Сравнение моделей Llama 3.3 Nemotron Super 49B V1.5 vs Qwen3 235B A22B Thinking 2507

× nvidia/llama-3.3-nemotron-super-49b-v1.5

Llama-3.3-Nemotron-Super-49B-v1.5 — англоцентричная модель рассуждений/чата на 49B параметров, производная от Meta Llama-3.3-70B-Instruct с контекстом 128K. Она пост‑обучена для агентных рабочих процессов (RAG, вызов инструментов) через SFT на математике, коде, науке и многоходовом чате, затем через несколько стадий RL: Reward‑aware Preference Optimization (RPO) для выравнивания, RL with Verifiable Rewards (RLVR) для пошаговых рассуждений и итеративное DPO для улучшения поведения при использовании инструментов. Дистилляционно‑управляемый Neural Architecture Search («Puzzle») заменяет часть attention‑блоков и варьирует ширину FFN для уменьшения памяти и повышения throughput, позволяя развёртывание на одном GPU (H100/H200) при сохранении следования инструкциям и качества CoT. Во внутренних оценках (NeMo-Skills, до 16 прогонов, temp = 0.6, top_p = 0.95) модель показывает сильные результаты по рассуждениям/кодингу: например, MATH500 pass@1 = 97.4, AIME-2024 = 87.5, AIME-2025 = 82.71, GPQA = 71.97, LiveCodeBench (24.10–25.02) = 73.58 и MMLU-Pro (CoT) = 79.53. Модель ориентирована на практическую эффективность инференса (высокие токены/с, сниженное потребление VRAM) с поддержкой Transformers/vLLM и явными режимами «reasoning on/off» (по умолчанию chat‑first; при отключении рекомендуется greedy). Подходит для построения агентов, ассистентов и систем долговременного поиска, где важен баланс точности/стоимости и надёжное использование инструментов.

× qwen/qwen3-235b-a22b-thinking-2507

Qwen3-235B-A22B-Thinking-2507 — высокопроизводительная open‑weight MoE‑модель, оптимизированная для сложных задач рассуждений. Она активирует 22B из 235B параметров на проход и нативно поддерживает контекст до 262 144 токенов. Этот вариант «только thinking» усиливает структурированное логическое мышление, математику, науку и длинные генерации, показывая сильные результаты на бенчмарках AIME, SuperGPQA, LiveCodeBench и MMLU‑Redux. Модель принудительно использует специальный режим рассуждений (</think>) и рассчитана на большие объёмы вывода (до 81 920 токенов) в сложных доменах. Модель настроена на инструкции и отлично справляется с пошаговыми рассуждениями, использованием инструментов, агентными рабочими процессами и многоязычными задачами. Этот релиз — наиболее мощный open‑source вариант в серии Qwen3‑235B, превосходящий многие закрытые модели в задачах структурированных рассуждений.