Nemotron 3.5 Super vs GLM-5.5: um desses modelos existe

Há uma comparação real entre NVIDIA Nemotron 3.5 Super e GLM-5.5, e não é a que os resultados de pesquisa prometem. O Nemotron 3.5 Super — 120 bilhões de parâmetros totais com 12 bilhões ativos por token, uma mistura híbrida de especialistas Mamba-2 e Transformer com um codificador de visão C-RADIO, publicado sob o nome mais completo NVIDIA Nemotron 3.5 Super VL e disponibilizado no Ollama como code>nemotron-3.5-super/code> — é um conjunto de pesos que foi publicado no Hugging Face em 12 de outubro de 2026, foi anunciado pela NVIDIA em 15 de outubro, e pode ser baixado e executado hoje à noite sob a licença OpenMDW-1.1. O GLM-5.5 é um modelo que a Z.ai não lançou. Não há repositório, nem ficha de modelo, nem endpoint, nem preço e nem contagem de parâmetros. Há relatos que remontam a junho de 2026 sobre um lançamento de um trilhão de parâmetros, um texto sobre vazamento em outubro alegando que ele supera dois modelos de fronteira, e silêncio do laboratório.

O que significa que um confronto direto entre esses dois seria a especificação de um modelo real contra a reputação de outro modelo. Isso não é uma comparação; é um horóscopo com benchmarks. Portanto, esta página faz o que é realmente útil: declara o que a Z.ai lançou, o que se sabe sobre o que ela não lançou e, em seguida, executa a comparação com a qual um leitor com uma GPU e uma carga de trabalho pode agir hoje.

O que a Z.ai realmente lançou

A linha principal publicada da Z.ai passa por GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 e GLM-5.3-Flash. No nosso próprio catálogo, o identificador GLM mais alto que roteamos é code>z-ai/glm-5.3/code>, juntamente com code>z-ai/glm-5.3-flash/code> e uma variante gratuita do nível flash. Não existe um id GLM-5.5, e a lista de modelos termina onde o log do laboratório termina.

O que é o GLM-5.3, pelos números que conseguimos verificar: uma mistura de especialistas de 753 bilhões de parâmetros com 40 bilhões ativos por token, uma janela de contexto de 1.000.000 de tokens com limite de saída de 128.000 tokens, entrada de texto, uma licença que a Z.ai publica em seu próprio nome com uso comercial permitido, e uma tarifa de medição repassada de US$ 1,26 por milhão de tokens de entrada e US$ 3,96 por milhão de tokens de saída. O nível flash fica abaixo dele, a US$ 0,15 e US$ 0,50, com contexto de 1M e entrada de texto, imagem e vídeo.

Esse nível flash é o concorrente mais interessante para este lançamento da NVIDIA do que o carro-chefe de uma forma específica, e há uma página irmã neste mesmo lote que aborda isso. Para os fins deste artigo, o ponto é mais restrito: se você quiser comparar o Nemotron 3.5 Super com algo que a Z.ai lançou, você está comparando-o ao GLM-5.3, e essa comparação está disponível hoje.

Por que os relatórios do GLM-5.5 não são números utilizáveis

A cobertura em torno do GLM-5.5 se divide em três categorias, e nenhuma delas vai embasar uma decisão de compra.

A primeira é o agendamento. A cobertura de meados de 2026 descreveu um lançamento planejado para agosto, voltado ao ChatGPT e ao Claude, com base em declarações de funcionários da Zhipu e em burburinho do setor. A data passou sem um lançamento. Uma janela de lançamento que já foi perdida não é evidência sobre um modelo.

O segundo é a contagem de parâmetros. Têm circulado relatos sobre um número de um trilhão de parâmetros. Ninguém publicou um índice safetensors, um config ou uma contagem de especialistas por camada, que é aquilo com que uma alegação de parâmetros normalmente é verificada. O número pode muito bem acabar por estar certo; atualmente, é uma afirmação sem qualquer artefato por trás.

