Nemotron 3.5 Super VL vs Qwen3.8-Max: Het open-weightniveau tegenover de verbruiksgebaseerde frontier

Iemand die dit kwartaal een pijplijn voor documentverwerking plant, heeft precies twee vormen om uit te kiezen, en het zijn niet dezelfde vorm. NVIDIA Nemotron 3.5 Super VL is een vision-language-checkpoint met 120 miljard parameters, waarvan 12 miljard actief, onder OpenMDW-1.1, waarvan de gewichten op 12 oktober 2026 online zijn gezet, drie dagen vóór de eigen aankondiging van NVIDIA op 15 oktober: je downloadt het, je host het, je betaalt in GPU's en elektriciteit. Qwen3.8-Max is het propriëtaire vlaggenschip van Alibaba — een mixture-of-experts met 2,4 biljoen parameters en 95 miljard actieve parameters, visuele invoer, een contextvenster van 1 miljoen tokens en facturering per token tegen $2 per miljoen input en $6 per miljoen output met 88% cachekorting. Het ene is een kapitaaluitgave met volledige controle; het andere is een operationele uitgave met een tariefkaart. Al het andere in deze vergelijking is een gevolg van die tweedeling.

Twee bedrijfsmodellen gehuld in een benchmarkvergelijking

Het is verleidelijk om deze op capaciteit naast elkaar te leggen en een winnaar uit te roepen. Die framing verbergt de eigenlijke beslissing: wie de faalmodus bezit. Met Super VL geldt: als de doorvoer tegenvalt, train je opnieuw, herkwantiseer je of koop je andere hardware — het plafond kun je zelf verhogen. Met Qwen3.8-Max geldt: als de doorvoer tegenvalt, wijzig je de modelstring of ga je onderhandelen; het plafond is van Alibaba, en de roadmap ook.

Dat verschil is afleesbaar aan wat elke leverancier heeft gepubliceerd. NVIDIA leverde een technisch rapport, trainingsrecepten, open datasets, RL-omgevingen en drie afzonderlijke speculative-decodingpaden voor de familie — het instrumentarium van een model dat bedoeld is om te worden ingezet en aangepast. Qwen leverde een API met een prijslijst en een cachekorting, wat het instrumentarium is van een model dat bedoeld is om te worden afgenomen.

Wat Super VL je biedt wat een gehost endpoint niet kan

NVIDIA Nemotron 3.5 Super VL is een hybride: verweven Mamba-2-lagen, een mixture-of-experts met 512 gerouteerde experts per MoE-laag, en selecte attentionlagen, gekoppeld aan een C-RADIO visie-encoder en een visie-taalconnector. Tekst, afbeeldingen en videoframes gaan erin; tekst komt eruit. De taalbackbone werd geïnitialiseerd vanuit Nemotron 3 Super Base, gedistilleerd voor een biljoen tokens uit Nemotron 3 Ultra Base, en kreeg vervolgens een uitbreiding van 35 miljard tokens naar 1M-context, mid-training voor software-engineering en een langecontext-herstelfase. Native Multi-Token Prediction levert speculatieve decoding zonder een aparte drafter. Het draait op BF16 op 4×H100 of 2×GB200, met een NVFP4-build en een NIM-microservice voor productie-implementatie.

• Wat u bezit — de gewichten, de tokenizer, de vision encoder, de post-trainingspijplijn en de audittrail. Elke prompt blijft binnen uw perimeter, wat voor werk op het gebied van verzekeringen, krediet, gezondheid of defensie geen voorkeur is maar een vereiste.

• Wat u betaalt — accelerators. Vier H100's op volledige precisie is het toegangsbewijs, en de kostencurve is bezettingsgraad: duur wanneer inactief, bijna gratis bij verzadiging.

• Wat je opoffert — een tariefkaart. Per 16 oktober 2026 is er van niemand een gepubliceerde prijs voor Super VL, dus elke vergelijking van de totale kosten die je vandaag maakt, is gebaseerd op je eigen doorvoermetingen, niet op een leverancierscijfer.

Wat Qwen3.8-Max je geeft wat een checkpoint niet kan

Qwen3.8-Max activeert 95 miljard parameters per token uit een pool van 2,4 biljoen parameters, verwerkt zowel afbeeldingen als tekst en heeft standaard een contextvenster van net onder een miljoen tokens. Op Artificial Analysis heeft hij een Intelligence Index van 45, negentien punten boven de 26 die voor NVIDIA Nemotron 3.5 Super VL op dezelfde index is geregistreerd — en anders dan de meeste cijfers op deze pagina zijn beide metingen van derden en geen claims van de leverancier.

• Wat je krijgt — een generalist van topklasse, inclusief vision, vanmiddag aanroepbaar met een API-sleutel. Geen hardware, geen ops, geen capaciteitsplanning.

• Wat je betaalt — $2 voor input en $6 voor output per miljoen tokens, met 88% korting op gecachte input, wat de economie verandert voor elke workload met een grote, stabiele prefix: een lange systeemprompt, een vast document, een persistent toolschema.

