Nemotron 3.5 Super so với GLM-5.5: một trong hai mô hình này tồn tại

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.

Điều đó có nghĩa là một cuộc đối đầu trực tiếp giữa hai cái này sẽ là thông số kỹ thuật của một mô hình thật đặt cạnh danh tiếng của một mô hình khác. Đó không phải là so sánh; đó là tử vi với các benchmark. Vậy nên trang này làm điều thực sự hữu ích: nêu rõ Z.ai đã phát hành những gì, những gì đã biết về những thứ nó chưa phát hành, rồi thực hiện phép so sánh mà một độc giả có GPU và một khối lượng công việc có thể áp dụng ngay hôm nay.

Z.ai đã thực sự ra mắt được những gì

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.

GLM-5.3 là gì, theo những con số chúng ta có thể kiểm chứng: một mô hình hỗn hợp chuyên gia 753 tỷ tham số với 40 tỷ tham số hoạt động mỗi token, cửa sổ ngữ cảnh 1.000.000 token với giới hạn đầu ra 128.000 token, đầu vào văn bản, giấy phép do Z.ai công bố dưới tên riêng của mình với việc sử dụng thương mại được cho phép, và mức giá truyền qua là 1,26 đô la cho mỗi triệu token đầu vào và 3,96 đô la cho mỗi triệu token đầu ra. Phân hạng flash nằm dưới nó với mức 0,15 đô la và 0,50 đô la, cùng ngữ cảnh 1M và đầu vào văn bản, hình ảnh và video.

Phân khúc flash đó là đối thủ thú vị hơn đối với bản phát hành NVIDIA này so với chiếc flagship ở một khía cạnh cụ thể, và có một trang anh em trong cùng loạt này bàn kỹ về điều đó. Với mục đích của bài viết này, luận điểm hẹp hơn: nếu bạn muốn so sánh Nemotron 3.5 Super với thứ gì đó mà Z.ai đã phát hành, thì bạn đang so sánh nó với GLM-5.3, và sự so sánh đó đã có sẵn ngay hôm nay.

Vì sao các báo cáo GLM-5.5 không phải là những con số sử dụng được

Các bài viết về GLM-5.5 rơi vào ba loại, và không loại nào trong số đó sẽ đóng vai trò quyết định việc mua hàng.

Đầu tiên là lịch trình. Các bài đưa tin từ giữa năm 2026 mô tả kế hoạch ra mắt vào tháng 8 nhắm đến ChatGPT và Claude, dựa trên các phát biểu từ nhân sự Zhipu và những bàn tán trong ngành. Mốc thời gian đó đã trôi qua mà không có bản phát hành nào. Một cửa sổ ra mắt đã bị bỏ lỡ không phải là bằng chứng về một mô hình.

Thứ hai là số lượng tham số. Các báo cáo đã lan truyền một con số một nghìn tỷ tham số. Không ai công bố chỉ mục safetensors, tệp cấu hình, hay số lượng chuyên gia trên mỗi lớp, vốn là những thứ mà một tuyên bố về tham số thường được đối chiếu. Con số này hoàn toàn có thể hóa ra là đúng; hiện tại nó chỉ là một khẳng định không có vật chứng nào đằng sau.

Thứ ba là các tuyên bố về benchmark. Một bài viết hồi tháng Mười tuyên bố GLM-5.5 đánh bại hai mô hình tiên tiến được nêu đích danh. Không có harness, không có bộ prompt, không có cấu hình chấm điểm và không có lộ trình tái lập nào trong tuyên bố đó — đúng cái khoảng trống mà NVIDIA, bất kể người ta còn nói gì về các đánh giá do nhà cung cấp thực hiện, đã lấp đầy bằng việc công bố một recipe NeMo Gym với các container và tham số suy luận dành riêng cho benchmark bên cạnh bảng của mình. Một benchmark do nhà cung cấp thực hiện mà có recipe là bằng chứng yếu. Một benchmark rò rỉ mà không có recipe thì không phải là bằng chứng.

Có một phiên bản của bài viết này coi những con số rò rỉ là thật, đặt chúng vào một bảng điểm hai cột và để người đọc mặc định rằng cuộc đối đầu đã ngã ngũ. Bài viết đó sẽ chẳng có giá trị gì đối với bất kỳ ai phải đưa ra quyết định, và nó sẽ trở nên lỗi thời trong vòng một tuần kể từ bất kỳ thông báo thực tế nào.

Sự so sánh có thể được thực hiện, nếu tiến hành đúng cách

Nemotron 3.5 Super VL so với GLM-5.3, mẫu flagship mà Z.ai thực sự đã công bố.

