
NVIDIA Nemotron 3.5 Super VL 120B vs Intern-S2-397B : deux modèles de vision ouverts, dont l’un peut réellement être appelé dès aujourd’hui
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 89 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNOUVEAUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 88 tok/s
- OrcaNOUVEAUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 133 tok/s
- OrcaNOUVEAUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 par million de tokens · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 123 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 par million de tokens · 131 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligence
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligence
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 par million de tokens · 189 tok/s
Ces deux modèles sont à poids ouverts, tous deux multimodaux, tous deux sous licence de type Apache ou OpenMDW pour un usage commercial, et tous deux relèvent de la catégorie que l'on télécharge plutôt que de celle à laquelle on s'abonne. La différence qui départage la plupart des évaluations ne figure sur aucune des deux fiches techniques. Intern-S2-397B, le modèle phare d'InternLM à 403 milliards de paramètres publié sur Hugging Face le 13 septembre 2026, dispose d'une API hébergée par son fournisseur vers laquelle on peut pointer un client compatible OpenAI le jour même où l'on en entend parler. NVIDIA Nemotron 3.5 Super VL 120B A12B, mis en ligne sur Hugging Face le 12 octobre 2026 et confirmé dans l'annonce de NVIDIA du 15, n'en dispose pas : NVIDIA n'a publié aucun point de terminaison ni aucun prix par token pour ce modèle, par aucun canal, y compris son propre microservice NIM. Ainsi, l'un de ces modèles peut être évalué cet après-midi avec un token, tandis que l'autre exige un H200 ou quatre H100 avant la première requête. Cet écart vaut plus que n'importe quel écart de sept points dans un tableau de benchmarks.
Le plancher de déploiement, côte à côte
Commencez ici, car cela élimine l’un de ces modèles pour la plupart des lecteurs avant même qu’il ne soit question de qualité.
• Paramètres totaux et actifs — Intern-S2-397B, 403B au total avec 10 actifs par token sur 60 couches et 512 experts ; Nemotron 3.5 Super VL 120B A12B, 120B au total avec 12 actifs par token sur des couches entrelacées Mamba-2, MoE et d'attention.
• Taille des poids sur disque — Intern-S2-397B environ 807 Go répartis sur environ 188 shards BF16/F32 ; la version BF16 de Super VL n’en représente qu’une fraction, avec une version NVFP4 assez petite pour tourner sur un seul DGX Spark.
• Matériel minimum viable — Intern-S2-397B nécessite une véritable flotte multi-GPU ; Super VL nécessite 4× H100 ou 2× GB200 en BF16, ou un H200, un GB200, 2× H100 ou un DGX Spark en NVFP4.
• Accès hébergé — Intern-S2-397B se trouve sur l'API Intern propre au fournisseur à chat.intern-ai.org.cn/api/v1 sous l'identifiant de modèle intern-s2-397b, documenté comme compatible avec OpenAI et compatible avec Anthropic ; Super VL n'a aucun point de terminaison publié par qui que ce soit.
• Licence — Apache-2.0 pour Intern-S2-397B ; OpenMDW-1.1 pour Super VL. Les deux autorisent l'usage commercial.
• Contexte — 256K tokens pour Intern-S2-397B, avec évaluation multimodale à 64K ; 1M tokens pour Super VL.
• Entrée vidéo — Super VL accepte les fichiers MP4 d'une durée maximale de deux minutes, échantillonnés en images ; les modalités documentées d'Intern-S2-397B sont le texte, l'image et les données de signal brut. La vidéo n'en fait pas partie.
Relisez cette liste deux fois et la structure devient claire. Intern-S2-397B est le modèle plus grand, plus ancien, plus scientifique, doté d'une porte hébergée. Super VL est le modèle plus petit, plus récent, plus déployable, avec une fenêtre plus longue et la vidéo, et sans aucune porte pour l'instant.
Ce pour quoi Intern-S2-397B a réellement été conçu
InternLM décrit le modèle comme évoluant selon trois axes, et le premier est l'affirmation technique qui mérite d'être comprise : un pré-entraînement vision-langage réalisé directement sur des pages brutes de littérature scientifique, modélisant conjointement la sémantique symbolique et les relations visuelles dans un espace de représentation partagé, sans étape d'analyse intermédiaire. Une figure, un tableau, un spectre et la phrase qui les décrit sont appris ensemble plutôt que le texte soit extrait et les images attachées après coup.
Cette conception apparaît dans les benchmarks qu'InternLM a choisi de mettre en avant, et c'est pourquoi les chiffres de vision des deux modèles ne sont pas interchangeables. La fiche d'Intern-S2-397B rapporte ChartQAPro 71,12 et MMMU Pro 81,68, et elle arrive en tête sur les scores spécifiques aux sciences — Biology-Instructions 55,71, Mol-Instructions 53,95, MolecularIQ 62,35, SciReasoner-1.5 63,28, TOMG-Bench 66,76. La fiche de Super VL met en avant OCR-Reasoning 65,08, OCRBench-v2 à 68,12 en anglais et 59,15 en chinois, MMLongBench-Doc 62,82, CharXiv-RQ 80,82 et MathVision 78,16. Des tâches différentes, des distributions d'entraînement différentes, et aucun des deux ensembles n'est reproduit indépendamment.
