Nemotron 3.5 Super vs Gemini 3.1 Pro: một cái là tệp, một cái là bản xem trước

Sự khác biệt quan trọng nhất giữa NVIDIA Nemotron 3.5 Super và Gemini 3.1 Pro không nằm trên bất kỳ bảng benchmark nào. Nó nằm ở trạng thái phát hành. Mô hình của NVIDIA — tổng cộng 120 tỷ tham số với 12 tỷ tham số hoạt động mỗi token, một bộ mã hóa thị giác C-RADIO được gắn vào một hỗn hợp chuyên gia lai giữa Mamba-2 và Transformer, được công bố dưới tên đầy đủ hơn NVIDIA Nemotron 3.5 Super VL và được phát hành trên Ollama với tên nemotron-3.5-super — là một tập hợp các tệp. Chúng đã được đăng lên Hugging Face vào ngày 12 tháng 10 năm 2026, ba ngày trước khi bài đăng trên newsroom của chính NVIDIA vào ngày 15 tháng 10 chính thức hóa chúng, và bạn có thể tải xuống 82,3 GiB trong số đó ngay tối nay và chạy chúng trên card của riêng bạn theo một giấy phép cho phép sử dụng thương mại. Google Gemini 3.1 Pro đã được công bố vào ngày 19 tháng 2 năm 2026 và vẫn được cung cấp dưới dạng một endpoint bản xem trước. Tám tháng sau, nó là một mô hình bạn có thể gọi nhưng không thể nắm giữ.

Cách diễn giải đó không phải là sự chê bai nhắm vào cách tiếp cận nào. Một endpoint xem trước là cách một phòng thí nghiệm tiên phong phát hành và lặp phát triển thứ mà họ chưa sẵn sàng đóng băng, và với hầu hết các đội nhóm, đó là lựa chọn tốt hơn. Nhưng hai mô hình giữ những vị trí khác nhau trong một triển khai, và sự so sánh trung thực là về việc bạn cần vị trí nào — không phải về việc mô hình nào thắng một bảng so sánh.

Một điều cần nói thẳng trước khi vào các con số. Nemotron 3.5 Super mới ra đời được bốn ngày tính đến thời điểm viết bài. Nhà cung cấp đã công bố nó, nên đây không phải là một bản phát hành âm thầm theo nghĩa chưa được xác nhận, nhưng cơ sở bằng chứng độc lập cho nó chỉ vào khoảng một điểm đánh giá của hội đồng và rất nhiều dòng kết quả từ nhà cung cấp. Bản xem trước Gemini đã có tám tháng thu hút sự chú ý của toàn thế giới và một khối lượng đo lường từ bên thứ ba lớn hơn nhiều làm hậu thuẫn. Ở những chỗ bằng chứng còn mỏng, trang này nói rõ như vậy thay vì làm tròn lên.

Phần cứng đối đầu với một khóa

• Những gì bạn nhận được — một checkpoint: trọng số tham chiếu BF16, một biến thể Base và bản dựng NVFP4, cùng một drafter LiLiCorr riêng biệt, tất cả được công bố vào ngày 12 tháng 10 năm 2026 · một endpoint được lưu trữ phía sau khóa API, ở trạng thái xem trước kể từ ngày 19 tháng 2 năm 2026.

• Giấy phép — OpenMDW-1.1, cho phép sử dụng thương mại, và thẻ mô hình nêu rõ checkpoint này sẵn sàng cho mục đích sử dụng thương mại hoặc phi thương mại · Điều khoản dịch vụ của Google.

• Tham số — tổng 120B, 12B hoạt động, 512 chuyên gia định tuyến trên mỗi lớp MoE, được công bố đầy đủ trên card · không công bố.

• Tiếp xúc trực tiếp với phần cứng — bốn H100 hoặc hai GB200 cho BF16; một card 96 GB cho tag 4-bit mặc định ở 82,3 GiB cộng thêm bộ chiếu thị giác 1,6 GiB · không có, theo thiết kế.

