Nemotron 3.5 Super vs Gemini 3.1 Pro: um é um arquivo, o outro é uma prévia

A diferença mais significativa entre NVIDIA Nemotron 3.5 Super e Gemini 3.1 Pronão está em nenhuma tabela de benchmark. Está no status de lançamento. O modelo da NVIDIA — 120 bilhões de parâmetros totais com 12 bilhões ativos por token, um codificador de visão C-RADIO acoplado a uma mistura de especialistas híbrida de Mamba-2 e Transformer, publicado sob o nome mais completo NVIDIA Nemotron 3.5 Super VL e disponibilizado no Ollama como nemotron-3.5-super — é um conjunto de arquivos. Eles foram publicados no Hugging Face em 12 de outubro de 2026, três dias antes de a própria postagem da sala de imprensa da NVIDIA, em 15 de outubro, torná-los oficiais, e você pode baixar 82,3 GiB deles hoje à noite e executá-los na sua própria placa sob uma licença que permite uso comercial. O Gemini 3.1 Pro da Google foi anunciado em 19 de fevereiro de 2026 e ainda é servido como um endpoint de pré-visualização. Oito meses depois, é um modelo que você pode chamar e não pode segurar.

Esse enquadramento não é uma crítica a nenhuma das abordagens. Um endpoint de pré-visualização é como um laboratório de fronteira lança e itera sobre algo que ainda não está pronto para congelar e, para a maioria das equipes, é a opção mais vantajosa. Mas os dois modelos ocupam posições diferentes em uma implantação, e a comparação honesta é sobre de qual posição você precisa — não sobre qual deles vence uma tabela.

Uma coisa a dizer claramente antes dos números. O Nemotron 3.5 Super tem quatro dias no momento em que escrevo. O fornecedor o anunciou, então não é um lançamento discreto no sentido de não confirmado, mas a base de evidências independentes para ele é aproximadamente uma pontuação de painel e muitas linhas do fornecedor. A prévia do Gemini tem oito meses de atenção do mundo e um corpo muito maior de medições de terceiros por trás dela. Onde as evidências são escassas, esta página diz isso em vez de arredondar para cima.

Hardware contra uma chave

• O que você recebe — um checkpoint: pesos de referência BF16, uma variante Base e uma build NVFP4, além de um drafter LiLiCorr separado, tudo publicado em 12 de outubro de 2026 · um endpoint hospedado protegido por uma chave de API, em status de pré-visualização desde 19 de fevereiro de 2026.

• Licença — OpenMDW-1.1, uso comercial permitido, e o cartão do modelo indica que o checkpoint está pronto para uso comercial ou não comercial · Termos de Serviço do Google.

• Parâmetros — 120B no total, 12B ativos, 512 especialistas roteados por camada MoE, divulgados integralmente no card · não publicados.

• Contato direto com o hardware — quatro H100s ou dois GB200s para BF16; uma placa de 96 GB para a tag de 4 bits padrão em 82,3 GiB mais um projetor de visão de 1,6 GiB · nenhum, por design.

• Contexto — até 1.000.000 de tokens, com a ressalva da própria ficha de que a memória disponível e as configurações de execução determinam o valor utilizável e de que prompts, imagens, histórico, resultados de ferramentas e tokens gerados compartilham esse orçamento · 1.048.576 tokens de contexto.

• Limite de saída — não consta em lugar nenhum: nem na ficha técnica da NVIDIA nem no registro de runtime há qualquer valor declarado · 65.536 tokens.

• Modalidade — texto, imagem e vídeo como entrada, texto como saída; o caminho de visão não é opcional, toda tag publicada carrega o projetor · texto, imagem, vídeo, áudio e arquivo como entrada, texto como saída, o que é a superfície de entrada mais ampla de qualquer item nesta comparação.

• Preço por uso — nenhum publicado; auto-hospede ou nada · US$ 2 por milhão de tokens de entrada e US$ 12 por milhão de saída, dobrando para US$ 4 e US$ 12 ou mais para prompts acima de 200.000 tokens.

