Nemotron 3.5 Super VL vs Kimi K3 : un modèle phare facturé à l'usage face à une publication de poids sans grille tarifaire

La réponse honnête la plus brève est que seul l’un de ces deux modèles a un prix, et ce n’est pas celui de NVIDIA. Kimi K3 est vendu comme service facturé à l’usage à 3 $ par million de tokens d’entrée et 15 $ par million de tokens de sortie, avec une remise de 90 % sur le cache, et c’est le modèle que vous pouvez appeler dès aujourd’hui avec une seule clé. NVIDIA Nemotron 3.5 Super VL est un checkpoint à poids ouverts de 120 milliards de paramètres, dont 12 milliards actifs, sous OpenMDW-1.1, sans aucune grille tarifaire publiée — soit vous l’exécutez sur vos propres accélérateurs, soit vous négociez avec celui qui le sert. Ses poids ont été mis en ligne sur Hugging Face le 12 octobre 2026 et l’annonce de NVIDIA a suivi le 15 octobre, ce qui en fait une version vieille de trois jours plutôt qu’un produit mature. C’est cette asymétrie, et non le tableau de benchmarks, qui décide de l’issue du match.

Ce qu'est réellement chacun de ces éléments

NVIDIA Nemotron 3.5 Super VL est un modèle hybride vision-langage : des couches Mamba-2 entrelacées, un mélange d'experts avec 512 experts routés par couche MoE, et certaines couches d'attention, associés à un encodeur vision C-RADIO et à un connecteur vision-langage. Il compte 120 B de paramètres au total et active 12 B par token, prend en charge jusqu'à 1 M de tokens de contexte, et accepte en entrée du texte, des images et de la vidéo, avec du texte en sortie. La prédiction multi-token native lui permet un décodage spéculatif sans checkpoint de draft séparé. NVIDIA fournit une version de référence BF16 et une version NVFP4, avec des recettes de déploiement pour 4×H100 ou 2×GB200 en BF16. Le pré-entraînement et le pré-entraînement continu se sont appuyés sur un corpus que NVIDIA décrit en milliers de milliards de tokens, et le post-entraînement a ajouté des données synthétiques ainsi que de l'apprentissage par renforcement sur des dizaines d'environnements publiés.

Kimi K3 est le vaisseau amiral de Moonshot AI : un mélange d'experts à 2,8 billions de paramètres, avec 104 milliards de paramètres actifs, une fenêtre de contexte de 1 million de jetons et une entrée d'images native en plus du texte. Il est servi plutôt que simplement publié, il expose un contrôle reasoning_effort de haut niveau au lieu de paramètres d'échantillonnage, il parle la forme de l'API OpenAI et il est positionné pour la programmation sur de longs horizons et le travail de connaissance au sein de harnais d'agents.

• Échelle — Super VL active 12 milliards de paramètres par token à partir d’un pool de 120 milliards. Kimi K3 active 104 milliards de paramètres à partir d’un pool de 2 800 milliards de paramètres. Cela représente environ une différence d’un facteur neuf en termes de calcul par token.

• Contexte — 1 M de tokens des deux côtés, et les deux sont conçus pour tenir une session de travail plutôt qu’un seul prompt.

• Modalités — Super VL prend en charge le texte, les images fixes et des images vidéo échantillonnées ; Kimi K3 prend en charge le texte et les images. La vidéo est le seul axe d'entrée où les deux ne sont pas équivalents.

• Prix — aucun tarif publié, où que ce soit, pour Super VL au 16 octobre 2026 ; Kimi K3 est à 3 $ en entrée / 15 $ en sortie par million de tokens, avec une remise de 90 % sur le cache.

• Licence et contrôle — OpenMDW-1.1 avec utilisation commerciale, poids ouverts, jeux de données ouverts et recettes d’entraînement pour Super VL ; une API commerciale sans téléchargement de poids pour Kimi K3.

• Configuration minimale de déploiement — 4×H100 ou 2×GB200 en BF16 pour Super VL, ou le microservice NIM du fournisseur ; rien à déployer pour Kimi K3.

L'écart de huit points qui tranche le cas du généraliste

Sur l'Artificial Analysis Intelligence Index, Kimi K3 se situe à 44 et NVIDIA Nemotron 3.5 Super VL à 26 — tous deux non estimés, tous deux mesurables par un tiers plutôt que par les laboratoires qui les ont conçus. Dix-huit points ne sont pas une erreur d'arrondi ; c'est à peu près l'écart entre un généraliste de pointe et un généraliste de milieu de gamme. Kimi K3 est aussi plus lent et plus cher par token que les modèles qui l'entourent, ce que le même panel relève sans détour.

Ce chiffre constitue tout l’argument pour quiconque a une charge de travail limitée à du raisonnement purement textuel fourni via une API, et cela mérite d’être dit sans détours. Si le travail de votre agent consiste à lire un dépôt, à planifier une modification et à tenir une longue conversation à ce sujet, K3 est le modèle le plus performant, et il est disponible dès maintenant à un prix publié.

