Nemotron 3.5 Super VL מול Nemotron 3 Ultra: זול יותר מספינת הדגל, או רק קטן יותר?

ל-NVIDIA יש שלוש דרגות של Nemotron 3.5 ואחת מהן היא מלכודת למתכננים. NVIDIA Nemotron 3 Ultra 550B-A55B, שיצא ב-4 ביוני 2026, הוא ספינת הדגל של המשפחה: 550 מיליארד פרמטרים בסך הכול עם 55 מיליארד פעילים לכל טוקן, שכבות LatentMoE עם Multi-Token Prediction, הקשר של 1M טוקנים, ומינימום מוצהר של שישה-עשר H100 או שמונה GB200. NVIDIA Nemotron 3.5 Super VL, שמשקלותיו הגיעו ל-Hugging Face ב-12 באוקטובר 2026, כשההכרזה של NVIDIA הגיעה לאחר מכן ב-15 באוקטובר, הוא מהווה את הדרגה שמתחתיו: 120B בסך הכול, 12B פעילים, אותו הקשר של 1M טוקנים, מקודד חזותי C-RADIO, ורצפה של ארבעה H100 או שני GB200. כרטיס הדגם של NVIDIA עצמה עבור Super VL משווה אותו ישירות מול Ultra וטוען לדיוק בסביבת Ultra בכ-חמישית מהפרמטרים. הטענה הזו מדווחת מטעם הספק, לא שוחזרה, והיא המשפט היחיד שכל ההשוואה הזו תלויה בו.

האריתמטיקה שבאמת מכריעה את הפריסה

התחל ממה ששתי נקודות הביקורת דורשות פיזית, כי זה המספר שבעל התקציב מאשר.

• סך הפרמטרים — 120B עבור Super VL לעומת 550B עבור Ultra. בערך פי 4.6 מנפח המשקלים, והמשקלים הם מה שממלא את כרטיסי ה-GPU.

• פרמטרים פעילים לכל טוקן — 12B לעומת 55B. החישוב לכל טוקן נגזר מזה, ולא מהסך הכולל, ולכן שני המודלים זולים בהרבה להרצה מכפי שגודלם מרמז — ולכן גם הפער ביניהם הוא פי 4.6 בזיכרון, אך גם פי 4.6 באריתמטיקה לכל טוקן.

• חומרה מינימלית — 4×H100 או 2×GB200 עבור Super VL; 16×H100 או 8×GB200 עבור Ultra. במונחים מעשיים, צומת אחד לעומת ראק שלם.

• מודאליות — קלט של טקסט, תמונות ווידאו ב־Super VL; טקסט נכנס, טקסט יוצא ב־Ultra. ל־Ultra אין כלל נתיב ראייה.

• עיצוב קשב — Super VL הוא היברידי משולב של Mamba-2, תערובת מומחים וקשב עם 512 מומחים מנותבים לכל שכבת MoE; Ultra עושה שימוש בסידור LatentMoE של NVIDIA. לשניהם יש ראשי MTP לפענוח ספקולטיבי.

• רישיון — OpenMDW-1.1 עם שימוש מסחרי בשניהם, המשקלים והמתכונים פתוחים בשניהם.

התבנית בשש השורות האלה היא ש-Super VL אינו Ultra מצומצם. זהו סוג אחר של מודל: עם יכולות ראייה, קטן בהרבה מבחינת זיכרון, ו—מה שקריטי—ניתן לפריסה על חומרה שצוות בגודל בינוני עשוי כבר להחזיק. הרף התחתון של Ultra הוא שיחה על מרכז נתונים. הרף התחתון של Super VL הוא צומת הסקה רציני.

מה נותנים 43 מיליארד הפרמטרים הפעילים הנוספים

המקרה הכללי של ההנמקה

Ultra נבנה כדי לעמוד בראש הסטאק של NVIDIA לחשיבה טקסטואלית טהורה, והגרסה של NVIDIA מיוני מבצעת עליו בנצ'מרק מול שישה מודלי חזית עכשוויים במערכי בדיקות של ידע, מתמטיקה, קידוד והקשר ארוך. הנתונים האלה, כמו כל נתון בהשוואה הזאת, מגיעים ממערכת הבדיקה של NVIDIA ולא ממעריך בלתי תלוי, ולכן הם מבססים את מה ש-NVIDIA מדדה, לא את מה שצד שלישי היה מודד.

