Nemotron 3.5 Super vs GLM-5.5: en av dessa modeller existerar

There is a real comparison between NVIDIA Nemotron 3.5 Super and GLM-5.5, and it is not the one the search results promise. Nemotron 3.5 Super — 120 billion total parameters with 12 billion active per token, a hybrid Mamba-2 and Transformer mixture of experts with a C-RADIO vision encoder, published under the fuller name NVIDIA Nemotron 3.5 Super VL and shipped on Ollama as nemotron-3.5-super — is a set of weights that went up on Hugging Face on 12 October 2026, were announced by NVIDIA on 15 October, and can be downloaded and run tonight under the OpenMDW-1.1 licence. GLM-5.5 is a model that Z.ai has not released. There is no repository, no model card, no endpoint, no price and no parameter count. There are reports going back to June 2026 about a trillion-parameter launch, a leak write-up in October claiming it beats two frontier models, and silence from the lab.

Vilket innebär att en direkt konfrontation mellan dessa två skulle vara en verklig modells specifikation mot en annan modells rykte. Det är inte en jämförelse; det är ett horoskop med benchmarks. Så den här sidan gör det som faktiskt är användbart: den anger vad Z.ai har levererat, vad som är känt om vad man inte har levererat, och genomför sedan den jämförelse som en läsare med en GPU och en arbetsbelastning kan agera utifrån idag.

Vad Z.ai faktiskt har levererat

Z.ai's published flagship line runs through GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 and GLM-5.3-Flash. On our own catalogue the highest GLM identifier we route is z-ai/glm-5.3, alongside z-ai/glm-5.3-flash and a free variant of the flash tier. There is no GLM-5.5 id, and the model list stops where the lab's log stops.

Vad GLM-5.3 är, utifrån de siffror vi kan verifiera: en blandning av experter med 753 miljarder parametrar och 40 miljarder aktiva per token, ett kontextfönster på 1 000 000 tokens med en utdatagräns på 128 000 tokens, textinmatning, en licens som Z.ai publicerar i eget namn med tillåten kommersiell användning, och en vidarefakturerad mätaravgift på 1,26 USD per miljon indatatokens och 3,96 USD per miljon utdatatokens. Flash-nivån ligger under den på 0,15 och 0,50 USD med 1M kontext och text-, bild- och videoinmatning.

Den där flash-nivån är en mer intressant konkurrent till den här NVIDIA-lanseringen än flaggskeppet på ett specifikt sätt, och det finns en syskonsida under samma batch som går igenom det. För den här artikelns syften är poängen snävare: om du vill jämföra Nemotron 3.5 Super med något som Z.ai har släppt, jämför du det med GLM-5.3, och den jämförelsen finns tillgänglig idag.

Varför rapporterna från GLM-5.5 inte är användbara siffror

Rapporteringen kring GLM-5.5 faller i tre kategorier, och ingen av dem kommer att ligga till grund för ett inköpsbeslut.

Det första är tidsplaneringen. Rapportering från mitten av 2026 beskrev en planerad lansering i augusti riktad mot ChatGPT och Claude, med källor i uttalanden från Zhipu-personal och branschsnack. Datumet passerade utan ett släpp. Ett lanseringsfönster som redan har missats är inte bevis för en modell.

Det andra är parameterantal. Rapporter har cirkulerat en siffra på en biljon parametrar. Ingen har publicerat ett safetensors-index, en konfiguration eller ett antal experter per lager, vilket är vad ett parameterpåstående normalt kontrolleras mot. Siffran kan mycket väl visa sig vara riktig; för närvarande är den ett påstående utan någon artefakt bakom sig.

Det tredje är benchmarkpåståenden. En artikel från oktober hävdade att GLM-5.5 slår två namngivna frontiermodeller. Det finns ingen testrigg, ingen promptuppsättning, ingen poängsättningskonfiguration och ingen reproducerbarhetsväg i det påståendet – vilket är precis det gap som NVIDIA, oavsett vad man i övrigt säger om leverantörsdrivna utvärderingar, stängde genom att publicera ett NeMo Gym-recept med benchmarkspecifika containrar och inferensparametrar tillsammans med sin tabell. Ett leverantörsbenchmark med ett recept är svag bevisning. Ett läckt benchmark utan ett sådant är inte bevisning.