Le troisième axe est celui qui rend Intern-S2-397B inhabituel pour une charge de travail agentique : l’apprentissage par renforcement agentique en boîte noire dans des environnements sandboxés, avec l’agent connecté via plusieurs frameworks et explicitement orienté vers des plafonds de tâches à long horizon. L’affirmation équivalente de NVIDIA pour Super VL est un pipeline de post-entraînement se terminant par du RL avec des récompenses vérifiables et une distillation on-policy multi-enseignants, évalué sur SWE-bench et tau2-bench. Les deux sont des affirmations de méthode plutôt que des mesures de résultat.
La capacité d’entrée de signal qu’aucun des deux concurrents ne possède
Intern-S2-397B accepte des données de signal brutes — .npy, .csv et .wav — comme type d'entrée de premier ordre aux côtés du texte et des images, avec un exemple documenté d'événement sismique détectant les indices d'arrivée des ondes P et S, et une prévision ponctuelle et par quantiles au moyen d'un paramètre forecast_horizon. Actuellement, cela n'est disponible qu'avec LMDeploy, et il s'agit d'une fonctionnalité au moment de l'inférence plutôt que d'un résultat de benchmark.
Aucun modèle de cette comparaison ne fait rien de tel, et aucun modèle frontière fermé non plus. Si votre travail implique des traces de capteurs, des données sismiques ou de la prévision de séries temporelles sur laquelle il faut raisonner aux côtés d’images et de texte, Intern-S2-397B n’est pas le meilleur choix entre ces deux — c’est le seul choix, et les 807 Go de poids sont le ticket d’entrée.
Benchmarks, avec les sources associées à chacun.
Aucun des deux modèles ne bénéficie d’une évaluation indépendante claire, et les deux tableaux des fournisseurs n’ont pas une seule ligne en commun ; ce qui suit est donc une lecture d’affirmations plutôt qu’un classement.
Intern-S2-397B, tous ces résultats étant rapportés par le fournisseur InternLM sur ses propres harnais (OpenCompass, VLMEvalKit, AgentCompass), non reproduits, avec GPT-5.5 comme référence fermée : MMLU Pro 89,77, HMMT-2026 93,56, AdvancedIF 71,57, MMMU Pro 81,68, ChartQAPro 71,12, TerminalBench 2.1 64,04, SWE-bench-Pro 68,54, SWE-bench-Multilingual 84,00, SciCode 47,63, SGLBench 51,89, FrontierScience-Olympiad 87,00 et FrontierScience-Research 55,00. Artificial Analysis ne proposait aucune entrée pour Intern-S2-397B lors de sa sortie et les classements neutres n'en comportaient pas non plus — cette lacune a peut-être été comblée depuis, et il vaut la peine de vérifier avant de vous fier à l'un de ces résultats.
Nemotron 3.5 Super VL 120B A12B, réparti entre deux sources. Déclaré par le fournisseur NVIDIA sur NeMo Gym : 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, GPQA-Diamond 89,52, HLE 31,79 sans outils, OCRBench-v2 68,12 en anglais, MMLongBench-Doc 62,82, Video-MME-v2 32,85. Mesuré par le panel d'Artificial Analysis, et c'est le seul chiffre produit de manière indépendante dans tout cet article : un Intelligence Index de 26,49, avec 0,0 sur Terminal-Bench 4.0 et un taux d'hallucination mesuré de 0,3585.
Deux éléments méritent d’être signalés dans ce deuxième bloc. Le chiffre de NVIDIA pour Terminal-Bench 2.1 apparaît comme 66,70 sur la fiche du modèle et 60,67 dans le tableau récapitulatif du rapport technique, alors que toutes les autres lignes de ces documents concordent — l’un des deux est faux, et tant que les recettes n’auront pas été réexécutées, aucun des deux n’est sûr à citer. Et le 0,0 du panel sur Terminal-Bench 4.0, face à un 64,04 rapporté par le fournisseur sur TerminalBench 2.1 pour Intern-S2-397B, mesuré sur une suite différente par son propre laboratoire, rappelle que les scores d’agents de terminal ne sont pas comparables d’un harnais à l’autre, même lorsque les noms se ressemblent.

Pourquoi une fenêtre de 1M de tokens face à 256K n'est pas une victoire à sept chiffres
Les fiches techniques indiquent que Super VL prend en charge 1 M de tokens et qu’Intern-S2-397B en prend en charge 256 K, avec une évaluation multimodale à 64 K. Cela ressemble à une victoire écrasante pour le modèle NVIDIA, jusqu’à ce qu’on ajoute le chiffre de rappel en contexte long du panel : 0,69 sur AA-LCR. Un modèle doté d’une fenêtre d’un million de tokens et d’un score de contexte long inférieur à 1 est un modèle capable d’ingérer un million de tokens sans forcément en faire grand-chose à l’autre extrémité.
