Nemotron 3.5 Super VL vs Step 5: pesi, licenze e test

👁 112 letture

NVIDIA Nemotron 3.5 Super VL e StepFun Step 5 Preview offrono due percorsi molto diversi per utilizzare modelli di grandi dimensioni con pesi scaricabili a partire da ottobre 2026. Ho sottoposto entrambi agli stessi 12 compiti nel mio test in lingua polacca il 19 ottobre via l’API: Nemotron ha completato ogni prova, mentre Step ne ha portate a termine nove, restituendo tre risposte vuote per il raggiungimento del limite di token.

Questi annunci arricchiscono il panorama analizzato nel mio hub dedicato ai modelli open-weight di ottobre 2026, dove analizzo le uscite parallele di Meta e DeepSeek.

Cosa offrono i due rilasci

NVIDIA ha rilasciato Nemotron 3.5 Super VL il 15 ottobre 2026. Lo stesso giorno, StepFun ha reso disponibili per il download i pesi di Step 5 Preview, ampliando l’accesso rispetto alla precedente disponibilita via API. Si tratta di due strategie di rilascio differenti: NVIDIA ha esteso la propria famiglia con una nuova architettura, mentre StepFun ha distribuito in forma open-weight un modello precedentemente confinato al cloud. I miei appunti dedicati al lancio dell’API di Step 5 Preview e il confronto tra Step 5, Kimi K3, GLM e Qwen restano la base di contesto per valutare questa evoluzione.

Super VL unisce elaborazione linguistica e visiva. NVIDIA lo posiziona per la comprensione di documenti complessi, coding, ragionamento logico e utilizzo di strumenti esterni. StepFun dichiara invece una forte specializzazione per compiti agenziali prolungati, ingegneria del software e workflow professionali. Entrambi i produttori pubblicizzano una finestra di contesto fino a 1 milione di token, ma queste schede tecniche rappresentano solo un punto di partenza per una valutazione indipendente e non la prova dell’efficacia su un flusso di lavoro reale.

La scheda descrittiva di StepFun indica 600B, mentre i metadati presenti nel repository su Hugging Face registrano 604B. La cifra di facciata serve a inquadrare il modello, ma non deve essere scambiata per l’inventario esatto di ogni tensore memorizzato. Allo stesso modo, il dato sui parametri attivi descrive il calcolo per singolo token durante l’inferenza, non l’impronta complessiva dei pesi che l’infrastruttura di hosting deve gestire.

Nemotron: vocazione visiva e opzioni di distribuzione

La scheda tecnica di NVIDIA descrive per il modello Nemotron un’architettura ibrida che combina blocchi Mamba-2, strati di attenzione e componenti mixture-of-experts, affiancati da un visual encoder integrato. Il modello accetta in ingresso testo, immagini e video, fornendo output testuali. Il rilascio include documentazione sull’addestramento e ricette di fine-tuning, offrendo elementi concreti sia per la personalizzazione sia per la produzione.

Per il formato quantizzato NVFP4, NVIDIA elenca tra le opzioni di distribuzione un singolo nodo DGX Spark, una GPU H200, due GPU H100 oppure un singolo sistema GB200. Per il checkpoint in BF16, la documentazione richiede invece quattro GPU H100 o due sistemi GB200. Queste indicazioni si riferiscono a formati di precisione e configurazioni differenti: non bisogna ridurle a un generico requisito minimo di sistema.

Se utilizzi il modello come assistente documentale, la componente visiva puo diventare determinante quando l’input e una scansione, un grafico o una schermata. Nel mio test, il compito sull’estrazione dei dati da una fattura forniva una descrizione scritta: la risposta corretta in JSON fornita da Nemotron e derivata esclusivamente da un’estrazione testuale. Non ho misurato il riconoscimento ottico dei caratteri, la comprensione di flussi video ne la navigazione autonoma di interfacce grafiche.

