Nemotron 3.5 Super VL vs Qwen3.8-Max: Nivån med öppna vikter mot den mätarstyrda frontlinjen

Den som planerar en pipeline för dokumenthantering det här kvartalet har exakt två former att välja mellan, och det är inte samma form. NVIDIA Nemotron 3.5 Super VL är en checkpoint för vision och språk med 120B parametrar och 12B aktiva parametrar under OpenMDW-1.1, vars vikter lades upp den 12 oktober 2026, tre dagar före Nvidias eget tillkännagivande den 15 oktober: du laddar ner den, du driftar den, du betalar i GPU:er och el. Qwen3.8-Max är Alibabas proprietära flaggskepp – en mixture-of-experts med 2,4 biljoner parametrar och 95B aktiva parametrar, visionsindata, ett kontextfönster på 1M tokens och fakturering per token på 2 USD per miljon indata och 6 USD per miljon utdata med 88 % cacherabatt. Det ena är en kapitalutgift med full kontroll; det andra är en driftskostnad med en prislista. Allt annat i den här jämförelsen följer av den uppdelningen.

Två affärsmodeller klädda i en benchmark-jämförelse

Det är frestande att ställa upp dem sida vid sida efter förmåga och utse en vinnare. Det perspektivet döljer det faktiska beslutet, som handlar om vem som äger felmoden. Med Super VL: om genomströmningen gör dig besviken, omtränar du, kvantiserar om eller köper annan hårdvara — taket är ditt att höja. Med Qwen3.8-Max: om genomströmningen gör dig besviken, byter du modellsträng eller förhandlar; taket tillhör Alibaba, och det gör färdplanen också.

Den skillnaden är avläsbar i vad varje leverantör publicerade. NVIDIA släppte en teknisk rapport, träningsrecept, öppna dataset, RL-miljöer och tre separata vägar för speculative decoding för familjen — apparaten för en modell som är avsedd att driftsättas och modifieras. Qwen släppte ett API med en prislista och en cacherabatt, vilket är apparaten för en modell som är avsedd att konsumeras.

Vad Super VL ger dig som en hostad slutpunkt inte kan

NVIDIA Nemotron 3.5 Super VL är en hybrid: interfolierade Mamba-2-lager, en mixture-of-experts med 512 routade experter per MoE-lager och utvalda attention-lager, sammankopplade med en C-RADIO-visionencoder och en vision-language-connector. Text, bilder och videoramar går in; text kommer ut. Dess språkliga stomme initierades från Nemotron 3 Super Base, destillerad på en biljon tokens från Nemotron 3 Ultra Base, och fick sedan en utökning på 35 miljarder tokens till 1M kontext, mid-training inom mjukvaruutveckling och en återhämtningsfas för lång kontext. Native Multi-Token Prediction tillhandahåller spekulativ avkodning utan en separat drafter. Den körs i BF16 på 4×H100 eller 2×GB200, med en NVFP4-build och en NIM-mikrotjänst för produktionsdriftsättning.

• Det du äger — vikterna, tokeniseraren, visionskodaren, efterträningspipelinen och revisionsspåret. Varje prompt stannar inom din perimeter, vilket för arbete inom försäkring, kredit, hälsa eller försvar inte är en preferens utan ett krav.

• Vad du betalar – acceleratorer. Fyra H100:or i full precision är inträdesbiljetten, och kostnadskurvan följer utnyttjandegraden: dyrt i tomgång, nästan gratis vid mättnad.

• Vad du avstår från – en prislista. Per den 16 oktober 2026 finns inget publicerat pris för Super VL från någon, så varje totalkostnadsjämförelse du tar fram i dag vilar på dina egna genomströmningsmätningar, inte på en siffra från en leverantör.

Vad Qwen3.8-Max ger dig som en checkpoint inte kan

Qwen3.8-Max aktiverar 95B parametrar per token från en pool på 2,4 biljoner parametrar, tar emot både bilder och text och har som standard ett kontextfönster på strax under en miljon tokens. Hos Artificial Analysis har den ett Intelligence Index på 45, vilket är nitton punkter över de 26 som registrerats för NVIDIA Nemotron 3.5 Super VL i samma index – och till skillnad från de flesta siffrorna på den här sidan är båda dessa tredjepartsmätningar snarare än leverantörspåståenden.

• Vad du får — en generalist i framkant, med bildstöd, redo att anropa i eftermiddag med en API-nyckel. Ingen hårdvara, ingen drift, ingen kapacitetsplanering.

• Vad du betalar — $2 in och $6 ut per miljon tokens, med 88 % rabatt på cachad indata, vilket förändrar ekonomin för alla arbetsbelastningar med ett stort stabilt prefix: en lång systemprompt, ett fast dokument, ett beständigt verktygsschema.

