NVIDIA Nemotron 3.5 Super VL 120B مقابل DeepSeek V4 Pro: تكلّف البكسلات 40 مرة أكثر من النص، وإليك الحساب

DeepSeek V4 Pro costs $0.66 per million input tokens. Whatever a page of a scanned contract costs you to push through N​VIDIA N​emotron 3.5 Super VL 120B A12B, it is not 66 cents per million, and the reason is that you are not renting it — you are buying GPUs. That single asymmetry is the whole shape of this comparison between DeepSeek V4 Pro, D​eepSeek's 1.6-trillion-parameter text-only flagship listed since April 2026, and N​VIDIA N​emotron 3.5 Super VL 120B A12B, the open-weights vision-language model N​VIDIA uploaded to Hugging Face on 12 October 2026 with no announced price on any serving path. Comparing their benchmark scores is easy and mostly useless. Comparing what each one costs you to operate on the same document is the exercise that actually decides anything.

الإجابة المختصرة

إذا كان مُدخلك نصًا وميزانيتك بندًا في الميزانية، فإن DeepSeek V4 Pro يفوز بفارق لا يمكن لأي نموذج مفتوح سدّه — فقد وضعته لجنة خارجية متقدّمًا بـ 9.5 نقطة مؤشر على Super VL بينما يكلّف جزءًا ضئيلًا من السنت لكل ألف رمز. أما إذا تضمّن مُدخلك صورًا أو فيديو أو مسحًا ضوئيًا للصفحات، فلا مجال للمقارنة على الإطلاق، لأن DeepSeek V4 Pro لا يستطيع رؤيتها. لا يتداخل النموذجان على المحور الذي تهتم به معظم الفرق فعليًا.

ما هو كل نموذج، في مرور واحد

DeepSeek V4 Pro is a 1.6T-parameter mixture of experts with 49B active per token, a 1M-token context window, up to 384K output tokens, and text as its only input and output modality. It has been generally available since 24 April 2026 through D​eepSeek's own API and third-party platforms, priced at $0.66 per million input and $1.98 per million output, with cache reads at $0.022. Independent measurement through the Artificial Analysis panel, last evaluated 13 August 2026, puts it at 36.0 on the Intelligence Index — 41st of 147 models.

N​emotron 3.5 Super VL 120B A12B is a Mamba-2/Transformer hybrid with 512 routed experts per MoE layer, 120B total parameters and 12B active per token, a C-RADIO vision encoder, native Multi-Token Prediction, and 1M tokens of context. Inputs are text, images and video; output is text. It is open under OpenMDW-1.1 with commercial use permitted, shipped in BF16, base-BF16 and NVFP4 builds, and runs on 4× H100 or 2× GB200 in BF16 or a single H200, single GB200, 2× H100 or one DGX Spark in NVFP4. Independent measurement puts it at 26.49 on the same panel, which is the number to hold onto as the conversation moves.

أين تكمن تكلفة المدخلات في الواقع

هذا هو الحساب الذي لم ينشره أحد. خذ مجموعة عقود ممسوحة ضوئيًا من 200 صفحة. عبر DeepSeek V4 Pro، يجب إخضاعها لتقنية OCR واستخراج النص قبل وصولها، ثم يفوترك النموذج 0.66 دولار لكل مليون توكن إدخال على النص المستخرج. عبر Super VL، تدخل الصفحات كصور، مرة واحدة، إلى نموذج تدفع مقابله بالفعل لكل ساعة GPU.

• DeepSeek V4 Pro بسعر القائمة — 0.66 دولار للمدخلات، 1.98 دولار للمخرجات، 0.022 دولار لقراءة الذاكرة المؤقتة، لكل مليون رمز. استخراج 200 صفحة رخيص بما يكفي لدرجة أن تكلفة كل استدعاء لا تظهر في مراجعة الميزانية.

• تكلفة التضخم الخاصة بـ Super VL — 4× H100 أو 2× GB200 في BF16، أو واحد H200 / واحد GB200 / واحد DGX Spark في NVFP4. ذلك إيجار أو نفقات رأسمالية تتراكم سواء وصل مستند أم لا.

• نقطة التقاطع — النقطة التي تصبح عندها الاستضافة الذاتية لـ Super VL أرخص من OCR-plus-V4-Pro — هي دالة على حجم مستنداتك ومعدل الاستغلال الذي يمكنك الحفاظ عليه على GPU. لم ينشرها أحد، وبالنسبة للفرق ذات الحجم المنخفض، من المرجح جدًا ألا تتحقق أبدًا.

• What is not in either column — the OCR pipeline D​eepSeek's path requires. That is a second system, a second failure mode, and the place where most document pipelines actually break: the table that OCR mangles, the chart that vanishes in extraction, the stamp over the signature block.

