Step 5 Preview против Nemotron 3 Ultra: двадцать один индексный пункт за двадцать центов

Одну из этих моделей вы можете скачать уже сегодня днём — и именно она проигрывает двадцать один пункт. Step 5 Preview, закрытый флагман StepFun, открыл свой API 20 сентября 2026 года, и у него нет файла лицензии, который можно было бы подержать в руках; NVIDIA Nemotron 3 Ultra 550B A55Bнаходится на Hugging Face с 4 июня 2026 года под разрешительной лицензией с приложенными рецептами обучения. В индексе интеллекта Artificial Analysis эта пара показывает 44 против 23. По цене за выходные данные — $2,70 против $2,50 за миллион токенов. Двадцать один пункт за двадцать центов — это сравнение, которое не разрешается однозначно ни в ту, ни в другую сторону, а потому стоит разобраться как следует, а не пробегать глазами две заглавные колонки и выбирать сторону.

Ни то, ни другое не является запуском на этой неделе, и это важно для того, как читать приведённые ниже цифры. Оба доступны для вызова уже несколько месяцев, оба прошли через один и тот же независимый испытательный стенд, и ни у одного из них не было изменения тарифной сетки в этом окне. Что изменилось — меньше и интереснее: индекс, по которому их оценивают, был перестроен в сентябре, и теперь их двоих оценивают по двум разным медианам, взятым из двух разных совокупностей. Именно здесь это сравнение фактически и решается.

Два совершенно разных типа продукта

Прочитайте спецификации рядом, и первое, что заметите, — они едва ли вообще относятся к одной категории.

• Параметры — Step 5 Preview, согласно собственной документации StepFun, содержит около 600 млрд параметров всего при 27 млрд активных на токен; Nemotron 3 Ultra — 550 млрд всего при 55 млрд активных, согласно показателю, который независимый совет фиксирует для его конфигурации.

• Архитектура — StepFun не публикует описание внутреннего устройства для Step 5 Preview. В карточке NVIDIA описывается гибрид: чередующиеся слои Mamba-2, выборочные слои внимания, схема LatentMoE и головы Multi-Token Prediction.

• Контекстное окно — 1 млн токенов в таблице спецификаций Step 5 Preview при максимальном выводе 64 000 токенов, что также задокументировано StepFun. Nemotron 3 Ultra зафиксирован на 262 144 токенах оценщиком, который его запускал; в карточке производителя заявлено до 1 млн, причём это значение достижимо через конфигурацию обслуживания, а не по умолчанию.

• Ввод — текст, изображения и видео в Step 5 Preview, до 60 изображений на запрос и файлы MP4 размером менее 128 МБ. Только текст в Nemotron 3 Ultra.

• Управление рассуждениями — документированная настройка низкого, среднего и высокого уровня усилий на стороне StepFun; флаг шаблона чата на стороне NVIDIA, который включает или отключает трассировку размышлений.

• Веса — для Step 5 Preview не опубликованы: модель проприетарная и доступна только через API; StepFun заявила, что BF16-чекпоинт появится 15 октября 2026 года. Nemotron 3 Ultra поставляется в сборках BF16 и NVFP4, а также с моделью вознаграждения GenRM на Hugging Face под лицензией OpenMDW-1.1.

• Минимальный порог развёртывания — не применяется к модели API; восемь GPU класса B200 или класса GB200 либо шестнадцать H100 для открытой модели, согласно минимальным требованиям производителя.

• Прайс-лист — $1.00 за ввод, $0.10 при попадании в кэш и $2.70 за вывод для Step 5 Preview, с англоязычной страницы цен StepFun. Примерно $0.60 за ввод, $0.16 при попадании в кэш и $2.50 за вывод для Nemotron 3 Ultra, и внимательно отметьте, откуда взялась эта пара: NVIDIA не публикует прайс-лист, поэтому это наблюдаемые цены провайдера, которые фиксирует независимый совет, а не цифра от вендора.

