Mercury 3 vs NVIDIA Nemotron 3.5 Super VL 120B-A12B : une allégation de vitesse est mesurée, l'autre ne l'est pas

Mercury 3 et NVIDIA Nemotron 3.5 Super VL 120B-A12B ont tous deux pour argument de vente la rapidité. Une seule de ces allégations de vitesse a été vérifiée par une personne extérieure à l'entreprise qui l'a formulée. Artificial Analysis mesure Nemotron 3.5 Super VL à 434,3 jetons de sortie par seconde dans son propre environnement de test. Mercury 3, qu'Inception Labs a publié le 19 octobre 2026, revendique 1 068 jetons par seconde — et, au 20 octobre, il n'existe pas la moindre page Mercury 3 dans cet index ; ce chiffre n'est donc corroboré par aucun tiers. C'est cette asymétrie, et non la fiche technique, qui constitue le véritable critère de décision dans cette confrontation. Les défaillances de l'IA et les incidents d'agents documentés à l'origine de sorties comme celle-ci sont recensés dans l'Archive des incidents IA OrcaRouter où chaque entrée comporte ses propres sources, un niveau de gravité, une note de confiance et un indicateur de contestation.

Il existe une seconde asymétrie qui compte davantage pour certaines équipes. Nemotron est téléchargeable, s’exécute sur votre propre matériel et peut être post-entraîné. Mercury 3 est un produit API sans poids. L’un correspond à une décision d’achat et l’autre à un projet de déploiement, et le tableau de benchmarks est un mauvais guide pour savoir de quoi vous avez réellement besoin.

Les chiffres sur lesquels les deux fournisseurs s’accordent, et celui sur lequel ils ne s’accordent pas

Commencez par les lignes où les deux ne semblent plus différentes, car plusieurs d’entre elles sont réellement identiques.

• Contexte — les deux sont spécifiés à 1 M de jetons. Mercury 3 y associe un plafond de sortie de 131 072 jetons ; la fiche de Nemotron indique une fenêtre partagée pouvant aller jusqu’à 1 M de jetons couvrant le prompt, les images, l’historique, les résultats d’outils et la réponse.

• Sortie — du texte en sortie, dans les deux cas. Ni l’un ni l’autre ne génère d’images ni d’audio.

• Entrée — c'est ici qu'ils se séparent. Nemotron prend du texte, des images RGB et de la vidéo MP4 jusqu'à deux minutes. Mercury 3 prend du texte, et uniquement du texte.

• Prix — Mercury 3 coûte 0,10 $ par million de tokens d’entrée et 0,35 $ par million de tokens de sortie pendant sa fenêtre de lancement, puis repasse à 0,20 $ et 0,70 $ au tarif catalogue. Nemotron n’a aucune grille tarifaire de fournisseur ; ce qui existe est la feuille de coûts d’Artificial Analysis, qui le compte actuellement à 0,225 $ en entrée et 0,575 $ en sortie par million, avec une remise de 78 % sur le cache et un coût de 0,19 $ par tâche de l’Intelligence Index.

• Poids — ceux de Mercury 3 ne sont pas publiés et Inception n'a pris aucun engagement quant à leur publication. Ceux de Nemotron sont sur Hugging Face sous OpenMDW-1.1, avec des checkpoints en précision complète et en NVFP4.

Cette dernière ligne est celle qui décide de la plupart des évaluations réelles, et elle n’a rien à voir avec les tokens par seconde.

Lire l’indice indépendant sans le surinterpréter

NVIDIA a lancé Nemotron 3.5 Super VL le 15 octobre 2026. Lorsque le premier tableau de scores indépendant est apparu cette même semaine, il affichait un indice d’intelligence de 26 et laissait vide la colonne réservée à la vitesse. La page présente désormais les deux : 26 sur l’Index v4.3.2, et 434,3 tokens de sortie par seconde, ce qui le classe premier parmi les 28 modèles de sa catégorie de comparaison. Il a également généré 170 M de tokens pendant l’exécution de l’index, contre une médiane de 100 M, ce que la page décrit comme un peu verbeux.

Ce sont les mesures de l’index lui-même, passées dans son propre harnais, et elles valent exactement ce que vaut n’importe quelle suite de benchmarks unique : un nombre reproductible collecté par quelqu’un qui ne travaille pas pour NVIDIA. Notez ce que 26 signifie et ne signifie pas. Le texte comparatif de la page elle-même le place face à une médiane de 8 pour des modèles à poids ouverts comparables de la catégorie 40B–150B ; c’est donc un résultat solide dans sa catégorie de poids et modeste face aux modèles de pointe, quelle que soit leur taille. Le classement de premier sur 67 qui apparaît en haut de la page est un classement au sein d’une catégorie filtrée, et non un positionnement global. Quiconque cite « numéro un » sans le filtre cite le filtre.