• Ngữ cảnh — lên đến 1.000.000 token, kèm lưu ý của chính thẻ rằng bộ nhớ khả dụng và các cài đặt thời gian chạy quyết định con số thực dùng được, đồng thời prompt, hình ảnh, lịch sử, kết quả công cụ và token được tạo ra đều chia sẻ chung ngân sách đó · 1.048.576 token ngữ cảnh.

• Giới hạn đầu ra — không được công bố ở bất kỳ đâu; thẻ sản phẩm của NVIDIA hay sổ đăng ký runtime đều không nêu con số nào · 65.536 token.

• Phương thức — đầu vào văn bản, hình ảnh và video, đầu ra văn bản; luồng thị giác không phải là tùy chọn, mọi thẻ được công bố đều mang theo projector · đầu vào văn bản, hình ảnh, video, âm thanh và tệp, đầu ra văn bản, đây là bề mặt đầu vào rộng nhất so với mọi thứ trong so sánh này.

• Giá theo mức sử dụng — không công bố mức giá nào; tự vận hành (self-host) hoặc không có gì · 2 USD mỗi triệu token đầu vào và 12 USD mỗi triệu token đầu ra, tăng gấp đôi lên 4 USD và từ 12 USD trở lên đối với các prompt trên 200.000 token.

Hai yếu tố quyết định việc triển khai là giá và đầu vào. Mô hình NVIDIA không có giá vì nó không có endpoint — chi phí của nó là phần cứng và điện năng, và biến số duy nhất quan trọng là mức sử dụng. Bản xem trước Gemini có một mức giá với một ngưỡng tăng vọt: 200.000 token đầu vào đầu tiên được tính ở mức 2 đô la mỗi triệu, và mọi thứ vượt quá đó được tính gấp đôi mức đó, đây là một chi tiết bạn muốn biết trước khi xây dựng một pipeline nhồi một triệu token ngữ cảnh vào mỗi lần gọi.

Bộ mã hóa thị giác chính là nơi hai thứ này thực sự gặp nhau

Cả hai mô hình đều nhận hình ảnh và video, điều này khiến đây trở thành trục duy nhất mà ở đó sự so sánh mang tính trực tiếp thay vì mang tính cấu trúc. Đây cũng là trục mà bằng chứng thiếu đồng đều nhất.

Trên bảng của chính NVIDIA, tất cả đều do nhà cung cấp chạy qua harness NeMo Gym: 62.82 trên MMLongBench-Doc, 78.16 trên MathVision, 80.82 trên CharXiv reasoning, 65.08 trên OCR-Reasoning, 85.60 trên V*, 68.12 trên OCRBench v2 English, 59.15 trên bộ tiếng Trung, 32.85 trên Video-MME v2 và 51.14 trên OSWorld-Verified. Các hàng này nhất quán với một mô hình đọc tài liệu và biểu đồ thành thạo và yếu hơn đáng kể ở văn bản tiếng Trung so với tiếng Anh.

Google đã không công bố một bảng đối chiếu tương ứng cho bản xem trước theo định dạng mà NVIDIA sử dụng, và trang này sẽ không ngụy tạo một bảng như vậy bằng cách ghép các con số từ những harness khác nhau. Điều có thể nói một cách trung thực là cùng một bảng đánh giá của bên thứ ba chấm điểm cả hai mô hình đặt bản xem trước Gemini cao hơn một chút trên chỉ số tổng thể của nó — khoảng 29,7 so với 26,49 đối với checkpoint NVIDIA — và rằng đánh giá của bảng này về mục Gemini có mốc thời gian là thời điểm công bố hồi tháng Hai, chứ không phải bất kỳ bản sửa đổi nào gần đây hơn. Xét rằng khoảng cách chỉ số chỉ khoảng ba điểm và hai mục được đo cách nhau tám tháng, việc coi một trong hai là phán quyết dứt khoát về cái kia sẽ là diễn giải quá mức.

Điều không phải là suy diễn quá mức: Gemini preview chấp nhận âm thanh còn NVIDIA checkpoint thì không. Nếu đầu vào của bạn có bản ghi âm cuộc gọi, một cuộc họp, hay bất kỳ tệp âm thanh nào, thì một nửa cuộc so sánh này đã được quyết định trước khi các tham số được nhắc tới. Ngược lại, nếu khối lượng công việc của bạn là một kho tài liệu cố định mà bạn xử lý hàng chục nghìn lần mỗi ngày, thì một mô hình bạn có thể chạy cục bộ với chi phí cố định là một phương án khác biệt về cấu trúc so với một mô hình tính $2 mỗi triệu token mỗi khi bạn xem một trang.

