Nemotron 3.5 Super VL vs Nemotron 3.5 Lightning : deux niveaux d'une même famille, et le jeton qui décide lequel

Ces deux modèles ne sont pas des rivaux, et les traiter comme un seul est l'erreur que les fiches techniques invitent à commettre. NVIDIA Nemotron 3.5 Super VL est un modèle vision-langage de 120 milliards de paramètres, dont 12 milliards actifs, qui a besoin de quatre H100 ou de deux GB200 pour tourner en précision complète. NVIDIA Nemotron 3.5 Lightning 30B-A3B est un modèle texte de 30 milliards de paramètres, dont 3 milliards actifs, qui tient sur un seul DGX Spark ou un seul H100. Ils partagent une licence — OpenMDW-1.1, usage commercial, poids ouverts et recettes ouvertes — et ils partagent une philosophie de conception consistant à réduire le calcul par token grâce à Mamba-2 et à des experts parcimonieux. Ils ne partagent ni modalité d'entrée, ni seuil matériel, ni usage. Lightning est le plus ancien des deux d'environ deux mois, ayant été livré le 11 août 2026 ; les poids de Super VL sont arrivés le 12 octobre 2026, l'annonce de NVIDIA suivant le 15 octobre, si bien que l'un est une version bien établie et l'autre n'a qu'un jour.

La porte, en termes simples

Les deux modèles existent sous forme de points de contrôle téléchargeables, accompagnés de recettes d’évaluation publiées. Tous deux sont évalués par le fournisseur : chaque chiffre figurant dans les tableaux ci-dessous provient du propre environnement NeMo Gym ou NeMo Evaluator de NVIDIA, et non d’un tiers, et aucun des deux ne s’appuie sur un audit indépendant de son débit ou de son exactitude. Cette mise en garde vaut pour l’ensemble de la comparaison et n’est pas répétée à chaque ligne.

Là où Lightning se situe mieux : NVIDIA affirme que le checkpoint Lightning 30B-A3B NVFP4 a été téléchargé environ 907 000 fois sur Hugging Face, contre environ 142 pour le checkpoint BF16 Super VL, âgé d'un jour. Ce n'est pas un indicateur de qualité — c'est la différence entre un modèle que l'on peut exécuter sur un accélérateur de classe ordinateur portable et un modèle que l'on ne peut pas.

Ce que contiennent les deux points de contrôle

Nemotron 3.5 Lightning 30B-A3B est un mélange d'experts hybride construit à partir de couches Mamba-2 et MoE entrelacées, avec quelques couches d'attention, 30 milliards de paramètres au total et 3 milliards actifs par jeton, 1 million de jetons de contexte, et le texte comme seule entrée. NVIDIA l'a entraîné sur plus de 20 000 milliards de jetons avec une recette de pré-entraînement NVFP4, a ajouté des têtes de prédiction multi-jetons, puis l'a affiné sur des données synthétiques de code, de mathématiques, de sciences, d'appel d'outils et de suivi d'instructions avant une étape d'apprentissage par renforcement GRPO. Il est livré avec trois stratégies distinctes de décodage spéculatif — DSpark pour les charges de travail à faible concurrence en centre de données et sur DGX Spark, plus MTP et DFlash — ce qui représente une quantité inhabituelle d'ingénierie d'inférence pour un modèle de 30B, et cela vous indique qui est l'utilisateur visé : quelqu'un qui exécute des agents en local et surveille l'horloge.

NVIDIA Nemotron 3.5 Super VL partage le squelette et ajoute des yeux. Même hybride entrelacé de Mamba-2, de MoE et d’attention, mais avec 512 experts routés par couche MoE, un encodeur visuel C-RADIO et un connecteur vision-langage, 120 B au total et 12 B de paramètres actifs, et des entrées texte, image et vidéo. Son socle linguistique a été initialisé à partir de Nemotron 3 Super Base, puis distillé sur un billion de tokens à partir de Nemotron 3 Ultra Base avant un pré-entraînement continu, une extension de 35 milliards de tokens à un contexte de 1 M, un entraînement intermédiaire en ingénierie logicielle et une étape de récupération de contexte long. Les deux versions partagent également un rapport technique — NVIDIA a publié les travaux sur Super et Lightning ensemble.

• Paramètres actifs — 12B par token pour Super VL contre 3B pour Lightning. Quatre fois la puissance de calcul sur chaque token généré, avant même de compter l’encodeur de vision.

• Modalités — texte, images et images vidéo échantillonnées en entrée de Super VL ; texte en entrée, texte en sortie pour Lightning. Les langues prises en charge par Lightning sont l’anglais, l’espagnol, le français, l’allemand, l’italien et le japonais.

• Configuration matérielle minimale — 4×H100 ou 2×GB200 en BF16 pour Super VL, avec une build NVFP4 et un microservice NIM pour la production ; un DGX Spark, un H100, une RTX 5090 ou du silicium de classe Ampere via W4A16 pour Lightning.

• Contexte — 1 M de tokens sur les deux, tous deux avec des recettes publiées plutôt qu’un seul maximum annoncé.

• Décodage spéculatif — Super VL utilise nativement sa propre tête MTP, aucun téléchargement de drafter n'est nécessaire ; Lightning propose les variantes DSpark, MTP et DFlash sous forme de checkpoints séparés.

• Licence — OpenMDW-1.1 pour les deux, utilisation commerciale autorisée, avec des jeux de données ouverts et des environnements RL sur le Hub.

