NVIDIA Nemotron 3.5 Super VL 120B vs. DeepSeek V4 Pro: Pixel kosten 40-mal mehr als Text, und hier ist die Rechnung

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.

Die kurze Antwort

Wenn Ihre Eingabe Text ist und Ihr Budget eine eigene Position ist, gewinnt DeepSeek V4 Pro mit einem Vorsprung, den kein offenes Modell aufholen kann – ein unabhängiges Gremium setzt es 9,5 Indexpunkte vor Super VL, während es nur einen Bruchteil eines Cents pro tausend Token kostet. Wenn Ihre Eingabe Bilder, Videos oder Seiten-Scans enthält, gibt es überhaupt keinen Vergleich, denn DeepSeek V4 Pro kann sie nicht sehen. Die beiden Modelle überschneiden sich nicht auf der Achse, die den meisten Teams tatsächlich am wichtigsten ist.

Was jedes Modell ist, in einem Durchgang

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.

Wo die Inputkosten tatsächlich liegen

Hier ist die Rechnung, die noch niemand veröffentlicht hat. Nimm einen 200-seitigen Satz gescannter Verträge. Bei DeepSeek V4 Pro muss dieser erst per OCR erfasst und Text extrahiert werden, bevor er ankommt, und das Modell berechnet dir dann $0,66 pro Million Eingabe-Tokens für den extrahierten Text. Bei Super VL gehen die Seiten als Bilder ein, einmal, in ein Modell, für das du bereits nach GPU-Stunde bezahlst.

• DeepSeek V4 Pro zum Listenpreis — 0,66 $ Eingabe, 1,98 $ Ausgabe, 0,022 $ Cache-Lesen, pro Million Token. Eine Extraktion über 200 Seiten ist so günstig, dass die Kosten pro Aufruf in einer Budgetprüfung nicht auftauchen.

• Die Inflationskosten von Super VL – 4× H100 oder 2× GB200 in BF16 oder eine H200 / eine GB200 / eine DGX Spark in NVFP4. Das sind Miet- oder Investitionskosten, die anfallen, ob ein Dokument eintrifft oder nicht.

• Der Übergangspunkt – der Punkt, an dem das Selbsthosting von Super VL günstiger wird als OCR-plus-V4-Pro – hängt von Ihrem Dokumentvolumen und der Auslastung ab, die Sie auf der GPU aufrechterhalten können. Niemand hat ihn veröffentlicht, und für Teams mit geringem Volumen wird er sehr wahrscheinlich nie erreicht.

• 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.

Das ist das eigentliche Argument für das Vision-Modell, und es ist kein Benchmark-Argument. Es geht darum, dass der Extraktionsschritt wegfällt. Die Seite erreicht das Modell so, wie sie existiert, und das Modell muss sich mit dem Diagramm, der Tabelle und dem unhandlichen Layout auseinandersetzen, anstatt eine abgeflachte Annäherung davon zu erhalten. Ob die Vision von Super VL gut genug ist, um den Besitz von GPUs zu rechtfertigen, ist eine Frage zu Ihren Dokumenten, und die einzige ehrliche Art, sie zu beantworten, ist, Ihren eigenen Satz durch den NVFP4-Build auf einer einzelnen H200 laufen zu lassen und die Fehler zu zählen.

Die Benchmark-Zeilen, die existieren, und wem sie gehören

Hier sind zwei verschiedene Arten von Zahlen im Spiel, und sie sollten niemals ohne Kennzeichnung im selben Satz genannt werden.

Vom Panel gemessen, basierend auf Artificial Analysis, wo DeepSeek V4 Pro zuletzt am 13. August 2026 bewertet wurde:

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

• Humanity's Last Exam — DeepSeek V4 Pro 41.0. Das Panel führt keine Super-VL-Zeile.

• Langkontext-Wiedererkennung — DeepSeek V4 Pro 80,3 vs. Super VL 0,69 auf der AA-LCR-Skala, was den größten proportionalen Abstand in diesem Artikel darstellt.

• SciCode — DeepSeek V4 Pro 51,0 vs. Super VLs Zeile nicht auf dem Panel veröffentlicht.

• Terminal-Bench 4.0 — DeepSeek V4 Pro 14.1 vs. 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:

• Agentisch — SWE-bench Verified 71,10, SWE-bench Multilingual 67,72, SWE-bench Pro 51,78, tau2-bench Einzelhandel 69,24 und Fluggesellschaft 76,50, BrowseComp 78,91, GraphWalks 89,71 bei der Über-1-Mio.-Token-Einstellung.

