NVIDIA Nemotron 3.5 Super VL: המודל הפתוח עם 120B שיצא לפני הפוסט בבלוג של עצמו

המשקלים עבור N​VIDIA N​emotron 3.5 Super VL היו ב-Hugging Face שלושה ימים לפני ש-N​VIDIA כתבה עליהם. מאגר הדיוק המלא, nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-BF16, נוצר ב-2026-10-12T15:32:06Z. המאגר המכומת המקביל שלו, nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4, עלה 24 שניות לאחר מכן. הפוסט בבלוג המפתחים של N​VIDIA עצמה שמסביר את המודל מתוארך ל-15 באוקטובר 2026 — אותו יום שבו כרטיסי המודל שלה אומרים "Hugging Face - 10/15/2026". אז הארטיפקטים הציבוריים וההכרזה הציבורית הגיעו בימים שונים, והפער קטן מספיק כך שאף אחד מהתאריכים אינו שגוי וכדאי להכיר את שניהם.

מה שבא בהמשך הוא מה שהמאגר והפוסט של NVIDIA באמת אומרים על מודל השפה־חזות הזה בעל 120B הפרמטרים ו־12B הפעילים: הארכיטקטורה, מתמטיקת הפריסה, היכן שהטבלה שפרסם בעצמו מראה שהוא מפסיד, ומלכודת הרישוי שאף פעם לא מוזכרת בפוסט בבלוג.

מהו בעצם N​emotron 3.5 Super VL

NVIDIA מתארת אותו בפוסט משלה כ"מודל מולטימודלי פתוח וניתן להתאמה אישית" שנבנה עבור זרימות עבודה ייעודיות של סוכנים — הסקה, ביצוע הוראות ושימוש בכלים, בשילוב עם הבנה של טקסט, תמונה, מסמך וווידאו בסט משקלים אחד. המשמעות של השילוב הזה, כפי ש-NVIDIA מנסחת זאת, היא שצוותים "יכולים להתמודד עם משימות טקסט ומשימות חזותיות בלי לפרוס מודלים נפרדים לטקסט ולמודלי ראייה-שפה או להעביר ביניהם הקשר משימה."

הארכיטקטורה, על פי כרטיס המודל:

• צורה — 120 מיליארד פרמטרים בסך הכול, 12 מיליארד פעילים לכל טוקן. מודל תערובת מומחים עם 512 מומחים מנותבים בכל שכבת MoE.

• עמוד שדרה — שכבות Mamba-2, קשב ו-MoE משולבות זו בזו, עיצוב היברידי של N​emotron שהועבר מסדרת N​emotron 3.

• ראייה — מקודד ראייה C-RADIO בתוספת מחבר ראייה-שפה. מחרוזת הארכיטקטורה של transformers היא NemotronH_Omni_Reasoning_V3, סוג המודל nemotron_h_omni.

• הקשר — עד מיליון טוקנים, כאשר ההנחיה, התמונות, היסטוריית השיחה, תוצאות הכלים והתגובה שנוצרה חולקים כולם את החלון הזה.

• פענוח ספקולטיבי — ראש חיזוי רב-אסימוני (Multi-Token Prediction) מובנה, כך שאין צורך בהורדה נפרדת של drafter עבור המתכונים של vLLM ו-SGLang ש-NVIDIA מפרסמת.

• מצב הסקה — ניתן להפעיל או לכבות דרך תבנית הצ'אט באמצעות enable_thinking, עם medium_effort הגדרה בין השניים. אסימוני הסקה והתשובה חולקים את אותו תקציב max_tokens, שאותו הכרטיס מסמן במפורש מכיוון שזו הסיבה הרגילה לפלט סוכן קטוע.

• קלטים — טקסט, תמונות RGB (JPEG, PNG) וווידאו MP4 באורך של עד שתי דקות. דגימת הווידאו המומלצת במתכון vLLM היא 2 FPS ו-256 פריימים עם שיעור גיזום של 0.5; עבור 1080p הכרטיס אומר לרדת ל-1 FPS ו-128 פריימים.