هذه هي الحجة الحقيقية لصالح نموذج الرؤية، وهي ليست حجة معيارية. إنها أن خطوة الاستخلاص تختفي. تصل الصفحة إلى النموذج بالطريقة التي توجد بها، وعلى النموذج أن يتعامل مع المخطط والجدول والتخطيط غير المريح بدلًا من أن يتلقى تقريبًا مسطّحًا لها. أما ما إذا كانت رؤية Super VL جيدة بما يكفي لتبرير امتلاك وحدات GPUs، فهو سؤال يتعلق بمستنداتك، والطريقة الصادقة الوحيدة للإجابة عنه هي تشغيل مجموعتك الخاصة عبر بناء NVFP4 على وحدة H200 واحدة وإحصاء الأخطاء.

الصفوف المعيارية الموجودة، وإلى مَن تنتمي

هناك نوعان مختلفان من الأرقام مطروحان هنا، ولا ينبغي أبدًا اقتباسهما في الجملة نفسها دون تسمية.

قياسٌ من لجنة، وفقًا لـ Artificial Analysis، حيث خضع DeepSeek V4 Pro لآخر تقييم له في 13 أغسطس 2026:

• Intelligence Index — DeepSeek V4 Pro 36.0 vs N​emotron 3.5 Super VL 26.49.

• الامتحان الأخير للبشرية — DeepSeek V4 Pro 41.0. لا تتضمّن اللوحة صفًا خاصًّا بـ Super VL.

• استرجاع السياق الطويل — DeepSeek V4 Pro 80.3 مقابل Super VL 0.69 على مقياس AA-LCR، وهو أوسع فارق تناسبي في هذه المقالة.

• SciCode — DeepSeek V4 Pro 51.0 مقابل صف Super VL غير المنشور على اللوحة.

• Terminal-Bench 4.0 — DeepSeek V4 Pro 14.1 مقابل Super VL 0.0.

• τ²-bench — DeepSeek V4 Pro 96.2, a number D​eepSeek leads with, and the panel publishes no Super VL equivalent.

Vendor-reported, from N​VIDIA's own NeMo Gym evaluation of Super VL, which N​VIDIA ran on its own model against baselines it chose:

• وكيلي — SWE-bench Verified 71.10، وSWE-bench Multilingual 67.72، وSWE-bench Pro 51.78، وtau2-bench للتجزئة 69.24 والطيران 76.50، وBrowseComp 78.91، وGraphWalks 89.71 عند إعداد أكثر من مليون رمز.

• الاستدلال — GPQA-Diamond 89.52، HLE بدون أدوات 31.79، ويرتفع إلى 46.01 مع الأدوات على أداة اختبار داخلية منفصلة.

• الرؤية — CharXiv-RQ 80.82، MathVision 78.16، V* 85.60، OCR-Reasoning 65.08، OCRBench-v2 عند 68.12 بالإنجليزية و59.15 بالصينية، MMLongBench-Doc 62.82، OSWorld 52.14، Video-MME-v2 32.85.

The two documents do not share a single row, which is why the index comparison above is the only clean ranking available. And a reader should notice the thing that is easy to miss: Super VL's SWE-bench Verified 71.10 is a strong number and it is N​VIDIA's own, and the panel gave the same model 0.0 on Terminal-Bench 4.0. Those can both be true. An agentic-coding score measured on a vendor harness and a terminal score measured by a third party are not the same kind of evidence, and the honest reading is that Super VL's agentic profile is asserted rather than established.

لماذا يُعدّ صف السياق الطويل هو ما يستدعي القلق

A 1M-token context window is on both spec sheets. In practice the panel measures long-context recall at 80.3 for DeepSeek V4 Pro and 0.69 for Super VL, and N​VIDIA's own counter-argument is GraphWalks 89.71 at the over-1M-token setting — a vendor number, on a vendor harness, on a task where Super VL is being asked to walk a graph rather than recall a passage.

هذه لا تقيس الشيء نفسه، وهذا بالضبط ما يمثل المشكلة لأي شخص يقرر. إذا كان حمل العمل لديك هو «العثور على البند في هذا الملف البالغ 900,000 رمز»، فإن رقم اللجنة أقرب إلى مهمتك، لكنه ليس قريبًا. وإذا كان حمل العمل لديك هو «التنقل عبر هذه المجموعة من المستندات المرتبطة والإبلاغ عمّا يعتمد على ماذا»، فإن رقم المورّد أقرب، ومع ذلك ينبغي التعامل معه باعتباره ادعاءً. وإلى أن يشغّل شخص مستقل المهمتين معًا مقابل نقطة التحقق، فإن الافتراض الآمن في التخطيط هو أن السياق الفعّال لدى Super VL أقصر جوهريًا مما تقوله ورقة مواصفاته.

