NVIDIA Nemotron 3.5 Super VL 120B vs DeepSeek V4 Pro : les pixels coûtent 40 fois plus cher que le texte, et voici le calcul

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.

La réponse courte

Si votre entrée est du texte et que votre budget est un poste budgétaire, DeepSeek V4 Pro l'emporte avec une marge qu'aucun modèle ouvert ne peut combler — un panel tiers le place 9,5 points d'indice devant Super VL tout en coûtant une fraction de centime par millier de jetons. Si votre entrée comprend des images, des vidéos ou des numérisations de pages, il n'y a absolument aucune comparaison possible, car DeepSeek V4 Pro ne peut pas les voir. Les deux modèles ne se recoupent pas sur l'axe qui importe réellement à la plupart des équipes.

Ce qu'est chaque modèle, en une seule passe

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.

Où réside réellement le coût des intrants

Voici le calcul que personne n’a publié. Prenez un lot de contrats scannés de 200 pages. Via DeepSeek V4 Pro, il doit être océrisé et son texte extrait avant d’arriver, puis le modèle vous facture 0,66 $ par million de tokens d’entrée sur le texte extrait. Via Super VL, les pages sont envoyées sous forme d’images, une seule fois, dans un modèle que vous payez déjà à l’heure GPU.

• DeepSeek V4 Pro au prix catalogue — 0,66 $ en entrée, 1,98 $ en sortie, 0,022 $ pour la lecture du cache, par million de tokens. Une extraction de 200 pages est assez bon marché pour que le coût par appel n'apparaisse pas dans une revue budgétaire.

• Le coût d'inflation de Super VL — 4× H100 ou 2× GB200 en BF16, ou un H200 / un GB200 / un DGX Spark en NVFP4. C'est un loyer ou un capex qui s'accumule, qu'un document arrive ou non.

• Le point de bascule — le moment où l'auto-hébergement de Super VL devient moins cher que OCR-plus-V4-Pro — dépend de votre volume de documents et du taux d'utilisation que vous pouvez maintenir sur le GPU. Personne ne l'a publié, et pour les équipes à faible volume, il n'arrivera très probablement jamais.

• 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.

C'est le véritable argument en faveur du modèle de vision, et ce n'est pas un argument de benchmark. C'est que l'étape d'extraction disparaît. La page arrive au modèle telle qu'elle existe, et le modèle doit composer avec le graphique, le tableau et la mise en page malcommode plutôt que de recevoir une approximation aplatie de ceux-ci. Savoir si la vision de Super VL est suffisamment bonne pour justifier de posséder des GPU est une question qui concerne vos documents, et la seule manière honnête d'y répondre est de faire passer votre propre jeu de données par la build NVFP4 sur un seul H200 et de compter les erreurs.

Les lignes de benchmark qui existent, et à qui elles appartiennent

Deux types de nombre différents entrent en jeu ici et ils ne devraient jamais être cités dans la même phrase sans une étiquette.

Mesuré par panel, d’après Artificial Analysis, où DeepSeek V4 Pro a été évalué pour la dernière fois le 13 août 2026 :

• 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. Le panneau ne comporte pas de ligne Super VL.

• Rappel en contexte long — DeepSeek V4 Pro 80,3 vs Super VL 0,69 sur l’échelle AA-LCR, soit l’écart proportionnel le plus large de cet article.

• SciCode — DeepSeek V4 Pro 51,0 contre la ligne de Super VL non publiée dans le panneau.

• 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:

• Agentique — SWE-bench Verified 71,10, SWE-bench Multilingual 67,72, SWE-bench Pro 51,78, tau2-bench retail 69,24 et airline 76,50, BrowseComp 78,91, GraphWalks 89,71 dans la configuration à plus de 1 M de tokens.

• Raisonnement — GPQA-Diamond 89,52, HLE sans outils 31,79, passant à 46,01 avec outils sur un harnais interne distinct.

• Vision — CharXiv-RQ 80,82, MathVision 78,16, V* 85,60, OCR-Reasoning 65,08, OCRBench-v2 à 68,12 en anglais et 59,15 en chinois, 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.

Pourquoi la ligne à contexte long est celle qui doit nous inquiéter

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.

Ces chiffres ne mesurent pas la même chose, et c’est exactement le problème pour quiconque doit décider. Si votre charge de travail consiste à « trouver la clause dans ce dépôt de 900 000 jetons », le chiffre du panel se rapproche davantage de votre tâche, sans pour autant en être proche. Si votre charge de travail consiste à « parcourir cet ensemble de documents liés et indiquer ce qui dépend de quoi », le chiffre du fournisseur se rapproche davantage, et il doit tout de même être considéré comme une allégation. Tant qu’une personne indépendante n’aura pas exécuté les deux tâches sur le point de contrôle, l’hypothèse de planification prudente est que le contexte effectif de Super VL est nettement plus court que ne l’indique sa fiche technique.

Deux itinéraires, une clé, et la différence de prix bien en vue

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.

Ce que la passerelle vous apporte dans cet appairage, c'est que les deux moitiés du pipeline cessent d'être deux intégrations. Les appels d'extraction et de triage vont vers votre propre déploiement Super VL ; les appels de raisonnement, de codage et de texte à faible coût et à gros volume vont vers DeepSeek V4 Pro sur le même point de terminaison et la même clé ; et la répartition est exprimée sous forme de règle de routage plutôt que par une condition dans le code applicatif. Lorsque le routage des images est le facteur décisif, le DSL peut se baser sur la présence ou l'absence d'une pièce jointe image dans un prompt — ce qui est une façon plus propre de maintenir la frontière que de se rappeler quel chemin de code fait quoi. Le basculement automatique entre fournisseurs se situe sous le modèle routé, ainsi un 429 en amont sur un appel texte aboutit à une solution de repli plutôt qu'à votre utilisateur.

En déterminant de quel côté de la ligne vous vous situez

• Si vous n’avez pas d’images — DeepSeek V4 Pro, sans plus d’analyse. Neuf points et demi d’avance sur l’indice, 0,66 $ par million en entrée, un p50 de 1,89 seconde pour le premier token, et rien sur quoi opérer.

• Si vous avez des images mais un faible volume — OCR plus DeepSeek V4 Pro jusqu’à ce que le taux d’erreur d’extraction commence à coûter plus cher que les GPU ne le feraient. Mesurez d’abord les erreurs d’extraction ; c’est ce chiffre, et non l’écart de benchmark, qui définit le point de bascule.

• Si vous avez des images et que vous ne pouvez les envoyer nulle part — Super VL est la seule option sur la table, et la décision se résume au choix du checkpoint : BF16 si vous comptez l'affiner, NVFP4 si vous comptez le servir.

• Si le rappel en contexte long est au cœur de la charge de travail — testez avant de vous engager. Le 0,69 du panel face à 80,3 est un écart suffisamment important pour qu'une fiche technique de 1 M de jetons ne soit pas prise comme preuve d'une compétence sur 1 M de jetons.

• 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.

Qu’est-ce qui changerait cet article ?

Trois choses, classées selon l’impact qu’elles auraient sur la réponse.

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.

Les benchmarks vieillissent et les prix évoluent ; le registre des défaillances, lui, ne change pas : les incidents d'IA documentés et les défaillances d'agents derrière les modèles de cette classe sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, un niveau de gravité, une note de confiance et un indicateur de contestation.