• שפות — אנגלית, ספרדית, צרפתית, גרמנית, איטלקית ויפנית ב-frontmatter של הכרטיס. N​VIDIA גם אומרת שקורפוס האימון מכסה אנגלית ועוד 19 שפות מדוברות נוספות ו-43 שפות תכנות.

שתי רמות דיוק, והזיכרון שהן קונות

NVIDIA שחררה את המודל פעמיים, והזינוק בזיכרון בין השניים הוא המספר היחיד הרלוונטי ביותר להחלטה בשחרור.

• BF16 — ההפניה ברמת דיוק מלא. המאגר מכיל 64 שארדים של safetensors בסך כולל של כ-231.8 GiB. מתכון ההגשה של NVIDIA עצמה הוא --tensor-parallel-size 4 על 4× H100, או TP2 על 2× GB200.

• NVFP4 — משקלים ואקטיבציות של 4 ביט עם זיקוק מודע לכימות, אשר N​VIDIA אומרת ש"סוגר את פער הדיוק שהכימות יוצר". אותו צ'קפוינט פועל על חומרה שאינה Blackwell עם משקלים של 4 ביט ואקטיבציות של 16 ביט, ו-QAD גם מאפשר לשמור את מטמון ה-KV ב-NVFP4 במקום ב-FP8. מכיוון שהכימות מתרחש במהלך האימון ולא אחריו, N​VIDIA מציינת שהוא אינו מוסיף תקורה בהסקה. כרטיס ה-NVFP4 מפרט פריסה על 1× DGX Spark, 1× H200, 2× H100 או 1× GB200.

השורה האחרונה היא המעשית. מודל 120B שנכנס על שני H100s ב-FP4 במקום ארבעה ב-BF16 הוא שיחת רכש אחרת, וזו הסיבה שהמאגר ה-quantised הוא זה ש-NVIDIA מפנה אליו עבור הגשה יעילה. אח שלישי, NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4-LiLiCorr, הופיע ב-Hugging Face יום לפני הזוג הראשי בלי הכרזה מצורפת; הבלוג של NVIDIA מסביר מאוחר יותר את LiLiCorr כטכניקת speculative-decoding פתוחה ומכנה אותו "הדרפטר המומלץ להסקה בהשהיה נמוכה עם Nemotron 3.5 Super VL" ב-DGX Spark. המאגר שלו קודם להסבר הזה בארבעה ימים, וזו המחשה הוגנת לאופן שבו המהדורה הזו צפה.

יש שאלה לגיטימית מתחת לקפיצה הזאת — מה שכבת ה-NVFP4 מוותרת לעומת ייחוס ה-BF16 — אבל התשובה של NVIDIA עצמה היא טענה של מתודולוגיית אימון, לא טבלת דיוק משווה זה-לצד-זה שפורסמה עבור שני הצ'קפוינטים. אם בחירת הדיוק היא מה שההחלטה שלך תלויה בו, ההשוואה הזו לא נמצאת במאגר.

במקום שבו טבלת הבנצ'מרק של עצמו מראה שהוא מפסיד

כרטיס המודל מכיל טבלת בנצ'מרקים גדולה שהספק מריץ — כ-40 שורות — המכסה הסקה, כתיבת קוד, משימות אייג'נטיות, הקשר ארוך ועבודה רב-לשונית ומולטימודלית. N​VIDIA מגלה כאן פתיחות יוצאת דופן: היא מציינת את ההשוואות, וכמה מהן אינן מחמיאות למודל. המספרים שלה עצמה מול המתחרה הפתוח הקרוב ביותר באותו מבנה, Qwen3.5-122B-A10B:

• GPQA-Diamond — N​emotron 3.5 Super VL 89.52 מול Qwen3.5-122B-A10B 86.7 (N​emotron מוביל)

• HLE, טקסט בלבד — 31.79 לעומת 24.2 (N​emotron מוביל)

• MMLU-ProX — 76.91 לעומת 83.2 (Qwen מקדים ביותר משש נקודות)

