Nemotron 3.5 Super VL égale Inkling Small avec moins de la moitié des poids

Deux modèles affichent 26 à l'Artificial Analysis Intelligence Index cette semaine, et le plus intéressant est ce que chacun a dépensé pour y parvenir. NVIDIA Nemotron 3.5 Super VL est un mélange d'experts de 120 milliards de paramètres, dont 12 milliards actifs. Inkling Small, la version de juillet de Thinking Machines, est un mélange d'experts de 266 milliards de paramètres, dont 12 milliards actifs. Même score, même budget de paramètres actifs, moins de la moitié des poids sur disque.Les tableaux de benchmarks indiquent le score d'un modèle ; le registre des incidents indique comment des versions comme celles-ci échouent en production, et ces cas sont répertoriés dans l'OrcaRouter AI Incident Archive où chaque entrée comporte ses propres sources, sa gravité, sa note de confiance et un indicateur de contestation.

C'est la physionomie de la semaine dernière dans les poids ouverts américains, et c'est une meilleure histoire que le billet de lancement publié par NVIDIA le jeudi 15 octobre. L'annonce associait Nemotron 3.5 Super VL à Nemotron 3.5 Bolt 74B-A9B 24GB — un modèle de 74 milliards de paramètres compressé dans 24 Go de mémoire — et promettait un troisième modèle, Nemotron 3.5 Bolt E4B 4GB, pour le 23 octobre. Trois modèles en huit jours pour trois empreintes mémoire, ce n'est pas un rythme de lancement ; c'est un argument de portefeuille, et l'argument est que la capacité par gigaoctet est désormais le chiffre qui compte.

Qu'est-ce qui a été livré, et quel jour

Il vaut la peine d'énoncer les dates avec précision, car les propres documents de NVIDIA divergent de trois jours, et cette divergence est instructive plutôt que scandaleuse.

• Poids — le dépôt BF16 nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 a été créé sur Hugging Face à 2026-10-12T15:32:06Z, avec un homologue NVFP4 24 secondes plus tard et un checkpoint de base pré-post-entraînement 17 secondes avant cela.

• Annonce — le billet de la salle de presse NVIDIA indique une date de publication au 15 octobre 2026. Le champ de publication propre à la fiche modèle indique 10/15/2026 à la version 1.0 GA.

• Bolt 74B — son dépôt de 24 Go précède largement l’annonce, créé le 7 octobre, avec une version GGUF apparue sur le Hub ce soir-là. Le blog le présente comme devant sortir aux côtés de Super VL le 15.

• Bolt E4B — annoncé pour le 23 octobre, aucun poids disponible au moment de la rédaction.

Ainsi, les artéfacts publics sont arrivés avant la prose publique. Quiconque date un déploiement à partir du communiqué de presse aura trois jours de retard sur un modèle déjà téléchargeable, et quiconque le date à partir du dépôt citera un horodatage que NVIDIA n’a jamais reconnu. Les deux se défendent ; écrire « publié le 15 octobre » sans mentionner le 12 est la version qui perd de l’information.

Le score, c’est la partie ennuyeuse. Le dénominateur, c’est l’histoire.

L’argument de NVIDIA pour Super VL, c’est la vitesse — « un débit jusqu’à 5 fois supérieur à celui des autres modèles de sa catégorie », selon le classement d’Artificial Analysis. Cette affirmation reste en partie non vérifiée, et la section ci-dessous y est consacrée. Le fait durable de cette sortie est différent : le modèle obtient 26 sur le même panel où son prédécesseur de mars, NVIDIA Nemotron 3 Super 120B A12B, en obtenait 13, et ce à taille pratiquement identique.

• Paramètres — 120B au total, 12B actifs, 512 experts routés par couche MoE. Le modèle de mars totalisait 120,6B au total et 12,7B actifs. Ce n’est pas un modèle plus grand.

• Indice d'intelligence — 26 contre 13, selon Artificial Analysis, tous deux signalés comme non estimés. Environ le double, à budget de paramètres identique.

• Jetons de sortie par tâche Index — environ 49 000 contre environ 114 000. Le nouveau modèle termine la même évaluation avec environ 57 % de jetons en moins, ce qui explique en grande partie le bond : il cesse de trop réfléchir.

• Face à Inkling Small — tous deux à 26. Super VL y parvient avec 120B au total contre 266B pour Inkling Small, et tous deux activent environ 12B par token.