E altrettanto opportuno non confondere il Super VL con i modelli Bolt, piu compatti, presentati nella stessa tornata da NVIDIA. I requisiti hardware indicati per altre varianti della famiglia non si applicano a questo checkpoint: il nome commerciale non basta a garantire che il modello possa girare su una workstation locale ordinaria.

I pesi di Step 5 impongono un’infrastruttura di ben altra scala

StepFun distribuisce checkpoint ufficiali in BF16 e FP8, mentre NVIDIA ha pubblicato una versione in formato NVFP4. Gli esempi ufficiali di configurazione per il formato FP8 richiedono 4 GPU B300 o 8 GPU H200. Per la versione completa in BF16, la documentazione indica 8 GPU B300 o 16 GPU H200. Si tratta di requisiti architetturali pesanti, ancor prima di conteggiare il carico operativo necessario per servire un’applicazione con piu utenti simultanei.

La documentazione del produttore separa chiaramente la memoria necessaria al caricamento statico dei pesi da quella richiesta per l’allocazione del contesto su richieste lunghe. La gestione della cache KV e i buffer di runtime impongono una capacita aggiuntiva considerevole. Ridurre la lunghezza del contesto o la concorrenza puo risultare inevitabile anche quando il checkpoint entra formalmente nella VRAM disponibile. Il traguardo di 1 milione di token deve quindi essere verificato sulla singola configurazione hardware, senza darlo per scontato.

Se desideri valutare le capacita agenziali di Step 5, il test significativo consiste nell’eseguire un intero flusso applicativo: interpretare la richiesta iniziale, formulare chiamate a tool conformi, gestire gli errori di ritorno e sintetizzare il risultato finale. I pesi aperti consentono di svolgere questi collaudi su server privati, ma non offrono la certezza che il flusso si concluda senza interruzioni.

Due licenze profondamente diverse

La licenza OpenMDW 1.1 adottata da NVIDIA concede diritti ampi sui materiali del modello. La ridistribuzione richiede il mantenimento dell’accordo originale e dei relativi avvisi di attribuzione. Non impone vincoli o obblighi sugli output generati, pur includendo clausole di protezione come la rescissione dei diritti in specifiche controversie brevettuali o legali.

La StepFun Model License 1.0 impone la conservazione delle note informative e l’esplicita menzione delle modifiche apportate se si ridistribuisce il modello. Il testo della licenza, da me verificato il 20 ottobre 2026, fissa precisi limiti commerciali:

• Se un prodotto commerciale che incorpora il modello supera i 100 milioni di utenti attivi mensili o genera oltre $20 million di ricavi in un singolo mese solare, e tenuto a mostrare la dicitura “Powered by StepFun AI” nell’interfaccia e nella documentazione (sezione 2(b)).
• I produttori o proprietari di marchi di dispositivi hardware (come smartphone, automobili, dispositivi indossabili o robot) devono sottoscrivere una licenza commerciale separata prima di integrare il modello come funzionalita hardware, a prescindere dal fatturato (sezione 2(c)).
• Le aziende che offrono servizi di tipo Model-as-a-Service necessitano di una licenza commerciale dedicata non appena i ricavi cumulati superano $20 million nell’arco di 12 mesi consecutivi (sezione 2(c)).

Non e corretto, pertanto, descrivere Step 5 come un modello privo di soglie economiche o di restrizioni d’uso.

Questa differenza e fondamentale prima di selezionare un’architettura per una piattaforma commerciale. Un conto e la ricerca interna o la condivisione di pesi modificati, un altro e la rivendita dell’accesso alle API o l’integrazione a bordo di componenti hardware. La licenza StepFun fissa eccezioni e oneri specifici: la mia analisi si basa sul testo legale in vigore il 20 ottobre 2026.

