Nemotron 3.5 Super VL مقابل DeepSeek V4 Flash Vision Exp: ثماني نقاط مؤشر، وواحدة فقط منها منتج

في مؤشر الذكاء Artificial Analysis، DeepSeek V4 Flash Vision Expيتفوق على NVIDIA Nemotron 3.5 Super VLبفارق 8.35 نقطة — 34.84 مقابل 26.49، وكلاهما غير تقديري — ويحقق ذلك بسعر منشور قدره 0.44 دولار لكل مليون توكن إدخال و1.32 دولار للإخراج، بينما لم تنشر NVIDIA أي سعر على الإطلاق. تلك هي الخلاصة التي يخرج بها قارئ ورقة المواصفات، وهي الخلاصة الخاطئة التي لا ينبغي التصرف بناءً عليها. لا يتنافس النموذجان على الخانة نفسها. إن NVIDIA Nemotron 3.5 Super VL نموذج متاح للعموم مع تقرير فني، وخدمة NIM المصغرة، ودعم مؤسسي، ومنظومة ما بعد التدريب تضم Scale AI وSalesforce وCrowdStrike. أما DeepSeek V4 Flash Vision Exp فهو، بحسب اسم ملفه نفسه، تجربة: أول عضو متعدد الوسائط في عائلة V4، يُشحن على هيئة أوزان مضافاً إليها تنفيذ مرجعي بسيط بـ PyTorch، ويُقيَّم على تلك اللوحة في تهيئة لا تبيعها DeepSeek. ثماني نقاط فجوة حقيقية. وهي أيضاً فجوة بين خدمة ومنتج بحثي، والسؤال المفيد ليس مَن يفوز، بل أيّهما يمكن أن يظل داخل حدود الامتثال لديك بعد ستة أشهر.

ما هو كل واحد منها في الحقيقة

إن NVIDIA Nemotron 3.5 Super VL نموذج هجين بمعاملات تبلغ 120 مليارًا — طبقات Mamba-2، ومزيج خبراء يضم 512 خبيرًا موجّهًا، وآلية انتباه — مع مُشفّر رؤية C-RADIO، و12 مليار معامل نشط لكل رمز، وسياق يصل إلى مليون رمز، وتنبؤ أصلي متعدد الرموز (Multi-Token Prediction) لفك التشفير التخميني دون نموذج مسودة منفصل. مدخلاته نصية وصور وفيديو؛ ومخرجاته نصية. تغطي تقييمات NVIDIA الخاصة التعرف الضوئي على الحروف (OCR)، واستدلال المخططات والمستندات، وفهم الفيديو، والأعمال ذات السياق الطويل، والترخيص هو OpenMDW-1.1، الذي يسمح بالاستخدام التجاري. ويتضمن تقريرًا فنيًا ووصفة نشر منشورة لـ 4×H100 أو 2×GB200.

DeepSeek V4 Flash Vision Exp يُبنى على معمارية DeepSeek-V4-Flash، مضيفًا وحدات بصرية وتدريبًا مستمرًا. يحتوي المستودع على 48 جزءًا من safetensors بموجب رخصة MIT، ومُرمِّز رموز، ووحدة ترميز تحوّل كتل الرسائل بأسلوب OpenAI إلى مطالبات، وتطبيق PyTorch مصغّر يغطي مُرمِّز الرؤية، والمُحاذي، وانتباه DFlash، وMoE، وHyper-Connections، ومسار التمرير الأمامي DSpark. تُظهر الإعدادات نموذج MoE من 43 طبقة مع 256 خبيرًا موجّهًا، و6 خبراء لكل رمز، و1,048,576 موضعًا أقصى، ورأس تنبؤ متعدد الرموز من ثلاث طبقات. توضح البطاقة صراحة أن هذا أول نموذج متعدد الوسائط تجريبي من DeepSeek في خط V4، وأنه يحسّن على DeepSeek-V4-Flash-0731 في مهام الوكلاء متعددة الوسائط مع الحفاظ على أداء مماثل في المهام النصية فقط.

• المعاملات والبنية — NVIDIA Nemotron 3.5 Super VL: إجمالي 120B / 12B نشط، خليط خبراء هجين (MoE) مع رؤية C-RADIO. DeepSeek V4 Flash Vision Exp: إجمالي 284B / 13B نشط MoE، 256 خبيرًا موجّهًا، 6 لكل رمز.

• مؤشر الذكاء — 26.49 لـ Super VL، و34.84 لتكوين DeepSeek المخدوم. كلاهما غير مُقدَّر، وكلاهما وفقًا لـ Artificial Analysis.

• رموز الإخراج لكل مهمة فهرسة — 49,174 مقابل 69,174. يُنجز Super VL مهام اللجنة برموز أقل بنسبة 29%.

