NV-Reason-CT vs Nemotron 3 Ultra: En logotyp, två utgivningsfilosofier

NVIDIA släppte två modeller med öppna vikter i år och berättade inte för någon om en av dem. Nemotron 3 Ultra landade på Hugging Face den 4 juni 2026 som ett flaggskepp med totalt 550B och 55B aktiva parametrar, med en teknisk rapport, en OpenMDW-1.1-licensregim och ett komplett öppet släpp av förtränings- och efterträningsdataset bakom sig. NV-Reason-CT landade den 8 september 2026 som en CT-specialist med 4,69B parametrar, med ett kodarkiv, en demo-Space och en arXiv-preprint två veckor senare som nämner släppet i ett citeringsblock. Inget tillkännagivande gjordes för den andra. Jämför dem och du jämför egentligen inte kapacitet — ett allmänt flaggskepp på 550B och en medicinsk specialist på 4,69B överlappar inte varandra. Du jämför två olika teorier om hur man släpper en modell, båda tillämpade av samma företag, med tre månaders mellanrum.

Vad varje repository faktiskt innehåller

Släppet av Nemotron 3 Ultra är en komplett öppen pipeline. NVFP4-checkpointen på Hugging Face har fått 249 746 nedladdningar och 338 gillamarkeringar; BF16-syskonmodellen, bascheckpointen och efterträningsdataseten publiceras alla tillsammans med den. Den är tolvspråkig, endast text, byggd på en latent mixture-of-experts-Mamba2-Transformer-hybrid med multi-token-prediktion och omfattas av licensen openmdw-1.1. Artificial Analysis placerar den på ett Intelligence Index på 47,7 i den levererade NVFP4-precisionen och 48,2 i full precision – högst av alla amerikanska modeller med öppna vikter, enligt den mätningen. Vår egen tidigare rapportering om Nemotron-lärarmodellerna anger medianpriset hos leverantörer till ungefär 0,60 USD per miljon indatatoken och 2,60 USD per miljon utdatatoken, samt NVIDIAs siffra på 183 utdatatoken per sekund i genomströmning vid tredjepartsmätning.

NV-Reason-CT är en mycket mindre och mycket mer sluten artefakt. Tio komma sex gigabyte BF16-vikter, en 10 kB model.py, en 26 kB processor.py, en chattmall och en inference.py. En demo-Space. En artikel. Tvåhundratio nedladdningar hittills denna vecka. Ingen datasetutgivning. Ingen teknisk rapport. Ingen serveringskonfiguration utöver ett exempel med en enda volym.

Kontrasten handlar inte om storlek — den handlar om vad en nedströmsingenjör kan göra med artefakten. Ultras släpp är utformat så att någon annan kan reproducera träningen. NV-Reason-CT:s släpp är utformat så att någon annan kan köra inferensen. Det är olika löften.

Endast en av dem är byggd på NVIDIA:s egen stack

Här är detaljen som förvånar folk, och den är verifierbar från modellkortets frontmatter: NV-Reason-CT:s basmodell är Qwen/Qwen3.5-4B, med en finjusteringsrelation, inte en Nemotron-checkpoint. NVIDIA skruvade fast en Primus 3D-vision transformer — initierad från COLIPRI-vikter — på en Qwen-språkmodell och tränade paret end-to-end med övervakad finjustering följt av Group Relative Policy Optimization.

Det är inte kritik och det är inte en skandal. Det är branschnormen för arbete med vision och språk, och NVIDIA redovisar det tydligt i repository-metadata. Men det innebär att det enskilt mest naturliga antagandet om den här matchningen – att NV-Reason-CT är ett Nemotron-derivat – är falskt. De två modellerna på den här sidan delar en logotyp och en licensfamilj och i stort sett ingenting annat. Ingen gemensam arkitektur, ingen gemensam tokeniserare, ingen gemensam träningsdata, ingen gemensam serveringsväg.

Storlek, i de nummer som avgör var den körs

• Parametrar — NV-Reason-CT 4,69B totalt / 4,35B aktiva i CT-vägen jämfört med Nemotron 3 Ultra 550B totalt / 55B aktiva sparse LatentMoE • Checkpoint på disk — NV-Reason-CT ~10,6 GB BF16 jämfört med Nemotron 3 Ultra hundratals gigabyte i BF16, dessutom publicerad i NVFP4 • Indata — NV-Reason-CT 3D-NIfTI-CT-volymer i Hounsfield-enheter, endast bröstkorg eller buk, ett volymprefix på 13 824 token jämfört med Nemotron 3 Ultra text, upp till 1M token kontext med en utdatagräns på 65K • Kontext — NV-Reason-CT inte tillämpligt i vanlig mening jämfört med Nemotron 3 Ultra 1 000 000 token • Licens — båda OpenMDW-1.1 • Hårdvara — NV-Reason-CT Ampere / Hopper / Lovelace, testad på H100 och L40S jämfört med Nemotron 3 Ultra multi-GPU-servering vid 55B aktiva • Oberoende poäng — NV-Reason-CT ingen publicerad jämfört med Nemotron 3 Ultra AA Intelligence Index 47,7 NVFP4 / 48,2 full precision

Den praktiska gränsen är minnesgränsen. En 4,69B-modell med en 3D-encoder får plats på ett enda kort, och en forskargrupp kan motivera det. En modell med totalt 550B och 55B aktiva parametrar kräver riktig infrastruktur för serving även kvantiserad. Ingen av dem är ett helgexperiment, men de ligger på olika storleksordningar av det problemet.