O terceiro são alegações de benchmark. Um texto de outubro afirmou que o GLM-5.5 supera dois modelos de fronteira nomeados. Não há harness, nem conjunto de prompts, nem configuração de pontuação e nem caminho de reprodutibilidade nessa alegação — que é exatamente a lacuna que a NVIDIA, diga-se o que disser sobre avaliações conduzidas por fornecedores, fechou ao publicar uma receita do NeMo Gym com contêineres e parâmetros de inferência específicos para benchmarks junto de sua tabela. Um benchmark de fornecedor com receita é evidência fraca. Um benchmark vazado sem receita não é evidência.

Há uma versão deste artigo que trata os números vazados como reais, os coloca em um placar de duas colunas e deixa o leitor presumir que o confronto está definido. Esse artigo não valeria nada para quem precisa tomar uma decisão, e estaria desatualizado em uma semana após qualquer anúncio real.

A comparação que se pode fazer, conduzida corretamente.

Nemotron 3.5 Super VL contra GLM-5.3, o carro-chefe que a Z.ai realmente publicou.

• Parâmetros totais e ativos — 120B no total com 12B ativos, 512 especialistas roteados por camada MoE · GLM-5.3 com 753B no total e 40B ativos. Em termos de parâmetros ativos, o modelo da NVIDIA tem um terço do tamanho e deve ser drasticamente mais barato por token para executar em hardware equivalente, que é exatamente a intenção do projeto.

• Contexto — 1.000.000 tokens em ambos, com uma ressalva importante. A ficha da NVIDIA diz que a memória disponível e as configurações de execução determinam o valor utilizável, e que prompts, imagens, histórico, resultados de ferramentas e tokens gerados compartilham o orçamento. A Z.ai publica um limite de saída de 128.000 tokens para o GLM-5.3, e a NVIDIA não publica limite de saída algum, o que torna o GLM-5.3 o modelo mais previsível para gerações longas e o checkpoint da NVIDIA o mais aberto.

• Modalidade — entrada de texto, imagem e vídeo com saída de texto para o modelo NVIDIA, por meio de um codificador de visão e um conector, com um projetor de 1,6 GiB em cada tag publicada · somente texto para o GLM-5.3, com o caminho multimodal ficando no nível flash mais barato. Se sua entrada for uma página de documento, o GLM principal não entra na conversa.

• Preço por uso — nenhum para o checkpoint NVIDIA, que é somente auto-hospedado · US$ 1,26 de entrada e US$ 3,96 de saída por milhão de tokens para o GLM-5.3, repassado pelo preço de tabela do provedor, sem acréscimo de margem.

• Índice de terceiros, que é a única linha auditada nesta lista — o painel que pontua esses modelos coloca o checkpoint da NVIDIA em cerca de 26 e o GLM-5.3 em cerca de 45. Trata-se de uma diferença de dezoito pontos a favor do carro-chefe chinês, medida por um terceiro, e não por qualquer um dos fornecedores, e é o número mais importante aqui.

• Estado de lançamento — pesos públicos em 12 de outubro de 2026, anunciado em 15 de outubro, quatro dias de histórico operacional · GA, com uma linha de revisões já publicada por trás.

A lacuna no índice merece ser declarada sem amenizar. A própria tabela publicada pela NVIDIA não pode ser usada para contestá-la, porque o fornecedor não executou o GLM-5.3 como linha de base — a coluna GLM nessa tabela é o GLM-5.3-Flash, o nível mais barato, e mesmo aí o modelo da NVIDIA fica atrás na maioria das linhas de tarefas agênticas. Um checkpoint aberto com 12B ativos não está competindo com um carro-chefe de 40B ativos em capacidade geral, e qualquer página que diga o contrário está tentando vender algo.

O que a escolha de arquitetura realmente lhe proporciona

A questão interessante não é se 12B ativos superam 40B ativos. Não superam. A questão interessante é o que acontece quando se normaliza em função do hardware que se pode pagar.

Na sua tag padrão de 4 bits, o checkpoint da NVIDIA tem 82,3 GiB de pesos mais um projetor de visão de 1,6 GiB — uma única placa de 96 GB, com margem para cache KV que diminui conforme você aumenta o contexto. O GLM-5.3, com 753 bilhões de parâmetros totais, não cabe em nenhuma máquina única em qualquer quantização que preserve seu comportamento, e sua implantação correta mais barata é o cluster de outra pessoa por meio de uma API a US$ 1,26 e US$ 3,96.

