NVIDIA Nemotron 3.5 Super VL 120B לעומת DeepSeek V4 Pro: פיקסלים עולים פי 40 מטקסט, והנה החישוב

DeepSeek V4 Pro costs $0.66 per million input tokens. Whatever a page of a scanned contract costs you to push through N​VIDIA N​emotron 3.5 Super VL 120B A12B, it is not 66 cents per million, and the reason is that you are not renting it — you are buying GPUs. That single asymmetry is the whole shape of this comparison between DeepSeek V4 Pro, D​eepSeek's 1.6-trillion-parameter text-only flagship listed since April 2026, and N​VIDIA N​emotron 3.5 Super VL 120B A12B, the open-weights vision-language model N​VIDIA uploaded to Hugging Face on 12 October 2026 with no announced price on any serving path. Comparing their benchmark scores is easy and mostly useless. Comparing what each one costs you to operate on the same document is the exercise that actually decides anything.

התשובה הקצרה

אם הקלט שלך הוא טקסט והתקציב שלך הוא סעיף נפרד, DeepSeek V4 Pro מנצח בפער שאף מודל פתוח לא יכול לסגור — פאנל חיצוני מציב אותו 9.5 נקודות מדד מעל Super VL בעוד שהוא עולה חלקיק של סנט לאלף טוקנים. אם הקלט שלך כולל תמונות, וידאו או סריקות עמודים, אין בכלל מה להשוות, כי DeepSeek V4 Pro לא יכול לראות אותם. שני המודלים אינם חופפים בציר שבאמת חשוב לרוב הצוותים.

מהו כל מודל, במעבר אחד

DeepSeek V4 Pro is a 1.6T-parameter mixture of experts with 49B active per token, a 1M-token context window, up to 384K output tokens, and text as its only input and output modality. It has been generally available since 24 April 2026 through D​eepSeek's own API and third-party platforms, priced at $0.66 per million input and $1.98 per million output, with cache reads at $0.022. Independent measurement through the Artificial Analysis panel, last evaluated 13 August 2026, puts it at 36.0 on the Intelligence Index — 41st of 147 models.

N​emotron 3.5 Super VL 120B A12B is a Mamba-2/Transformer hybrid with 512 routed experts per MoE layer, 120B total parameters and 12B active per token, a C-RADIO vision encoder, native Multi-Token Prediction, and 1M tokens of context. Inputs are text, images and video; output is text. It is open under OpenMDW-1.1 with commercial use permitted, shipped in BF16, base-BF16 and NVFP4 builds, and runs on 4× H100 or 2× GB200 in BF16 or a single H200, single GB200, 2× H100 or one DGX Spark in NVFP4. Independent measurement puts it at 26.49 on the same panel, which is the number to hold onto as the conversation moves.

היכן שבפועל נמצאת עלות התשומה

הנה החישוב שאיש לא פרסם. קחו סט חוזים סרוקים בן 200 עמודים. דרך DeepSeek V4 Pro, צריך לבצע עליו OCR ולחלץ ממנו טקסט לפני שהוא מגיע, והמודל אחר כך מחייב אותך $0.66 למיליון טוקני קלט על הטקסט שחולץ. דרך Super VL, העמודים נכנסים כתמונות, פעם אחת, לתוך מודל שאתם כבר משלמים עליו לפי שעת GPU.

• DeepSeek V4 Pro במחיר מחירון — $0.66 קלט, $1.98 פלט, $0.022 קריאה מהמטמון, למיליון טוקנים. חילוץ של 200 עמודים זול מספיק כך שעלות לכל קריאה לא מופיעה בסקירת תקציב.

• עלות הניפוח של Super VL — 4× H100 או 2× GB200 ב-BF16, או H200 אחד / GB200 אחד / DGX Spark אחד ב-NVFP4. זוהי שכירות או הוצאות הון (capex) שמצטברות בין אם מגיע מסמך ובין אם לא.

• נקודת ההצטלבות — הנקודה שבה אירוח עצמי של Super VL הופך לזול יותר מ-OCR-plus-V4-Pro — היא פונקציה של היקף המסמכים שלך ושל הניצולת שאתה מצליח לשמור על ה-GPU. איש לא פרסם אותה, ועבור צוותים בהיקף נמוך היא כנראה לעולם לא תגיע.

• What is not in either column — the OCR pipeline D​eepSeek's path requires. That is a second system, a second failure mode, and the place where most document pipelines actually break: the table that OCR mangles, the chart that vanishes in extraction, the stamp over the signature block.