• السعر — لا يوجد سعر منشور في أي مكان لـ Super VL؛ 0.44 دولار للإدخال / 1.32 دولار للإخراج لكل مليون لإعداد DeepSeek المُقدَّم، وفقًا للوحة نفسها.

• الترخيص والالتزام — OpenMDW-1.1 مع الاستخدام التجاري، والإتاحة العامة (GA) وخدمة NIM لـ Super VL؛ وأوزان بترخيص MIT وتنفيذ مرجعي، موسوم بأنه تجريبي، لـ DeepSeek V4 Flash Vision Exp.

• الوسائط — نص وصورة وفيديو كمدخلات في Super VL وفقًا لبطاقة NVIDIA؛ صورة كمدخل ونص كمخرج في طراز DeepSeek، الذي لا يتضمّن جدول القياس المرجعي الخاص به أي صفوف للفيديو على الإطلاق.

الفجوة البالغة ثماني نقاط تصمد؛ أما مقارنة الأسعار فلا.

ابدأ بالجزء المستقر حقًا. نموذج DeepSeek يحصل على نتيجة أعلى ويكلف أقل لكل رمز، والهامش ليس ضجيجًا — 8.35 نقطة مؤشر هي تقريبًا المسافة بين NVIDIA Nemotron 3.5 Super VL و 550B NVIDIA Nemotron 3 Ultra 550B A55B الخاص بـ NVIDIA، الذي يقع عند 22.93. لذا فإن الصياغة الصادقة هي أن إصدارًا متعدد الوسائط تجريبيًا بحجم 284B من مختبر صيني يتفوق حاليًا في النتيجة على نموذج الرؤية المفتوح الرائد لمختبر أمريكي، بحجم يقارب الثلث على محور المعاملات النشطة وبسعر منشور. إذا كان عبء العمل لديك هو فهم الشاشة والمخططات الذي يُقدَّم عبر واجهة برمجة تطبيقات (API)، فهذا هو الجواب الكامل ويمكنك التوقف عن القراءة.

تنهار المقارنة في اللحظة التي تريد فيها تشغيلها بنفسك، وهذا هو سبب وجود هذين النموذجين. رقم 34.84 مرتبط بإعداد Max المقدَّم عبر الخدمة، لا بنقطة تحقق يمكنك نشرها. مستودع Hub إصدار أوزان حقيقي بموجب MIT، لكن بطاقة DeepSeek الخاصة تصفه بأنه نتاج تجريبي بمسار استدلال بالغ الصغر — من نوع الإصدارات التي ينشرها مختبر ليتيح للباحثين إعادة إنتاج ورقة بحثية، لا النوع الذي يدعمه بعقد مؤسسي. أما NVIDIA فتفعل العكس: تنشر الأوزان في الوقت نفسه الذي تطلق فيه المنتج، مع توقّع أن يتولى المستدعي الاستضافة. وعلى المعايير التي يختار المختبران نشرها، يظهر الفرق. تركّز DeepSeek على العمل الوكيلي متعدد الوسائط — ApexBench ‏36.5 مقابل 26.2 لنموذجها النصي البحت، وChartography ‏64.3، وZeroBench عند 35.0 pass@5، وAgents' Last Exam ‏27.3. وتركّز NVIDIA على أسطح المستندات والفيديو — OCRBench v2 عند 68.12 بالإنجليزية، وMMLongBench-Doc ‏62.82، واستدلال CharXiv ‏80.82، وVideo-MME v2 ‏32.85. لا يمكن مقارنة أي من المجموعتين بالأخرى، وكلتاهما مُبلَّغ عنهما من البائع.

حيث تتعارض أرقام الموردين مع بعضها البعض

هناك تفصيل في جدول NVIDIA نفسه يستحق فقرة كاملة، لأنه بالضبط من النوع الذي يُغسل عند التجميع. يتضمن عمود المقارنة لدى NVIDIA النموذج DeepSeek-V4-Flash0731 ويسجل له 76.80 في Terminal-Bench 2.1. أما بطاقة DeepSeek الخاصة فتسجل 82.7 للنموذج نفسه على المعيار نفسه، و83.9 لـ DeepSeek V4 Flash Vision Exp. ثلاثة أرقام، ومعيار واحد، وأداتا تقييم، ولا توفيق من أي من الجانبين. هذه ليست فضيحة — فاختلاف السقالات وإعدادات جهد الاستدلال يحرك المعايير الوكيلية بعدة نقاط، وتنشر NVIDIA وصفات NeMo Gym تحديدًا كي يمكن تفحص الإعدادات. لكن هذا يعني أنك عندما ترى فجوة في المؤشر مقدارها ثماني نقاط، فإن المؤشر نفسه هو الجزء الموثوق، أما المعايير المكوّنة فليست كذلك. المؤشر هو أداة واحدة تُطبّق على النموذجين من طرف ثالث. أما جداول المعايير فهي أربعة مختبرات تصحح واجباتها بنفسها على سقالاتها الخاصة.