Строка, которую большинство считает решающей, — первая, и она наименее информативна из восьми. Два итоговых значения отличаются друг от друга менее чем на девять процентов, тогда как активные параметры различаются в два раза, а именно активные параметры определяют вычислительную стоимость каждого сгенерированного токена. Ни одна из этих цифр не предсказывает разрыв в двадцать один пункт.

Медиана — это выбор, сделанный до того, как вы увидите результат

Независимый совет не оценивает модели по единому критерию. Он распределяет их по корзинам — и корзина, в которую попадает модель, меняет фразу, напечатанную под её оценкой, не меняя саму оценку.

Step 5 Preview отнесён к классу общего рассуждения, в котором, по подсчётам таблицы, 227 моделей, а медиана по сопоставимым моделям для него составляет 26. Nemotron 3 Ultra отнесён к классу открытых весов, где насчитывается 117 моделей, а медиана равна 18. Таким образом, одна и та же таблица описывает 44 как «значительно выше среднего», а 23 — как «выше среднего», и оба описания верны, потому что 44 на восемнадцать пунктов превышает свою медиану, а 23 — на пять пунктов свою.

Это не уловка, и это не несправедливость со стороны лидерборда. Это правильный способ представлять открытую модель — вы сравниваете доступный для скачивания чекпоинт с другими доступными для скачивания чекпоинтами, потому что команда, которая может только скачать, не выбирает из 227. Но это означает, что любой, кто цитирует «выше среднего» о Nemotron 3 Ultra и «выше среднего» о 44, сравнивает два разных предложения между собой. Если вы хотите одно число для этой пары, используйте сырой индекс и примите разрыв в двадцать один пункт; если вы хотите принять решение, используйте класс и признайте, что вы уже выбрали свою область.

Что один тестовый стенд измерил на обоих

Таблицы вендоров нельзя вычитать друг из друга, потому что StepFun и NVIDIA запускали разные наборы тестов в разные дни, и в материалах NVIDIA представлены не все бенчмарки, о которых сообщает StepFun. Честная основа — это пересечение: то, что один и тот же оценщик прогнал для обоих.

На Artificial Analysis Intelligence Index это пересечение — 44 против 23. По стоимости за выполненную задачу индекса — $1,03 против $0,60. По скорости вывода картина переворачивается, причём резко: 87 токенов в секунду у Step 5 Preview против 135,6 у Nemotron 3 Ultra, так что модель, набирающая почти вдвое больше баллов, — это та, что генерирует примерно на полсекунды медленнее в расчёте на токен.

Самый резкий отдельный результат — Terminal-Bench 4.0. Step 5 Preview набирает там 33,3 процента. Nemotron 3 Ultra набирает 0,5 процента. Это не артефакт округления ни с одной из сторон, и это не едва заметный разрыв — в этом конкретном агентно-терминальном наборе тестов флагман с открытыми весами фактически не дает результата. Ловушка в том, что в той же таблице та же модель указана с результатом 53,9 процента на Terminal-Bench 2.1. Два бенчмарка с почти одинаковым названием, два разных поколения одного семейства задач, и одна модель, показывающая 53,9 на старом и 0,5 на новом. Если вам называли результат Nemotron из диапазона 50–59, вот откуда он взялся, и это не текущий набор тестов.

Об одном совпадении стоит упомянуть именно потому, что оно редкость. В собственной карточке NVIDIA заявлено 87,0 процента на GPQA без инструментов; независимый прогон показал 86,7 процента. Когда число от вендора и независимое число отличаются всего на три десятых пункта, именно так и выглядит заслуживающая доверия таблица оценок, и это заставляет легче принять 0,5 процента на Terminal-Bench 4.0 как реальный результат, а не как ошибку оценщика.

Куда на самом деле уходят деньги во время прогона индекса

Цены за токен почти ничего не говорят о том, во сколько обходится рабочая нагрузка, и эта пара демонстрирует это лучше большинства. Табло публикует разбивку затрат для полного прогона индекса каждой модели, и в обоих этих случаях доминирующая статья расходов — не генерация.