זו הטענה האמיתית בעד מודל הראייה, והיא אינה טיעון מבוסס בנצ'מרק. הטענה היא ששלב החילוץ נעלם. העמוד מגיע למודל כפי שהוא קיים, והמודל צריך להתמודד עם התרשים ועם הטבלה ועם הפריסה המגושמת, במקום לקבל קירוב שטוח שלהם. השאלה אם הראייה של Super VL טובה מספיק כדי להצדיק החזקת GPUs היא שאלה לגבי המסמכים שלך, והדרך היחידה והישרה לענות עליה היא להריץ את הסט שלך דרך גרסת ה-NVFP4 על H200 בודד ולספור את השגיאות.

שורות הבנצ'מרק שקיימות, ולמי הן שייכות

שני סוגים שונים של מספרים עומדים כאן על הפרק, ואסור לצטט אותם באותו משפט ללא תווית.

נמדד בפאנל, לפי Artificial Analysis, שם DeepSeek V4 Pro הוערך לאחרונה ב-13 באוגוסט 2026:

• Intelligence Index — DeepSeek V4 Pro 36.0 vs N​emotron 3.5 Super VL 26.49.

• Humanity's Last Exam — DeepSeek V4 Pro 41.0. הפאנל אינו כולל שורת Super VL.

• אחזור הקשר ארוך — DeepSeek V4 Pro 80.3 לעומת Super VL 0.69 בסקאלת AA-LCR, שהוא הפער הפרופורציונלי הרחב ביותר במאמר זה.

• SciCode — DeepSeek V4 Pro 51.0 לעומת השורה של Super VL שלא פורסמה בפאנל.

• Terminal-Bench 4.0 — DeepSeek V4 Pro 14.1 לעומת Super VL 0.0.

• τ²-bench — DeepSeek V4 Pro 96.2, a number D​eepSeek leads with, and the panel publishes no Super VL equivalent.

Vendor-reported, from N​VIDIA's own NeMo Gym evaluation of Super VL, which N​VIDIA ran on its own model against baselines it chose:

• סוכני — SWE-bench Verified 71.10, SWE-bench Multilingual 67.72, SWE-bench Pro 51.78, tau2-bench קמעונאות 69.24 ותעופה 76.50, BrowseComp 78.91, GraphWalks 89.71 בהגדרת יותר מ-1M טוקנים.

• הסקה — GPQA-Diamond 89.52, HLE ללא כלים 31.79, עולה ל-46.01 עם כלים בהרנס פנימי נפרד.

• ראייה — CharXiv-RQ 80.82, MathVision 78.16, V* 85.60, OCR-Reasoning 65.08, OCRBench-v2 ב-68.12 אנגלית ו-59.15 סינית, MMLongBench-Doc 62.82, OSWorld 52.14, Video-MME-v2 32.85.

The two documents do not share a single row, which is why the index comparison above is the only clean ranking available. And a reader should notice the thing that is easy to miss: Super VL's SWE-bench Verified 71.10 is a strong number and it is N​VIDIA's own, and the panel gave the same model 0.0 on Terminal-Bench 4.0. Those can both be true. An agentic-coding score measured on a vendor harness and a terminal score measured by a third party are not the same kind of evidence, and the honest reading is that Super VL's agentic profile is asserted rather than established.

למה שורת ההקשר הארוך היא זו שכדאי לדאוג ממנה

A 1M-token context window is on both spec sheets. In practice the panel measures long-context recall at 80.3 for DeepSeek V4 Pro and 0.69 for Super VL, and N​VIDIA's own counter-argument is GraphWalks 89.71 at the over-1M-token setting — a vendor number, on a vendor harness, on a task where Super VL is being asked to walk a graph rather than recall a passage.

אלה אינם מודדים את אותו הדבר, וזו בדיוק הבעיה לכל מי שמקבל החלטה. אם עומס העבודה שלך הוא "מצא את הסעיף בהגשה הזו בת 900,000 טוקנים", מספר הפאנל קרוב יותר למשימה שלך וזה לא קרוב. אם עומס העבודה שלך הוא "עבור על קבוצת המסמכים המקושרים הזו ודווח מה תלוי במה", מספר הספק קרוב יותר, וגם אז יש להתייחס אליו כאל טענה. עד שמישהו בלתי תלוי יריץ את שתי המשימות מול נקודת הביקורת, הנחת התכנון הבטוחה היא שההקשר האפקטיבי של Super VL קצר באופן מהותי ממה שמצוין בגיליון המפרט שלו.