• Vad du avstår från – vikterna. Det finns ingen nedladdning, ingen lokal driftsättning, ingen finjustering av den serverande modellen och ingen möjlighet att behålla data på din egen hårdvara.

Cacheringsrabatten förtjänar en särskild kommentar eftersom det är det tal som oftast modelleras fel i någon av kolumnerna. En minskning med 88 % för cachad indata betyder inte en 88 % billigare räkning; det betyder att den upprepade delen av din prompt kostar ungefär en niondel av listpriset, och nyttan skalar med hur stor del av varje begäran som verkligen är identisk med den föregående. Pipelines som skickar en stor statisk inledning igen har enorm nytta. Pipelines som skickar ett nytt dokument vid varje anrop har nästan ingen nytta alls.

Prislinjen, skött på ett ärligt sätt

Instinkten är att beräkna en brytpunkt – vid hur många tokens vinner självhosting? Den beräkningen ger en siffra, och siffran är oftast fel, eftersom den utelämnar de två kostnader som dominerar: ingenjörstid för att hålla en självhostad inferensstack aktuell, och alternativkostnaden för en mindre modell i de svåra fallen.

En mer användbar variant: kör din verkliga trafikprofil mot Qwen3.8-Max publicerade priser och få ett exakt månadsbelopp, eftersom den sidan har en prislista. Fråga sedan vilken andel av den trafiken en 12B-aktiv modell kan hantera enligt din standard, och prissätt bara den andelen i GPU:er. I de flesta pipelines för dokumentextrahering är svaret att merparten av volymen är mekanisk – fakturor, formulär, diagram, upprepade layouter – och en liten svans står för bedömningen. Merparten är där egen hosting vinner; svansen är där en frontmodell som Qwen3.8-Max vinner.

Den uppdelningen är vad vårt eget routingskikt finns till för att hantera, och de relevanta fakta är tillräckligt snäva för att kunna anges rakt ut. Qwen3.8-Max finns i vår katalog till qwen/qwen3.8-max/ till Alibabas listpris med 0 % påslag – vad leverantören än tar betalt är det du betalar, och en leverantörsprissänkning slår igenom samma dag i stället för vid nästa faktureringscykel. NVIDIA Nemotron 3.5 Super VL finns inte i vår katalog och kommer aldrig att göra det i form av en endpoint, eftersom det är en checkpoint som du själv hostar snarare än en tjänst som någon kan återförsälja till dig. Det som ligger mellan de två är komposition: routing-DSL:en låter ett enda anrop spridas ut, så mekaniska sidor kan gå till vilken billig modell du än pekar dem mot medan de som kräver bedömning eskalerar, och automatisk failover flyttar en begäran till en frisk uppström när den som begäran var på väg mot försämras. En nyckel för den hostade halvan, dina egna GPU:er för den andra, en policy som avgör vilken begäran som går vart.

Ett genomarbetat upplägg snarare än ett hypotetiskt scenario: samma pipeline kan skicka ett enkelsidigt formulär till en liten textmodell via katalogen, dirigera en diagramtung årsredovisning till en visionsmodell och hålla Qwen3.8-Max i reserv för den minoritet av dokument där extraktionen är genuint tvetydig. Reservmodellen kostar $6 per miljon utdatatoken och ingenting när den inte används, vilket är en långt bättre lösning än att provisionera en fjärde H100 för en arbetsbelastning som spikar två gånger i månaden.

Vem ska göra vad, med start den här veckan?

Om ditt arbete involverar reglerade data – vilken kategori som helst där det krävs en juridisk granskning för att skicka en sida till en tredje part – är beslutet fattat åt dig, och det är Super VL, hårdvarugolv och allt. Om ditt arbete är dokument- och skärmförståelse i hög volym under en normal integritetshållning, är det billigaste korrekta svaret för de flesta team just nu den avgiftsbaserade frontier-modellen, eftersom den fungerar i dag och dess pris är känt. Om du befinner dig någonstans mittemellan, vilket är där de flesta verkliga pipelines ligger, är de två inte alls konkurrenter: Qwen3.8-Max för den svåra svansen och en självhostad Super VL för volymen, med en router som avgör per begäran.

Det som skulle förändra den här sidan är ett publicerat pris för Super VL från någon leverantör som erbjuder den. I samma stund som en Nemotron-checkpoint dyker upp bakom en avgiftsbelagd slutpunkt försvinner invändningen om driftsättningströskeln, jämförelsen blir pris mot pris, och den intressanta frågan skiftar från vilken modell till vilken leverantör. Fram till dess svarar de två kolumnerna fortfarande på olika frågor – och det ärliga svaret på ”vilken är bättre” är att en modell med ett pris och en modell med en licens inte är samma typ av objekt.