Nemotron 3.5 Super VL против Qwen3.8-Max: уровень открытых весов против тарифицируемого фронтира

У того, кто планирует конвейер обработки документов на этот квартал, есть ровно два варианта на выбор, и они не одинаковы. NVIDIA Nemotron 3.5 Super VL — это визуально-языковой чекпойнт с 120 млрд параметров, 12 млрд из которых активны, под лицензией OpenMDW-1.1, чьи веса были выложены 12 октября 2026 года, за три дня до собственного анонса NVIDIA 15 октября: вы скачиваете его, размещаете у себя, платите за GPU и электроэнергию. Qwen3.8-Max — это проприетарный флагман Alibaba: смесь экспертов с 2,4 трлн параметров, 95 млрд активных параметров, поддержкой визуального ввода, контекстным окном в 1 млн токенов и оплатой за токены по цене $2 за миллион входных и $6 за миллион выходных токенов со скидкой 88% за кэш. Один — это капитальные затраты с полным контролем; другой — операционные расходы с тарифной сеткой. Всё остальное в этом сравнении — следствие этого разделения.

Две бизнес-модели под видом сравнения бенчмарков

Так и тянет выстроить их в ряд по возможностям и объявить победителя. Такая постановка скрывает реальное решение — вопрос о том, кому принадлежит сценарий отказа. С Super VL, если пропускная способность вас разочарует, вы дообучаете модель, заново её квантуете или покупаете другое оборудование — потолок поднимать вам. С Qwen3.8-Max, если пропускная способность вас разочарует, вы меняете строку модели или идёте на переговоры; потолок принадлежит Alibaba, как и план развития.

Эта разница отчётливо читается в том, что опубликовал каждый вендор. NVIDIA выпустила технический отчёт, рецепты обучения, открытые наборы данных, среды RL и три отдельных пути спекулятивного декодирования для этого семейства — инструментарий модели, предназначенной для развёртывания и модификации. Qwen выпустила API с прайс-листом и скидкой за кэш — инструментарий модели, предназначенной для потребления.

Что даёт вам Super VL, чего не может дать хостинговый эндпоинт

NVIDIA Nemotron 3.5 Super VL — это гибрид: чередующиеся слои Mamba-2, смесь экспертов с 512 маршрутизируемыми экспертами на каждом слое MoE и отдельные слои внимания, соединённые с визуальным энкодером C-RADIO и мультимодальным коннектором «видение — язык». На вход поступают текст, изображения и видеокадры; на выходе — текст. Его языковой backbone был инициализирован из Nemotron 3 Super Base, дистиллированного на триллион токенов из Nemotron 3 Ultra Base, после чего получил расширение на 35 миллиардов токенов до контекста 1M, mid-training по программной инженерии и этап восстановления длинного контекста. Нативное Multi-Token Prediction обеспечивает спекулятивное декодирование без отдельного драфтера. Оно работает в BF16 на 4×H100 или 2×GB200, есть сборка NVFP4 и микросервис NIM для промышленного развёртывания.

• Что принадлежит вам — веса, токенизатор, визуальный энкодер, пайплайн постобучения и журнал аудита. Каждый запрос остаётся внутри вашего периметра, что для работы в страховании, кредитовании, здравоохранении или оборонной сфере не предпочтение, а требование.

• За что вы платите — ускорители. Четыре H100 на полной точности — это входной билет, а кривая затрат — это загрузка: дорого при простое, почти бесплатно при насыщении.

• Чем вы жертвуете — тарифной сеткой. По состоянию на 16 октября 2026 года никто не публикует цену на Super VL, поэтому любое сравнение общей стоимости, которое вы построите сегодня, опирается на ваши собственные измерения пропускной способности, а не на цифру от поставщика.

Что даёт вам Qwen3.8-Max, чего не может дать чекпоинт

Qwen3.8-Max активирует 95 млрд параметров на токен из пула в 2,4 трлн параметров, принимает изображения наряду с текстом и по умолчанию имеет контекстное окно чуть менее миллиона токенов. В Artificial Analysis он имеет индекс интеллекта 45, что на девятнадцать пунктов выше 26, зафиксированных для NVIDIA Nemotron 3.5 Super VL в том же индексе, — и, в отличие от большинства цифр на этой странице, оба этих показателя являются сторонними измерениями, а не заявлениями производителя.

• Что вы получаете — универсальную модель передового уровня, включая поддержку зрения, доступную уже сегодня днём с API-ключом. Без оборудования, без эксплуатации, без планирования мощностей.

• Сколько вы платите — $2 за вход и $6 за выход за миллион токенов, со скидкой 88% на кэшированный ввод, что меняет экономику любой рабочей нагрузки с большим стабильным префиксом: длинный системный промпт, фиксированный документ, постоянная схема инструментов.

