Nemotron 3.5 Bolt 74B vs DeepSeek V4 Pro: Båda öppna, en ryms i 24 GB

N​VIDIA's N​emotron 3.5 Bolt 74B-A9B 24GB and DeepSeek V4 Pro are on the same side of the open-versus-closed line and nowhere near each other on the hardware line. Both publish weights you can download, both permit commercial use, and both can be served without asking anyone's permission. One of them is 74 billion parameters with 9 billion active, quantised to fit in 24 gigabytes so it runs on a laptop-class machine next to your other applications. The other is 1.6 trillion parameters with 49 billion active, and the phrase "deployment footprint" does not mean what it means for the first one.

Den skillnaden är mer avgörande än indexpoängen, och indexpoängen skiljer sig redan med 15 punkter. Nedan följer jämförelsen som ett team faktiskt måste göra: inte vilken modell som är bättre i abstrakt mening, utan vilken av dessa två produkter med öppna vikter du rent praktiskt kan driva, med vilken kvalitet, för hur mycket pengar.

Två väldigt olika former av "öppen"

Worth stating plainly before any of it, though, because the two open-weight halves did not arrive the same way. D​eepSeek published V4 Pro as a product, with a card and a rate card. N​VIDIA has not announced N​emotron 3.5 Bolt 74B-A9B 24GB at all. The files simply appeared: the 24GB quantised repository on 7 October 2026, its GGUF conversion hours later, a BF16 checkpoint on 9 October, the LiLiCorr speculative drafter on 12 October. Sixteen days of silence on N​VIDIA's own channels is the state of things, so the verifiable half of this comparison is what a repository can prove — licence, parameter counts, file formats, the serving recipe on the card — and the unconfirmed half is everything a launch post would have carried. The throughput and agentic figures below are N​VIDIA's own and are marked as such, because there is no third party except one index to check them against.

Börja med licensen och checkpointen, för det är där ett beslut om öppna vikter verkligen fattas.

• Licence — N​emotron 3.5 Bolt 74B-A9B 24GB: OpenMDW-1.1, a permissive model-weights licence with an explicit commercial-use carve-in; N​VIDIA's card states the model is ready for commercial or non-commercial use. DeepSeek V4 Pro: MIT, which is about as unrestricted as a weights licence gets.

• What is actually publishable — N​emotron 3.5 Bolt 74B-A9B 24GB: the 24GB IQ2 build, a BF16 checkpoint before quantisation, GGUF builds for llama.cpp, and a separate LiLiCorr speculative drafter. DeepSeek V4 Pro: the full-weight checkpoint and its derivatives.

• Where the checkpoint came from — N​emotron 3.5 Bolt 74B-A9B 24GB: compressed from N​VIDIA's N​emotron 3.5 Super VL 120B-A12B parent using Star Elastic, a router-guided architecture search, then quantised with quantisation-aware distillation. It is a distilled child, not a from-scratch model, and N​VIDIA's own research page argues explicitly that compressing a large model into a fixed budget beats training a small one from scratch. DeepSeek V4 Pro: a natively trained frontier-scale mixture-of-experts.

Den tredje punkten är den som avgör de flesta utvärderingar du kommer att läsa. Varje benchmark-jämförelse mellan dessa två är en jämförelse mellan en designfilosofi präglad av aggressiv komprimering och en designfilosofi präglad av skala, och de två konvergerar inte kring samma arbetsbelastningar.

Vad var och en mäter vid

Artificial Analysis har kört båda, på samma aktuella revision av sitt index, vilket är det enda skälet till att en mening som denna överhuvudtaget kan skrivas.

• Intelligence Index — N​emotron 3.5 Bolt 74B-A9B 24GB 21, fourth of 67 models in its open-weight size class. DeepSeek V4 Pro 36, ninth of 116, measured on the 0813 build in the max configuration.

• Cost per Intelligence Index task — N​emotron 3.5 Bolt 74B-A9B 24GB: not applicable, because the panel records no public API for it and there is no metered price to divide by. DeepSeek V4 Pro: 0.67 dollars measured on the panel's own weighted basis.

• Output speed — N​emotron 3.5 Bolt 74B-A9B 24GB: N​VIDIA reports 83.99 tokens per second on AIPerf SPEED-Bench-Coding with its drafter, on a Surface Laptop Ultra. DeepSeek V4 Pro: 96.3 tokens per second measured by Artificial Analysis against the hosted API. The two are not the same measurement and should not be subtracted from each other; what they establish is that both are fast enough that speed is not your constraint.

• Verbosity — N​emotron 3.5 Bolt 74B-A9B 24GB generated 230 million tokens during the panel's index run, against a median of 100 million for its class — the panel's own note calls it very verbose. DeepSeek V4 Pro generated 160 million against a median of 130 million. On a metered API that difference is a line item; on a local box it is electricity and wall-clock.

The 15-point index gap is real and is not closed by the fact that the smaller model is cheaper to run. What closes it, in the workloads where it closes at all, is the vendor's own benchmark set — and that set is worth reading with the right suspicion. N​VIDIA's card puts the Bolt model at Terminal-Bench 2.1 of 50.98 and BrowseComp of 66.75, ahead of every comparator column printed beside it. Those are N​VIDIA's numbers on N​VIDIA's card, and D​eepSeek is not one of the columns.

Utplaceringsdiagrammet är det faktiska beslutet.

This is where DeepSeek V4 Pro and N​emotron 3.5 Bolt 74B-A9B 24GB stop being substitutes for one another.