Стоимость $1.03 за задачу в Step 5 Preview делится на $0.85 ввода и $0.17 вывода. В составе затрат на ввод $0.62 — это чтение из кэша, $0.22 — запись в кэш, и лишь $0.014 — свежий, некешированный ввод. В составе затрат на вывод $0.12 — это трассировка рассуждений, а $0.06 — итоговый ответ.

Стоимость Nemotron 3 Ultra в $0.60 за задачу разбивается на $0.53 входных данных и $0.07 выходных, а структура внутри строки входных данных почти зеркально противоположна — $0.48 записи в кэш против всего $0.04 чтения из кэша.

Из этого следуют два вывода. Первый: при оценке на длинном горизонте с интенсивным повторным использованием префикса примерно восемьдесят процентов того, что вы платите, приходится на входную сторону счёта, а значит, оптимизировать нужно процент попаданий в кэш и дисциплину работы с контекстом, а не длину вывода. Второй: две модели приходят к своим счетам по-разному: Step 5 Preview платит за повторное чтение большого общего префикса, а Nemotron 3 Ultra — за первичную запись различающегося содержимого в кэш. Похожая итоговая стоимость, но два разных счёта — и если ваша рабочая нагрузка больше похожа на один из этих паттернов, чем на другой, порядок при $1.03 и $0.60 может поменяться.

Показатели многословности объясняют остальную часть строки вывода. Step 5 Preview сгенерировала около 160 млн выходных токенов по всему набору индексов при медиане 82 млн, что совет директоров без обиняков описывает как очень многословно. Nemotron 3 Ultra сгенерировала 110 млн при медиане 140 млн, что он называет довольно лаконичным. Более дешёвая модель — это та самая лаконичная, и лаконична она в том направлении, которое важно для счёта.

Что даёт загрузка и чего стоит её сохранение

Цена Nemotron 3 Ultra — не $2,50 за миллион выходных токенов, если вы берёте чекпойнт. Это цена аренды чужого развёртывания этой модели. Скачайте её — и вы купили другой набор затрат и другой набор прав.

Права конкретны, и именно эту часть модель, доступная только через API, не сможет восполнить ни за какую цену. OpenMDW-1.1 поставляется вместе с весами, а NVIDIA публикует коллекции данных для предварительного и последующего обучения и рецепты обучения вместе с ними. Существует сборка NVFP4, которая примерно вдвое меньше для той же модели, а веса Ultra были предварительно обучены по рецепту NVFP4, а не квантованы после — именно поэтому компактная сборка является полноценным артефактом на карте, а не экспериментом сообщества. Коммерческая позиция заявлена прямо: готово к коммерческому и некоммерческому использованию.

Затраты здесь столь же конкретны. Минимальное развёртывание — восемь GPU класса B200 или шестнадцать H100, и это нижняя граница, указанная в карточке, а не рекомендация. Реальный размер контекстного окна зависит от того, как вы настроите обслуживание: по умолчанию — 256K, а 1M — только при явно заданной настройке. Команда, которая не может выделить стойку, выбирает не между этими двумя моделями по $1.00 и $0.60 за входные данные; она выбирает между одной моделью и заказом на закупку.

Существует версия этого сравнения, где открытая модель выигрывает по оси, о которой люди говорят, что она им важна, и которую редко оценивают, — по зависимости. Step 5 Preview — это эндпоинт, который вы вызываете, и вендор, которому вы доверяете, с чекпойнтом, который обещан, а не предоставлен. Если StepFun пересмотрит свою тарифную сетку, ужесточит лимиты, объявит ID устаревшим или переживёт плохую неделю, ваш единственный рычаг — ваша собственная обработка ошибок. Веса Nemotron 3 Ultra уже лежат на диске в чьём-то кластере, и это имеет реальную ценность, даже пока та же модель проигрывает двадцать один пункт индекса.

Стоит уточнить, что означает «обещанный» на другой стороне, потому что картина запутаннее, чем признаёт любой из лагерей. Несколько сторонних зеркал сборки BF16 появились на Hugging Face 20 сентября, в день открытия API, некоторые из них — намного больше терабайта safetensors. Это повторные загрузки от сообщества, а не релиз вендора, и StepFun не опубликовала вместе с ними никакого анонса открытых весов. Они свидетельствуют о том, что веса циркулируют и что обещанный чекпойнт от 15 октября стал бы скорее формализацией, чем раскрытием.