• CritPt — 10.86 לעומת 1.1 (N​emotron מוביל בפער ניכר)

• LiveCodeBench v6 — 88.22 לעומת 76.7 (N​emotron מוביל בהארנס הזה)

• SWE-bench Verified — 71.10 לעומת 71.9 (תיקו, בתוך רעש)

• SWE-bench Pro — 51.78 לעומת 44.9 (Nemotron מוביל)

• tau2-bench retail — 69.24 לעומת 55.4 (Nemotron מוביל)

• tau2-bench telecom — 73.19 לעומת 87.2 (Qwen מוביל ב-14 נקודות)

• AA-LCR v1.1 — 68.62 לעומת 75.1 (Qwen מקדימה בהקשר ארוך)

• BabyVision — 29.60 לעומת 35.7 (Q​wen מוביל)

• MathVision — 78.16 לעומת 83.3 (Qwen מוביל)

• OCRBench v2, אנגלית — 68.12 לעומת 68.3 (במהות אותו דבר)

• OCRBench v2, סינית — 59.15 לעומת 67.3 (Qwen מקדים בשמונה נקודות)

• V* — 85.60 מול 91.1 (Qwen מובילה)

• IFBench — 70.86 לעומת 67.6 (N​emotron מוביל)

• מדד AA-Omniscience — 4.03 לעומת -36.1 (שניהם חלשים; N​emotron הרבה פחות שלילי)

יש שלושה דברים שכדאי לומר על הטבלה הזו, במקום לתת לניצחונות לדבר בעדה.

ראשית, כל מספר בו — הן של Nemotron והן של כל אחד מקווי הבסיס — מדווח על ידי הספק ונאסף באמצעות מערכת הבדיקה של NVIDIA עצמה. הכרטיס אומר זאת ישירות: "כל תוצאות ההערכה עבור Nemotron 3.5 Super וקווי הבסיס נאספו באמצעות NeMo Gym", עם הערות שחזור שפורסמו במאגר NeMo Gym. זהו גילוי נאות טוב יותר ממה שרוב המעבדות מצליחות לעשות, ובכל זאת זה עדיין לא ציון עצמאי. קראו את העמודות כמדידות של מעבדה אחת עבור כמה מודלים, ולא כטבלת דירוג נייטרלית.

שנית, NVIDIA עצמה מפרטת את הבנצ'מרקים שלא הוטמעו בכלי העבודה הפתוחים שלה — BabyVision, CharXiv-RQ, MathVision, MMLongBench-Doc, OCR-Reasoning, OCRBench-v2, V* ו-Video-MME-v2 — ואומרת שהם השתמשו במימושים רשמיים או ב"תשתית פנימית שאנו מתכננים לשחרר בקוד פתוח בעתיד". כל שורה רב-מודלית בטבלה נושאת את ההסתייגות הזו.

שלישית, הדפוס בהפסדים הוא קוהרנטי ולא אקראי. הפערים הם ב-OCR בשפה הסינית, בהיסק הקשר ארוך, ובמתמטיקה חזותית וקריאת גרפים. הניצחונות מתקבצים במבחני קריאה לכלים ובמשימות סוכניות קצרות-טווח — CritPt,‏ tau2-bench retail and airline,‏ APEX,‏ Terminal-Bench 2.1 עם 66.70 לעומת 48.70 של Qwen,‏ SWE-bench Pro. עבור מודל ש-NVIDIA מציבה כמבצע במערך סוכנים רב-מודלי, זהו פרופיל שניתן להגן עליו. אם עומס העבודה שלך הוא פענוח מסמכים בסינית או הקשר אנליטי ארוך מאוד, אותה טבלה אומרת לך משהו אחר.

מודלים שעברו אימון-המשך מנצחים את הבסיס, ו-N​VIDIA מובילה בכך

הטענה הקונקרטית ביותר לגבי דיוק בפוסט הבלוג של NVIDIA אינה ציון בנצ'מרק. זו טענה לגבי התאמה אישית: שפוסט-אימון של מודל הבסיס Nemotron 3.5 Super VL יכול להביא עומס עבודה ייעודי מעבר ל-Claude Opus 5. הדוגמה של NVIDIA היא תביעות ביטוח רפואיות, שם היא מציינת שיפור של 44% כתוצאה מפוסט-אימון.

