Nemotron 3.5 Bolt vs Qwen 3.8 Max: ทั้งสองโมเดลนี้ดูวิดีโอ

ไม่มีการจับคู่โมเดลมากนักที่ส่วนที่น่าประหลาดใจคือความสามารถที่ทั้งสองมีร่วมกัน ทั้ง NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GBและ Qwen 3.8 Maxต่างรับวิดีโอเป็นอินพุต และทั้งคู่ส่งคืนข้อความ Qwen 3.8 Max ซึ่งเผยแพร่โดย Alibaba เมื่อวันที่ 3 สิงหาคม 2026 เป็นโมเดลมัลติโมดัลแบบโฮสต์ที่มีหน้าต่างบริบท 1,000,000 โทเคน ให้บริการผ่านอินเทอร์เฟซที่เข้ากันได้กับ OpenAI เข้ากันได้กับ Anthropic และ DashScope แบบเนทีฟจากห้าภูมิภาค โดยมีราคา 2.00 ดอลลาร์ต่อโทเคนอินพุตหนึ่งล้านโทเคน และ 6.00 ดอลลาร์ต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน โดยการอ่านจากแคชมีราคา 0.25 ดอลลาร์ ส่วน Nemotron 3.5 Bolt ซึ่งเปิดตัวโดย NVIDIA เมื่อวันที่ 15 ตุลาคม 2026 เป็นไฟล์น้ำหนักเปิดขนาด 24GB พร้อมตัวเข้ารหัสภาพ C-RADIO v4-H หน้าต่าง 262,144 โทเคน และไม่มีราคาเลย

สองโมเดลที่ทั้งคู่สามารถรับไฟล์บันทึกหน้าจอได้ ต่างกันเพียงแค่รันอยู่ที่ไหนและมีค่าใช้จ่ายเท่าใด นั่นเป็นการเปรียบเทียบที่ชัดเจนกว่าที่การเทียบแบบตัวต่อตัวส่วนใหญ่จะได้ และจะได้ข้อสรุปอย่างรวดเร็วเมื่อคุณเลิกถามว่าตัวไหนฉลาดกว่า

สองสแต็กมัลติโมดัล หนึ่งขอบเขตหน่วยความจำ

ความสามารถมัลติโมดัลของ Bolt นั้นสืบทอดมา มากกว่าจะถูกสร้างขึ้นมาเพื่อมันโดยเฉพาะ NVIDIA บีบอัดโมเดล Nemotron 3.5 Super VL ขนาด 120B-A12B ของตนลงเหลือ 74B-A9B ด้วยการค้นหาที่นำทางด้วยเราเตอร์ซึ่งบริษัทเรียกว่า Star Elastic จากนั้นนำผลลัพธ์ไปที่ 2.0625 บิตต่อน้ำหนักของ expert ในรูปแบบ IQ2_XXS พร้อมการกลั่นที่คำนึงถึงการควอนไทซ์ วิชันทาวเวอร์ — ตัวเข้ารหัส C-RADIO v4-H — มาพร้อมกับการบีบอัดนี้ และสวิตช์โหมดการให้เหตุผลก็เป็นตัวเดียวกับที่ไคลเอนต์ Super VL เปิดให้ใช้: แฟล็ก enable_thinking ในเทมเพลตแชต พารามิเตอร์ทั้งหมด 74B พารามิเตอร์ที่ทำงานอยู่ต่อโทเคน 9B แบ็กโบนเป็นไฮบริดระหว่าง Mamba-2 กับ Transformer ที่ผู้ขายเรียกว่า LatentMoE ใบอนุญาต OpenMDW-1.1 สำหรับการใช้เชิงพาณิชย์และไม่ใช่เชิงพาณิชย์