As duas linhas que decidem implantações são preço e entradas. O modelo da NVIDIA não tem preço porque não tem endpoint — seu custo é hardware e eletricidade, e a única variável que importa é a utilização. A prévia do Gemini tem um preço com um salto: os primeiros 200.000 tokens de entrada são cobrados a $2 por milhão, e tudo além disso é cobrado pelo dobro, um detalhe que você vai querer saber antes de construir um pipeline que enfia um milhão de tokens de contexto em cada chamada.

O codificador de visão é onde esses dois realmente se encontram

Ambos os modelos aceitam imagens e vídeo, o que faz deste o único eixo em que a comparação é direta em vez de estrutural. É também o eixo em que as evidências são mais desiguais.

Na própria tabela da NVIDIA, todos executados pelo fornecedor através do harness NeMo Gym: 62,82 no MMLongBench-Doc, 78,16 no MathVision, 80,82 no CharXiv reasoning, 65,08 no OCR-Reasoning, 85,60 no V*, 68,12 no OCRBench v2 English, 59,15 no conjunto chinês, 32,85 no Video-MME v2 e 51,14 no OSWorld-Verified. As linhas são consistentes com um modelo que lê documentos e gráficos de forma competente e é significativamente mais fraco em texto em chinês do que em inglês.

O Google não publicou uma tabela correspondente para a prévia no formato que a NVIDIA usa, e esta página não vai inventar uma ao emparelhar números de diferentes estruturas de avaliação. O que pode ser dito com honestidade é que o mesmo painel de terceiros que pontua ambos os modelos coloca a prévia do Gemini um pouco acima no seu índice geral — cerca de 29,7 contra 26,49 do checkpoint da NVIDIA — e que a avaliação do painel para a entrada do Gemini está datada do anúncio de fevereiro do modelo, e não de qualquer revisão mais recente. Dado que a diferença no índice é de cerca de três pontos e que as duas entradas foram medidas com oito meses de intervalo, tratar qualquer uma delas como um veredito definitivo sobre a outra seria fazer uma leitura excessiva.

O que não é exagero: a prévia do Gemini aceita áudio, e o checkpoint da NVIDIA não. Se a sua entrada incluir uma gravação de chamada, uma reunião ou qualquer faixa de áudio, metade desta comparação já está decidida antes de os parâmetros entrarem em cena. Por outro lado, se a sua carga de trabalho for um corpus de documentos fixo que você processa dezenas de milhares de vezes por dia, um modelo que você pode executar localmente a um custo fixo é uma proposta estruturalmente diferente de um que cobra US$ 2 por milhão de tokens toda vez que você olha para uma página.

A armadilha no padrão da NVIDIA sobre a qual ninguém escreveu

Este é o tipo de detalhe que só aparece se você ler o registro de runtime em vez do blog do fornecedor, e vale o parágrafo.

O card especifica duas configurações de amostragem recomendadas: temperatura 1.0 com top_p 0.95 para texto, e temperatura 0.6 com top_p 0.95 para visão. O padrão distribuído no manifesto do Ollama é o par de texto. Isso significa que a configuração sob a qual a maioria das pessoas executará este modelo de visão por padrão está ajustada para a metade do modelo que não é visão. Se sua primeira experiência com ele em páginas digitalizadas ou gráficos for decepcionante, as configurações de amostragem são a primeira coisa a verificar — antes de concluir qualquer coisa sobre a capacidade do próprio checkpoint.

Dois detalhes relacionados do mesmo manifesto. O blob de configuração declara model_type: 123.6B, enquanto cada rótulo voltado ao usuário diz 120B, o que é uma divergência de arredondamento, e não uma discrepância nos pesos, mas isso importa quando um script de ferramentas decide o que vai caber. E o gate de runtime é imposto, não apenas recomendado: requires: 0.40.5, então em qualquer Ollama anterior este modelo não é baixado de forma alguma.

O que o intervalo de oito meses realmente vale

Pode-se argumentar que uma prévia que sobreviveu a oito meses de tráfego é, em alguns aspectos, mais confiável do que um checkpoint de quatro dias, e esse é um bom argumento.