• Face à Nemotron 3 Ultra 550B A55B — 23. Le nouveau modèle de taille intermédiaire de NVIDIA devance de trois points son propre fleuron de 550 milliards de paramètres, tout en faisant environ un quart de sa taille.

Les deux axes d’efficacité sont constamment confondus, il vaut donc la peine de les distinguer. Les paramètres actifs déterminent le coût de génération d’un token. Les paramètres totaux déterminent le coût de stockage, de chargement et de maintien en résidence du checkpoint. Super VL s’améliore sur les deux : il maintient les paramètres actifs à 12B tout en réduisant environ de moitié les paramètres totaux par rapport à Inkling Small, et il maintient les paramètres totaux à 120B tout en doublant environ son score par rapport à son propre prédécesseur. Un modèle qui ne s’améliorerait que sur un seul axe resterait notable. Celui-ci a fait les deux dans la même version.

Bolt est la moitié la plus discrète de la sortie, et il ne dispose d’aucun score indépendant.

Le modèle 24 Go est celui que la plupart des équipes pourraient réellement exécuter sur du matériel qu’elles possèdent. Nemotron 3.5 Bolt 74B-A9B 24GB est un mélange d’experts de 74 milliards de paramètres avec 9 milliards actifs, quantisé à environ 2,06 bits par expert pendant l’entraînement plutôt qu’après, avec un contexte de 262 144 tokens et les mêmes conditions OpenMDW-1.1 que son grand frère. C’est un hybride Mamba-2 et Transformer doté d’un encodeur vision C-RADIO v4-H, il accepte donc du texte, des images et de la vidéo et renvoie du texte.

La fiche de NVIDIA rapporte, sur son propre banc d’essai : GPQA-Diamond 86,43, HLE sans outils 25,30, Terminal-Bench 2.1 50,98, SciCode 41,02, BrowseComp 66,75, PinchBench 87,82 et WebArena vision 50,86. Chacun de ces résultats est exécuté par le fournisseur et non reproduit. Sur le panel indépendant, le modèle se situe à 21 — un résultat vraiment solide pour quelque chose qui tient sur une seule carte de 24 Go, et aussi un rappel à la prudence avec le tableau du fournisseur, car 86,43 sur GPQA-Diamond à côté d’un indice global de 21 invite à surinterpréter une seule ligne.

La répartition des téléchargements parle d'elle-même : la version GGUF de Bolt a dépassé les 87 000 téléchargements, contre environ 18 700 pour le dépôt BF16 Super VL. Le modèle que les gens peuvent exécuter sur un ordinateur portable est celui qu'ils téléchargent. Ce n'est pas un commentaire sur la qualité ; c'est un commentaire sur ce à quoi servent réellement les « poids ouverts ».

Où se situent réellement les États-Unis

Le gain d’efficacité est réel, et l’affirmation de leadership nécessite une nuance que le billet de NVIDIA n’apporte pas. Parmi les modèles à poids ouverts de laboratoires américains du panel indépendant, Meta Muse Spark Open obtient 39 et devance tout ce que NVIDIA a publié la semaine dernière. Il est aussi soumis à un accès restreint sur le Hub sous une licence commerciale sur mesure, ce qui le place dans une catégorie d’adoption différente d’un checkpoint que l’on peut télécharger sous OpenMDW-1.1 sans demander à personne.

• Muse Spark Open — 39, accès restreint, licence sur mesure.

• Nemotron 3.5 Super VL — 26, sans restriction d’accès, OpenMDW-1.1, 120B au total / 12B actifs.

• Inkling Small — 26, permissive, 266B au total / 12B actifs.

• Nemotron 3.5 Bolt 74B-A9B — 21, sans restriction, empreinte de 24 Go.

• GPT-5.5 Instant — 26, fermé.

Le domaine chinois des modèles à poids ouverts reste une autre conversation. MiMo-V2.6-Pro se situe à 46, GLM-5.3 à 45 et Kimi K3 à 44 sur le même panel, de sorte que le modèle américain sous licence permissive le plus performant accuse environ 20 points de retard sur le plus performant des modèles chinois. La réponse de NVIDIA à cet écart n’est pas un modèle plus grand — c’est le post-entraînement sur vos propres données, avec les jeux de données, les recettes et les environnements d’apprentissage par renforcement publiés en même temps que les poids. La question de savoir si cela comble quoi que ce soit n’est pas tranchée par cette publication, et quiconque affirme le contraire prête des intentions à un benchmark.