Det finns en version av den här artikeln som behandlar de läckta siffrorna som verkliga, sätter dem i en resultattavla med två kolumner och låter läsaren anta att matchen är avgjord. Den artikeln skulle vara värdelös för alla som måste fatta ett beslut, och den skulle vara inaktuell inom en vecka efter ett faktiskt tillkännagivande.

Jämförelsen som kan göras, korrekt utförd

Nemotron 3.5 Super VL mot GLM-5.3, flaggskeppet som Z.ai faktiskt har publicerat.

• Totala och aktiva parametrar — 120 B totalt med 12 B aktiva, 512 routade experter per MoE-lager · GLM-5.3 med 753 B totalt och 40 B aktiva. Räknat i aktiva parametrar är NVIDIA-modellen en tredjedel så stor och bör vara dramatiskt billigare per token att köra på likvärdig hårdvara, vilket är hela tanken bakom designen.

• Kontext — 1 000 000 tokens på båda, med ett viktigt förbehåll. NVIDIAs kort säger att tillgängligt minne och körtidsinställningar avgör den användbara siffran, och att promptar, bilder, historik, verktygsresultat och genererade tokens delar på budgeten. Z.ai publicerar en utdatagräns på 128 000 tokens för GLM-5.3 och NVIDIA publicerar ingen utdatagräns alls, vilket gör GLM-5.3 till den mer förutsägbara modellen för långa genereringar och NVIDIA-checkpointen till den mer öppna.

• Modalitet — text, bild och video in med text ut för NVIDIA-modellen, genom en visionskodare och kontakt, med en 1,6 GiB projektor på varje publicerad tagg · endast text för GLM-5.3, med den multimodala vägen i den billigare flash-nivån istället. Om din inmatning är en dokumentsida, är flaggskepps-GLM inte med i konversationen.

• Användningsbaserat pris — inget för NVIDIA-checkpointen, som endast kan självhostas · 1,26 USD in och 3,96 USD ut per miljon tokens för GLM-5.3, vidarebefordrat till leverantörens listpris utan påslag.

• Tredjepartsindex, vilket är den enda granskade raden i den här listan — panelen som betygsätter dessa modeller placerar NVIDIA-checkpointen på ungefär 26 och GLM-5.3 på ungefär 45. Det är ett gap på arton punkter till fördel för den kinesiska flaggskeppsmodellen, mätt av en tredje part snarare än av någon av leverantörerna, och det är det enskilt viktigaste talet här.

• Utgivningsstatus — vikter offentliga den 12 oktober 2026, tillkännagavs den 15 oktober, fyra dagars operativ historik · GA, med en utgiven serie revisioner bakom sig.

Gapet i indexet förtjänar att konstateras utan att tona ner. NVIDIAs egen publicerade tabell kan inte användas för att argumentera bort det, eftersom leverantören inte körde GLM-5.3 som baslinje — GLM-kolumnen i den tabellen är GLM-5.3-Flash, den billigare nivån, och även där ligger NVIDIAs modell efter i de flesta agentiska rader. En öppen checkpoint med 12B aktiva parametrar tävlar inte med en flaggskeppsmodell med 40B aktiva parametrar när det gäller allmän förmåga, och varje sida som säger något annat säljer något.

Vad arkitekturvalet faktiskt ger dig

Den intressanta frågan är inte huruvida 12B aktiva slår 40B aktiva. Det gör de inte. Den intressanta frågan är vad som händer när man normaliserar för den hårdvara man har råd med.

Vid sin standardtagg på 4 bitar är NVIDIA-checkpointen 82,3 GiB vikter plus en 1,6 GiB visionsprojektor – ett 96 GB-kort, med utrymme för KV-cache som krymper när du ökar kontexten. GLM-5.3 med 753 miljarder parametrar totalt får inte plats på någon enskild maskin vid någon kvantisering som bevarar dess beteende, och dess billigaste korrekta driftsättning är någon annans kluster via ett API för $1,26 och $3,96.