Två utvärderingsregimer som inte kan medelvärdesberäknas

Ultra:s bevis är allmän förmåga: ett Artificial Analysis Intelligence Index i det övre 40-spannet, täckning av benchmarks inom resonemang, kodning och agentiska uppgifter, samt leverantörsrapporterade siffror för produktfamiljen, inklusive SWE-Bench Verified 71,9, MMLU-Pro 86,8 och LiveCodeBench v6 89,0 – där de tre sista är NVIDIA:s egna siffror och märkta som sådana.

NV-Reason-CT:s bevis är en tabell. Macro-F1 0.614 och Macro-AUROC 0.871 på CT-RATE:s 18-labelklassificeringsuppgift, vid en fast enhetlig tröskel, med en direkt Ja/Nej-prompt utan klassificeringshuvud, mot VoxelFM vid 0.581/0.870, Pillar-0 vid 0.544/0.861, ClinFusion-8B vid 0.442, CT-CLIP vid 0.398/0.733, Merlin vid 0.358/0.662 och MedGemma 1.5 vid 0.303. NVIDIA:s siffror igen, på modellkortet, utan någon oberoende reproduktion ännu.

Ett AA Intelligence Index på 47,7 och ett CT-RATE Macro-F1 på 0,614 är inte två mätningar av en och samma sak. De är mätningar av två saker. Det finns inget försvarbart sätt att säga att Ultra är "bättre" än NV-Reason-CT, och anledningen är inte poängpreferens — det är att instrumenten inte överlappar alls. Den enda ärliga jämförelsen i detta par gäller vem varje modell är ackrediterad för, i ordets bokstavliga mening: vilka bevis som finns för att den gör sitt jobb.

Varför den tysta lanseringen är den rationella

Föreställ dig att du ingår i teamet för medicinsk avbildning. Du har en fungerande 3D-CT-modell. Du vill att radiologer, läkarstudenter och forskare ska använda den. Vad ger en keynote dig?

Ett lanseringsevenemang väcker förväntningar på support, färdplaner och livslängd som ett forskningsteam inte kan uppfylla. Det inbjuder till allmän utvärdering på benchmarks där en modalitetslåst modell med 4,69B parametrar kommer att verka oimponerande av strukturellt irrelevanta skäl. Och det ställer en modell som uttryckligen "inte får användas som ersättning för professionell klinisk bedömning" framför en publik som inte läser licensvillkor. Ett arkiv, en artikel och en demo Space når exakt den publik som läser alla tre, och de låter artefakten tala i sin egen takt. Versionssträngen är "0.1". Kortet säger endast forskning och utbildning. Det är en utgåva designad för att citeras, inte köpas.

Ultras lansering är motsatsen och är lika rationell — en flaggskeppsprodukt behöver distribution, en prislista och ekosystemstöd, vilket är varför den kom med dataset och en rapport.

Där en router passar, och där den inte kan

Ingen av dessa modeller finns på OrcaRouter, och jag tänker inte påstå något annat: NV-Reason-CT är en checkpoint på 10,6 GB med anpassad modellkod som du själv hostar, och Nemotron 3 Ultra med 55B aktiva parametrar serveras via NVIDIAs eget API och flera tredjepartsplattformar.

Vad ett routinglager gör för ett team som arbetar med båda är snävare och fortfarande användbart. En klinisk forskningspipeline som använder NV-Reason-CT för volymen och en generell modell för den omgivande texten behöver en plats att byta ut den generella modellen på utan ett andra avtal, och en OpenAI-kompatibel slutpunkt som täcker 200+ modeller med automatisk redundansväxling mellan leverantörer är den platsen. Den håller den självhostade specialisten och den hostade generalisten under en och samma nyckel i stället för två integrationer.

Vad man kan ta med sig från parningen

Lästa som konkurrenter är de två modellerna ett kategorifel. Lästa som en fallstudie är de ovanligt tydliga. Samma leverantör, samma licensfamilj, samma år — och två utgivningsstrategier valda för att matcha två helt olika nedströms syften. Den ena är infrastruktur med ett ekosystem kopplat till sig. Den andra är en artikel med vikter kopplade till sig, släppt så att en specifik liten målgrupp kan köra den och citera den.

Om du letar efter en allmän modell med öppna vikter är NV-Reason-CT inte en kandidat och var aldrig avsedd att vara det. Om du läser CT-volymer av bröstkorg och buk programmatiskt kan Nemotron 3 Ultra inte hjälpa dig och var aldrig avsedd att göra det. Den enda verkliga överlappningen mellan dem är logotypen, och den enda verkliga lärdomen är att NVIDIA är villigt att släppa tyst när publiken är tillräckligt liten och teknisk för att den själv ska hitta repositoriet.