NVIDIA Nemotron 3.5 Super VL יוצא לשוק: משקלים פתוחים של 120B, טענה של פי 5, ותקלה של 249 GB

NVIDIA Nemotron 3.5 Super VL יצא, והמפרט שצריך להכריע אם בכלל לגעת בו אינו זה שההודעה נפתחת איתו. המודל הוא מערכת חזותית-לשונית עם 120B פרמטרים, 12B פרמטרים פעילים, חלון הקשר של 1M טוקנים, פענוח ספקולטיבי מובנה ותמיכה בטקסט, תמונות, מסמכים וווידאו. פוסט ההשקה של NVIDIA מתוארך ל-15 באוקטובר 2026 ומשווק אותו כמודל האג'נטי הפתוח המהיר ביותר בקטגוריה שלו — "תפוקה מהירה עד פי 5 בהשוואה למודלים אחרים בקטגוריה שלו", כפי שנמדד בלוח הדירוג של Artificial Analysis Intelligence Index. מה שהפוסט לא מציג לפניך הוא שהשחרור כולל שני צ'קפוינטים, שההבדל ביניהם הוא 174 GB של VRAM, ושהקטן מביניהם משלם על החיסכון הזה באופן לא אחיד.

מה בעצם שוחרר ב-15 באוקטובר

שני דברים קרו בימים שונים, והפער חשוב אם אתם מתארכים פריסה. המשקולות נחתו ב-Hugging Face ב-12 באוקטובר בשעה 15:32 UTC. ההכרזה הגיעה לאחר מכן ב-15 באוקטובר. כרטיס המודל של NVIDIA עצמה מציין את השחרור כ-15/10/2026 בגרסה 1.0 GA, כך שהספק רואה ב-15 את תאריך האספקה; חותמות הזמן במאגר אומרות אחרת. אף אחד מהתאריכים אינו בן יותר משבוע, ושניהם כה עדכניים עד ששום דבר בשחרור הזה לא הספיק להיות משוחזר באופן עצמאי.

השחרור רחב יותר מהמודל שעל שמו נקראת ההכרזה:

• Nemotron 3.5 Super VL — הדגם המוביל, 120B סה"כ / 12B פעילים, בגרסת BF16 ובגרסת NVFP4, שניהם פורסמו ב-12 באוקטובר.

• Nemotron 3.5 Super VL Base — הצ׳קפוינט שלפני אימון-המשך, שפורסם לצד גרסת ה-instruct, וזה חשוב כי הרישיון מאפשר לך להריץ אימון-המשך משלך.

• Nemotron 3.5 Bolt 74B-A9B 24GB — מודל edge שנכנס ל-24GB באמצעות קוונטיזציה מקורית של 2 סיביות, שפורסם ב-7 באוקטובר.

• Nemotron 3.5 Bolt E4B 4GB — הקטן ביותר במשפחה, מתאריך 23 באוקטובר.

הארכיטקטורה היא שילוב היברידי של Mamba-2/Transformer מסוג Mixture-of-Experts עם חיזוי ריבוי טוקנים, 512 מומחים מנותבים בכל שכבת MoE, מקודד חזותי C-RADIO ומחבר חזותי-לשוני. הטיפול הרב-מודאלי מכסה OCR, טבלאות, תרשימים, מסמכים רב-עמודיים ועיגון חזותי; וידאו מתקבל כ-MP4 באורך של עד שתי דקות, נדגם ב-2 FPS ועד 256 פריימים, או ב-1 FPS ו-128 פריימים ברזולוציית 1080p. הרישיון הוא OpenMDW-1.1, שכרטיס המודל מציין שהוא מוכן לשימוש מסחרי או לא-מסחרי — סט תנאים מתירני באמת, וחלק אמיתי מהסיבה שהשחרור הזה זכה לתשומת לב.

שתי נקודות ביקורת, ו-174 GB ביניהן

כאן השחרור נעשה מעניין עבור כל מי שצריך לשלם עבור GPUs. NVIDIA פרסמה את אותו מודל פעמיים, בשתי רמות דיוק, ושתי הבניות לא קרובות בגודלן. שני המספרים שלהלן נקראים מתוך רשימות הקבצים של מאגר Hugging Face, שמדווחות על הגדלים של פלחי המשקל הבודדים:

• נקודת ביקורת BF16 — 248.94 GB על פני 63 מקטעים. לפי הכותרת של safetensors, מספר הפרמטרים עומד על 124.45 מיליארד.

• צ'קפוינט NVFP4 — 75.06 GB על פני 88 רסיסים. האינפרנס פועל ב-W4A4 על Blackwell וב-W4A16 על כל דבר ישן יותר.