Le 256K d'Intern-S2-397B est documenté à 256K pour le raisonnement textuel et à 64K pour le multimodal, et InternLM n'a publié absolument aucun chiffre de rappel en contexte long. La position honnête est donc qu'un modèle a une fenêtre plus longue et un rappel mesuré médiocre sur celle-ci, tandis que l'autre a une fenêtre plus courte et aucune mesure. Si le rappel en contexte long est essentiel pour votre charge de travail, aucun de ces deux modèles ne devrait être sélectionné en raison de sa longueur de contexte.
Disponibilité, et comment OrcaRouter s'intègre lorsque aucun des deux modèles ne figure dans notre catalogue
Ni Intern-S2-397B ni NVIDIA Nemotron 3.5 Super VL 120B A12B ne sont servis par OrcaRouter aujourd'hui, et cet article ne laissera pas entendre le contraire. Intern-S2-397B est accessible via l'API propre au fournisseur et l'auto-hébergement avec LMDeploy, vLLM ou SGLang, avec des recettes de déploiement fournies dans la fiche du modèle. Super VL est uniquement auto-hébergé — le microservice NIM de NVIDIA est la voie annoncée, et aucun point de terminaison ni prix n'a été publié pour celui-ci.
Ce que vaut une passerelle lorsque les modèles que vous voulez ne s'y trouvent pas a une réponse précise : elle est là où réside déjà le reste du pipeline. Le tri de documents qui doit rester à l'intérieur de votre réseau s'exécute sur votre propre déploiement Intern-S2-397B ou Super VL ; les appels d'extraction, de classification et de résumé qui l'entourent s'exécutent sur un modèle hébergé avec la même clé. Le DSL de routage est ce qui garde cette frontière lisible — exprimée comme une condition sur le prompt plutôt que comme une branche enfouie dans le code applicatif — et le basculement automatique fait que la moitié auto-hébergée qui échoue n'emporte pas la requête avec elle. L'absence de markup compte ici d'une manière plus prosaïque : quel que soit le coût aujourd'hui de la moitié hébergée de votre pipeline, cela coûte la même chose ici, parce que le prix catalogue du fournisseur est répercuté sans modification.

Choisir entre les deux
Choisissez Intern-S2-397B si vous devez être opérationnel dès aujourd'hui sans acheter de matériel, si votre domaine est la littérature scientifique et les figures, si l'entrée de signal brut ou de séries temporelles fait partie de la charge de travail, ou si un point de terminaison hébergé maintenu par un fournisseur vaut plus pour vous que le contrôle du déploiement. Les 807 GB de poids représentent un coût réel, mais l'API hébergée signifie que vous pouvez déterminer si le modèle est bon avant de payer ce coût.
Choisissez Nemotron 3.5 Super VL 120B A12B si la vidéo est une entrée, si vous disposez d'un seul H200 ou d'un DGX Spark plutôt que d'une flotte, si le modèle doit résider au sein de votre réseau, ou si vous prévoyez de faire du fine-tuning — NVIDIA a publié les jeux de données de post-entraînement et les environnements RL NeMo Gym en même temps que les poids, et c'est la moitié la plus réutilisable de la publication. Faites passer votre propre ensemble de documents par la version NVFP4 avant de vous engager, et testez spécifiquement le rappel en contexte long plutôt que de vous fier au chiffre de 1M de tokens.
Ne choisissez ni l’un ni l’autre, pour l’instant, si ce qu’il vous faut réellement est un modèle avec une évaluation indépendante sur laquelle vous pouvez vous appuyer. Les chiffres d’Intern-S2-397B sont tous rapportés par le fournisseur et la couverture de son panel n’est pas claire ; Super VL a exactement un score provenant d’un tiers, et il s’agit d’une seule valeur d’indice. Deux modèles de vision ouverts, sortis à environ six semaines d’intervalle, tous deux accompagnés de tableaux de benchmark non reproduits et aucun des deux présent sur un classement neutre d’une manière qui vous permette de les comparer — la démarche responsable consiste à les benchmarker sur vos propres documents, et c’est l’API du fournisseur qui rend la moitié de cette opération peu coûteuse.
À surveiller : une entrée de panel indépendant pour Intern-S2-397B, qui ferait passer toute sa fiche de simples allégations à des preuves ; un prix et un point de terminaison pour Super VL, ce qui retirerait le H200 des conditions d’entrée ; et un chiffre Terminal-Bench corrigé de NVIDIA, qui résoudrait le seul endroit où les deux principaux documents d’un même fournisseur se contredisent.

Rien de tout cela n'est une raison d'éviter le modèle, seulement une raison de connaître l'historique : les incidents d'IA documentés et les défaillances d'agents derrière les modèles de cette catégorie sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et son indicateur de contestation.