Um endpoint de pré-visualização foi bombardeado. Seus modos de falha são documentados por outras pessoas. Seu preço é publicado, em vez de inferido. Sua janela de contexto se comporta como a documentação diz que se comporta, porque milhares de usuários descobriram onde ela não se comporta. E uma prévia que o Google manteve em pré-visualização por oito meses, em vez de promovê-la, no mínimo não foi retirada em silêncio — o que é uma informação sobre a viabilidade comercial do modelo que nenhum carimbo de data/hora de repositório pode lhe dar sobre o checkpoint da NVIDIA.

Em contrapartida, o preview acarreta dois custos que um arquivo auto-hospedado não tem. O primeiro é que ele pode mudar. O status de preview é uma declaração explícita de que o endpoint pode ser revisado sem aviso, e um pipeline ajustado ao comportamento exato de um preview é um pipeline com uma dependência sem hedge. O segundo é que sua economia escala linearmente e para sempre. Não há volume acima do qual o preview do Gemini fique mais barato por token; há um volume acima do qual o custo fixo de quatro H100s o supera. Esse ponto de cruzamento é o único número que deveria orientar esta decisão, e é uma propriedade do seu tráfego, não de qualquer um dos dois modelos.

E o déficit de oito meses do checkpoint da NVIDIA não é puramente uma desvantagem. O fornecedor publicou não apenas os pesos, mas também um arcabouço de avaliação reproduzível e um relatório técnico, e tanto o campo de data de lançamento do card quanto os carimbos de data e hora do repositório batem com a publicação da sala de imprensa. Esse é um processo de lançamento mais auditável do que a maioria dos lançamentos de pesos abertos recebe, mesmo que a auditoria só tenha acabado de começar.

Nenhum desses está na nossa chave, e um deles é a razão que importa.

Vale ser direto quanto à disponibilidade. O Gemini 3.1 Pro está acessível no OrcaRouter em sua forma de pré-visualização pelo preço de tabela do provedor, repassado sem acréscimo por token — US$ 2 na entrada e US$ 12 na saída, com o nível de contexto longo precificado à tarifa publicada pelo Google, ativo do nosso lado no mesmo dia em vez de na próxima renovação. Se você quer descobrir se a pré-visualização dá conta da sua carga de trabalho com documentos, isso é uma chave e nenhum processo de compra.

Nemotron 3.5 Super não está na nossa chave. Roteamos um pouco mais de duzentos modelos e não há nenhuma entrada NVIDIA Nemotron entre eles, então este artigo não é uma sugestão de que você pode chamá-lo em nossa plataforma. Suas rotas são os próprios canais de build e distribuição da NVIDIA e o pull do runtime local.

O que a camada de roteamento tem de genuinamente útil aqui é a parte desta decisão que não tem nada a ver com benchmarks. Execute sua carga de trabalho real de documentos no preview hospedado primeiro. Se ela passar no critério, você descobriu que a carga de trabalho é uma que um modelo de fronteira dá conta, e agora você pode fazer um argumento de volume sobre se deve mover alguma parte dela para um checkpoint executado localmente. Se ela não passar no critério, você aprendeu algo ainda mais valioso, e aprendeu isso pelo preço de alguns dólares em tokens em vez do preço de um cluster.

O veredito estreito

Se você precisa de entrada de áudio, do conjunto mais amplo possível de modalidades de entrada, de um limite de saída publicado ou de um modelo cujos modos de falha outras pessoas já mapearam, o Gemini 3.1 Pro Preview é a resposta, e os oito meses de medição de terceiros por trás dele valem mais do que sugere a diferença de três pontos no índice.

Se você precisa manter o modelo, licenciá-lo para uso comercial, executá-lo em hardware próprio e pagar um custo fixo por uma carga de trabalho de documentos que você processa continuamente, o checkpoint da NVIDIA é uma opção real pela primeira vez neste mês — com três ressalvas específicas. A tag padrão é uma quantização de 4 bits, e não existe nenhuma avaliação publicada para essa quantização. Os padrões de amostragem fornecidos são as configurações de texto da placa, não as configurações de visão. E o modelo tem apenas quatro dias.

Experimente primeiro a pré-visualização com os seus próprios dados. Se funcionar, a questão passa a ser de volume, e volume é aritmética. Se não funcionar, acabou de poupar um cluster.