Nemotron 3.5 Bolt 74B vs DeepSeek V4 Pro: Oba otwarte, jeden mieści się w 24 GB

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.

Ta różnica ma większe znaczenie niż wyniki indeksu, a te wyniki już różnią się o 15 punktów. Poniżej znajduje się porównanie, które zespół faktycznie musi przeprowadzić: nie to, który model jest lepszy w teorii, ale to, którym z tych dwóch produktów o otwartych wagach można realnie operować, z jaką jakością i za jakie pieniądze.

Dwa bardzo różne kształty „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.

Zacznij od licencji i punktu kontrolnego, bo to tam tak naprawdę podejmuje się decyzję o otwartych wagach.

• 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.

Ten trzeci punkt to ten, który rozstrzyga większość ocen, jakie przeczytasz. Każde porównanie benchmarków między tymi dwoma jest porównaniem między filozofią projektową agresywnej kompresji a filozofią projektową skali, a te dwie nie zbiegają się w tych samych obciążeniach.

Co każdy z nich mierzy na

Artificial Analysis przeprowadziło testy obu, na tej samej aktualnej wersji swojego indeksu, co jest jedynym powodem, dla którego takie zdanie może w ogóle zostać napisane.

• 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.

Diagram wdrożenia jest rzeczywistą decyzją

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.

• Dane wejściowe. Model Bolt przyjmuje tekst, obrazy i wideo, przy czym przepis referencyjny ogranicza liczbę klatek wideo i stosuje współczynnik przycinania. Opublikowana lista modalności DeepSeek V4 Pro to tekst na wejściu, tekst na wyjściu — jego skala mieszaniny ekspertów jest przeznaczana na rozumowanie, a nie na percepcję.

• 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.

Co mniejszy model daje ci poza dyskiem

Trzy rzeczy, których nie widać w wyniku indeksu, a które widać w przeglądzie wdrożenia.

• 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.

• Cały stack jest dostępny do wglądu. Wagi, konfiguracja kwantyzacji, model draftujący, przepis serwowania i raport techniczny są publicznie dostępne. Gdy model zachowuje się nieprawidłowo, możesz przeczytać konfigurację, zamiast składać zgłoszenie.

Uczciwe skalkulowanie kosztów obu opcji

Porównanie cen nie jest symetryczne, a udawanie, że jest, byłoby najłatwiejszym błędem na tej stronie.

• 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.

• Próg rentowności nie jest liczbą tokenów, lecz profilem wykorzystania. Model lokalny, który stoi bezczynnie, to czysty CAPEX. Model hostowany, który obsługuje jedno żądanie na tydzień, jest niemal darmowy. Do przecięcia dochodzi, gdy tokeny, które trzeba by rozliczać, przekroczą zamortyzowany koszt maszyny, a jedynym sposobem, aby dowiedzieć się, gdzie to wypada w przypadku Twojego ruchu, jest zmierzenie go przez tydzień.

Istnieje też trzecia opcja, której wypróbowanie kosztuje niemal nic, a mianowicie OrcaRouter kieruje DeepSeek V4 Pro na jednym kluczu obok ponad 200 innych modeli, z automatycznym przełączaniem awaryjnym między dostawcami. Zanim przeznaczysz stację roboczą na lokalny build 24GB, porównanie wyników tego builda z rozliczanym modelem czołowym na własnym zestawie promptów kosztuje kilka dolarów i rozstrzyga kwestię jakości empirycznie, a nie na podstawie tabeli wskaźników.

Wersja tej decyzji, której nikt nie żałuje

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.

Porównanie, które ludzie wciąż próbują przeprowadzać — jeden wskaźnik liczbowy przeciw drugiemu — jest tutaj najmniej użytecznym ujęciem, ponieważ te dwa produkty nie zostały stworzone po to, by ze sobą konkurować. Jeden powstał, by być tak dobry, jak to możliwe, bez ograniczeń dotyczących zajmowanego miejsca. Drugi powstał, by być tak dobry, jak to możliwe, mieszcząc się w 24 gigabajtach. Oba są otwarte, oba są zasadne, i właśnie dlatego wybór należy do ciebie, a nie do dostawcy, który miałby dokonać tego wyboru za ciebie.

Takie porównania jak to są również miejscem, w którym ujawniają się tryby awarii: udokumentowane incydenty AI i awarie agentów stojące za modelami w tej klasie są gromadzone w Archiwum Incydentów AI OrcaRouter, gdzie każdy wpis zawiera własne źródła, wagę, ocenę pewności i znacznik sporności.