Qwen 3.8 Max เป็นอาร์ติแฟกต์ที่ต่างออกไป โดยเป็นระดับความสามารถสูงสุดของ Alibaba รองรับมัลติโมดัลโดยกำเนิด และมีอยู่เฉพาะในรูปแบบเอ็นด์พอยต์เท่านั้น ไม่มีเช็กพอยต์ให้ดาวน์โหลด ไม่มีบิลด์แบบควอนไทซ์ให้รันบนเวิร์กสเตชัน และไม่มีเวอร์ชันใดที่ต้นทุนส่วนเพิ่มเป็นแค่ค่าไฟฟ้า สิ่งที่มันมีแทนคือความสามารถในการเข้าถึง: รูปแบบไวร์สามแบบ ทำให้ Anthropic SDK ที่มีอยู่หรือการผสานรวม DashScope ใช้งานได้โดยไม่ต้องเขียนใหม่ และมีภูมิภาคที่ให้บริการห้าแห่งทั่วเอเชีย ยุโรป และอเมริกาเหนือ ซึ่งทำให้คำถามเรื่องความหน่วงกลายเป็นคำถามด้านภูมิศาสตร์พอ ๆ กับเป็นคำถามด้านวิศวกรรม

ผลลัพธ์ในทางปฏิบัติก็คือ พฤติกรรมแบบมัลติโมดัลของ Bolt ถูกจำกัดขอบเขตด้วยหน่วยความจำ 24GB ก้อนเดียวกับที่ใช้เก็บ KV cache, ประวัติการสนทนา และผลลัพธ์จากเครื่องมือ ส่วนของ Qwen 3.8 Max นั้นถูกจำกัดด้วยสิ่งที่ endpoint จัดสรรให้ ซึ่งไม่ใช่ปัญหาของคุณ

คุณจ่ายอะไร และจ่ายให้ใคร

Qwen 3.8 Max คิดค่าบริการตามการใช้งาน และอัตราค่าบริการก็ต่ำเมื่อเทียบกับความสามารถของมัน พรอมต์ 20,000 โทเคนพร้อมคำตอบ 3,000 โทเคนมีค่าใช้จ่าย $0.04 สำหรับอินพุตและ $0.18 สำหรับเอาต์พุต ประมาณ $0.22 ต่อการเรียก — และการอ่านจากแคชที่ $0.25 ต่อล้านหมายความว่าพรอมต์ระบบที่คงที่หรือเอกสารที่ซ้ำกันนั้นแทบจะฟรีในครั้งที่สอง เวลา p50 ถึงโทเคนแรกในแคตตาล็อกของเราคือ 3.22 วินาที โดยมี p95 ที่ 10.00 วินาที และรองรับปริมาณการรับส่งข้อมูลที่ถูกกำหนดเส้นทาง 41.3 ล้านโทเคนในช่วงเจ็ดวันที่ผ่านมา

Nemotron 3.5 Bolt ไม่มีเรทการ์ดเพราะไม่มีอะไรให้วัด ไม่มีเอนด์พอยต์ที่โฮสต์ ไม่มี API ของผู้ขาย และไม่มีแพลตฟอร์มของบุคคลที่สามที่ให้บริการซึ่งเราสามารถชี้ให้คุณได้ Artificial Analysis ระบุทั้งความเร็วและค่าใช้จ่ายต่องาน Intelligence Index ของมันเป็น N/A ด้วยเหตุผลนี้เอง ถ้าคุณรันมัน ค่าใช้จ่ายคือ GPU การใช้พลังงาน และระยะเวลาตัดจำหน่าย และราคาส่วนเพิ่มของล้านโทเค็นถัดไปเป็นศูนย์ สำหรับงานที่รันทุกคืนซึ่งอ่านคลังข้อมูลเดียวกันทุกวัน นั่นไม่ใช่ส่วนลด — มันเป็นรูปแบบการคิดบัญชีที่แตกต่าง และจุดคุ้มทุนขึ้นอยู่กับว่าคุณรันมันบ่อยแค่ไหนอย่างสิ้นเชิง

