Nemotron 3.5 Super VL vs Qwen3.8-Max: Warstwa otwartych wag kontra rozliczana granica

Ktoś, kto w tym kwartale planuje pipeline do przetwarzania dokumentów, ma do wyboru dokładnie dwa kształty — i nie są to te same kształty. NVIDIA Nemotron 3.5 Super VL to checkpoint wizyjno-językowy o 120 mld parametrów (12 mld aktywnych) na licencji OpenMDW-1.1, którego wagi pojawiły się 12 października 2026 r., trzy dni przed własnym ogłoszeniem NVIDIA z 15 października: pobierasz go, hostujesz go, płacisz w GPU i w prąd. Qwen3.8-Max to zastrzeżony flagowy model Alibaby — mieszanka ekspertów (MoE) o 2,4 bln parametrów i 95 mld parametrów aktywnych, z wejściem wizyjnym, oknem kontekstu na 1 mln tokenów oraz rozliczaniem za token: 2 USD za milion tokenów wejściowych i 6 USD za milion tokenów wyjściowych, z 88-procentową zniżką na cache. Jedno to nakłady inwestycyjne z pełną kontrolą; drugie to koszty operacyjne z cennikiem. Wszystko inne w tym porównaniu wynika z tego podziału.

Dwa modele biznesowe noszące porównanie benchmarkowe

Kusi, by zestawić je pod względem możliwości i ogłosić zwycięzcę. Takie ujęcie ukrywa rzeczywistą decyzję, która dotyczy tego, kto jest właścicielem trybu awarii. W przypadku Super VL, jeśli przepustowość cię rozczaruje, ponownie wytrenujesz model, ponownie go skwantyzujesz albo kupisz inny sprzęt — podniesienie tego sufitu należy do ciebie. W przypadku Qwen3.8-Max, jeśli przepustowość cię rozczaruje, zmieniasz ciąg modelu albo negocjujesz; sufit należy do Alibaby, podobnie jak plan rozwoju.

Ta różnica jest czytelna w tym, co opublikował każdy z dostawców. NVIDIA dostarczyła raport techniczny, przepisy treningowe, otwarte zbiory danych, środowiska RL i trzy odrębne ścieżki dekodowania spekulatywnego dla tej rodziny — zaplecze modelu przeznaczonego do wdrażania i modyfikowania. Qwen dostarczył API z cennikiem i rabatem za cache, czyli zaplecze modelu przeznaczonego do konsumpcji.

Co Super VL daje Ci, czego nie może dać hostowany endpoint

NVIDIA Nemotron 3.5 Super VL to model hybrydowy: przeplatane warstwy Mamba-2, mieszanina ekspertów z 512 ekspertami routowanymi na warstwę MoE oraz wybrane warstwy uwagi, połączone z enkoderem wizyjnym C-RADIO i łącznikiem wizyjno-językowym. Na wejście trafiają tekst, obrazy i klatki wideo; na wyjściu pojawia się tekst. Jego szkielet językowy został zainicjalizowany z Nemotron 3 Super Base, destylowany na bilionie tokenów z Nemotron 3 Ultra Base, a następnie rozszerzony o 35 miliardów tokenów do kontekstu 1M, poddany treningowi średniemu z inżynierii oprogramowania i etapowi odzyskiwania długiego kontekstu. Natywne przewidywanie wielu tokenów zapewnia dekodowanie spekulatywne bez osobnego modelu draftującego. Działa w BF16 na 4×H100 lub 2×GB200, z kompilacją NVFP4 i mikrousługą NIM do wdrożeń produkcyjnych.

• Co posiadasz — wagi, tokenizer, koder wizji, potreningowy pipeline i ścieżkę audytu. Każdy prompt pozostaje w granicach twojego perymetru, co w pracy z ubezpieczeniami, kredytami, ochroną zdrowia czy obronnością nie jest preferencją, lecz wymogiem.

• Za co płacisz — akceleratory. Cztery H100 w pełnej precyzji to bilet wstępu, a krzywa kosztów to wykorzystanie: drogo, gdy są bezczynne, niemal darmowo przy nasyceniu.

• Co tracisz — cennik. Na dzień 16 października 2026 r. nikt nie opublikował ceny Super VL, więc każde porównanie całkowitych kosztów, które dziś zbudujesz, opiera się na twoich własnych pomiarach przepustowości, a nie na liczbie podanej przez dostawcę.

Co daje ci Qwen3.8-Max, czego nie może dać checkpoint

Qwen3.8-Max aktywuje 95 mld parametrów na token z puli liczącej 2,4 biliona parametrów, przyjmuje zarówno obrazy, jak i tekst, a domyślnie utrzymuje okno kontekstowe o rozmiarze tuż poniżej miliona tokenów. W Artificial Analysis uzyskuje Intelligence Index na poziomie 45, czyli dziewiętnaście punktów więcej niż 26 odnotowane dla NVIDIA Nemotron 3.5 Super VL w tym samym indeksie — a w odróżnieniu od większości liczb na tej stronie oba te wyniki pochodzą z pomiarów niezależnych podmiotów, a nie z deklaracji producentów.

• Co otrzymujesz — generalista klasy frontier, z wizją w zestawie, którego można wywołać już dziś po południu za pomocą klucza API. Bez sprzętu, bez ops, bez planowania pojemności.

• Ile płacisz — 2 USD za wejście i 6 USD za wyjście za milion tokenów, z 88% rabatem na buforowane dane wejściowe, co zmienia ekonomikę każdego obciążenia z dużym stabilnym prefiksem: długim promptem systemowym, stałym dokumentem, trwałym schematem narzędzia.