שני מסלולים, מפתח אחד, והפער במחיר לעיני כל

DeepSeek V4 Pro is in the OrcaRouter catalogue at DeepSeek's published $0.66 and $1.98 with zero markup — the provider list price passed straight through, so a D​eepSeek price change is live here the same day rather than at the next billing cycle. Across the last seven days of requests through the gateway, V4 Pro shows a p50 time-to-first-token of 1.89 seconds at 81.9 output tokens per second, and it carried 480.3 million tokens of traffic in that window. Those are measurements of real calls, not vendor benchmarks, and they are the numbers a cost model should be built on.

N​emotron 3.5 Super VL 120B A12B is not on our catalogue. N​VIDIA has published no per-token price for it on any path, including its own NIM microservice, so there is nothing for us to pass through and this article will not pretend otherwise — it is a checkpoint you host yourself, on the hardware in the recipe above.

מה שהשער כן נותן לך בשילוב הזה הוא ששני חצאי הצינור מפסיקים להיות שתי אינטגרציות. קריאות החילוץ והמיון נשלחות לפריסת Super VL שלך; קריאות ההיסק, הקידוד והטקסט הזולות בהיקף גבוה נשלחות אל DeepSeek V4 Pro על אותה נקודת קצה ואותו מפתח; והפיצול מתבטא ככלל ניתוב ולא כתנאי בקוד האפליקציה. כשניתוב תמונות הוא הגורם המכריע, ה-DSL יכול להסתמך על השאלה אם הפרומפט נושא צירוף תמונה בכלל — וזו דרך נקייה יותר לשמור על הגבול מאשר לזכור איזה נתיב קוד עושה מה. מעבר כשל אוטומטי בין ספקים יושב מתחת למודל המנותב, כך ש-429 במעלה הזרם בקריאת טקסט נוחת על גיבוי ולא על המשתמש שלך.

להבין באיזה צד של הקו אתה נמצא

• אם אין לך תמונות — DeepSeek V4 Pro, ללא ניתוח נוסף. ביתרון של תשע וחצי נקודות מדד, $0.66 למיליון טוקני קלט, טוקן ראשון p50 של 1.89 שניות, ואין מה לתפעל.

• אם יש לך תמונות אבל נפח נמוך — OCR יחד עם DeepSeek V4 Pro עד ששיעור השגיאות מהחילוץ מתחיל לעלות יותר מאשר ה-GPUs היו עולים. מדוד קודם את שגיאות החילוץ; המספר הזה, ולא פער הבנצ׳מרק, הוא שקובע את נקודת המעבר.

• אם יש לך תמונות ואין לך לאן לשלוח אותן — Super VL הוא האפשרות היחידה שעל השולחן, וההחלטה הופכת להיות איזה צ'קפוינט לבחור: BF16 אם בכוונתך לבצע כיוונון עדין, NVFP4 אם בכוונתך להפעיל כשירות.

• אם אחזור בהקשר ארוך הוא ליבת עומס העבודה — בדקו לפני שאתם מתחייבים. הפער של הפאנל — 0.69 לעומת 80.3 — גדול מספיק כדי שאין לראות במפרט של 1M טוקנים ראיה ליכולת להתמודד עם 1M טוקנים.

• If you want the model to improve on your domain — V4 Pro gives you no path. Super VL gives you weights, and N​VIDIA published the post-training datasets and NeMo Gym RL environments alongside it, which is the more reusable half of that release.

מה היה משנה את המאמר הזה

שלושה דברים, לפי מידת ההשפעה שלהם על התשובה.

A price for Super VL, from N​VIDIA or from anyone serving it. The moment a per-token figure exists, the first section of this piece becomes arithmetic instead of a framework, and the crossover discussion collapses into a comparison of two numbers.

A second independent dataset on the model. N​VIDIA has one third-party score, and it does not include a long-context or a coding-agent row. A panel re-run that publishes those rows would settle the two questions this article has to leave open.

And the Terminal-Bench 2.1 discrepancy in N​VIDIA's own paperwork — 66.70 on the model card against 60.67 in the technical report's summary table, with everything else in those documents agreeing. One of two primary sources is wrong. Until somebody re-runs the recipes, both values are unsafe to quote, and the fact that the discrepancy exists at all is a reason to treat every other single-sourced row in that report as provisional.

בנצ'מרקים מתיישנים ומחירים משתנים; תיעוד הכשלים לא: תקריות ה-AI וכשלי סוכנים מתועדים מאחורי המודלים במחלקה הזו נאספים בארכיון תקריות ה-AI של OrcaRouter, שבו כל ערך נושא מקורות, חומרה, דירוג מהימנות וסימון מחלוקת משלו.