หน้าต่าง และความสามารถในการใช้งานมัน

บริบทคือแกนที่สองสิ่งนี้ดูใกล้เคียงกันที่สุดบนกระดาษ และแยกออกจากกันเร็วที่สุดในทางปฏิบัติ

• หน้าต่างที่ประกาศไว้ — Qwen 3.8 Max 1,000,000 โทเค็น เทียบกับ Nemotron 3.5 Bolt 262,144 โดยประมาณสี่ต่อหนึ่ง และอัตราส่วนนี้เองที่ตัดสินว่างานแบบทั้งโค้ดเบสหรือทั้งอาร์ไคฟ์จะเป็นไปได้ในคำขอเดียวหรือไม่

• การเรียกคืนข้อมูลภายในหน้าต่างบริบท — Artificial Analysis บันทึกค่าการเรียกคืนสำหรับบริบทยาวไว้ที่ 80.3 สำหรับ Qwen 3.8 Max ไม่มีตัวเลขอิสระที่เทียบเท่ากันสำหรับ Bolt และหน้าต่างของ Bolt ก็เล็กกว่าอยู่แล้วตั้งแต่แรก ซึ่งทำให้สิ่งนี้เป็นการเปรียบเทียบระหว่างความสามารถที่วัดได้กับความสามารถที่ยังไม่ได้วัด

• มีอะไรอีกที่ใช้พื้นที่ร่วมกัน — 262,144 โทเคนของ Bolt อยู่ภายใน 24GB เดียวกันกับค่าน้ำหนัก เฟรมวิดีโอ และ KV cache พรอมต์วิดีโอแบบยาวและบทสนทนาแบบยาวต่างแย่งหน่วยความจำเดียวกัน หน้าต่างของ Qwen 3.8 Max ถูกจัดสรรโดยผู้ให้บริการ ดังนั้นข้อจำกัดจึงอยู่ที่ราคามากกว่าฮาร์ดแวร์

• การควบคุมการให้เหตุผล — Qwen 3.8 Max เปิดให้ใช้สวิตช์ enable_thinking หรือ reasoning.effort บน Responses API สิ่งที่เทียบเท่าใน Bolt คือสวิตช์ในเทมเพลตแชตที่อยู่ในกลุ่มแฟล็กเดียวกัน ซึ่งสืบทอดมาจากไคลเอนต์ Super VL ทั้งสองอย่างไม่ใช่เรื่องแปลก ทั้งคู่ช่วยให้คุณหยุดเสียค่าใช้จ่ายสำหรับการครุ่นคิดในการเรียกใช้งานทั่วไป

วัดเทียบกับสิ่งที่ไม่ได้วัด

Artificial Analysis ให้คะแนน Qwen 3.8 Max ที่ 45.4 บนดัชนี Intelligence Index ของตน เป็นอันดับที่สิบห้าจาก 145 โมเดลที่วัด — อยู่ในสิบเปอร์เซ็นต์แรกโดยไม่ถึงขั้นอยู่บนสุด แถวข้อมูลประกอบของมันแข็งแกร่งในจุดที่งานแบบเอเจนต์ต้องการ: AA Coding Index 76.2 อยู่อันดับเก้าจาก 138, 88.8 บน Terminal-Bench 2.1 และ 92.8 บน GPQA Diamond จุดอ่อนเชิงเปรียบเทียบของมันคือการระลึกบริบทยาวที่ 80.3 ซึ่งนับว่าน่าพอใจแต่ไม่ถึงขั้นยอดเยี่ยมสำหรับโมเดลขนาดหนึ่งล้านโทเคน