Cái bẫy trong mặc định của NVIDIA mà chưa từng có ai viết về

Đây là kiểu chi tiết chỉ xuất hiện nếu bạn đọc runtime registry thay vì blog của nhà cung cấp, và nó xứng đáng với cả một đoạn văn.

Thẻ chỉ định hai cấu hình lấy mẫu được khuyến nghị: temperature 1.0 với top_p 0.95 cho văn bản, và temperature 0.6 với top_p 0.95 cho thị giác. Mặc định được phát hành trong Ollama manifest là cặp dành cho văn bản. Điều đó có nghĩa là cấu hình mà hầu hết mọi người sẽ chạy mô hình thị giác này theo mặc định đang được tinh chỉnh cho nửa không phải thị giác của mô hình. Nếu trải nghiệm đầu tiên của bạn với nó trên các trang quét hoặc biểu đồ gây thất vọng, thì cài đặt lấy mẫu là thứ đầu tiên cần kiểm tra — trước khi kết luận bất cứ điều gì về năng lực của chính checkpoint.

Hai chi tiết liên quan từ cùng một manifest. Blob cấu hình khai báo model_type: 123.6B trong khi mọi nhãn dành cho người dùng đều ghi 120B, đây là sự khác nhau do làm tròn chứ không phải sai lệch về trọng số, nhưng nó lại quan trọng khi một script công cụ quyết định cái gì sẽ vừa. Và cổng runtime được thực thi, không chỉ là khuyến nghị: requires: 0.40.5, nên trên bất kỳ Ollama nào cũ hơn, mô hình này hoàn toàn không pull được.

Khoảng trống tám tháng thực sự đáng giá bao nhiêu

Có thể đưa ra lập luận rằng một bản xem trước đã trụ qua tám tháng lưu lượng truy cập thì ở một số phương diện đáng tin cậy hơn một điểm kiểm tra mới bốn ngày tuổi, và đó là một lập luận hay.

Một endpoint bản xem trước đã bị dội tải nặng nề. Các kiểu lỗi của nó đã được người khác ghi lại. Giá của nó được công bố chứ không phải suy đoán. Cửa sổ ngữ cảnh của nó hoạt động đúng như tài liệu nói, bởi vì hàng nghìn người dùng đã phát hiện ra những chỗ nó không đúng. Và một bản xem trước mà Google đã giữ ở trạng thái xem trước suốt tám tháng thay vì quảng bá, thì ít nhất, đã không bị âm thầm thu hồi — đó là thông tin về khả năng thương mại của mô hình mà không dấu thời gian kho lưu trữ nào có thể cho bạn biết về checkpoint NVIDIA.

Đổi lại, bản xem trước mang theo hai chi phí mà một tệp tự lưu trữ không có. Thứ nhất là nó có thể thay đổi. Trạng thái xem trước là một tuyên bố rõ ràng rằng endpoint có thể được sửa đổi mà không cần thông báo, và một pipeline được tinh chỉnh theo hành vi chính xác của bản xem trước là một pipeline có một phụ thuộc chưa được phòng ngừa rủi ro trong đó. Thứ hai là tính kinh tế của nó tăng theo tuyến tính và mãi mãi. Không có khối lượng nào mà trên đó Gemini preview trở nên rẻ hơn trên mỗi token; có một khối lượng mà trên đó chi phí cố định của bốn H100 thắng thế so với nó. Điểm giao cắt đó là con số duy nhất nên chi phối quyết định này, và nó là một thuộc tính của lưu lượng của bạn chứ không phải của một trong hai mô hình.

