondigd op 19 februari 2026 en wordt nog steeds als preview-endpoint aangeboden. Acht maanden later is het een model dat je kunt aanroepen maar niet kunt vasthouden.

Die framing is geen kritiek op een van beide benaderingen. Een preview-endpoint is hoe een frontierlab iets uitbrengt en erop itereert, iets dat het nog niet klaar is om te bevriezen, en voor de meeste teams is het de betere deal. Maar de twee modellen bekleden verschillende posities in een deployment, en de eerlijke vergelijking gaat over welke positie je nodig hebt — niet over welke van de twee een tabel wint.

Eén ding moet ronduit gezegd worden voordat de cijfers komen. Nemotron 3.5 Super is op het moment van schrijven vier dagen oud. De leverancier heeft het aangekondigd, dus het is geen stille release in de zin dat het onbevestigd is, maar de onafhankelijke bewijsbasis ervoor bestaat ruwweg uit één panelscore en een heleboel leveranciersrijen. De Gemini-preview heeft acht maanden wereldwijde aandacht en een veel grotere hoeveelheid metingen door derden achter zich. Waar het bewijs dun is, zegt deze pagina dat ook in plaats van het mooier voor te stellen.

Hardware tegen een sleutel

• Wat u ontvangt — een checkpoint: BF16-referentiegewichten, een Base-variant en een NVFP4-build, plus een aparte LiLiCorr-drafter, allemaal gepubliceerd op 12 oktober 2026 · een gehost endpoint achter een API-sleutel, met de status preview sinds 19 februari 2026.

• Licentie — OpenMDW-1.1, commercieel gebruik toegestaan, en de modelkaart vermeldt dat de checkpoint klaar is voor commercieel of niet-commercieel gebruik · de servicevoorwaarden van Google.

• Parameters — 120B totaal, 12B actief, 512 gerouteerde experts per MoE-laag, volledig bekendgemaakt op de modelkaart · niet gepubliceerd.

• Contact met de hardware — vier H100's of twee GB200's voor BF16; één 96 GB-kaart voor de standaard 4-bits tag bij 82,3 GiB plus een vision-projector van 1,6 GiB · geen, bewust.

• Context — tot 1.000.000 tokens, met de eigen kanttekening van de kaart dat het beschikbare geheugen en de runtime-instellingen bepalen wat het bruikbare aantal is en dat prompts, afbeeldingen, geschiedenis, toolresultaten en gegenereerde tokens allemaal dat budget delen · 1.048.576 tokens aan context.

• Uitvoerlimiet — nergens gepubliceerd: noch op NVIDIA's kaart, noch in het runtime-register wordt er een vermeld · 65.536 tokens.

• Modaliteit — tekst, afbeelding en video in, tekst uit; het vision-pad is niet optioneel, elke gepubliceerde tag draagt de projector · tekst, afbeelding, video, audio en bestand in, tekst uit, wat het breedste invoeroppervlak is van alles in deze vergelijking.

• Prijs per verbruik — geen enkele gepubliceerd; zelf hosten of niets · $2 per miljoen input en $12 per miljoen output, verdubbelend tot $4 en $12 en hoger voor prompts boven 200.000 tokens.

De twee regels die deployments bepalen, zijn prijs en inputs. Het NVIDIA-model heeft geen prijs omdat het geen endpoint heeft — de kosten zijn hardware en elektriciteit, en de enige variabele die ertoe doet is utilisatie. De Gemini-preview heeft een prijs met een cliff erin: de eerste 200.000 inputtokens worden gefactureerd tegen $2 per miljoen en alles daarboven tegen het dubbele, een detail dat je wilt weten voordat je een pipeline bouwt die bij elke aanroep een miljoen tokens aan context erin propt.

De vision encoder is waar deze twee elkaar daadwerkelijk ontmoeten

Beide modellen accepteren afbeeldingen en video, waardoor dit de enige as is waarop de vergelijking direct is in plaats van structureel. Het is ook de as waarop het bewijsmateriaal het meest ongelijkmatig is.