• חומרה, דיוק מלא — הכרטיס של NVIDIA מפרט 4× H100 או 2× GB200 עבור טקסט, תמונה ווידאו.

• חומרה, מכומתת — 1× H200, 2× H100, 1× GB200, או DGX Spark בודד, כאשר מסלול ה-Spark דורש LiLiCorr drafter לפענוח ספקולטיבי.

• החיסכון — 173.88 GB, או קטן בדיסק פי 3.3 בערך, וההבדל בין צומת עם ארבעה GPUs לבין מאיץ בודד.

יש לקרוא את זה כשאלה כלכלית, כי זה מה שזה. מעבר מארבעה H100s ל-H200 אחד אינו החלטת כיוונון; זה ההבדל בין מודל שאפשר לשים מאחורי מוצר ברבעון הזה לבין אחד שאי אפשר. מתכון הקוונטיזציה שבו השתמשה NVIDIA גם זהיר יותר מהרגיל: מקודד הראייה, המחבר, קונבולוציות Mamba וההטמעות נשארים ב-BF16, ראוטר ה-MoE נשאר ב-FP32, ושאר החלקים נוצרים באמצעות זיקוק מודע לקוונטיזציה מהמודל ב-BF16, עם 200 איטרציות של זיקוק מבוסס SFT על גבי זה.

מה שהבנייה המכומתת מוותרת עליו

NVIDIA פרסמה טבלה מזווגת המשווה בין שתי נקודות הביקורת כאשר כל הגדרה אחרת נשמרת קבועה, וזו הדרך הישרה לבצע את ההשוואה הזו, והיא נדירה יותר ממה שהיא צריכה להיות. הזוגות שלהלן הם המספרים של NVIDIA עצמה, מכרטיס הדגם NVFP4, והם לא כולם באותו כיוון.

היכן שהבנייה המכומתת מפסידה:

• Terminal-Bench 2.1 — 66.70 ב-BF16 לעומת 60.80 ב-NVFP4. ירידה של 5.9 נקודות, הרגרסיה הבודדת הגדולה ביותר בטבלה.

• WebVoyager, לא מקוון — 77.72 לעומת 66.31. ירידה של 11.4 נקודות בעבודת סוכן דפדפן.

• DeepSWE, לא מקוון — 24.65 לעומת 18.20.

• MMLU-ProX — 76.91 לעומת 73.76.

• tau3-bench banking — 18.88 לעומת 17.78.

היכן שהוא עולה, או מחזיק מעמד:

• GPQA-Diamond — 89.52 לעומת 89.90.

• הרשימה המצומצמת של APEX — 88.36 לעומת 89.36.

• שיעור ההזיות של AA-Omniscience — 30.0 לעומת 27.7, כלומר הבנייה המכומסת הוזה מעט פחות לפי המדד של NVIDIA עצמה.

• tau2-bench telecom — 73.19 בשני הצדדים, זהה.

• OCRBench v2 EN — 68.12 לעומת 68.34.

• MMLongBench-Doc — 62.82 בשני הצדדים.

הדפוס קריא גם בלי סטטיסטיקאי. עומסי העבודה של מסמכים, OCR ושליפת ידע בקושי זזים, וחלקם אף משתפרים. עומסי העבודה הסוכניים לטווח ארוך זזים הרבה. אם היישום שלך קורא דיווחים, קבלות או תמונות עמודים ומחזיר פלט מובנה, ה-checkpoint של 75 GB הוא מה שאתה צריך לשרת, ואתה כמעט לא מוותר על כלום. אם היישום שלך הוא סוכן שמפעיל מסוף או מנווט בדפדפן במשך עשרות צעדים רצופים, אתה מחליף ככתשעה אחוזים מ-Terminal-Bench תמורת שלושה רבעים מחשבון ה-GPU שלך, וזו החלטה שכדאי להריץ על ה-eval שלך ולא על טבלת ספק.

ה-5x, ולעומת מה הוא נמדד

הכותרת של NVIDIA היא תפוקה, ומגיע לה להיקרא בקפידה, לא להתעלם ממנה ולא לחזור עליה. הטענה היא "עד פי 5 תפוקה מהירה יותר בהשוואה למודלים אחרים במחלקה שלה", והמחלקה אינה מוגדרת בפוסט. המדידה היא של NVIDIA, על תשתית ההגשה של NVIDIA, בכל מידת מקביליות ותמהיל רצפים שהמתכון בחר — טבלאות הפריסה של כרטיס המודל עצמו מפרטות 32 רצפים במקביל ו-5 או 3 אסימוני טיוטה ספקולטיביים בהתאם לחומרה, ותפוקה על פרוקסי סוכני בן 20 תורות היא מספר שונה מאוד מתפוקה על הנחיות חד-פעמיות.