Và khoảng cách tám tháng của checkpoint NVIDIA không thuần túy là một điểm bất lợi. Nhà cung cấp này đã công bố không chỉ trọng số mà còn cả một bộ khung đánh giá có thể tái lập và một báo cáo kỹ thuật, đồng thời trường ngày phát hành của card lẫn dấu thời gian của kho lưu trữ đều khớp với bài đăng trên newsroom. Đó là một quy trình phát hành có thể kiểm toán tốt hơn so với hầu hết các đợt phát hành open-weight, dù cuộc kiểm toán mới chỉ vừa bắt đầu.

Cả hai thứ này đều không nằm trên chìa khóa của chúng ta, và một trong số đó chính là lý do thực sự quan trọng.

Cần nói thẳng về chuyện sẵn có. Gemini 3.1 Pro có thể truy cập trên OrcaRouter ở dạng bản xem trướctheo đúng giá niêm yết của nhà cung cấp, chuyển nguyên không kèm phụ phí theo token — 2 USD đầu vào và 12 USD đầu ra, với bậc ngữ cảnh dài được tính theo mức giá Google công bố, có hiệu lực ở phía chúng tôi ngay trong cùng ngàythay vì phải chờ đến kỳ gia hạn tiếp theo. Nếu bạn muốn biết liệu bản xem trước có xử lý được khối lượng tài liệu của mình hay không, thì chỉ cần một khóa API và không cần quy trình mua sắm.

Nemotron 3.5 Super không có trong key của chúng tôi. Chúng tôi định tuyến hơn hai trăm mô hình một chút, và không có mục NVIDIA Nemotron nào trong số đó, nên bài viết này không phải là gợi ý rằng bạn có thể gọi nó trên nền tảng của chúng tôi. Các route của bạn là các kênh build và phân phối của chính NVIDIA cùng với việc pull runtime cục bộ.

Điều mà lớp định tuyến thực sự hữu ích ở đây chính là phần của quyết định này không liên quan gì đến các benchmark. Trước tiên, hãy chạy khối lượng công việc tài liệu thực tế của bạn trên bản xem trước được host. Nếu nó vượt qua ngưỡng, bạn đã biết được rằng khối lượng công việc đó là loại mà một mô hình tiên tiến xử lý được, và giờ bạn có thể đưa ra lập luận về khối lượng để quyết định có nên chuyển bất kỳ phần nào của nó sang một checkpoint chạy cục bộ hay không. Nếu nó không vượt qua ngưỡng, bạn đã học được một điều còn giá trị hơn nữa, và bạn đã học được điều đó với cái giá chỉ vài đô la token thay vì cái giá của cả một cluster.

Phán quyết hẹp

Nếu bạn cần đầu vào âm thanh, bộ phương thức đầu vào rộng nhất có thể, một giới hạn đầu ra được công bố, hay một mô hình mà các kiểu lỗi của nó đã được người khác vạch ra, thì Gemini 3.1 Pro Preview là câu trả lời, và tám tháng đo lường độc lập từ bên thứ ba phía sau nó đáng giá hơn mức mà khoảng cách ba điểm trên chỉ số gợi ý.

Nếu bạn cần giữ mô hình, cấp phép cho mục đích thương mại, chạy nó trên phần cứng bạn sở hữu và trả một chi phí cố định cho khối lượng công việc tài liệu mà bạn xử lý liên tục, thì checkpoint của NVIDIA là một lựa chọn thực sự lần đầu tiên trong tháng này — kèm theo ba lưu ý cụ thể. Tag mặc định là lượng tử hóa 4-bit và không có đánh giá nào được công bố cho kiểu lượng tử hóa đó. Các giá trị mặc định lấy mẫu được xuất xưởng là cài đặt văn bản của card, không phải cài đặt thị giác của nó. Và mô hình mới chỉ bốn ngày tuổi.

Trước tiên, hãy thử bản xem trước trên dữ liệu của chính bạn. Nếu nó chạy được, câu hỏi chỉ còn là chuyện khối lượng, mà khối lượng thì chỉ là số học. Nếu không, bạn vừa tự cứu mình khỏi một mớ rắc rối.

Không có gì trong số đó là giả thuyết: các lỗi AI và sự cố tác nhân được ghi nhận đằng sau những bản phát hành như bản này đều được tập hợp trong OrcaRouter AI Incident Archive, nơi mỗi mục đều có nguồn, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp riêng.