Så de två modellerna är inte substitut. Den ena är en mätt kapacitet du hyr och den andra är en fast kostnad du äger, och det enda som avgör mellan dem är hur kontinuerligt du använder den. Under en viss genomströmning är ett flaggskepp för 1,26 dollar per miljon token helt enkelt billigare än ett 96 GB-kort och elen bakom det. Över en viss genomströmning vinner kortet, och det vinner utan att behöva vara den bättre modellen.

Det andra som NVIDIA-designen ger, och det är inte oväsentligt, är visionsvägen på en tillåtande licens. GLM-5.3 är endast text. GLM-5.3-Flash tar emot bilder och video för femton cent respektive femtio cent per miljon tokens, vilket är anmärkningsvärt billigt och är anledningen till att flash-nivån – inte flaggskeppet – är den rätta Z.ai-jämförelsen för en dokumentpipeline. En självhostad visionsmodell till en fast kostnad mot en hostad visionsmodell för femton cent är en verklig fråga med en verklig brytpunkt, och det är värt att räkna ut med dina egna sidantal snarare än med en topplista.

Tre saker om NVIDIA-checkpointen som är olösta

För att vara opartisk i den andra riktningen, eftersom öppenheten i NVIDIAs släpp inte gör dess specifikation komplett.

Standardtaggen som de flesta kommer att hämta är en 4-bitars kvantisering, och varje publicerad utvärderingssiffra – NVIDIAs egen tabell, poängen från tredjepartspanelen – avser BF16 eller NVFP4. Versionen som faktiskt används har ingen publicerad utvärdering. Detta är den största omätta kvantiteten på båda sidor om den här sidan.

Körningsmiljöns medföljande standardvärden för sampling är kortets textinställningar, temperature 1.0 med top_p 0.95, medan kortets visionsinställning är temperature 0.6. En visionsmodell vars standardkonfiguration är inställd för dess textdel kommer att ge nedslående första intryck på skannade sidor, och lösningen är en konfigurationsändring snarare än en annan modell.

And the specification disagrees with itself in two small places that matter to tooling: the Ollama config blob declares model_type: 123.6B while every human-facing label says 120B, and the library page advertises a 1M context for its GGUF tags but no context figure at all for its three MLX tags. Neither is a defect in the weights. Both are things a deployment script will trip over.

Var detta lämnar en läsare

Om du är här för att du ville veta hur Nemotron 3.5 Super står sig mot GLM-5.5, är svaret att den andra modellen inte finns ännu och att varje sida som ger dig siffror för den hittar på dem. Det som finns är en läcka med ett parameterantal, ett missat lanseringsfönster och ett påstående utan något testramverk bakom sig.

Om du väljer mellan det som faktiskt är tillgängligt står valet mellan en Z.ai-flaggskeppsmodell med förbrukningsbaserad debitering som är märkbart starkare på allmän kapacitet och enbart text, en Z.ai flash-nivå med förbrukningsbaserad debitering som är anmärkningsvärt billig och tar emot bilder, och en NVIDIA-checkpoint som du kan äga, som hanterar text, bilder och video och som ligger efter på det enda oberoende uppmätta resultat som någon av dem har. Nemotron 3.5 Super finns inte på OrcaRouter – vi dirigerar lite över tvåhundra modeller och det finns ingen NVIDIA Nemotron-post bland dem – så om du vill ha NVIDIA-checkpointen är leverantörens egna kanaler och den lokala hämtningen din väg.

GLM-5.3 och GLM-5.3-Flash finns på vår nyckel, till leverantörens listpris vidarebefordrat utan påslag per token, och en prisändring från Z.ai landar på vår sida samma dag i stället för vid din nästa avtalsförnyelse. Det är det billiga experimentet: kör arbetsbelastningen mot modellen du kan nå i dag, ta reda på vad den kostar per enhet verkligt arbete, och bestäm först därefter om den fasta kostnaden för ett kort du äger slår en mätare du hyr.

Och när GLM-5.5 väl kommer – om den nu gör det – kommer den läsvärda versionen av den här sidan att vara den som skrivs efter att någon annan än labbet har kört den.

Benchmarks åldras och priser förändras; felhistoriken gör det inte: 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 omtvistad status.