In NVIDIA's eigen tabel, allemaal door de leverancier uitgevoerd via de NeMo Gym-harness: 62,82 op MMLongBench-Doc, 78,16 op MathVision, 80,82 op CharXiv-redenering, 65,08 op OCR-Reasoning, 85,60 op V*, 68,12 op OCRBench v2 English, 59,15 op de Chinese set, 32,85 op Video-MME v2 en 51,14 op OSWorld-Verified. De rijen passen bij een model dat documenten en grafieken vakkundig leest en wezenlijk zwakker is in Chineestalige tekst dan in Engels.

Google heeft geen overeenkomstige tabel voor de preview gepubliceerd in het formaat dat NVIDIA gebruikt, en deze pagina gaat er geen verzinnen door cijfers uit verschillende testharnassen aan elkaar te koppelen. Wat eerlijk gezegd kan worden, is dat hetzelfde panel van derden dat beide modellen beoordeelt, de Gemini-preview iets hoger plaatst op zijn algemene index — ongeveer 29,7 tegenover 26,49 voor het NVIDIA-checkpoint — en dat de evaluatie van de Gemini-inzending door het panel dateert uit de aankondiging in februari, niet uit een recentere herziening. Aangezien het indexverschil ongeveer drie punten bedraagt en de twee inzendingen acht maanden na elkaar zijn gemeten, zou het overinterpretatie zijn om een van beide als een definitief oordeel over de andere te behandelen.

Wat geen overinterpretatie is: de Gemini-preview accepteert audio en het NVIDIA-checkpoint niet. Als je invoer een gespreksopname, een vergadering of überhaupt een audiotrack bevat, is de helft van deze vergelijking al beslist voordat de parameters ter sprake komen. Omgekeerd: als je workload een vast documentcorpus is dat je tienduizenden keren per dag verwerkt, is een model dat je lokaal tegen vaste kosten kunt draaien een structureel andere propositie dan een model dat $2 per miljoen tokens in rekening brengt elke keer dat je naar een pagina kijkt.

De valkuil in de NVIDIA-standaard waar niemand over heeft geschreven

Dit is het soort detail dat alleen opduikt als je het runtime-register leest in plaats van de blog van de leverancier, en het is de alinea waard.

De modelkaart specificeert twee aanbevolen samplingconfiguraties: temperatuur 1,0 met top_p 0,95 voor tekst, en temperatuur 0,6 met top_p 0,95 voor vision. De standaard die in het Ollama-manifest wordt meegeleverd, is het tekstpaar. Dat betekent dat de configuratie waaronder de meeste mensen dit visiemodel standaard zullen draaien, is afgestemd op de helft van het model die niet vision is. Als je eerste ervaring ermee op gescande pagina's of grafieken teleurstellend is, zijn de samplinginstellingen het eerste dat je moet controleren — voordat je iets concludeert over de capaciteit van de checkpoint zelf.

Twee gerelateerde details uit hetzelfde manifest. De configblob declareert model_type: 123.6B, terwijl elk op mensen gericht label 120B zegt. Dat is een afrondingsverschil in plaats van een discrepantie in de gewichten, maar het maakt uit wanneer een toolingscript bepaalt wat erin past. En de runtime-gate wordt afgedwongen, niet geadviseerd: requires: 0.40.5, dus op elke eerdere Ollama wordt dit model helemaal niet opgehaald.

Wat de acht maanden durende onderbreking werkelijk waard is

Er kan worden aangevoerd dat een preview die acht maanden verkeer heeft doorstaan, in sommige opzichten betrouwbaarder is dan een vier dagen oude checkpoint, en dat is een goed argument.

Een preview-endpoint is zwaar belast. De manieren waarop het faalt, zijn door anderen gedocumenteerd. De prijs ervan is gepubliceerd in plaats van afgeleid. Het contextvenster gedraagt zich zoals de documentatie zegt, omdat duizenden gebruikers hebben ontdekt waar het dat niet doet. En een preview die Google acht maanden in preview heeft gehouden in plaats van te promoten, is op zijn minst niet stilletjes ingetrokken — en dat is informatie over de commerciële levensvatbaarheid van het model die geen enkele repository-timestamp je over het NVIDIA-checkpoint kan geven.