Число, которое изменилось, пока мы его читали

Одна цифра в этом материале изменилась между двумя прочтениями одной и той же страницы, и её стоит назвать, потому что именно так сравнение незаметно устаревает.

Независимый совет показал стоимость $0,71 за задачу индекса для Step 5 Preview в материале от 9 октября 2026 года. При повторном чтении 10 октября на той же странице указано $1,03. За этот промежуток в модели ничего не изменилось, потому что веса модели, доступной только через API, не могут измениться за ночь. Изменился учёт при оценке: когда меняется цена кэша у поставщика, когда оценивающий пересматривает свои допущения о чтении из кэша или когда прогон пересчитывается с другим составом токенов, показатель на задачу меняется, а балл индекса — нет.

Так что относитесь к стоимости за задачу как к актуальному показателю с проставленной датой, а не как к свойству модели. Каждая цифра затрат на задачу в этой статье — это значение, снятое 10 октября, и обозначена именно так. Если вы составляете бюджет на основе этой страницы, составляйте его на основе показателя, который вы получите сами в день принятия решения, — и если вы сравниваете два материала из разных недель, проверьте даты фиксации данных, прежде чем делать вывод, что модель подешевела.

Кому из них ты бы на самом деле позвонил?

Скажем сразу о неприятном: OrcaRouter не маршрутизирует ни одну из этих двух моделей. Step 5 Preview доступна через собственный API StepFun и несколько сторонних платформ, а Nemotron 3 Ultra предоставляется через собственные эндпоинты NVIDIA и несколькими провайдерами, и вы можете проверить оба утверждения по нашему каталогу в ту же минуту, когда читаете их.

В итоге остаётся форма зависимости, а не выбор модели, и именно здесь слой маршрутизации оправдывает себя. Предварительный просмотр только через API на одном пути одного поставщика — это как раз та схема, в которой неудачный день у провайдера превращается в ваш простой, а недорогая страховка — это плоскость управления, которая может переключить запрос на подходящий резервный вариант в момент деградации пути провайдера. Вот для чего нужно автоматическое переключение при отказе: не как замена Step 5 Preview, а как то, что вы ставите перед моделями, которые действительно можете вызывать, чтобы конечная точка конкретного вендора никогда не была единственной дорогой в продакшен. Тот же каталог, который это делает, содержит более 200 моделей за одним ключом и одним счётом, при этом прайс-листовая цена провайдера передаётся с наценкой 0 процентов — а это вторая половина аргумента, потому что изменение тарифной сетки где-либо выше по цепочке вступает в силу на нашей стороне в тот же день, а не при следующем продлении договора.

Если ни одна из этих моделей не та, которую вы вызовете, краткая версия звучит так. Берите Step 5 Preview, когда вам нужна оценка, ввод видео и изображений и 90-процентная скидка на кэш, и смиритесь с тем, что вы арендуете превью без лицензии на веса и с октябрьским чекпоинтом, которого вы ещё не видели. Берите Nemotron 3 Ultra, когда веса важнее оценки — из-за ограничений на локальное размещение, для дообучения, ради лицензии, которую можно прочитать, — и закладывайте бюджет на стойку раньше, чем бюджет на токены, потому что при $0.60 за миллион входных токенов развёртывание на 550 миллиардов параметров дёшево только в том случае, если кто-то другой уже платит за GPU.

Главное, на что стоит обратить внимание, — 15 октября. Если StepFun опубликует обещанный BF16-чекпоинт, центральная асимметрия этой статьи — что скачать можно только одну из этих двух — перестанет быть верной, и от двадцати одного пункта индекса станет значительно труднее отмахнуться. Если дата сдвинется, аргумент в пользу модели с открытыми весами усилится автоматически — что является странным способом закрыть разрыв в возможностях, и очень распространённым.