Nemotron 3.5 Super vs Gemini 3.1 Pro: den ena är en fil, den andra är en förhandsvisning

Den mest avgörande skillnaden mellan NVIDIA Nemotron 3.5 Super och Gemini 3.1 Pro finns inte i någon benchmark-tabell. Den ligger i utgivningsstatusen. NVIDIA-modellen — 120 miljarder totala parametrar med 12 miljarder aktiva per token, en C-RADIO-vision encoder fastsatt på en hybrid Mamba-2 och Transformer mixture of experts, publicerad under det fullständiga namnet NVIDIA Nemotron 3.5 Super VL och släppt på Ollama som nemotron-3.5-super — är en uppsättning filer. De lades upp på Hugging Face den 12 oktober 2026, tre dagar innan NVIDIAs eget nyhetsrumsinlägg den 15 oktober gjorde dem officiella, och du kan ladda ner 82,3 GiB av dem ikväll och köra dem på ditt eget kort under en licens som tillåter kommersiell användning. Googles Gemini 3.1 Pro annonserades den 19 februari 2026 och serveras fortfarande som en förhandsvisnings-endpoint. Åtta månader senare är det en modell du kan anropa men inte hålla.

Den inramningen är inte en kritik av något av tillvägagångssätten. En förhandsvisnings-endpoint är hur ett frontier-labb släpper och itererar på något som det inte är redo att frysa, och för de flesta team är det den bättre affären. Men de två modellerna intar olika positioner i en driftsättning, och den ärliga jämförelsen handlar om vilken position du behöver — inte om vilken av dem som vinner en tabell.

En sak som bör sägas rent ut före siffrorna. Nemotron 3.5 Super är fyra dagar gammal när detta skrivs. Leverantören har tillkännagivit den, så det är inte en tyst lansering i betydelsen obekräftad, men den oberoende evidensbasen för den är ungefär ett panelbetyg och en massa leverantörsrader. Gemini-förhandsvisningen har åtta månaders världsomspännande uppmärksamhet och en mycket större mängd tredjepartsmätningar bakom sig. Där underlaget är tunt säger den här sidan det, i stället för att avrunda uppåt.

Hårdvara mot en nyckel

• Vad du får — en checkpoint: BF16-referensvikter, en Base-variant och en NVFP4-byggnad, plus en separat LiLiCorr-drafter, alla publicerade den 12 oktober 2026 · en hostad endpoint bakom en API-nyckel, i förhandsgranskningsstatus sedan den 19 februari 2026.

• Licens — OpenMDW-1.1, kommersiell användning tillåten, och modellkortet anger att checkpointen är redo för kommersiell eller icke-kommersiell användning · Googles användarvillkor.

• Parametrar — 120B totalt, 12B aktiva, 512 routade experter per MoE-lager, redovisade i sin helhet på kortet · inte publicerade.

• Kontakt med hårdvaran — fyra H100 eller två GB200 för BF16; ett 96 GB-kort för den förvalda 4-bitars-taggen på 82,3 GiB plus en 1,6 GiB visionsprojektor · inga, avsiktligt.

• Kontext — upp till 1 000 000 tokens, med kortets eget förbehåll att tillgängligt minne och körtidsinställningar avgör den användbara siffran och att promptar, bilder, historik, verktygsresultat och genererade tokens alla delar den budgeten · 1 048 576 tokens i kontext.

• Utdatagräns — inte publicerad någonstans; varken NVIDIA:s kort eller runtime-registret anger någon · 65 536 tokens.

• Modalitet — text, bild och video in, text ut; vision-vägen är inte valfri, varje publicerad tagg bär projektorn · text, bild, video, ljud och fil in, text ut, vilket är den bredaste indataytan av allt i denna jämförelse.

• Användningsbaserat pris — inga publicerade; egen drift eller inget · 2 USD per miljon indata och 12 USD per miljon utdata, vilket fördubblas till 4 USD och 12 USD och uppåt för prompter över 200 000 token.