في اللوحة نفسها، يحمل كلٌّ من النموذجين مؤشر معرفة شاملة سلبيًا. يستقر Super VL عند سالب 4.22 مع دقة 23.3% ومعدل هلوسة 35.8%؛ يقيس هذا الصف ما إذا كان النموذج يمتنع عن الإجابة عندما لا يعرف، ولا أيٌّ منهما جيد في ذلك. يمنح GDPval-AA — وهو خاص بالمخرجات النهائية بدلًا من الإجابات — Super VL قيمة 1,162.41، ويمنح معيار AA-Briefcase تصنيف Elo قدره 998.76. وبالنسبة إلى نموذج DeepSeek، فإن الصفوف نفسها غير معبأة في تهيئة الخدمة. إذا كانت حالة الاستخدام لديك هي استرجاع المعرفة، فلا أيٌّ من الرقمين مشجّع. وإذا كانت إنتاج المستندات، فإن Super VL لديه الصف الوحيد المقاس في الزوج.

تشغيل أي منهما

النشر هو النقطة التي تفترق عندها المسارات نهائيًا. يقدّم NVIDIA Nemotron 3.5 Super VL صيغة BF16 على 4×H100 أو 2×GB200 مع حاويات vLLM وSGLang المثبّتة، ويضيف بناء NVFP4 لبصمة أصغر، ويوثّق مسار فيديو يعاين 256 إطارًا بمعدل 2 إطار في الثانية مع معدل تشذيب 0.5. أما DeepSeek V4 Flash Vision Exp فينشر وصفة vLLM لعقدة واحدة من 4×GB300 مع ذاكرة KV بتنسيق FP8، وحجم كتلة 256، وفك تشفير تخميني DSpark مستمد من نقطة التحقق نفسها، إضافة إلى مسار SGLang — أخفّ على الجانب التجاري، وأثقل في افتراض أنك تعرف ما تفعله. يحتاج كلاهما إلى عتاد بمستوى مراكز البيانات؛ وليس أي منهما نموذجًا للحواسيب المحمولة. والجدير بالذكر أن الشيء الوحيد المشترك بينهما هو أن أي تخفيض من البائع إلى السعر المعلن يظهر بالتكلفة على OrcaRouter في اليوم نفسه الذي يُطرح فيه، لأننا نمرّر تسعير المزوّدين بهامش 0% عبر أكثر من 200 نموذج على مفتاح واحد، كما يتيح لك التبديل التلقائي عند الفشل وضع نقطة تحقق غير مثبتة على جزء من الحركة بينما تحتفظ نقطة مثبتة بالباقي. هذا هو الجواب العملي عندما يجعل الفارق البالغ ثماني نقاط والسعر المفقود القرار متقاربًا فعلًا: وجّه كليهما، وقِس على مدخلاتك الخاصة، ودع الحركة تحسم الأمر — مع التحفظ بأن واحدًا فقط من الاثنين يمكن توجيهه اليوم. DeepSeek V4 Flash Vision Exp موجود بالفعل في كتالوجنا، بالسعر الذي ينشره مزوّده لا بسعر مرفوع؛ أما NVIDIA Nemotron 3.5 Super VL فليس هناك بعد، لأنه لا أحد يقدّم بشكل موثوق نقطة تحقق عمرها ثلاثة أيام. هذا التفاوت يستحق الذكر صراحةً بدلًا من الإيحاء بأننا نتيح كليهما.

الخيار في سطر واحد لكل منها

اختر NVIDIA Nemotron 3.5 Super VL عندما يكون العمل مستندات ومخططات وصفحات ممسوحة ضوئيًا وفيديو، وعندما يجب أن يسمح الترخيص بالاستخدام التجاري، وعندما تحتاج إلى مورّد سيظل يجيب على تذاكر الدعم بخصوص نقطة التفتيش بعد عام — مع قبول أنك تتخلى عن 8.35 نقطة مؤشر وتدفع مقابل وحدات معالجة الرسومات بدلًا من الرموز. اختر DeepSeek V4 Flash Vision Exp عندما يكون العمل فهم المخططات والشاشات عبر API، وعندما يكون 0.44 دولار و1.32 دولار لكل مليون رمز هو بند الميزانية، وعندما يكون التوصيف بدرجة بيتا لإصدار تجريبي مقبولًا — مع قبول أن التكوين المقدَّم ليس نقطة التفتيش وأن نقطة التفتيش غير مدعومة. الفرق التي تحتاج إلى السلوكين عادةً ما تشغّل عبئين مختلفين، وعبئان مختلفان هما ما تُستخدم من أجله نقطة نهاية واحدة مع تجاوز الفشل.