ตัวเลขของ Bolt มีขอบเขตแคบกว่า โดยได้ 21 คะแนนในดัชนีเดียวกัน เป็นอันดับสี่จาก 67 ในคลาสที่กรองตาม footprint เทียบกับค่ามัธยฐานของคลาสที่ 8 และ Artificial Analysis ระบุว่าเป็นหนึ่งในโมเดล open-weight ชั้นนำที่มีขนาดใกล้เคียงกัน ความเร็วและต้นทุนที่วัดได้ยังเว้นว่างไว้ ส่วนข้อมูลอื่นทั้งหมด — คะแนน Terminal-Bench 2.1 ที่ 50.98, GPQA Diamond 86.43, BrowseComp 66.75, WebArena vision 50.86, SciCode 41.02 — มาจากโมเดลการ์ดของ NVIDIA เอง ซึ่งทุก baseline เป็นโมเดลอื่นที่มีขนาดเพียงหนึ่งในสาม แถวข้อมูลเหล่านั้นไม่ได้บิดเบือนความจริง แต่กำลังตอบคำถามเกี่ยวกับประสิทธิภาพ ไม่ใช่ความสามารถระดับแนวหน้า และการอ่านแถวเหล่านั้นเป็นการแข่งขันกับเรือธงที่ให้บริการแบบโฮสต์ก็เท่ากับตีความเอกสารผิด

ช่องว่างด้านความเร็วควรได้รับการดูแลแบบเดียวกัน Artificial Analysis ไม่สามารถวัดอัตราการประมวลผลของ Bolt ได้เนื่องจากไม่มีอะไรให้เรียกใช้ NVIDIA รายงานเป้าหมายการออกแบบอย่างน้อย 80 โทเคนต่อวินาทีของการถอดรหัส, 84 บน AIPerf SPEED-Bench บน RTX Spark, และ 83.99 ในการรัน llama.cpp บน Surface Laptop Ultra ที่มีความจุ 128GB, ทั้งหมดนี้ยังไม่ได้รับการพิสูจน์ซ้ำ 3.22 วินาทีถึงโทเคนแรกของ Qwen 3.8 Max นั้นวัดได้และเป็นสาธารณะ วางแผนโดยอิงจากตัวเลขที่วัดได้ และถืออีกตัวเลขหนึ่งเป็นความมุ่งหวัง

คำถามเกี่ยวกับการกำหนดเส้นทาง ซึ่งไม่สมมาตรในที่นี้

Qwen 3.8 Max อยู่ในแค็ตตาล็อกของเราในชื่อ qwen/qwen3.8-max โดยกำหนดเส้นทางตามราคาที่ Alibaba ประกาศไว้ในฐานะผู้ให้บริการ บวกเพิ่ม 0% — 2.00 และ 6.00 ดอลลาร์ต่อล้านโทเคน ตัวเลขบนหน้าของเราเท่ากับบนหน้าของผู้ขาย ซึ่งหมายความว่าการเปลี่ยนแปลงอัตราค่าบริการจากฝั่งผู้ขายจะไปถึงผู้ใช้ของเราในวันเดียวกัน แทนที่จะเป็นตอนต่อสัญญา โมเดลนี้อยู่หลังคีย์เดียวกับโมเดลอื่นอีกกว่า 200 ตัว พร้อมการสลับไปใช้ผู้ให้บริการต้นทางรายอื่นโดยอัตโนมัติเมื่อรายหนึ่งมีปัญหา และมี DSL สำหรับกำหนดเส้นทางเพื่อประกอบหลายโมเดลให้เป็นคำขอเดียว