Passons maintenant à l’autre versant. Le billet de lancement d’Inception avance trois affirmations quantitatives : 1 068 jetons par seconde sur des GPU NVIDIA, un contexte de 1 M et un prix de lancement à la moitié du tarif catalogue. Il ne formule aucune affirmation chiffrée sur la qualité. Il indique plutôt que Mercury 3 « surpasse GPT-6 Luna et Claude Haiku 5.5 » — deux modèles optimisés pour la vitesse, soit le bon ensemble de comparaison pour un produit axé sur la latence, mais sans écart, sans nom de benchmark ni résultat par tâche. Il rapporte aussi que Mercury 3 a accompli 50 % des 50 tâches de navigation Mind2Web en conditions réelles dans le propre harnais d’agent web d’Inception, « nettement plus que GPT-6.1-Sol ». Cinquante tâches sur un harnais de fournisseur constituent un signal, pas une mesure que l’on peut mettre à côté de 26.

La comparaison honnête des preuves de qualité est donc la suivante : un modèle a un score d’indice tiers et l’autre a une phrase de fournisseur. Cela ne fait pas de Mercury le modèle le plus faible. Cela en fait le modèle non mesuré, et « non mesuré » relève d’une catégorie de risque différente de celle d’un modèle à faible score.

Ce que coûte réellement, à l'usage, la moitié « open-weights »

Nemotron 3.5 Super VL est un modèle à mélange d’experts de 120 milliards de paramètres, avec 12 milliards actifs par token, 512 experts routés par couche MoE, et une architecture hybride qui entrelace des couches Mamba-2, d’attention et MoE, avec un encodeur visuel C-RADIO greffé via un connecteur. NVIDIA le propose en deux niveaux de précision, et l’écart entre les deux est le chiffre le plus utile de cette publication.

• BF16 — 64 shards safetensors, environ 231,8 Gio. La recette de service propre à NVIDIA est un parallélisme tensoriel de 4 sur quatre H100, ou TP2 sur deux GB200.

• NVFP4 — poids et activations 4 bits avec distillation tenant compte de la quantification. La fiche indique un déploiement sur un DGX Spark, un H200, deux H100 ou un GB200.

Un modèle 120B qui tient sur deux H100 en 4 bits au lieu de quatre en BF16 change la conversation d'achat, et c'est pourquoi le checkpoint quantifié est celui que le fournisseur met en avant pour une inférence efficace. Ce que NVIDIA ne publie pas, c'est une comparaison côte à côte de la précision entre les deux niveaux. L'affirmation relève de la méthodologie d'entraînement — à savoir que la distillation pendant l'entraînement comble l'écart de quantification — et non d'une comparaison mesurée, et si votre décision repose sur cet écart, la réponse ne se trouve pas dans le dépôt.

La licence mérite d'être lue au-delà du marketing. L'article de blog indique « open weights » ; le frontmatter de la fiche indique license: other, license_name: openmdw-1.1, régi par l'OpenMDW License Agreement 1.1. L'usage commercial est autorisé et la fiche le dit clairement. Ce n'est pas Apache 2.0, et si votre organisation tient une liste de licences approuvées, c'est cette liste qu'il faut vérifier avant le devis GPU.

Là où les deux cessent d'être des substituts

L’inadéquation n’est pas une question de qualité. Elle tient à la nature même du poste.

Mercury 3 est un modèle de langage de diffusion — Inception utilise le terme dLLM — qui génère les tokens en parallèle plutôt qu'un par un, ce qui explique précisément d'où vient une revendication de débit à quatre chiffres. La charge de travail à laquelle il est destiné est celle où un humain regarde : des indices de tutorat, la génération de recherche, une réponse d'assistance qui doit paraître conversationnelle. Les citations de clients d'Inception sont toutes de ce type, et elles constituent le bon test du produit. Un indice erroné est rattrapable. Une pause de deux secondes ne l'est pas.