Daar staat tegenover dat de preview twee kosten met zich meebrengt die een zelfgehost bestand niet heeft. De eerste is dat deze kan veranderen. Previewstatus is een expliciete verklaring dat het endpoint zonder kennisgeving kan worden herzien, en een pipeline die is afgestemd op het exacte gedrag van een preview is een pipeline met een niet-afgedekte afhankelijkheid erin. De tweede is dat de economische kant ervan lineair en voor altijd schaalt. Er is geen volume waarboven de Gemini-preview per token goedkoper wordt; er is een volume waarboven de vaste kosten van vier H100's goedkoper uitvallen. Dat omslagpunt is het enige getal dat deze beslissing zou moeten sturen, en het is een eigenschap van je verkeer, niet van een van beide modellen.

En de achterstand van acht maanden van de NVIDIA-checkpoint is niet louter een nadeel. De leverancier heeft niet alleen de gewichten gepubliceerd, maar ook een reproduceerbare evaluatieharness en een technisch rapport, en zowel het veld met de releasedatum van de kaart als de tijdstempels van de repository komen overeen met het nieuwsbericht. Dat is een beter te auditen releaseproces dan de meeste open-weight-releases krijgen, ook al is de audit nog maar net begonnen.

Geen van beide staat op onze sleutel, en een ervan is de reden die ertoe doet.

Het loont om duidelijk te zijn over de beschikbaarheid. Gemini 3.1 Pro is op OrcaRouter bereikbaar in previewvorm tegen de lijstprijs van de aanbieder, doorgegeven zonder opslag per token — $2 in en $12 out, met het long-contextniveau tegen het tarief dat Google publiceert, dezelfde dag nog live aan onze kant in plaats van bij de volgende verlenging. Als je wilt ontdekken of de preview je documentwerklast aankan, is dat één key en geen inkooptraject.

Nemotron 3.5 Super staat niet op onze key. We routeren iets meer dan tweehonderd modellen en daaronder staat geen NVIDIA Nemotron-vermelding, dus dit artikel is geen suggestie dat je het op ons platform kunt aanroepen. Jouw routes zijn NVIDIA's eigen build- en distributiekanalen en de lokale runtime-pull.

Waar de routeringslaag hier echt nuttig voor is, is het deel van deze beslissing dat niets met benchmarks te maken heeft. Draai eerst je werkelijke documentworkload tegen de gehoste preview. Als die de lat haalt, heb je geleerd dat de workload er een is die een frontiermodel aankan, en kun je nu een volume-argument maken over de vraag of je er iets van naar een lokaal uitgevoerd checkpoint moet verplaatsen. Als die de lat niet haalt, heb je iets geleerd dat nog waardevoller is, en je hebt het geleerd voor de prijs van een paar dollar aan tokens in plaats van de prijs van een cluster.

Het nipte vonnis

Als je audio-invoer nodig hebt, de breedst mogelijke set invoermodaliteiten, een gepubliceerde uitvoerlimiet, of een model waarvan anderen de faalmodi al in kaart hebben gebracht, dan is Gemini 3.1 Pro Preview het antwoord, en de acht maanden aan metingen door derden erachter zijn meer waard dan het verschil van drie punten in de index doet vermoeden.

Als je het model in eigen beheer wilt houden, er een commerciële licentie voor wilt, het op eigen hardware wilt draaien en een vast bedrag wilt betalen voor een documentworkload die je continu verwerkt, is de NVIDIA-checkpoint deze maand voor het eerst een echte optie — met drie specifieke kanttekeningen. De standaardtag is een 4-bits kwantisatie en er bestaat geen gepubliceerde evaluatie voor die kwantisatie. De meegeleverde sampling-standaardwaarden zijn de tekstinstellingen van de kaart, niet de vision-instellingen. En het model is vier dagen oud.

Probeer eerst de preview op je eigen data. Als het werkt, wordt de vraag een kwestie van volume, en volume is rekenwerk. Als het niet werkt, heb je jezelf net een cluster bespaard.

Niets daarvan is hypothetisch: de gedocumenteerde AI-fouten en agent-incidenten achter releases zoals deze zijn verzameld in the OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en markering voor betwisting bevat.