שני דברים חשובים באופן שבו N​VIDIA מדווחת על כך. המספר מיוחס לשיפור נטען מפוסט-אימון, ולא להשוואה בין מודל למודל בבנצ'מרק ציבורי — וזה סוג ראיה שונה וחלש יותר. והפוסט של N​VIDIA עצמה מקפיד לציין שהשיפורים האלה באים עם הסתייגויות: "המודל הבסיסי לא עלה על מודלים חזיתיים קנייניים בכוחות עצמו" היא הגרסה הכנה של המשפט, והמסגור הוא שהיתרון של משקלים פתוחים הוא שעסק יכול לבצע פוסט-אימון על הנתונים שלו ולהריץ את התוצאה על התשתית שלו.

הצד של הספק באותו סיפור דל. NVIDIA מציינת את Scale AI, Ramp ו-AI21 כארגונים שביצעו post-training למודל; Ramp מצוטטת כמי שמצפה ל"עד 50% יותר תפוקה ופי 10 פחות השהיה" עבור חילוץ מקבלות ל-JSON, ו-Scale AI להפחתה של פי 40 בעלות ההסקה ולשיפור של פי 5 בהשהיה עבור עיבוד אשראי של ספקים. אלה ציפיות ותוצאות כפי שנמסרו על ידי לקוחות, שפורסמו על ידי הספק, בלי שום מדידה עצמאית מאחוריהן. ייתכן בהחלט שהן נכונות. איש מחוץ לאותן חברות לא בדק.

מה ש-NVIDIA כן מפרסמת שעוזר הוא משטח המתכונים: NeMo AutoModel עבור SFT ו-LoRA,‏ NeMo RL ו-NeMo Gym עבור למידת חיזוק והערכה מבוססת סביבה, NeMo Data Designer עבור יצירת נתונים מולטימודאליים, ובנוסף 45 מערכי נתונים של ראייה ושפה וקבוצה של מערכי נתונים לשימוש סוכני בכלים, הסקה פיננסית וביצוע הוראות ב-Hugging Face. מדריך לשחזור עבור הבנצ׳מרקים המפורסמים נמצא במאגר NeMo Gym. החלק האחרון מועיל באמת — פירושו שאתם יכולים לנסות להריץ מחדש את ההערכות של NVIDIA עצמה במקום לסמוך על הטבלה.

הרישיון אינו מה שהשיווק מרמז עליו

זה הפרט ששווה לקרוא את הרפו בשבילו ולא את פוסט הבלוג.

הפוסט של NVIDIA מכנה את המודל "מודל מולטימודלי פתוח וניתן להתאמה אישית" ומתייחס ל"משקלים הפתוחים של המודל". שתי ההצהרות נכונות לגבי המשקלים. אף אחת מהן אינה הצהרה לגבי הרישיון. ה-frontmatter של כרטיס המודל מציין license: other, עם license_name: openmdw-1.1, והתנאים המחייבים הם הסכם הרישיון OpenMDW גרסה 1.1 בכתובת openmdw.ai/license/1-1/. הכרטיס מציין במפורש שהמודל "מוכן לשימוש מסחרי או לא-מסחרי", והניסוח של NVIDIA עצמה בנוגע לפריסה מתייחס להרצתו ב"סביבות מקומיות, מרכזי נתונים או ענן נתמכות".

אז: שמיש מסחרית, לפי NVIDIA. אבל "פתוח" כאן משמעו OpenMDW-1.1, לא Apache 2.0 ולא MIT. אם לארגון שלך יש רשימה של רישיונות קוד פתוח מאושרים מראש, הרשימה הזו היא הדבר שצריך לבדוק לפני כל דבר אחר — וההבדל המעשי בין "משקלים פתוחים" לרישיון בשם מפורש הוא בדיוק מהסוג של פער שעולה מחזור שחרור כשמגלים אותו מאוחר. זו אינה ביקורת על המודל, ו-OpenMDW אינו רישיון מגביל. זו תזכורת לכך ששם התואר בפוסט בבלוג עושה פחות עבודה מה-frontmatter של הכרטיס.

