Nemotron 3.5 Bolt против Qwen 3.8 Max: обе эти модели смотрят видео

Не так много найдётся пар моделей, где удивляет именно общая для них способность. Обе NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB и Qwen 3.8 Max принимают видео на вход и обе возвращают текст. Qwen 3.8 Max, выпущенная Alibaba 3 августа 2026 года, — это размещённая в облаке мультимодальная модель с контекстом в 1 000 000 токенов, доступная через OpenAI-совместимые, Anthropic-совместимые и нативные интерфейсы DashScope из пяти регионов, по цене $2.00 за миллион входных токенов и $6.00 за миллион выходных токенов, причём чтение из кэша стоит $0.25. Nemotron 3.5 Bolt, выпущенный NVIDIA 15 октября 2026 года, — это файл с открытыми весами размером 24 ГБ, с визуальным энкодером C-RADIO v4-H, окном в 262 144 токена и вообще без цены.

Две модели, каждой из которых можно передать запись экрана, и различаются они лишь тем, где работают и сколько это стоит. Это более чистое сравнение, чем обычно бывает при прямых сопоставлениях, и оно быстро разрешается, стоит только перестать спрашивать, какая из них умнее.

Два мультимодальных стека, один объём памяти

Мультимодальность Bolt — унаследованная, а не заложенная специально. NVIDIA сжала свою модель Nemotron 3.5 Super VL 120B-A12B до 74B-A9B с помощью управляемого маршрутизатором поиска, который называет Star Elastic, а затем довела результат до 2,0625 бита на вес эксперта в формате IQ2_XXS с дистилляцией с учётом квантования. Визуальная башня — энкодер C-RADIO v4-H — тоже прошла через сжатие, а переключатель режима рассуждений — тот же, что предоставляет клиент Super VL: флаг enable_thinking в шаблоне чата. Всего параметров — 74B, активных на токен — 9B, основа — гибрид Mamba-2 и Transformer, который производитель называет LatentMoE, лицензия OpenMDW-1.1 для коммерческого и некоммерческого использования.

Qwen 3.8 Max — это артефакт иного рода. Это самый производительный уровень Alibaba, изначально мультимодальный, и он существует только как эндпоинт. Нет контрольной точки для скачивания, нет квантованной сборки для запуска на рабочей станции и нет версии, предельная стоимость которой сводилась бы к счёту за электроэнергию. Вместо этого у него есть охват: три формата передачи данных, благодаря чему существующий SDK Anthropic или интеграция с DashScope работают без переписывания, и пять обслуживаемых регионов в Азии, Европе и Северной Америке, которые делают вопрос задержки вопросом географии в не меньшей степени, чем инженерии.

Практическое следствие состоит в том, что мультимодальное поведение Bolt ограничено теми же 24 ГБ, в которых хранятся KV-кэш, история диалога и результаты вызовов инструментов. Поведение Qwen 3.8 Max ограничено тем, что выделяет эндпоинт, — а это уже не ваша проблема.

Сколько вы платите и кому

Qwen 3.8 Max тарифицируется по потреблению, и расценки для него низкие, учитывая его уровень. Промпт на 20 000 токенов с ответом на 3 000 токенов стоит $0,04 на входе и $0,18 на выходе, около $0,22 за вызов — а чтение из кэша по $0,25 за миллион токенов означает, что стабильный системный промпт или повторяющийся документ почти бесплатны при втором проходе. Его p50 времени до первого токена по нашему каталогу — 3,22 секунды при p95 в 10,00 секунды, и за последние семь дней он пропустил 41,3 млн токенов маршрутизированного трафика.

У Nemotron 3.5 Bolt нет тарифной сетки, потому что измерять нечего. Нет ни хостингового эндпоинта, ни вендорского API, ни сторонней платформы, которая бы его обслуживала и на которую мы могли бы вам указать. Artificial Analysis указывает и его скорость, и стоимость на задачу Intelligence Index как N/A именно по этой причине. Если вы запускаете его сами, затраты — это GPU, энергопотребление и период амортизации, а предельная цена следующего миллиона токенов равна нулю. Для ночной задачи, которая каждый день читает один и тот же корпус, это не скидка — это другая модель учёта, и точка безубыточности целиком зависит от того, как часто вы её запускаете.

Окно и возможность его использовать

Контекст — это та ось, на которой эти двое выглядят наиболее схожими на бумаге и быстрее всего расходятся на практике.

• Заявленное окно — Qwen 3.8 Max: 1 000 000 токенов против Nemotron 3.5 Bolt: 262 144. Примерно четыре к одному, и именно это соотношение определяет, возможна ли вообще задача по всей кодовой базе или всему архиву в одном запросе.

• Recall внутри окна — Artificial Analysis фиксирует значение recall для длинного контекста, равное 80,3, у Qwen 3.8 Max. Для Bolt нет эквивалентного независимого числа, к тому же его окно изначально меньше, из-за чего это сравнение между измеренной и неизмеренной возможностью.

• Что ещё делит это пространство — 262 144 токена Bolt живут в тех же 24 ГБ, что и веса, видеокадры и KV-кэш. Длинный видеопромпт и длинный разговор конкурируют за одну и ту же память. Окно Qwen 3.8 Max предоставляется оператором, поэтому ограничение — это цена, а не аппаратное обеспечение.