• Co tracisz — wagi. Nie ma pobierania, lokalnego wdrożenia, dostrajania modelu obsługującego ani możliwości przechowywania danych na własnym sprzęcie.

Zniżka za pamięć podręczną zasługuje na osobne omówienie, ponieważ jest to liczba najczęściej błędnie modelowana w obu kolumnach. 88% obniżka na wejściu z pamięci podręcznej nie oznacza rachunku tańszego o 88%; oznacza, że powtarzająca się część twojego promptu kosztuje około jednej dziewiątej ceny katalogowej, a korzyść skaluje się wraz z tym, jak duża część każdego żądania jest naprawdę identyczna z poprzednim. Potoki, które ponownie wysyłają dużą statyczną preambułę, odnoszą ogromne korzyści. Potoki, które przy każdym wywołaniu wysyłają nowy dokument, odnoszą z tego prawie żadnych korzyści.

Linia cenowa, prowadzona uczciwie

Odruch każe obliczyć punkt przecięcia — przy ilu tokenach samodzielny hosting wygrywa? To obliczenie daje liczbę, a liczba ta jest zwykle błędna, ponieważ pomija dwa dominujące koszty: czas inżynierski potrzebny do utrzymywania własnego stosu inferencji w aktualności oraz koszt alternatywny mniejszego modelu w trudnych przypadkach.

Wersja bardziej użyteczna: zestaw swój rzeczywisty profil ruchu z publikowanymi stawkami Qwen3.8-Max i uzyskaj dokładną miesięczną kwotę, bo ta strona ma cennik. Następnie zapytaj, jaką część tego ruchu model o 12B aktywnych parametrów jest w stanie obsłużyć zgodnie z twoim standardem, i wyceń w GPU tylko tę część. W większości pipeline'ów do ekstrakcji dokumentów odpowiedź brzmi: większość wolumenu jest mechaniczna — faktury, formularze, wykresy, powtarzalne układy — a niewielki ogon wymaga oceny. Na masie wygrywa własny hosting; na ogonie wygrywa model frontierowy, taki jak Qwen3.8-Max.

Ten podział to dokładnie to, czemu służy nasza własna warstwa routingu, a istotne fakty są na tyle wąskie, że można je przedstawić wprost. Qwen3.8-Max jest w naszym katalogu jako qwen/qwen3.8-max/ w cenie katalogowej Alibaby z 0% narzutu — niezależnie od tego, ile pobiera dostawca, tyle właśnie płacisz, a obniżka ceny dostawcy wchodzi w życie tego samego dnia, a nie dopiero w kolejnym cyklu rozliczeniowym. NVIDIA Nemotron 3.5 Super VL nie znajduje się w naszym katalogu i nigdy nie będzie w formie endpointu, ponieważ to checkpoint, który hostujesz sam, a nie usługa, którą ktokolwiek może ci odsprzedać. Pomiędzy nimi leży kompozycja: DSL routingu pozwala jednemu wywołaniu rozgałęzić się, dzięki czemu mechaniczne strony mogą trafiać do dowolnego taniego modelu, na który je wskażesz, a te wymagające osądu są eskalowane, oraz automatyczne przełączanie awaryjne przenosi żądanie do zdrowego upstreamu, gdy ten, do którego zmierzało, ulega degradacji. Jeden klucz dla hostowanej połowy, twoje własne GPU dla drugiej, jedna polityka decydująca, które żądanie trafia gdzie.

Konkretny, dopracowany układ, a nie hipoteza: ten sam potok może wysłać jednostronicowy formularz do małego modelu tekstowego przez katalog, skierować pełen wykresów raport roczny do modelu wizyjnego i trzymać Qwen3.8-Max w rezerwie dla mniejszości dokumentów, w których ekstrakcja jest naprawdę niejednoznaczna. Model rezerwowy kosztuje 6 USD za milion tokenów wyjściowych i nic, gdy nie jest używany, co jest znacznie lepszym rozwiązaniem niż zapewnianie czwartego H100 dla obciążenia, które skacze dwa razy w miesiącu.

Kto powinien co robić, zaczynając od tego tygodnia

Jeśli Twoja praca wiąże się z danymi podlegającymi regulacjom — dowolną kategorią, w której wysłanie strony do strony trzeciej wymaga przeglądu prawnego — decyzja została podjęta za Ciebie i jest nią Super VL, wraz z całym zapleczem sprzętowym. Jeśli Twoja praca polega na masowym rozumieniu dokumentów i ekranów przy standardowych wymaganiach dotyczących prywatności, najtańszą poprawną odpowiedzią dla większości zespołów jest obecnie rozliczany model frontierowy, ponieważ działa już dziś, a jego cena jest znana. Jeśli znajdujesz się gdzieś pośrodku — a tam trafia większość rzeczywistych potoków — te dwa rozwiązania wcale nie są konkurencją: Qwen3.8-Max do trudnego ogona i samodzielnie hostowany Super VL do obsługi dużego wolumenu, a router decyduje przy każdym żądaniu.

Tym, co zmieniłoby tę stronę, jest opublikowana stawka za Super VL od dowolnego dostawcy usług. W momencie, gdy za rozliczanym punktem końcowym pojawi się checkpoint Nemotron, zastrzeżenie dotyczące progu wdrożeniowego znika, porównanie staje się porównaniem ceny z ceną, a ciekawe pytanie przenosi się z „który model” na „który dostawca”. Do tego czasu obie kolumny wciąż odpowiadają na różne pytania — a uczciwa odpowiedź na pytanie „który jest lepszy” brzmi: model z ceną i model z licencją nie są tym samym rodzajem obiektu.