Nemotron 3.5 Super VL est conçu pour l’extrémité opposée. Il lit des captures d’écran, des documents numérisés, des graphiques et des clips vidéo de deux minutes, appelle des outils et s’exécute sur du matériel que vous contrôlez. La charge de travail pour laquelle il est conçu est un pipeline qui tourne pendant plusieurs minutes et rend compte ensuite, où une extraction erronée coûte cher et une attente de cinq secondes est invisible. Sa propre fiche reconnaît franchement que les lignes des benchmarks multimodaux n’ont pas toutes été exécutées via l’outillage ouvert publié par NVIDIA, et que l’échafaudage interne derrière plusieurs d’entre elles est promis pour une future version. Cette mise en garde ne disqualifie pas le modèle ; elle vous indique quelles lignes relancer vous-même avant de vous y fier.

Le chevauchement est plus étroit que ne le laissent penser les fiches techniques. Si votre entrée est une pile de factures, une vidéo produit ou une capture d’écran de tableau de bord, Mercury 3 ne peut pas la voir. Si votre besoin est un échange conversationnel de moins d’une seconde sur du texte brut, un checkpoint multimodal de 120B sur vos propres GPU est un moyen très coûteux d’y parvenir.

Aucun des deux modèles ne figure dans notre catalogue, et cela change le conseil de routage.

Ces deux points sont des réponses négatives honnêtes. Notre API de modèles ne renvoie aucun modèle Inception ni aucune entrée NVIDIA Nemotron, donc ni Mercury 3 ni Nemotron 3.5 Super VL ne sont accessibles via nous aujourd’hui. Toute personne qui veut Mercury 3 se rend sur la plateforme propre à Inception, qui offre 100 millions de jetons gratuits aux nouveaux comptes ; toute personne qui veut Nemotron télécharge le checkpoint depuis Hugging Face ou utilise un hébergeur tiers. Nous préférons l’écrire noir sur blanc plutôt que de suggérer une voie que nous n’avons pas.

Ce pour quoi une couche de routage reste utile ici, c'est la partie qui entoure l'expérimentation. Un dispositif à deux voies est la façon raisonnable d'évaluer un modèle non mesuré : envoyer le palier critique en latence vers Mercury 3 via la clé d'Inception, et garder le repli et les cas difficiles sur des modèles que nous proposons réellement — plus de 200 d'entre eux derrière un point de terminaison unique compatible OpenAI, au prix catalogue du fournisseur, avec 0 % de marge, avec basculement automatique lorsqu'un fournisseur se dégrade. Si la nouvelle voie s'avère moins bonne que ne le laissait entendre l'article de lancement, le repli est déjà câblé et le changement tient à une règle de routage plutôt qu'à un projet d'intégration. La moitié auto-hébergée de la comparaison n'en retire rien, car il n'y a rien à router.

La règle de décision

Choisissez Nemotron 3.5 Super VL 120B-A12B lorsque le modèle doit voir quelque chose — une page, un scan, un clip — ou lorsque les données ne peuvent pas quitter votre infrastructure, ou lorsque vous comptez faire du post-entraînement sur vos propres exemples. Budgétez honnêtement le matériel : quatre H100 en BF16 ou deux en NVFP4 représentent un véritable engagement en capital, et le 26 sur l’indice est un score relatif à sa catégorie, pas un score de pointe. Acceptez que ses lignes sur le suivi d’instructions et le contexte long constituent la partie la plus faible de son propre tableau.

Choisissez Mercury 3 lorsqu’une personne attend une réponse textuelle et qu’une nouvelle tentative ne coûte rien. Acceptez deux choses avant de vous appuyer dessus : que 1 068 tokens par seconde soit un chiffre du fournisseur sans reproduction indépendante, et que le réglage d’effort par défaut soit « low » — ainsi, tout benchmark que vous exécutez vous-même n’est comparable à celui de quelqu’un d’autre que si vous fixez explicitement instant, low, medium ou high. Prévoyez un budget au prix catalogue, soit 0,20 $ et 0,70 $, car la remise de lancement n’a pas de date de fin publiée et un modèle de coût fondé sur 0,10 $ et 0,35 $ a une échéance que vous ne pouvez pas voir.

Ce qui changerait la réponse le plus rapidement, c’est la même chose des deux côtés : un tiers indépendant réalisant les mêmes tests. Si Artificial Analysis publie une page sur Mercury 3, l’affirmation sur le débit devient vérifiable et la question de la qualité cesse d’être une phrase dans un article de lancement. Si NVIDIA publie un écart de précision entre BF16 et NVFP4, le niveau de déploiement économique cesse de relever du pari aveugle. Tant que l’une ou l’autre de ces publications n’aboutit pas, le résumé honnête est que l’un de ces modèles a été mesuré et l’autre a été décrit, et aucune comparaison de fiches techniques, aussi poussée soit-elle, ne comble cet écart.