• Tổng tham số và tham số hoạt động — 120B tổng với 12B hoạt động, 512 chuyên gia được định tuyến mỗi lớp MoE · GLM-5.3 ở mức 753B tổng với 40B hoạt động. Xét theo tham số hoạt động, mô hình của NVIDIA chỉ bằng một phần ba kích thước và về lý thuyết sẽ rẻ hơn đáng kể trên mỗi token khi chạy trên phần cứng tương đương — đó chính là toàn bộ ý đồ thiết kế.

• Ngữ cảnh — 1.000.000 token ở cả hai, kèm một lưu ý quan trọng. Thẻ mô hình của NVIDIA cho biết bộ nhớ khả dụng và các thiết lập runtime quyết định con số thực dùng được, đồng thời prompt, hình ảnh, lịch sử, kết quả công cụ và các token được sinh ra đều chia sẻ chung ngân sách đó. Z.ai công bố giới hạn đầu ra 128.000 token cho GLM-5.3, còn NVIDIA không công bố giới hạn đầu ra nào, khiến GLM-5.3 trở thành mô hình dễ dự đoán hơn cho các lượt sinh dài và checkpoint của NVIDIA là mô hình cởi mở hơn.

• Phương thức — văn bản, hình ảnh và video đầu vào với đầu ra là văn bản cho mô hình NVIDIA, thông qua một bộ mã hóa thị giác và bộ kết nối, với một projector 1.6 GiB trên mọi tag được công bố · chỉ văn bản đối với GLM-5.3, còn lối đa phương thức nằm ở tầng flash rẻ hơn. Nếu đầu vào của bạn là một trang tài liệu, GLM chủ lực không nằm trong cuộc trò chuyện.

• Giá theo mức sử dụng — không áp dụng cho checkpoint NVIDIA, vốn chỉ để tự triển khai · 1,26 USD cho đầu vào và 3,96 USD cho đầu ra mỗi triệu token đối với GLM-5.3, tính đúng theo giá niêm yết của nhà cung cấp, không cộng thêm khoản chênh lệch nào.

• Chỉ số bên thứ ba, đây là hàng duy nhất được kiểm toán trong danh sách này — hội đồng chấm điểm các mô hình này xếp checkpoint NVIDIA ở mức khoảng 26 và GLM-5.3 ở mức khoảng 45. Đó là khoảng cách mười tám điểm nghiêng về phía mô hình hàng đầu Trung Quốc, được đo bởi bên thứ ba chứ không phải bởi bất kỳ nhà cung cấp nào, và đây là con số quan trọng nhất ở đây.

• Trạng thái phát hành — trọng số được công bố công khai vào ngày 12 tháng 10 năm 2026, công bố vào ngày 15 tháng 10, bốn ngày lịch sử vận hành · GA, với một dòng bản sửa đổi đã được phát hành phía sau.

Khoảng cách trên chỉ số cần được nêu rõ mà không tô hồng. Bảng công bố của chính NVIDIA không thể được dùng để bác bỏ điều đó, bởi vì nhà cung cấp đã không chạy GLM-5.3 làm mốc cơ sở — cột GLM trên bảng đó là GLM-5.3-Flash, bản rẻ hơn, và ngay cả ở đó mô hình của NVIDIA cũng thua kém trên hầu hết các hàng agentic. Một checkpoint mở 12B-active không cạnh tranh với một flagship 40B-active về năng lực tổng quát, và bất kỳ trang nào nói với bạn điều ngược lại đều đang bán thứ gì đó.

Lựa chọn kiến trúc thực sự mang lại cho bạn điều gì

Câu hỏi thú vị không phải là liệu 12B active có đánh bại được 40B active hay không. Không hề. Câu hỏi thú vị là điều gì xảy ra khi bạn chuẩn hoá theo phần cứng mà bạn có thể chi trả.

Ở tag 4-bit mặc định của nó, checkpoint NVIDIA là 82,3 GiB trọng số cộng với một bộ chiếu thị giác 1,6 GiB — một card 96 GB, với dư địa KV cache thu hẹp dần khi bạn tăng ngữ cảnh. GLM-5.3 với tổng cộng 753 tỷ tham số không vừa trên bất kỳ máy đơn lẻ nào ở bất kỳ mức lượng tử hóa nào còn giữ được hành vi của nó, và cách triển khai đúng đắn rẻ nhất của nó là cụm của người khác qua API với giá $1,26 và $3,96.

Vậy nên hai mô hình không phải là thứ thay thế cho nhau. Một cái là năng lực tính phí theo mức sử dụng mà bạn thuê, còn cái kia là chi phí cố định mà bạn sở hữu, và điều duy nhất quyết định giữa chúng là bạn dùng thứ đó liên tục đến mức nào. Dưới một ngưỡng thông lượng nhất định, một mô hình chủ lực giá 1,26 đô-la mỗi triệu token đơn giản là rẻ hơn một card 96 GB cùng lượng điện phía sau nó. Trên một ngưỡng thông lượng nhất định, chiếc card thắng, và nó thắng mà không cần phải là mô hình tốt hơn.