• Управление рассуждениями — Qwen 3.8 Max предоставляет переключатель enable_thinking или reasoning.effort в Responses API. Аналог в Bolt — переключатель в шаблоне чата из того же семейства флагов, унаследованный от клиента Super VL. Ни то, ни другое не является чем-то необычным; оба позволяют перестать платить за обдумывание при рутинных вызовах.

Измеренное против неизмеренного

Artificial Analysis присуждает Qwen 3.8 Max 45,4 балла в своём Индексе интеллекта — пятнадцатое место из 145 измеренных моделей: вхождение в лучшие десять процентов, но не на самой вершине. Его вспомогательные строки сильны там, где они нужны агентным рабочим нагрузкам: индекс программирования AA — 76,2, девятое место из 138, 88,8 в Terminal-Bench 2.1 и 92,8 в GPQA Diamond. Его сравнительная слабость — это 80,3 по воспроизведению длинного контекста, что для модели с миллионом токенов скорее прилично, чем исключительно.

Показатели Bolt уже по своему охвату. Он набирает 21 по тому же индексу — четвёртое место из 67 в своём классе с фильтрацией по занимаемой площади при медиане класса 8, — и Artificial Analysis относит его к ведущим открытым моделям сопоставимого размера. Его измеренные скорость и стоимость не указаны. Всё остальное — результат Terminal-Bench 2.1, равный 50,98, GPQA Diamond 86,43, BrowseComp 66,75, WebArena vision 50,86, SciCode 41,02 — взято из собственной карточки модели NVIDIA, где каждая базовая линия — это другая модель втрое меньшего размера. Эти строки не лгут; они отвечают на вопрос об эффективности, а не о передовых возможностях, и чтение их как состязания с размещённым на серверах флагманом означает неверное истолкование документа.

Разрыв в скорости заслуживает такого же внимания. Artificial Analysis не может измерить пропускную способность Bolt, потому что нечего вызывать. NVIDIA сообщает о проектном целевом показателе не менее 80 токенов в секунду при декодировании, 84 в AIPerf SPEED-Bench на RTX Spark и 83,99 при запуске llama.cpp на Surface Laptop Ultra с 128 ГБ — и всё это не воспроизведено. Показатель Qwen 3.8 Max в 3,22 секунды до первого токена измерен и опубликован. Планируйте, отталкиваясь от измеренного значения, а другое считайте желаемым ориентиром.

Вопрос маршрутизации, который здесь не симметричен

Qwen 3.8 Max присутствует в нашем каталоге как qwen/qwen3.8-max и маршрутизируется по каталожной цене провайдера Alibaba с нулевой наценкой — $2,00 и $6,00 за миллион токенов, те же цифры на нашей странице, что и у поставщика, а значит, изменение тарифов на стороне поставщика доходит до наших пользователей в тот же день, а не при продлении договора. Он работает по тому же ключу, что и более 200 других моделей, с автоматическим переключением между вышестоящими провайдерами при сбое одного из них и DSL маршрутизации для объединения нескольких моделей в один запрос.

Nemotron 3.5 Bolt отсутствует в нашем каталоге, и мы его не обслуживаем. Для Bolt нет эндпоинта, нет идентификатора, на который можно было бы направить запрос, и ничто в этом материале не является предложением разместить чекпойнт NVIDIA. Честная форма здешних рекомендаций по маршрутизации — это разделение, а не выбор: хостируемая мультимодальная модель обрабатывает запросы с длинным окном, видеокорпуса, слишком большие для 24 ГБ разделяемой памяти, и всё, что должно быть вызываемым откуда угодно; локальный файл обрабатывает высокочастотные проходы, когда данные не должны покидать здание, а объём сделал бы оплату за токены разорительной. Слияние моделей — это вариант, о котором стоит знать, если дорогие вызовы — это те, что имеют последствия: панель моделей совместно отвечает на один и тот же промпт, и вы берёте согласованный ответ, — дешёвый способ купить уверенность в решении, которое нелегко отменить.

Как это разрешается

Их общая черта — видео, и именно поэтому эти две модели вообще стоит сравнивать — большинство локальных моделей такого размера вообще не умеют видеть, а большинству облачных моделей нельзя передать запись экрана без этапа извлечения кадров, который теряет то, что вы пытались им показать.

За пределами этого пересечения они расходятся по всем осям. Qwen 3.8 Max выигрывает по широкому окну, измеренной задержке, более богатому набору входных данных и с большим отрывом — по независимо оценённому интеллекту. Nemotron 3.5 Bolt выигрывает по единственной оси, которую не может оспорить ни одна хостируемая модель: он работает там, где уже находятся ваши данные, независимо от наличия сети, при нулевых предельных издержках.

Решение обычно не является делом предпочтения. Если видео никогда не покидает здание, размещённый вариант никогда не был доступен, и сравнение сводится к одному кандидату. Если корпус — это миллион токенов текста, локальный вариант никогда не был доступен по той же причине, только наоборот. Там, где выбор действительно близок — небольшие объёмы, данные, которые юридически могут передаваться, работа, состоящая в основном из коротких вызовов инструментов с редкими длинными чтениями, — решающим фактором становится одно число, которого не хватает в этом сравнении: как быстро 24-ГБ чекпоинт на самом деле работает на вашем оборудовании, что пока никто за пределами NVIDIA не измерял.