Ce que les chiffres disent et ne disent pas

Sur le propre harnais de NVIDIA, les deux ne sont pas proches, et c’est attendu : un modèle à 12B actifs devrait battre un modèle à 3B actifs. Pour ancrer l’écart dans les tableaux publiés par NVIDIA : GPQA-Diamond 89,52 pour Super VL contre 75,44 pour Lightning ; HLE en texte seul 31,79 contre 11,72 ; SWE-bench Verified 71,10 contre 51,56 ; Terminal-Bench 2.1 66,70 contre 24,58 ; AA-LCR 68,62 contre 52,00.

Le motif à l’intérieur de ces lignes est plus utile que les lignes elles-mêmes. L’avance de Super VL est énorme sur les benchmarks de contexte long et d’exécution agentique, et comparativement modeste sur les connaissances générales — MMLU-Pro est à 76,91 contre 81,94 pour Lightning, un rare cas où le plus petit modèle remporte une ligne. C’est la forme d’un modèle qui a été délibérément entraîné à mi-parcours sur des données d’ingénierie logicielle et doté d’une étape de récupération de contexte long : il est meilleur pour mener une tâche à bien que pour se rappeler des faits. Si votre charge de travail consiste à répondre à des questions factuelles sur du texte court, le désavantage du modèle 30B disparaît en grande partie, et ce pour un quart du calcul par token.

NVIDIA signale une mise en garde sur la fiche Lightning qu’il vaut la peine de reprendre en substance : les chiffres ont été mesurés avec le checkpoint officiel NVFP4 et s’appliquent à celui-ci, et NVIDIA précise que sa propre évaluation peut différer des chiffres rapportés par les fournisseurs de modèles concurrents. C’est une remarque d’une honnêteté inhabituelle, et elle s’applique tout autant au tableau de Super VL.

Choisir le niveau, et ce qui se passe au-dessus

La règle de décision découle de la modalité et du seuil plutôt que de l’index. Tout ce qui doit lire une page — une facture, un graphique, un formulaire numérisé, une capture d’écran d’une application, une trame vidéo — ne peut aller que vers Super VL, car Lightning n’a aucune voie pour les pixels. Tout ce qui est du texte en entrée et du texte en sortie, qui fonctionne en continu et qui réside sur du matériel que vous possédez déjà relève de Lightning, car un modèle à 3B de paramètres actifs en NVFP4 sur un seul accélérateur représente une base de coûts totalement différente de douze milliards de paramètres actifs répartis sur quatre GPU.

Au-dessus des deux se trouve le NVIDIA Nemotron 3 Ultra 550B-A55B, sur lequel la carte Super VL se base directement pour ses benchmarks et qui nécessite huit GB200s ou seize H100s. Trois niveaux, trois classes de matériel, une licence. La famille est conçue pour qu'une seule organisation puisse déployer les trois et déplacer le travail entre eux, et le problème d'ingénierie intéressant n'est pas d'en choisir un — c'est le routeur qui décide quelle requête va où.

C’est à cette couche de routage qu’une plateforme, plutôt qu’un checkpoint, gagne sa place, et il vaut la peine d’être précis sur ce que nous faisons et ne faisons pas ici. OrcaRouter ne sert pas NVIDIA Nemotron 3.5 Super VL, Nemotron 3.5 Lightning 30B-A3B ni Nemotron 3 Ultra 550B-A55B ; aucun des trois ne figure dans notre catalogue, et un checkpoint auto-hébergé n’est par définition pas quelque chose qu’un fournisseur d’API peut vous fournir. Ce que nous fournissons, c’est la partie qui entoure un parc mixte local et hébergé : le DSL de routage qui compose plusieurs modèles en un seul appel, afin qu’un pipeline puisse envoyer ses pages mécaniques à un petit modèle bon marché et n’escalader que les plus difficiles, et un basculement automatique entre fournisseurs amont pour qu’une dépendance hébergée qui se dégrade ne fasse pas tomber le pipeline avec elle. Le volet catalogue de cette équation — actuellement plus de deux cents modèles derrière une seule clé, avec 0 % de marge au-dessus du prix catalogue du fournisseur — est ce que la branche d’escalade sollicite. Un Lightning auto-hébergé qui gère le volume et un modèle hébergé routé qui gère les exceptions forment un système plus petit et plus sûr que chacune des deux moitiés prise seule.

Que regarder

La maturité relative de Lightning est la variable sous-estimée. Il est public depuis août, il bénéficie de quantisations tierces, du support de llama.cpp, Ollama, LM Studio et vLLM, et d'une base de téléchargements suffisamment large pour que ses modes de défaillance soient connus. Super VL dispose d'une fiche de modèle, d'un rapport technique, d'une recette vLLM dès le premier jour et d'un nombre de téléchargements vieux d'un jour. L'exploiter en production ce mois-ci revient à être la personne qui découvre les aspérités.

Le point précis à surveiller est de savoir si la build NVFP4 Super VL comble suffisamment l’écart matériel pour que cela compte. Si un modèle 120B-A12B quantifié tourne utilement sur un petit nombre d’accélérateurs — pas un seul, mais moins de quatre —, alors la frontière de niveau se déplace et toute la famille de trois modèles devient moins coûteuse à déployer comme un ensemble. D’ici là, la séparation se fait par modalité : Lightning pour le texte en volume sur votre propre matériel, Super VL pour tout ce qui contient un pixel, Ultra lorsque la tâche nécessite vraiment le plus grand modèle vendu par NVIDIA.