Ce qui est mesuré, ce qui est affirmé et ce qui a bougé cette semaine

Au lancement, l'affirmation d'un débit 5x supérieur n'avait rien pour l'étayer : Artificial Analysis référençait le modèle sans aucun chiffre de vitesse. Cela a changé. Le panel enregistre désormais une vitesse de sortie d'environ 430 tokens par seconde, soit le premier rang sur 28 dans son ensemble de comparaison. Une partie de l'affirmation dispose donc désormais d'un tiers : le modèle est rapide, et pas de façon marginale. Ce qui reste non vérifié, c'est le multiple. « 5x plus rapide que le meilleur suivant » exige que le meilleur suivant soit nommé et un harnais correspondant, et ni l'article de blog ni la fiche du modèle ne fournissent ni l'un ni l'autre.

Le tableau des prix a lui aussi évolué, et d’une manière qui compte davantage que le taux global.

• Médiane tous fournisseurs confondus — 0,225 $ par million de tokens d’entrée et 0,575 $ par million de tokens de sortie, avec une remise de 78 % sur le cache, selon Artificial Analysis.

• Écart entre les fournisseurs qui publient un tarif — entrée de 0,10 $ à 0,20 $, sortie de 0,40 $ à 0,50 $ pour le même checkpoint.

• Coût par tâche Index — 0,19 $, là où le prix bas et le nombre élevé de tokens se rejoignent.

• Verbosité — 170M de tokens de sortie consommés sur l’ensemble de l’exécution Index, contre une médiane de 100M, signalé comme quelque peu verbeux. Une sortie bon marché combinée à une sortie longue n’est pas automatiquement bon marché.

Un écart du simple au double sur le prix des tokens d'entrée pour des poids identiques, voilà la découverte pratique de la semaine. Le modèle est le même fichier partout ; le compteur, lui, ne l'est pas. C'est un argument pour considérer le choix du fournisseur comme une décision de routage plutôt que comme un achat — ce qui est précisément le point de cette histoire que notre propre produit aborde, et la version honnête de cette affirmation est étroite. Nemotron 3.5 Super VL n'est pas dans notre catalogue : la liste de modèles d'OrcaRouter renvoie un peu plus de 200 identifiants de modèles et aucune entrée NVIDIA aujourd'hui. L'intérêt d'un routeur ici, c'est qu'au moment où un checkpoint arrive, il arrive au prix catalogue du fournisseur, avec 0 % de marge, et un modèle aussi récent peut se placer derrière un basculement automatique plutôt qu'à la racine d'un chemin de production. Ni l'un ni l'autre n'est une raison d'acheter le modèle. Ce sont des raisons de ne pas signer de contrat pour l'essayer.

Trois choses à surveiller, et l’une d’elles est dans neuf jours

Le premier est Bolt E4B, le 23 octobre. Un modèle vision-langage de 4 Go dont les performances approcheraient ne serait-ce que de loin celles de son grand frère de 24 Go serait la sortie la plus lourde de conséquences des trois, car il change ce qui compte comme matériel suffisant.

Le deuxième est une évaluation indépendante des checkpoints quantifiés. Chaque chiffre de cet article provenant de NVIDIA a été mesuré sur une version en pleine précision ou sur un banc d’essai du fournisseur. Le fichier NVFP4 est celui que la plupart des gens serviront réellement, et il ne dispose d’aucun score tiers publié. L’affirmation de NVIDIA elle-même fait état d’une récupération de précision médiane de 99,62 % par rapport à BF16 — un chiffre du fournisseur, obtenu sur un banc d’essai du fournisseur, et le nombre non vérifié le plus déterminant de cette publication.

Le troisième est de savoir si l’écart de prix se resserre. Un écart de 2x entre le serveur le moins cher et le plus cher pour un même checkpoint ouvert révèle un marché qui n’est pas encore stabilisé, et la direction dans laquelle il se stabilisera en dira plus sur les six prochains mois de l’inférence à poids ouverts que n’importe quelle ligne de benchmark.

Le score, c'est le titre. Le checkpoint deux fois plus petit avec le même budget actif, voilà ce qui comptera encore dans un an.