Nemotron 3.5 Bolt ไม่ได้อยู่ในแค็ตตาล็อกของเรา และเราไม่ได้ให้บริการมัน ไม่มี Bolt endpoint ไม่มีตัวระบุสำหรับชี้คำขอไปยัง และไม่มีสิ่งใดในชิ้นนี้ที่เป็นข้อเสนอให้โฮสต์เช็กพอยต์ของ NVIDIA รูปแบบที่ซื่อตรงของคำแนะนำเรื่องการกำหนดเส้นทางตรงนี้คือการแยกมากกว่าการเลือก: โมเดลมัลติโมดัลที่โฮสต์ไว้จัดการคำขอแบบหน้าต่างยาว คลังวิดีโอที่ใหญ่เกินกว่า 24GB ของหน่วยความจำร่วม และอะไรก็ตามที่จำเป็นต้องเรียกใช้ได้จากทุกที่; ไฟล์ภายในเครื่องจัดการรอบความถี่สูงที่ข้อมูลไม่ควรออกจากอาคาร และปริมาณจะทำให้การคิดค่าบริการต่อโทเคนเจ็บตัว การหลอมรวมโมเดลเป็นรูปแบบที่ควรรู้ไว้ หากการเรียกที่มีค่าใช้จ่ายสูงคือการเรียกที่มีนัยสำคัญ — คณะของโมเดลตอบพร้อมกันต่อพรอมป์ต์เดียวกัน แล้วคุณเอาความสอดคล้อง ซึ่งเป็นวิธีราคาถูกในการซื้อความมั่นใจให้กับการตัดสินใจที่คุณย้อนกลับได้ยาก

วิธีที่อันนี้จะคลี่คลาย

จุดทับซ้อนคือวิดีโอ และนั่นคือเหตุผลที่สองตัวนี้ควรค่าแก่การนำมาเปรียบเทียบกันเลย — โมเดลโลคัลส่วนใหญ่ในขนาดนี้มองไม่เห็นเลย และโมเดลที่โฮสต์ส่วนใหญ่ก็ไม่สามารถรับไฟล์บันทึกหน้าจอได้โดยไม่ต้องผ่านขั้นตอนการแยกเฟรม ซึ่งทำให้สิ่งที่คุณพยายามจะแสดงให้มันดูนั้นสูญหายไป

หลังจากจุดที่ทับซ้อนกันนั้น พวกมันแยกทางกันในทุกแกน Qwen 3.8 Max ชนะในด้านหน้าต่างที่กว้างกว่า ความหน่วงที่วัดได้ ชุดอินพุตที่หลากหลายกว่า และชนะอย่างขาดลอยในด้านความฉลาดที่ได้รับการให้คะแนนอย่างอิสระ Nemotron 3.5 Bolt ชนะในแกนเดียวที่ไม่มีโมเดลแบบโฮสต์ใดจะแข่งได้ นั่นคือมันทำงานในที่ที่ข้อมูลของคุณอยู่แล้ว ไม่ว่าจะมีเครือข่ายหรือไม่ก็ตาม ด้วยต้นทุนส่วนเพิ่มเป็นศูนย์

การตัดสินใจมักไม่ใช่เรื่องของความชอบส่วนตัว หากวิดีโอไม่เคยออกจากอาคารเลย ตัวเลือกแบบโฮสต์ก็ไม่เคยมีให้ใช้ตั้งแต่แรก และการเปรียบเทียบก็ยุบเหลือเพียงผู้สมัครรายเดียว หากคลังข้อมูลเป็นข้อความหนึ่งล้านโทเคน ตัวเลือกแบบในเครื่องก็ไม่เคยมีให้ใช้ด้วยเหตุผลเดียวกันแต่กลับกัน ในกรณีที่ทั้งสองทางสูสีกันจริง ๆ — ปริมาณไม่มาก ข้อมูลที่สามารถเคลื่อนย้ายได้อย่างถูกกฎหมาย งานที่ส่วนใหญ่เป็นการเรียกใช้เครื่องมือแบบสั้น ๆ และมีการอ่านแบบยาวเป็นครั้งคราว — ตัวชี้ขาดคือตัวเลขหนึ่งตัวที่ขาดไปจากการเปรียบเทียบนี้: 24GB checkpoint ทำงานได้เร็วแค่ไหนจริง ๆ บนฮาร์ดแวร์ของคุณ ซึ่งยังไม่มีใครนอก NVIDIA วัดค่านี้