• Wat je opgeeft — de gewichten. Er is geen download, geen lokale deployment, geen fine-tuning van het model dat de inferentie verzorgt, en geen mogelijkheid om data op je eigen hardware te houden.

De cachekorting verdient een aparte opmerking, want het is het getal dat in beide kolommen het vaakst verkeerd wordt gemodelleerd. Een verlaging van 88% op gecachte input betekent niet een 88% goedkopere factuur; het betekent dat het herhaalde deel van je prompt ongeveer een negende van de lijstprijs kost, en het voordeel schaalt met hoeveel van elk verzoek echt identiek is aan het vorige. Pipelines die een grote statische preambule opnieuw versturen, profiteren enorm. Pipelines die bij elke aanroep een nieuw document versturen, profiteren nauwelijks.

De prijslijn, eerlijk gehanteerd

De neiging is om een omslagpunt te berekenen — bij hoeveel tokens wint zelf hosten? Die berekening levert een getal op, en dat getal is meestal verkeerd, omdat ze de twee kosten weglaat die domineren: de engineeringtijd om een zelfgehoste inferentiestack actueel te houden, en de opportuniteitskosten van een kleiner model bij de moeilijke gevallen.

Een nuttigere versie: leg je echte verkeersprofiel naast de gepubliceerde tarieven van Qwen3.8-Max en krijg een exact maandbedrag, want die kant heeft een tariefkaart. Vraag je vervolgens af welk deel van dat verkeer een model met 12B actieve parameters aankan volgens jouw standaard, en beprijs alleen dat deel in GPU's. In de meeste pipelines voor documentextractie is het antwoord dat het grootste deel van het volume mechanisch is — facturen, formulieren, grafieken, terugkerende lay-outs — en een kleine staart het beoordelingsvermogen draagt. Het grootste deel is waar self-hosting wint; de staart is waar een frontiermodel zoals Qwen3.8-Max wint.

Die splitsing is precies waarvoor onze eigen routeringslaag bestaat, en de relevante feiten zijn beperkt genoeg om ze gewoon te noemen. Qwen3.8-Max staat in onze catalogus als qwen/qwen3.8-max/ tegen de lijstprijs van Alibaba met 0% opslag — wat de leverancier ook rekent, dat is wat jij betaalt, en een prijsverlaging van de leverancier gaat dezelfde dag in in plaats van bij de volgende factuurperiode. NVIDIA Nemotron 3.5 Super VL staat niet in onze catalogus en zal dat ook nooit zijn in de vorm van een endpoint, want het is een checkpoint die je zelf host in plaats van een dienst die iemand aan je kan doorverkopen. Wat ertussen zit, is compositie: de routerings-DSL laat één aanroep uitwaaieren, zodat mechanische pagina's naar welk goedkoop model je er ook op richt kunnen gaan, terwijl de pagina's die beoordelingsvermogen vereisen escaleren, en automatische failover verplaatst een verzoek naar een gezonde upstream wanneer degene waar het naartoe ging verslechtert. Eén sleutel voor het gehoste deel, je eigen GPU's voor het andere, één beleid dat bepaalt welk verzoek waar naartoe gaat.

Een uitgewerkt voorbeeld in plaats van een hypothetisch scenario: dezelfde pipeline kan via de catalogus een formulier van één pagina naar een klein tekstmodel sturen, een jaarverslag vol grafieken naar een visionmodel routeren en Qwen3.8-Max in reserve houden voor de minderheid van documenten waarin de extractie echt dubbelzinnig is. Het reservemodel kost $6 per miljoen outputtokens en niets wanneer het niet wordt gebruikt, wat een veel betere regeling is dan een vierde H100 te provisioneren voor een workload die twee keer per maand piekt.

Wie moet wat doen, vanaf deze week?

Als je werk gereguleerde data betreft — elke categorie waarin het verzenden van een pagina naar een derde partij een juridische toets vereist — is de beslissing voor je genomen en is het Super VL, hardware floor en al. Als je werk grootschalig document- en schermbegrip onder een normale privacyhouding is, is het goedkoopste juiste antwoord voor de meeste teams op dit moment het verbruiksgebaseerde frontier-model, omdat het vandaag werkt en de prijs bekend is. Als je ergens daartussen zit, waar de meeste echte pipelines zich bevinden, zijn de twee helemaal geen concurrenten: Qwen3.8-Max voor de moeilijke staart en een zelfgehoste Super VL voor het volume, waarbij een router per verzoek beslist.

Wat deze pagina zou veranderen, is een gepubliceerd tarief voor Super VL van welke aanbieder dan ook die het model serveert. Zodra er een Nemotron-checkpoint achter een endpoint met verbruiksmetering verschijnt, verdampt het bezwaar over de deployment-ondergrens, wordt de vergelijking prijs tegen prijs, en verschuift de interessante vraag van welk model naar welke aanbieder. Tot die tijd beantwoorden de twee kolommen nog steeds verschillende vragen — en het eerlijke antwoord op "welke is beter" is dat een model met een prijs en een model met een licentie niet hetzelfde soort object zijn.