De två raderna som avgör driftsättningar är pris och indata. NVIDIA-modellen har inget pris eftersom den inte har någon slutpunkt – dess kostnad är hårdvara och el, och den enda variabel som spelar roll är utnyttjandegrad. Gemini-förhandsversionen har ett pris med ett stup i: de första 200 000 indatatokens faktureras med 2 dollar per miljon och allt därutöver faktureras till dubbelt så mycket, vilket är en detalj man vill känna till innan man bygger en pipeline som proppar in en miljon tokens kontext i varje anrop.

Visionskodaren är där dessa två faktiskt möts

Båda modellerna tar emot bilder och video, vilket gör detta till den enda axeln där jämförelsen är direkt snarare än strukturell. Det är också den axel där underlaget är mest ojämnt.

I NVIDIA:s egen tabell, samtliga körda av leverantören genom NeMo Gym-testriggen: 62,82 på MMLongBench-Doc, 78,16 på MathVision, 80,82 på CharXiv reasoning, 65,08 på OCR-Reasoning, 85,60 på V*, 68,12 på OCRBench v2 English, 59,15 på den kinesiska uppsättningen, 32,85 på Video-MME v2 och 51,14 på OSWorld-Verified. Raderna är förenliga med en modell som läser dokument och diagram kompetent och är markant svagare på kinesisk text än på engelsk text.

Google har inte publicerat en matchande tabell för förhandsversionen i det format som NVIDIA använder, och den här sidan kommer inte att fejka en genom att para ihop siffror från olika testramverk. Vad som ärligt kan sägas är att samma tredjepartspanel som betygsätter båda modellerna placerar Gemini-förhandsversionen något högre på sitt övergripande index – runt 29,7 mot 26,49 för NVIDIA-checkpointen – och att panelens utvärdering av Gemini-posten är daterad till dess tillkännagivande i februari, inte till någon senare revision. Med tanke på att indexgapet är omkring tre punkter och att de två posterna mättes åtta månader isär, skulle det vara att övertolka att behandla endera som ett slutgiltigt utlåtande om den andra.

Vad som inte är en övertolkning: Gemini-förhandsversionen tar emot ljud och NVIDIA-checkpointen gör det inte. Om din indata innehåller en samtalsinspelning, ett möte eller överhuvudtaget något ljudspår, är halva den här jämförelsen avgjord innan parametrarna ens kommer upp. Omvänt: om din arbetsbelastning är en fast dokumentkorpus som du bearbetar tiotusentals gånger om dagen, är en modell som du kan köra lokalt till en fast kostnad en strukturellt annorlunda affär än en som debiterar 2 USD per miljon tokens varje gång du tittar på en sida.

Fällan i NVIDIAs standard som ingen har skrivit om

Det här är en sådan detalj som bara framträder om man läser runtime-registret i stället för leverantörens blogg, och den är värd ett eget stycke.

Modellkortet anger två rekommenderade samplingskonfigurationer: temperatur 1,0 med top_p 0,95 för text, och temperatur 0,6 med top_p 0,95 för vision. Standardinställningen som medföljer i Ollama-manifestet är textparet. Det betyder att den konfiguration som de flesta kommer att köra den här visionsmodellen med som standard är inställd för den halva av modellen som inte är vision. Om din första upplevelse av den på skannade sidor eller diagram är nedslående, är samplingsinställningarna det första du bör kontrollera — innan du drar några slutsatser om själva checkpointens förmåga.

Två relaterade detaljer från samma manifest. Config-blobben deklarerar model_type: 123.6B medan varje människovänd etikett säger 120B, vilket är en avrundningsskillnad snarare än en avvikelse i vikterna, men det spelar roll när ett verktygsskript avgör vad som får plats. Och runtime-grinden är tvingande, inte rådgivande: requires: 0.40.5, så på alla tidigare Ollama-versioner hämtas den här modellen inte alls.

Vad den åtta månader långa luckan faktiskt är värd

Man kan argumentera för att en förhandsversion som har överlevt åtta månaders trafik på vissa sätt är mer pålitlig än en fyra dagar gammal kontrollpunkt, och det är ett bra argument.

En förhandsvisningsslutpunkt har blivit hårt belastad. Dess felmoder är dokumenterade av andra. Dess pris är publicerat i stället för härlett. Dess kontextfönster beter sig som dokumentationen säger att det gör, eftersom tusentals användare har upptäckt var det inte gör det. Och en förhandsvisning som Google har hållit kvar i förhandsvisning i åtta månader i stället för att marknadsföra har åtminstone inte tyst dragits tillbaka — vilket är information om modellens kommersiella gångbarhet som ingen tidsstämpel i ett repositorium kan ge dig om NVIDIA-checkpointen.