Portanto, os dois modelos não são substitutos. Um deles é uma capacidade tarifada que você aluga, e o outro é um custo fixo que você possui, e a única coisa que decide entre eles é o quão continuamente você usa a coisa. Abaixo de uma certa vazão, um carro-chefe de US$ 1,26 por milhão de tokens é simplesmente mais barato do que uma placa de 96 GB e a eletricidade por trás dela. Acima de uma certa vazão, a placa vence, e vence sem precisar ser o melhor modelo.

O outro aspeto que o design da NVIDIA proporciona, e não é coisa pouca, é o caminho de visão numa licença permissiva. O GLM-5.3 é apenas texto. O GLM-5.3-Flash aceita imagens e vídeo a quinze cêntimos e cinquenta cêntimos por milhão de tokens, o que é extraordinariamente barato e é por isso que o nível flash — não o flagship — é a comparação certa da Z.ai para um pipeline de documentos. Um modelo de visão auto-hospedado a um custo fixo contra um modelo de visão alojado a quinze cêntimos é uma questão legítima com um ponto de cruzamento real, e vale a pena calculá-lo com o seu próprio número de páginas em vez de com um ranking.

Três coisas sobre o checkpoint da NVIDIA que não foram resolvidas

Sendo imparcial na direção oposta, porque a abertura do lançamento da NVIDIA não torna sua especificação completa.

A tag padrão que a maioria das pessoas vai baixar é uma quantização de 4 bits, e todo número de avaliação publicado — a própria tabela da NVIDIA, a pontuação do painel de terceiros — é para BF16 ou NVFP4. A versão em uso real não tem avaliação publicada. Esta é a maior quantidade não medida de ambos os lados desta página.

Os padrões de amostragem fornecidos pelo runtime são as configurações de texto do cartão, temperatura 1.0 com top_p 0.95, enquanto a configuração de visão do cartão é temperatura 0.6. Um modelo de visão cuja configuração padrão está ajustada para sua parte de texto vai produzir primeiras impressões decepcionantes em páginas digitalizadas, e a correção é uma mudança de configuração, e não um modelo diferente.

E a especificação contradiz a si mesma em dois pequenos pontos que importam para ferramentas: o blob de configuração do Ollama declara code>model_type: 123.6B/code> enquanto todos os rótulos voltados para humanos dizem 120B, e a página da biblioteca anuncia um contexto de 1M para suas tags GGUF, mas nenhum número de contexto para suas três tags MLX. Nenhum dos dois é um defeito nos pesos. Ambos são coisas em que um script de implantação vai tropeçar.

Onde isso deixa um leitor

Se você está aqui porque queria saber como o Nemotron 3.5 Super se compara ao GLM-5.5, a resposta é que o segundo modelo ainda não existe e qualquer página que forneça números sobre ele está inventando-os. O que existe é um vazamento com uma contagem de parâmetros, uma janela de lançamento perdida e uma alegação sem nenhum arcabouço de avaliação por trás.

Se você está escolhendo entre o que é realmente disponibilizado, a escolha é entre um carro-chefe da Z.ai com cobrança por uso que é significativamente mais forte em capacidade geral e apenas texto, um nível flash da Z.ai com cobrança por uso que é incrivelmente barato e aceita imagens, e um checkpoint NVIDIA que você pode ter, que lida com texto, imagens e vídeo, e que fica atrás no único score medido de forma independente que qualquer um deles tem. O Nemotron 3.5 Super não está no OrcaRouter — roteamos pouco mais de duzentos modelos e não há nenhuma entrada NVIDIA Nemotron entre eles — então, se você quer o checkpoint NVIDIA, os canais do próprio fornecedor e o pull local são o seu caminho.

GLM-5.3 e GLM-5.3-Flash estão na nossa chave, ao preço de tabela do provedor, repassado sem acréscimo por token, e uma mudança de preço da Z.ai chega ao nosso lado no mesmo dia, em vez de na sua próxima renovação de contrato. Esse é o experimento barato: execute a carga de trabalho contra o modelo que você consegue acessar hoje, descubra quanto custa por unidade de trabalho real e só então decida se o custo fixo de uma placa que você possui supera um medidor que você aluga.

E quando o GLM-5.5 chegar — se é que vai chegar —, a versão desta página que valerá a pena ler será a escrita depois que alguém que não seja o próprio laboratório o tiver testado.