שום דבר מזה לא הופך את הטענה לשקרית. זה הופך אותה לטענת ספק לגבי עומס עבודה שהוגדר על ידי הספק, וזה בדיוק מה שהתווית אומרת. ומה שכדאי לציין הוא שבגרסה הזו אין משקל נגד: לא פורסמה מדידת תפוקה בלתי תלויה של נקודות הביקורת האלה, כך שהמספרים היחידים בתפוצה הם של NVIDIA. נתון תפוקה בלי מודל בסיס נקוב בשמו, מקביליות מוצהרת ותצורת חומרה מוצהרת אינו משהו שאפשר לתכנן לפיו קיבולת. אם ה-5x הוא בעל משקל בהחלטה שלך, שחזר אותו על התעבורה שלך לפני חתימה על שריון GPU.

היכן שהמודל חזק, לפי הטבלה של NVIDIA עצמה

כרטיס המודל הבודד מפרט גם כיצד ה-checkpoint של BF16 משתווה לעמיתיו, וכדאי לקרוא את העמודות שמימין לאלה של NVIDIA עצמה, מכיוון שגם הן של NVIDIA. מול Qwen3.5-122B-A10B, Qwen3.8-Flash-Next, DeepSeek-V4-Flash, Nemotron 3 Ultra, Inkling-Small ו-GLM-5.3-Flash:

• Video-MME v2 — 32.85, לעומת Qwen3.8-Flash-Next עם 45.1 ו-GLM-5.3-Flash עם 14.8. באמצע הדירוג, והפיזור הרחב ביותר מכל שורה.

• OCRBench v2 EN — 68.12, בערך באותה רמה כמו Qwen3.8-Flash-Next ב-67.9 ו-Qwen3.5-122B-A10B ב-68.3.

• הסקה ב-CharXiv — 80.82, מפגר אחרי שני דגמי Qwen.

• MathVision — 78.16, מאחורי Qwen3.8-Flash-Next עם 87.5.

• MMLU-ProX — 76.91, מאחורי כל עמודת עמיתים באותה שורה.

• שיעור ההזיות של AA-Omniscience — 30.0, לעומת Qwen3.5-122B-A10B עם 84.5 ו-DeepSeek-V4-Flash עם 95.9. בשורה הזו, נמוך יותר עדיף, והפער אינו קטן.

• Terminal-Bench 2.1 — 66.70, לעומת Qwen3.8-Flash-Next עם 85.8 ו-GLM-5.3-Flash עם 82.7.

• SWE-bench Verified — 71.10, לעומת GLM-5.3-Flash עם 79.10.

• OSWorld-Verified — 51.14, לעומת GLM-5.3-Flash עם 14.78.

הצורה של זה תואמת את מה ש-NVIDIA אומרת שהמודל נועד לו. הוא לא המוביל בחשיבה גולמית או בקידוד, והוא גם לא מתיימר להיות כזה — ההכרזה מציבה אותו מול המודל הגדול ביותר שלה, עם בערך חמישית ממספר הפרמטרים, ולא מול החזית. הוא חזק במשמעת סביב הזיות, בחילוץ מסמכים ובעבודת סוכני שולחן עבודה, באמצע החבילה בווידאו, ומפגר בבנצ׳מרקים הקשים ביותר של טרמינל סוכני. אם הגעת לשחרור הזה כי "הבנת וידאו" הופיעה בשורה הראשונה של ההכרזה, מספרי הווידאו הם אלה שכדאי לבחון מקרוב.

כמה עולה להפעיל

אין מחיר מחירון, וזו אינה השמטה מצד NVIDIA — זה הצורה של שחרור במשקולות פתוחות. NVIDIA אינה מוכרת את המודל הזה לפי טוקן בתעריף מפורסם; היא מפרסמת משקולות תחת OpenMDW-1.1 וקונטיינר NIM עם קונפיגורציות מאומתות, ואתם משלמים על ה-GPUs. לכן שאלת העלות היא שאלת שעות-GPU, ושתי התשובות המקובלות הן 4× H100 עבור BF16 או H200 אחד או DGX Spark בודד עבור NVFP4.

זה החלק בחשבון שרוב הצוותים טועים בו כשהם משווים מודל פתוח ל-API מתארח. הצד המתארח מציין תעריף לפי טוקן שכבר כולל את עקומת הניצול של מישהו אחר. הצד הפתוח מציין צ'קפוינט ורשימת חומרה מינימלית, והמספר האמיתי תלוי לחלוטין בשאלה אם אתה מצליח להעסיק את ה-GPU. H200 בודד שמריץ צ'קפוינט של 75 GB ומשרת תהליך עבודה פנימי אחד כמה מאות פעמים ביום הוא יקר בהרבה לקריאה מאשר אותו צ'קפוינט בפריסה משותפת. שכור לפני שאתה קונה, ומדוד טוקנים לשנייה על הפרומפטים שלך ולא על עומס עבודה פרוקסי.