Mot detta står att förhandsversionen medför två kostnader som en självhostad fil inte gör. Den första är att den kan förändras. Förhandsversionsstatus är ett uttryckligt uttalande om att slutpunkten kan revideras utan varsel, och en pipeline som är inställd på det exakta beteendet hos en förhandsversion är en pipeline med ett osäkrat beroende i sig. Den andra är att dess ekonomi skalar linjärt och för evigt. Det finns ingen volym över vilken Gemini-förhandsversionen blir billigare per token; det finns en volym över vilken den fasta kostnaden för fyra H100s slår den. Den skärningspunkten är det enda tal som bör styra detta beslut, och det är en egenskap hos din trafik snarare än hos någon av modellerna.

Och NVIDIA-checkpointens åtta månader långa underskott är inte enbart en belastning. Leverantören har inte bara publicerat vikter utan även ett reproducerbart utvärderingsramverk och en teknisk rapport, och kortets fält för utgivningsdatum och tidsstämplarna i kodförrådet stämmer båda med inlägget i nyhetsrummet. Det är en mer granskningsbar utgivningsprocess än de flesta släpp av öppna vikter får, även om granskningen just har börjat.

Ingen av dessa finns på vår nyckel, och en av dem är anledningen som spelar roll.

Värt att vara rak om tillgängligheten. Gemini 3.1 Pro går att nå på OrcaRouter i sin förhandsversion till leverantörens listpris som förs vidare utan påslag per token – 2 USD in och 12 USD ut, med nivån för lång kontext prissatt enligt Googles publicerade pris, live hos oss samma dag i stället för vid nästa förnyelse. Om du vill ta reda på om förhandsversionen klarar din dokumentarbetsbelastning, är det en nyckel och ingen upphandling.

Nemotron 3.5 Super finns inte på vår nyckel. Vi dirigerar lite drygt tvåhundra modeller och det finns ingen NVIDIA Nemotron-post bland dem, så den här artikeln är inte en antydan om att du kan anropa den på vår plattform. Dina vägar är NVIDIAs egna bygg- och distributionskanaler samt den lokala runtime-hämtningen.

Vad routningslagret verkligen är användbart för här är den del av detta beslut som inte har något med benchmarks att göra. Kör din faktiska dokumentarbetsbelastning mot den hostade förhandsvisningen först. Om den klarar ribban har du lärt dig att arbetsbelastningen är en som en frontiermodell klarar, och du kan nu argumentera utifrån volym för om någon del av den ska flyttas till en lokalt körd checkpoint. Om den inte klarar ribban har du lärt dig något ännu mer värdefullt, och du har lärt dig det för priset av några dollar i tokens i stället för priset för ett kluster.

Den snäva domen

Om du behöver ljudinmatning, den bredast möjliga uppsättningen indatamodaliteter, ett publicerat utdatatak eller en modell vars fellägen andra redan har kartlagt, är Gemini 3.1 Pro Preview svaret, och de åtta månader av tredjepartsmätningar som ligger bakom den är värda mer än vad gapet på tre punkter i indexet antyder.

Om du behöver hålla modellen, licensiera den för kommersiellt bruk, köra den på hårdvara som du äger och betala en fast kostnad för en dokumentarbetsbelastning som du bearbetar kontinuerligt, är NVIDIA-checkpointen ett verkligt alternativ för första gången den här månaden — med tre specifika förbehåll. Standardtaggen är en 4-bitars kvantisering och det finns ingen publicerad utvärdering för den kvantiseringen. Standardvärdena för sampling som levereras är kortets textinställningar, inte dess vision-inställningar. Och modellen är fyra dagar gammal.

Testa förhandsvisningen först på dina egna data. Om den fungerar blir frågan en fråga om volym, och volym är aritmetik. Om den inte gör det har du just sparat dig ett kluster.

Inget av detta är hypotetiskt: de dokumenterade AI-felen och agentincidenterna bakom släpp som detta samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, tillförlitlighetsgrad och omtvistad flagga.