• Room to run. A 1.6-trillion-parameter model at 49 billion active needs a serving cluster. Even heavily quantised, the checkpoint alone is an order of magnitude past what a single workstation can hold, and the active-parameter count means every token touches a substantial slice of memory bandwidth regardless of the quantisation scheme. The Bolt model was designed against a stated ceiling — N​VIDIA's architecture search targets a footprint below 24GB at batch size one and 128K context — and the search is run with the downstream quantisation already accounted for.

• Minimum viable serving stack. N​emotron 3.5 Bolt 74B-A9B 24GB wants a specific vLLM nightly with the v2 model runner enabled, a downloaded reasoning-parser plugin, b12x kernels, and explicit MoE, Mamba and attention backend flags; llama.cpp covers the GGUF path. DeepSeek V4 Pro is served by the usual inference stacks at distributed scale, which is a different kind of project with a different kind of on-call rotation.

• Indata. Bolt-modellen tar text, bilder och video, där referensreceptet sätter ett tak för videobildrutor och tillämpar en beskärningsgrad. DeepSeek V4 Pros publicerade modalitetslista är text in, text ut — dess mixture-of-experts-skala läggs på resonemang, inte perception.

• Context. 262,144 tokens for the Bolt model against roughly a million for DeepSeek V4 Pro. If your workload is a repository, a contract set or a long agent transcript, that is a real four-times difference and it is in D​eepSeek's favour.

Put plainly: if you have a datacenter and a workload that needs frontier reasoning, DeepSeek V4 Pro is the better model and the index says so. If you have a laptop, a Spark box or a workstation, and the requirement is that the model runs locally alongside everything else, N​emotron 3.5 Bolt 74B-A9B 24GB is not a compromise on that requirement — it is the only one of the two that meets it.

Vad den mindre modellen ger dig utöver disken

Tre saker som inte syns i en indexpoäng men som syns i en driftsättningsgranskning.

• It runs with the network cable out. A 24GB checkpoint on local storage has no availability dependency, no rate limit and no provider incident. For an agent that runs on a machine you own, that is the whole design goal and the reason N​VIDIA compressed a 120B parent instead of shipping something at full precision.

• Speculation is cheap and safe here. The LiLiCorr drafter adds under a gigabyte on disk and N​VIDIA reports mean acceptance lengths of 4.68 greedy and 4.25 probabilistic at seven drafted tokens and concurrency 64. Because the target verifies every draft, a bad guess costs speed rather than accuracy — the output distribution is preserved. That property is what makes shipping a speculative path reasonable on a local box, and it is documented on the model card.

• Hela stacken går att inspektera. Vikter, kvantiseringskonfiguration, drafter, serveringsrecept och den tekniska rapporten är alla offentliga. När modellen beter sig illa kan du läsa konfigurationen i stället för att skicka in ett supportärende.

Att kostnadsberäkna de två alternativen ärligt

Prisjämförelsen är inte symmetrisk, och att låtsas att den är det skulle vara det enklaste misstaget på den här sidan.

• N​emotron 3.5 Bolt 74B-A9B 24GB has no per-token price because it has no metered endpoint. Its cost is hardware you buy or already own, plus power, plus the engineering hours to stand up the serving recipe. Once that is paid, marginal cost per token is close to zero and stays there.

• DeepSeek V4 Pro is metered. On OrcaRouter it is routed at D​eepSeek's published list, 0.66 dollars per million input tokens and 1.98 dollars per million output tokens, with no markup added on top — so a vendor price move is live on our side the same day. For a workload in the millions of tokens a day, that is a budget line, not a rounding error.

• Break-even är inte en tokenräkning, det är en utnyttjandeprofil. En lokal modell som står stilla är ren kapitalkostnad. En hostad modell som kör en förfrågan i veckan är nästan gratis. Övergången sker när de tokens du skulle mäta överstiger den amorterade kostnaden för burken, och det enda sättet att veta var den gränsen går för din trafik är att mäta en vecka av den.

Det finns också ett tredje alternativ som nästan inte kostar något att prova, vilket är att OrcaRouter routar DeepSeek V4 Pro på en enda nyckel tillsammans med över 200 andra modeller, med automatisk failover mellan leverantörer. Innan du satsar en arbetsstation på ett lokalt 24 GB-bygge, kostar det bara några dollar att jämföra det byggets utdata mot en avgiftsbelagd frontier-modell på din egen promptuppsättning, och det avgör kvalitetsfrågan empiriskt i stället för utifrån styrkan hos en indextabell.

Den version av detta beslut som ingen ångrar

Run both, in the pattern each is good at. DeepSeek V4 Pro for the requests where reasoning depth or a million-token context is the point, and where the metered cost is visible and acceptable. N​emotron 3.5 Bolt 74B-A9B 24GB for the high-volume, private, multimodal or offline traffic, where the model being local is the requirement rather than a cost optimisation.

Jämförelsen som folk ständigt försöker göra – ett indexnummer mot ett annat – är den minst användbara infallsvinkeln här, eftersom de två produkterna inte byggdes för att konkurrera. Den ena byggdes för att vara så bra som möjligt utan begränsning i fotavtryck. Den andra byggdes för att vara så bra som möjligt inom 24 gigabyte. Båda är öppna, båda är legitima, och det är just därför valet är ditt att fatta, snarare än en leverantörs att fatta åt dig.

Jämförelser som den här är också där fellägena visar sig: de dokumenterade AI-incidenterna och agentfelen bakom modeller i den här klassen samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omstridd status.