לנסות את זה לפני שאתה מהמר על זה עם מוצר

הצעד הראשון והכן עבור מודל שהתיעוד שלו בן יום הוא הערכה, לא מיגרציה, ושם שער עושה עבודה אמיתית ולא עבודה רטורית. מפתח אחד עבור יותר מ-200 מודלים במחיר המחירון של הספק עם 0% תוספת פירושו שההשוואה שאתם באמת רוצים — Nemotron 3.5 Super VL מול מודל הטקסט או הראייה שאתם מריצים היום — היא שינוי במחרוזת מודל ולא מערכת יחסים עם ספק שני, ומעבר אוטומטי בין ספקים בעת תקלה פירושו שעומס עבודה שאתם רק בודקים יכול לרוץ לצד תעבורת ייצור בלי שאחד מהם יהיה תלוי בשני. זה חשוב כאן יותר מהרגיל: שני הצ'קפוינטים מתנהגים בצורה שונה מספיק בעבודה סוכנית כך שהניסוי המועיל אינו "האם המודל הזה טוב" אלא "איזו משתי הבניות האלה, על איזה מבחן שלי, באיזו עלות GPU."

הרצף שמונע בזבוז של חודש GPU: בחר תחילה את עומס העבודה שצורתו מסמך, כי שם הפער בין BF16 ל-NVFP4 הוא הקטן ביותר ושם המספרים של המודל עצמו הם הטובים ביותר. הרץ אותו מול הצ'קפוינט הקטן יותר. דרג אותו מול הערכה שכתבת. ורק אז החלט אם עומסי העבודה האג'נטיים — אלה שבהם הגרסה המקוונטת מאבדת 5.9 נקודות ב-Terminal-Bench ו-11.4 ב-WebVoyager — מצדיקים את הבנייה של 249 GB וארבעה GPUs.

מה עוד נותר ללא מענה

שלושה פערים ראויים למעקב, כי הם משנים את ההחלטה ולא את השיווק.

הראשון הוא הערכה בלתי תלויה. כל מספר במאמר הזה שמגיע מ-NVIDIA מסומן ככזה, ובגרסה הזו זה נכון לגבי כולם. אף צד שלישי לא פרסם מדידת תפוקה, שחזור דיוק או השוואת מערכת הערכה לאף אחד משני הצ'קפוינטים. הטענה לתפוקה של פי 5 וטבלת הכימות המזווגת עקביות מבחינה פנימית, וברור שהופקו בקפידה, והן נותרות מדווחות על ידי הספק ולא משוחזרות. התייחסו אליהן כאל חסם עליון עד שמישהו מחוץ ל-NVIDIA יפרסם את אותם הניסויים.

השני הוא מסלול הווידאו. המודל מקבל MP4 וההכרזה מובילה עם הבנת וידאו, אבל במדד הווידאו היחיד בטבלה של NVIDIA עצמה הוא נוחת על 32.85 בעוד Qwen3.8-Flash-Next יושב על 45.1. נתוני האימון כיסו וידאו מ-10,000 עד מיליון שעות, שזה טווח רחב ולא אומר לך דבר על צפיפות או דומיין. אם וידאו הוא מקרה השימוש שלך, זו השורה שיש לבדוק ראשונה והשורה שהכי סביר שתאכזב מצגת רכש שנבנתה מההכרזה.

השלישי הוא צ'קפוינט הבסיס. פרסומו תחת אותו רישיון הוא החלק של מהדורה זו עם הזנב הארוך ביותר, כי הוא מאפשר לצוות עם נתונים משלו להריץ פוסט-אימון במקום לפרומפט סביב זה של הספק. קורפוס הפוסט-אימון של NVIDIA עצמה עבור משפחה זו פתוח גם כן, וגדלי האפקט בדוח של NVIDIA מגיעים לעשרות נקודות בתוך ההרנס של NVIDIA. אף אחד עדיין לא פרסם פיין-טיון עצמאי ואמין מאותו בסיס. כאשר מישהו יעשה זאת, זה יגיד לך יותר על התקרה האמיתית של המודל הזה מאשר פוסט ההשקה.

המשקלים ניתנים להורדה היום, והרישיון מאפשר לך להשתמש בהם באופן מסחרי. שני הדברים שאינך יכול להוריד הם מדד ביצועים בלתי תלוי ונתון תפוקה עם בסיס השוואה נקוב — ושניהם הם מה שתצטרך לפני שתחייב מסלול ייצור למודל שהוא כיום בן ארבעה ימים בלבד.