مساران، مفتاح واحد، وفارق السعر ظاهر للعيان

DeepSeek V4 Pro is in the OrcaRouter catalogue at DeepSeek's published $0.66 and $1.98 with zero markup — the provider list price passed straight through, so a D​eepSeek price change is live here the same day rather than at the next billing cycle. Across the last seven days of requests through the gateway, V4 Pro shows a p50 time-to-first-token of 1.89 seconds at 81.9 output tokens per second, and it carried 480.3 million tokens of traffic in that window. Those are measurements of real calls, not vendor benchmarks, and they are the numbers a cost model should be built on.

N​emotron 3.5 Super VL 120B A12B is not on our catalogue. N​VIDIA has published no per-token price for it on any path, including its own NIM microservice, so there is nothing for us to pass through and this article will not pretend otherwise — it is a checkpoint you host yourself, on the hardware in the recipe above.

ما تمنحك إياه البوابة فعلاً في هذا الاقتران هو أن نصفي خط الأنابيب يكفّان عن كونهما تكاملين منفصلين. تذهب استدعاءات الاستخراج والفرز إلى نشر Super VL الخاص بك؛ بينما تذهب استدعاءات الاستدلال والبرمجة والنصوص الرخيصة عالية الحجم إلى DeepSeek V4 Pro على نفس نقطة النهاية ونفس المفتاح؛ ويُعبَّر عن هذا الانقسام كقاعدة توجيه لا كشرط في شيفرة التطبيق. وعندما يكون توجيه الصور هو العامل الحاسم، يمكن لـ DSL أن يستند إلى ما إذا كانت المطالبة تحمل مرفق صورة أصلاً — وهي طريقة أنظف للحفاظ على الحد الفاصل من تذكُّر أي مسار برمجي يفعل ماذا. ويقع التبديل التلقائي عند الفشل بين المزوّدين أسفل النموذج الموجَّه، بحيث يهبط خطأ 429 القادم من المنبع في استدعاء نصي على بديل احتياطي لا على مستخدمك.

تحديد أي جانب من الخط أنت عليه

• إذا لم تكن لديك صور — DeepSeek V4 Pro، دون مزيد من التحليل. متقدّم بتسع نقاط ونصف في المؤشر، و0.66 دولار لكل مليون في الإدخال، وزمن أول رمز عند p50 يبلغ 1.89 ثانية، ولا شيء لتشغيله.

• إذا كانت لديك صور لكن بحجم منخفض — استخدم OCR مع DeepSeek V4 Pro إلى أن تصبح تكلفة معدل الخطأ الناتج عن الاستخراج أكبر مما ستكلفه وحدات GPU. قِس أخطاء الاستخراج أولًا؛ فهذا الرقم، وليس فجوة الاختبارات المعيارية، هو ما يحدد نقطة التعادل.

• إذا كانت لديك صور ولا يمكنك إرسالها إلى أي جهة — فإن Super VL هو الخيار الوحيد المطروح، ويصبح القرار هو تحديد نقطة الحفظ: BF16 إذا كنت تنوي الضبط الدقيق، وNVFP4 إذا كنت تنوي التقديم للخدمة.

• إذا كان استرجاع السياق الطويل هو صميم عبء العمل — فاختبر قبل أن تلتزم. الفجوة بين 0.69 و80.3 في اللوحة كبيرة بما يكفي بحيث لا ينبغي اعتبار ورقة مواصفات بسعة مليون توكن دليلاً على كفاءة التعامل مع مليون توكن.

• If you want the model to improve on your domain — V4 Pro gives you no path. Super VL gives you weights, and N​VIDIA published the post-training datasets and NeMo Gym RL environments alongside it, which is the more reusable half of that release.

ما الذي قد يغيّر هذا المقال؟

ثلاثة أمور، مرتبة بحسب مدى تأثيرها في الإجابة.

A price for Super VL, from N​VIDIA or from anyone serving it. The moment a per-token figure exists, the first section of this piece becomes arithmetic instead of a framework, and the crossover discussion collapses into a comparison of two numbers.

A second independent dataset on the model. N​VIDIA has one third-party score, and it does not include a long-context or a coding-agent row. A panel re-run that publishes those rows would settle the two questions this article has to leave open.

And the Terminal-Bench 2.1 discrepancy in N​VIDIA's own paperwork — 66.70 on the model card against 60.67 in the technical report's summary table, with everything else in those documents agreeing. One of two primary sources is wrong. Until somebody re-runs the recipes, both values are unsafe to quote, and the fact that the discrepancy exists at all is a reason to treat every other single-sourced row in that report as provisional.

تشيخ المعايير وتتحرك الأسعار؛ أما سجل الإخفاقات فلا: تُجمع حوادث الذكاء الاصطناعي الموثّقة وإخفاقات الوكلاء الكامنة خلف النماذج في هذه الفئة في the OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.