Điều khác mà thiết kế NVIDIA mang lại, và nó không phải chuyện nhỏ, là đường xử lý thị giác theo một giấy phép thoáng. GLM-5.3 chỉ xử lý văn bản. GLM-5.3-Flash nhận hình ảnh và video với mức mười lăm xu và năm mươi xu mỗi triệu token, rẻ đến đáng kinh ngạc, và đó là lý do tầng flash — không phải flagship — mới là so sánh Z.ai đúng đắn cho một pipeline tài liệu. Một mô hình thị giác self-hosted với chi phí cố định so với một mô hình thị giác chạy dịch vụ ở mức mười lăm xu là một câu hỏi thực sự với một điểm giao thực sự, và đáng để tự tính toán bằng số trang của chính bạn thay vì dựa vào một bảng xếp hạng.

Ba điều chưa được giải quyết về checkpoint NVIDIA

Nói một cách công bằng theo chiều ngược lại, bởi vì tính mở của bản phát hành NVIDIA không làm cho đặc tả của nó trở nên đầy đủ.

Thẻ mặc định mà hầu hết mọi người sẽ tải về là lượng tử hóa 4-bit, và mọi số liệu đánh giá đã công bố — bảng của chính NVIDIA, điểm của hội đồng bên thứ ba — đều dành cho BF16 hoặc NVFP4. Phiên bản đang được dùng thực tế không có đánh giá nào được công bố. Đây là đại lượng chưa được đo lường lớn nhất ở cả hai phía của trang này.

Các giá trị mặc định lấy mẫu mà runtime phát hành chính là thiết lập văn bản của card, temperature 1.0 với top_p 0.95, trong khi thiết lập thị giác của card là temperature 0.6. Một mô hình thị giác có cấu hình mặc định được tinh chỉnh cho nửa phần văn bản của nó sẽ tạo ra ấn tượng đầu tiên đáng thất vọng trên các trang quét, và cách khắc phục là thay đổi cấu hình chứ không phải dùng một mô hình khác.

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.

Điều này đặt người đọc ở đâu

Nếu bạn ở đây vì muốn biết Nemotron 3.5 Super so với GLM-5.5 như thế nào, thì câu trả lời là mô hình thứ hai vẫn chưa tồn tại và bất kỳ trang nào đưa cho bạn số liệu về nó đều đang bịa ra những số liệu đó. Thứ tồn tại là một rò rỉ với số lượng tham số, một cửa sổ ra mắt bị bỏ lỡ, và một tuyên bố không có khung đánh giá nào đằng sau.

Nếu bạn đang cân nhắc giữa những gì thực sự được phát hành, thì lựa chọn nằm giữa một Z.ai flagship tính phí theo mức sử dụng, mạnh hơn đáng kể về năng lực tổng quát và chỉ xử lý văn bản; một gói Z.ai flash tính phí theo mức sử dụng, rẻ một cách đáng kinh ngạc và có thể xử lý hình ảnh; và một checkpoint NVIDIA mà bạn có thể sở hữu, xử lý văn bản, hình ảnh và video, nhưng lại tụt hậu ở điểm số đo lường độc lập duy nhất mà bất kỳ mô hình nào trong số chúng có. Nemotron 3.5 Super không có trên OrcaRouter — chúng tôi định tuyến hơn hai trăm mô hình một chút và không có mục NVIDIA Nemotron nào trong số đó — vì vậy nếu bạn muốn checkpoint NVIDIA, kênh riêng của nhà cung cấp và tải cục bộ là con đường của bạn.

GLM-5.3 và GLM-5.3-Flash nằm trên key của chúng tôi, theo giá niêm yết của nhà cung cấp được chuyển nguyên, không có phụ phí trên mỗi token, và thay đổi giá của Z.ai đến phía chúng tôi ngay trong cùng ngày thay vì vào lần gia hạn hợp đồng tiếp theo của bạn. Đó là thử nghiệm rẻ: chạy khối lượng công việc với mô hình bạn có thể truy cập hôm nay, tìm hiểu xem nó tốn bao nhiêu cho mỗi đơn vị công việc thực tế, và chỉ sau đó mới quyết định liệu chi phí cố định của một card bạn sở hữu có đánh bại một chiếc đồng hồ đo bạn thuê hay không.

Và khi GLM-5.5 thực sự ra mắt — nếu điều đó xảy ra — thì phiên bản đáng đọc của trang này sẽ là phiên bản được viết sau khi một ai đó không phải là phòng thí nghiệm đã chạy thử nó.

Điểm chuẩn thì lỗi thời, giá cả thì biến động; nhưng hồ sơ thất bại thì không: những sự cố AI và lỗi tác nhân (agent) được ghi nhận đằng sau các mô hình thuộc nhóm này đều được tập hợp trong the OrcaRouter AI Incident Archive, nơi mỗi mục đều đi kèm nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ đánh dấu tranh chấp.