• Schlussfolgerndes Denken — GPQA-Diamond 89,52, HLE ohne Tools 31,79, mit Tools ansteigend auf 46,01 in einer separaten internen Testumgebung.

• Vision — CharXiv-RQ 80,82, MathVision 78,16, V* 85,60, OCR-Reasoning 65,08, OCRBench-v2 mit 68,12 Englisch und 59,15 Chinesisch, 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.

Warum gerade die Langkontext-Zeile Anlass zur Sorge gibt

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.

Diese messen nicht dasselbe, und genau das ist das Problem für jeden, der sich entscheiden muss. Wenn Ihre Workload darin besteht, „die Klausel in dieser 900.000-Token-Einreichung zu finden“, liegt die Panel-Zahl näher an Ihrer Aufgabe, und das ist nicht knapp. Wenn Ihre Workload darin besteht, „diese Menge verlinkter Dokumente zu durchlaufen und zu berichten, was wovon abhängt“, liegt die Anbieter-Zahl näher, und sie sollte trotzdem als Behauptung behandelt werden. Bis jemand Unabhängiges beide Aufgaben gegen den Checkpoint laufen lässt, ist die sichere Planungsannahme, dass der effektive Kontext von Super VL wesentlich kürzer ist, als es sein Datenblatt angibt.

Zwei Wege, ein Schlüssel und der Preisunterschied direkt vor Augen

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.

Was das Gateway Ihnen in dieser Paarung tatsächlich gibt, ist, dass die beiden Hälften der Pipeline aufhören, zwei Integrationen zu sein. Die Extraktions- und Triage-Aufrufe gehen an Ihr eigenes Super VL Deployment; die Reasoning-, Coding- und kostengünstigen Textaufrufe mit hohem Volumen gehen an DeepSeek V4 Pro auf denselben Endpunkt und denselben Schlüssel; und die Aufteilung wird als Routing-Regel statt als Bedingung im Anwendungscode ausgedrückt. Wenn das Bild-Routing der entscheidende Faktor ist, kann die DSL darauf abstellen, ob ein Prompt überhaupt einen Bildanhang enthält – was eine sauberere Art ist, die Grenze zu wahren, als sich zu merken, welcher Codepfad was tut. Automatisches Failover über Anbieter hinweg liegt unter dem gerouteten Modell, sodass ein Upstream-429 bei einem Textaufruf auf einem Fallback landet statt bei Ihrem Nutzer.

Herausfinden, auf welcher Seite der Linie du stehst

• Wenn Sie keine Bilder haben — DeepSeek V4 Pro, ohne weitere Analyse. Neuneinhalb Indexpunkte voraus, 0,66 $ pro Million Eingabe, 1,89 Sekunden p50 bis zum ersten Token und nichts, das betrieben werden muss.

• Wenn Sie Bilder, aber nur ein geringes Volumen haben – OCR plus DeepSeek V4 Pro, bis die Fehlerrate bei der Extraktion beginnt, mehr zu kosten, als die GPUs kosten würden. Messen Sie zuerst die Extraktionsfehler; diese Zahl – nicht die Benchmark-Lücke – ist es, die den Übergangspunkt bestimmt.

• Wenn Sie Bilder haben und sie nirgendwohin senden können – Super VL ist die einzige Option, die noch infrage kommt, und die Entscheidung reduziert sich auf die Frage, welcher Checkpoint: BF16, wenn Sie feinabstimmen möchten, NVFP4, wenn Sie ihn bereitstellen möchten.

• Wenn Long-Context-Recall der Kern der Workload ist – testen Sie, bevor Sie sich festlegen. Die 0,69 des Panels gegenüber 80,3 sind eine so große Lücke, dass ein 1M-Token-Datenblatt nicht als Beleg für 1M-Token-Kompetenz gelten sollte.

• 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.

Was würde diesen Artikel verändern?

Drei Dinge, geordnet danach, wie stark sie die Antwort verändern würden.

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.

Benchmarks veralten und Preise bewegen sich; die Fehlerhistorie nicht: Die dokumentierten KI-Vorfälle und Agentenfehler hinter Modellen dieser Klasse sind gesammelt im OrcaRouter AI Incident Archive, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seinen Konfidenzgrad und eine Kennzeichnung als umstritten enthält.