לנסות את זה בלי להמר על נתיב פרודקשן בגללו

מתכוני הפריסה שפורסמו הם במפורש עבור מכונה בודדת, וזה מעצב כיצד זה מוערך. הפקודות של vLLM של NVIDIA בשני הכרטיסים פועלות ב-TP4 על 4× H100 או ב-TP2 על 2× GB200 עם --trust-remote-code — המודל כולל קוד מידול מותאם אישית — ומתכון SGLang משתמש ב-lmsysorg/sglang:v0.5.20 על שני GB200. עבור DGX Spark קיים צ'קפוינט LiLiCorr drafter ייעודי, ו-NVIDIA ממליצה עליו בכל תרחישי Spark; החברה טוענת ליצירת טוקנים מהירה עד פי 2.3 מאשר פענוח ללא ספקולציה. על 16 B200 עם Dynamo, NVIDIA מציינת שירות של עד פי 8 יותר משתמשים, עם ירידה של 85% בהשהיית הטוקן הראשון, בקצב של 50 טוקנים לשנייה למשתמש. כל אחד מאלה הוא מדידה פנימית של הספק.

זו עלות הערכה ממשית עבור מודל בן שלושה ימים, שאין לו לוח תוצאות עצמאי, ושהשורות הרב-מודליות שלו מגיעות עם הסתייגות של תשתית שלא נפתחה. הדרך הזולה להסתכל על זה היא לא להקים ארבעה H100s קודם.

הדרך הזולה לבחון השקה כה טרייה היא דרך שער יחיד ולא הזמנה שנייה של חומרה. ב-OrcaRouter זה אומר מפתח אחד ליותר מ-200 מודלים במחיר המחירון של הספק עם 0% תוספת מחיר, בלי חוזה נפרד ובלי שינוי בקוד, וגם מעבר אוטומטי בין ספקים במקרה של כשל כך שמודל שטרם אימתת אינו נקודת כשל בודדת בנתיב ייצור. המודל המסוים הזה עדיין לא בקטלוג — NVIDIA שחררה אותו לפני ימים ספורים — ולכן היום הוא מגיע מה-API של הספק עצמו או מפלטפורמות צד שלישי שמגישות אותו. מה שזה נותן לך הוא ההשוואה שאתה באמת יכול להריץ עכשיו: הצב את המועמדים שהוא טוען שהוא עוקף מאחורי אותו מפתח, הרץ את המשימות שלך דרכם ובהשוואה למודלים שאתה כבר משתמש בהם, ותן לשכבת הניתוב להפוך את ההחלפה לשינוי בקונפיגורציה במקום למיגרציה. רק אז שאלת 4× H100 או 2× GB200 הופכת להחלטת רכש ולא לניחוש.

הנקודה אינה שהניתוב מחליף בנצ'מרק. הנקודה היא שההחלטה שאתה יכול לקבל היום היא אילו משימות המודל הזה צריך לקחת על עצמו בסטאק שלך, וההחלטה הזו אינה דורשת הזמנת חומרה.

מה שטרם נקבע

הרשימה הכנה של הלא־ידועים קצרה אך בעלת השלכות, והיא הרשימה שעל פיה יש לעבוד, ולא לפי השיווק:

• לא קיימת הערכה עצמאית. כל ציון שצוטט לעיל הוא מהרצת NeMo Gym של N​VIDIA. הבלוג של N​VIDIA מצטט בדיקות בנצ'מרק של Artificial Analysis והערכה עצמאית של EXO Labs, שממקמת את המודל על חזית פארטו של דיוק מול השלמת משימות ב-DGX Spark, אך כרטיס המודל אינו מפרסם ציון צד שלישי משל עצמו, ואין לו עמוד מודל עצמאי באגרגטורים המובילים בזמן כתיבת הדברים.