Là où la comparaison cesse de porter sur l’intelligence

NVIDIA n'a pas conçu Nemotron 3.5 Super VL pour remporter un indice de raisonnement général, et c'est en lisant cette confrontation comme si tel était le cas que l'on finit par être déçu. La sortie vise ce que l'annonce appelle des agents toujours actifs : un travail à fort volume, de longue durée, sous forme de documents et d'écrans, qu'une entreprise souhaite exécuter dans ses propres limites, post-entraîner sur ses propres données et auditer. Le positionnement du fournisseur lui-même est celui de l'efficacité — il affirme que Super VL est cinq fois plus rapide à accomplir les tâches que le prochain meilleur modèle de sa catégorie, et qu'il atteint une précision comparable à celle du plus grand modèle de raisonnement de NVIDIA avec environ un cinquième du nombre de paramètres.

Ce sont des affirmations de fournisseur, mesurées sur le propre banc d'essai de NVIDIA, et personne en dehors de NVIDIA ne les a encore reproduites. L'interprétation honnête après un jour de disponibilité publique est la suivante : l'architecture est documentée, les poids sont téléchargeables, la licence est permissive, et le chiffre de débit reste une affirmation jusqu'à ce qu'un tiers indépendant le reproduise.

Ce qui est vérifiable, c'est la nature du travail. Les points forts publiés de Super VL sont la reconnaissance optique de caractères, les tableaux et graphiques, les informations structurées dans les documents visuels et les flux de travail métier à plusieurs étapes — sinistres d'assurance, documents de crédit, dessins techniques, recherche dans des silos applicatifs. C'est un travail différent de l'écriture d'un patch multi-fichiers, et c'est un travail où un modèle à 12B de paramètres actifs qui termine une tâche en un éclair vaut mieux qu'un modèle à 104B de paramètres actifs qui la termine mieux, mais plus tard.

Ce qu'une seule touche fait avec chacun d'eux

C’est ici que l’asymétrie mord le plus fort, car les deux modèles ont des récits d’accès opposés.

Kimi K3 figure dans notre catalogue sous kimi/kimi-k3 au prix catalogue de Moonshot, avec 0 % de marge — le tarif du fournisseur répercuté tel quel, donc quand Moonshot change le chiffre, le montant que vous payez change le jour même. Il arrive via le même point de terminaison compatible OpenAI que tout le reste, ce qui signifie que le remplacer revient à un changement de chaîne de modèle et non à un projet d'intégration. Comme Kimi K3 expose reasoning_effort plutôt que temperature et top_p, ce même point de terminaison vous permet de régler la profondeur de raisonnement par requête sans second chemin de code.

NVIDIA Nemotron 3.5 Super VL, en revanche, n'est pas quelque chose que nous servons. C'est un checkpoint que vous hébergez, et le modèle de coût repose sur le capital et l'utilisation plutôt que sur les tokens. Ce que nous pouvons faire pour un modèle auto-hébergé, c'est la plomberie qui l'entoure : le basculement automatique entre fournisseurs en amont, afin qu'un pic ou une panne sur un modèle hébergé se dégrade gracieusement au lieu d'échouer, et le DSL de routage qui compose plusieurs modèles en un seul appel — envoyez l'extraction mécanique à un petit modèle bon marché et n'escaladez que les pages qui demandent du jugement. Ce schéma est exactement ce que l'économie de Super VL invite à faire, car un modèle à 12B de paramètres actifs est assez bon marché pour tourner sur tout, tandis qu'un modèle à 104B actifs ne l'est pas.

La configuration de production réaliste pour les prochains mois n’est donc pas un choix. C’est K3 pour la branche à forte intensité de raisonnement et un Super VL auto-hébergé pour la branche à fort volume de documents, avec un routeur en amont qui décide à quelle branche une requête appartient.

Qu’est-ce qui changerait la réponse ?

Trois choses. Premièrement, une reproduction indépendante de l’affirmation du facteur cinq — si Super VL accomplit réellement sa classe de tâches en un cinquième du temps d’horloge mural, l’argument en faveur de son exécution à l’intérieur d’un périmètre réglementé devient beaucoup plus fort ; et si ce n’est pas le cas, l’argument de la précision par token retombe à celui d’un modèle à poids ouverts ordinaire. Deuxièmement, un tarif publié par un fournisseur de service : dès que Super VL apparaît sous une API facturée à l’usage, l’objection du seuil de déploiement disparaît pour tous ceux qui ne possèdent pas huit H100, et cela devient une simple question de prix par rapport à l’indice, où K3 gagne actuellement sur l’indice et ne perd sur rien. Troisièmement, Kimi K3 lui-même ne reste pas immobile — Moonshot itère rapidement, et une sortie de la série 3 réinitialiserait cette page plutôt que de l’affiner.

Jusqu'à ce que l'un de ceux-ci arrive, la séparation est nette : Kimi K3 si vous voulez le modèle le plus capable par token aujourd'hui et pouvez en payer le prix ; NVIDIA Nemotron 3.5 Super VL si vous voulez un agent pour documents et écrans qui vous appartient, que vous post-entraînez et gardez sur site, et si vous acceptez d'être le premier à mesurer ce qu'il fait.