• Чем вы жертвуете — весами. Нет загрузки, нет локального развёртывания, нет дообучения обслуживающей модели и нет возможности хранить данные на своём железе.

Скидка за кэш заслуживает отдельного примечания, поскольку это число чаще всего моделируют неправильно в любом из столбцов. Снижение на 88% для кэшированного ввода не означает, что счёт станет на 88% дешевле; это означает, что повторяющаяся часть вашего запроса стоит примерно девятую часть от прайс-листа, и выгода масштабируется в зависимости от того, насколько большая часть каждого запроса действительно идентична предыдущему. Конвейеры, которые повторно отправляют большую статическую преамбулу, получают огромную выгоду. Конвейеры, которые отправляют новый документ при каждом вызове, почти не получают выгоды.

Ценовая линия, проводимая честно

Первый порыв — вычислить точку перелома: при каком количестве токенов самостоятельный хостинг выигрывает? Такой расчёт даёт число, и это число обычно неверно, потому что он упускает две доминирующие статьи затрат: инженерное время на поддержание собственного стека инференса в актуальном состоянии и упущенную выгоду от использования меньшей модели на сложных задачах.

Более полезный вариант: прогнать ваш реальный профиль трафика через опубликованные тарифы Qwen3.8-Max и получить точную месячную сумму, потому что на этой стороне есть тарифная сетка. Затем выясните, какую долю этого трафика модель с 12B активными параметрами может обработать по вашему стандарту, и рассчитайте в GPU стоимость только этой доли. В большинстве конвейеров извлечения данных из документов ответ таков: основную часть объёма составляет механическая работа — счета, формы, диаграммы, повторяющиеся макеты, — а небольшая хвостовая часть требует суждения. Основная масса — там, где выигрывает самостоятельное развёртывание; хвост — там, где выигрывает передовая модель, такая как Qwen3.8-Max.

Именно для такого разделения и существует наш собственный слой маршрутизации, и относящиеся к делу факты достаточно узки, чтобы изложить их прямо. Qwen3.8-Max присутствует в нашем каталоге как qwen/qwen3.8-max/ по каталожной цене Alibaba с наценкой 0% — сколько бы ни запрашивал поставщик, именно столько вы и платите, и снижение цены поставщиком вступает в силу в тот же день, а не в следующем расчётном периоде. NVIDIA Nemotron 3.5 Super VL отсутствует в нашем каталоге и никогда в нём не появится в виде эндпоинта, потому что это чекпойнт, который вы разворачиваете у себя, а не сервис, который кто-либо может вам перепродать. А между этими двумя крайностями находится композиция: DSL маршрутизации позволяет одному вызову разветвляться, так что механические страницы могут уходить в любую дешёвую модель, на которую вы их направите, а те, что требуют суждения, эскалируются, и автоматическое переключение при сбое переводит запрос на исправный апстрим, когда тот, к которому он направлялся, деградирует. Один ключ для размещённой половины, ваши собственные GPU для другой, одна политика, решающая, какой запрос куда идёт.

Проработанная схема, а не гипотетическая: один и тот же конвейер может отправить одностраничную форму небольшой текстовой модели через каталог, направить насыщенный графиками годовой отчёт в визуальную модель и держать Qwen3.8-Max в резерве для небольшой доли документов, где извлечение действительно неоднозначно. Резервная модель стоит $6 за миллион выходных токенов и ничего, когда не используется, — это гораздо лучшее решение, чем выделять четвёртый H100 для рабочей нагрузки, которая подскакивает дважды в месяц.

Кому что делать, начиная с этой недели?

Если ваша работа связана с регулируемыми данными — любой категорией, где отправка страницы третьей стороне требует юридической проверки, — решение принято за вас, и это Super VL, со всей аппаратной частью и всем прочим. Если ваша работа — это массовое понимание документов и экранов при обычном подходе к конфиденциальности, самое дешёвое правильное решение для большинства команд прямо сейчас — это передовая модель с оплатой по факту использования, потому что она работает уже сегодня и её цена известна. Если вы где-то посередине, а именно там находится большинство реальных пайплайнов, эти двое вовсе не конкуренты: Qwen3.8-Max для сложных случаев и самостоятельно размещённый Super VL для объёма, а маршрутизатор решает для каждого запроса.

Эту страницу изменило бы одно: опубликованный тариф на Super VL от любого провайдера, предоставляющего сервис. Как только чекпойнт Nemotron появится за платным эндпоинтом с оплатой по факту использования, возражение о нижней границе стоимости развёртывания испарится, сравнение превратится в сопоставление цены против цены, а интересный вопрос сместится с того, какую модель выбрать, на то, какого провайдера выбрать. До тех пор две колонки по-прежнему отвечают на разные вопросы — и честный ответ на вопрос «что лучше» состоит в том, что модель с ценой и модель с лицензией — не объекты одного и того же типа.