• פער הדיוק בין BF16 ל-NVFP4 אינו מכומת. המקרה של NVIDIA עבור NVFP4 מבוסס על זיקוק מודע לכימות שסוגר את הפער. זוהי טענה מתודולוגית, לא השוואת דיוק שפורסמה בין שני הצ׳קפוינטים שאפשר למעשה להוריד.

• קמפיין הבנצ'מרק הורץ בחלקו בכלי העבודה של N​VIDIA עצמה. שמונה בנצ'מרקים רב-מודאליים השתמשו במימושים רשמיים או בתשתית פנימית ש-N​VIDIA אומרת שהיא "מתכננת לפרסם בקוד פתוח בעתיד" — מה שאומר שתוצאות אלה ניתנות לשחזור באופן עקרוני, מתישהו, ולא היום.

• שיפורי הביצועים לאחר אימון מדווחים על ידי הספקים והלקוחות. השיפור של 44% בתביעות ונתוני Ramp ו-Scale AI נמסרים על ידי NVIDIA ביחס ללקוחותיה שלה. איש לא מדד אותם באופן עצמאי.

• התנהגות עם הקשר ארוך בחלון ה-1M המלא לא נבדקה מחוץ לספק. הארכיטקטורה בנויה לכך ו-NVIDIA מפרסמת מתכוני פריסה לכך. השאלה אם יכולת השליפה מחזיקה מעמד על פני מיליון טוקנים מלאים במסמכים אמיתיים היא בדיוק מסוג הדברים שמופיעים בבדיקות עצמאיות ולא מופיעים בטבלה של ספק.

האם עליך לפעול בעניין זה כעת?

אם אתם בונים סוכני מסמכים, תרשימים, וידאו או ריבוי כלים, וכבר הקציתם תקציב לאינפרנס בדרגת 120B, זה שווה בדיקה אמיתית השבוע: שכבת ה‑NVFP4 מריצה אותו על שני H100, הרישיון מתיר שימוש מסחרי, ושורות הקריאה לכלים בטבלה של NVIDIA הן החלק החזק ביותר בו. הצורה עם 12B פעילים גם אומרת שהוא זול יותר לכל טוקן ממה שסך ה‑120B שלו מרמז — ובצד של OrcaRouter, שינוי מחיר של ספק עליו נכנס לתוקף באותו יום ולא אחרי מחזור חיוב, כי מחיר המחירון של הספק מועבר הלאה בלי תוספת רווח.

אם עומס העבודה שלך נשען על OCR בשפה הסינית, על הקשר אנליטי ארוך מאוד, או על מתמטיקה חזותית, הטבלה של N​VIDIA עצמה נותנת לך שלוש סיבות ספציפיות להמתין למספרים בלתי־תלויים במקום להסיק מהשיווק.

בכל מקרה, הדבר שכדאי לשים לב אליו הוא לא עוד פוסט של ספק. זהו ההערכה העצמאית הראשונה שמריצה את נקודת הביקורת NVFP4 מול זו של BF16 על אותה מערכת בדיקה, והציון הראשון של צד שלישי שלא נאסף דרך NeMo Gym. עד שקיימים כאלה, זהו מודל פתוח מתועד היטב, בעל רישוי נוח, ויעיל באמת, שטענותיו החזקות ביותר נשענות כולן על המדידות של היצרן עצמו — ושהיצרן של עצמו היה ברור מספיק כדי לפרסם את השורות שבהן הוא מפסיד.

הפער הזה בין מה שלוח התוצאות מודד לבין מה שפריסה נתקלת בו הוא הסיבה לכך שהרשומה חשובה: כשלי הבינה המלאכותית המתועדים ותקריות הסוכנים סביב מודלים במחלקה הזו נאספים בthe OrcaRouter AI Incident Archive, שבו כל רשומה נושאת את המקורות שלה, חומרה, דירוג ביטחון ודגל מחלוקת.