Cosa rivela il mio test in polacco

Ho inviato a ciascun modello 12 prompt identici in una singola esecuzione, impostando temperatura 0 e un limite massimo di generazione (max_tokens) pari a 6.000 token, destinato a coprire sia la catena di ragionamento sia la risposta conclusiva. Nemotron ha fornito risposte valide su tutte le 12 prove (puoi consultare la batteria di test dettagliata nel mio articolo su quattro modelli aperti alla prova su 12 compiti in polacco). Step ha risposto correttamente a 9 richieste, esaurendo il budget con risposte del tutto vuote su tre compiti: l’istruzione di formattazione a tre parole sull’autunno, la domanda sulle regioni amministrative e la correzione ortografica.

In ciascuno dei tre fallimenti, Step ha registrato esattamente 6.000 token di generazione. La sua chiamata piu lenta ha impiegato 230,1 secondi, a fronte di una mediana di 2,15 secondi. Nemotron ha fatto registrare una latenza mediana di 1,20 secondi, con una richiesta massima durata 11,7 secondi. Si tratta di tempi di risposta rilevati tramite chiamate API, gestite con ogni probabilita da infrastrutture server differenti, e non di misurazioni comparative su hardware identico in locale.

I registri di spesa mostrano un costo complessivo pari a circa $0,0022 per la sessione di Nemotron e $0,0537 per quella di Step. Sono valori storici basati sull’utilizzo registrato durante i test: non costituiscono i listini ufficiali correnti ne possono anticipare la spesa di flussi agenziali piu lunghi. I tre output vuoti di Step risultano particolarmente significativi sotto questo aspetto, poiche hanno consumato l’intero tetto di token senza produrre alcun testo fruibile.

Il punteggio di Nemotron tiene conto di una rettifica nel criterio di valutazione: la risposta “Weź parasol” (forma imperativa polacca che significa “Prendi l’ombrello”) e stata considerata valida accanto all’infinito “wziąć”, come previsto originariamente. Il test ha inoltre tollerato variazioni minori di formattazione. I punteggi vanno quindi interpretati come soluzioni corrette al compito assegnato, non come un’adesione perfetta e priva di testo superfluo a ogni singolo vincolo di stile.

• Su compiti brevi in lingua polacca con parametri stringenti, Nemotron ha evidenziato una maggiore affidabilita nel completamento del compito.
• Per i flussi di lavoro visivi, ti raccomando di collaudare Nemotron su documenti e immagini reali del tuo dominio prima di trarre conclusioni operative.
• Se valuti Step 5 per compiti agenziali, testa la capacita di erogare la risposta finale impostando tetti realistici sui token di ragionamento.
• In caso di installazione locale, analizza in anticipo la quantizzazione scelta, i requisiti di memoria di runtime e le condizioni della relativa licenza.

FAQ

Step 5 presenta limiti intrinseci nella comprensione del polacco?

Questo test non consente di stabilirlo. L’esperimento evidenzia tre risposte vuote dovute all’esaurimento del budget di token prefissato e risposte corrette sulle altre nove prove. Una campionatura piu estesa o parametri di generazione differenti potrebbero mostrare risultati diversi.

Nemotron 3.5 Super VL puo girare su una GPU consumer?

Le configurazioni citate nell’articolo sono gli scenari ufficiali documentati da NVIDIA per il modello Super VL. Non attestano in alcun modo la compatibilita con schede commerciali desktop da 24 GB di VRAM. Occorre consultare i requisiti specifici del checkpoint e del runtime impiegato, senza confonderli con le specifiche delle versioni Bolt.

Quale modello scegliere per un’applicazione in lingua inglese?

I risultati del mio test in polacco non forniscono elementi sufficienti per orientare questa scelta. Per un’applicazione in inglese, e fondamentale condurre prove con prompt in lingua rappresentativi dei tuoi casi d’uso, misurando congiuntamente accuratezza, precisione nell’output, latenza media e costi di esercizio.

// continua a leggereMuse Spark Open: hardware, licenza e test del modello MetaStato dell'IAFalsi positivi nei rilevatori AI: casi e ricorsiStato dell'IAPersonaggi famosi in GPT-Image-2.6: il modello non rifiuta maiStato dell'IA