המקרה הרב-מודאלי

כאן ההשוואה מתהפכת. Ultra אינו מסוגל לקרוא עמוד. אם העבודה כוללת מסמכים, טבלאות, תרשימים, צילומי מסך או פריימים של וידאו, דגם הדגל פשוט אינו מועמד, והמודל הגדול ביותר במשפחה אינו רלוונטי לבעיה שלך, לא משנה עד כמה מדד ההיסק שלו טוב. מקודד הראייה והמחבר של Super VL קיימים בדיוק לשם עומס העבודה הזה, והחוזקות המפורסמות שלו — OCR, חילוץ מובנה ממסמכים חזותיים, תהליכי עבודה עסקיים רב-שלביים — מתארים משימה שונה מזו שאליה Ultra כוונן.

המקרה של ההקשר הארוך

שניהם מגיעים ל-1M טוקנים. NVIDIA הרחיבה את ההקשר של Super VL בשלב ייעודי של 35 מיליארד טוקנים, ואחריו מעבר התאוששות להקשר ארוך, וזה אות חזק יותר מאורך מקסימלי בלבד: פירושו שקלט ארוך טופל כיכולת שיש לשמר ולא כמאגר לפרסום. Ultra הגיעה לאותו חלון דרך צינור האימון שלה. בלי הערכה בלתי תלויה של הקשר ארוך לשניהם, התייחסו לזה כתיקו עם יתרון סביר למודל שעקבות האחזור שלכם אומרות שהוא מחזיק מעל 200k.

הגשת אחד או שניהם, ומלכודת השכבות

המלכודת היא להניח שהמשפחה היא סולם שמטפסים עליו. היא קרובה יותר לחלוקה, וקו החלוקה נקבע לפי עלות לכל משימה ולא לפי יכולת. מודל עם 12B פרמטרים פעילים שזקוק לשני GB200 ומסיים משימת מסמך מהר פי חמישה מבני סוגו, אם טענת התפוקה של NVIDIA נכונה, גובר על מודל עם 55B פרמטרים פעילים במשימה הזו בלי קשר למי מביניהם חכם יותר — כי החכם יותר יושב בטל וממתין שהתור של המהיר יותר יתרוקן. הפוך את המשימה לבעיית קידוד או מתמטיקה ארוכת טווח בלי פיקסלים בה, והפרמטרים הנוספים של Ultra עושים עבודה אמיתית.

אף אחד מאלה אינו בקטלוג שלנו, וכדאי להיות מפורשים במקום לתת למשפט מעורפל לרמוז אחרת: OrcaRouter אינה מספקת את NVIDIA Nemotron 3.5 Super VL, את Nemotron 3 Ultra 550B-A55B, או כל צ'קפוינט אחר של NVIDIA. אלה משקלים שאתם פורסים. מה ששכבת ניתוב תורמת להחלטה כמו זו הוא מדידה ולא גישה. ה-DSL לניתוב מאפשר לכם להעמיד את אותו פרומפט מול שני מודלים במעלה הזרם ולקרוא את התשובות זו לצד זו, כך שהערכה של מועמד עם 12B פרמטרים פעילים מול מודל קיים עם 55B פרמטרים פעילים היא שינוי בקונפיגורציה במקום שני פרויקטי אינטגרציה. מעבר אוטומטי לגיבוי חשוב מהסיבה ההפוכה: אם מודל מתארח שאליו אתם מנתבים נחלש באמצע הצינור, הבקשה עוברת במקום להיכשל, מה ששומר על מסלול גיבוי פעיל עבור הצוותים ששומרים על Super VL באירוח עצמי כמודל הראשי שלהם. ולחלקים של עומס העבודה שאף שכבת אירוח עצמי לא אמורה לספוג — פרצים, מודאליות נדירות, עבודות חד-פעמיות עם הקשר גדול — הקטלוג מאחורי מפתח אחד, יותר ממאתיים מודלים בתוספת של 0% מעל מחיר המחירון של הספק, הוא היעד שאליו הבקשות האלה הולכות.

ההצגה הכנה של הפסקה הזו היא שאנחנו לא הספק של אף אחד מהמודלים כאן. אנחנו השכבה שהופכת את ההשוואה לזולה להרצה ואת מסלול ההסלמה לזול לתחזוקה.

הטענה שיש לבדוק לפני שמתחייבים

הכול לעיל מצטמצם למשפט אחד לא מאומת: שמודל בן 120B פרמטרים עם 12B פעילים משתווה למודל ההיסק הגדול ביותר של NVIDIA בכחמישית ממספר הפרמטרים. אם זה מחזיק, Super VL הוא ברירת המחדל הטובה יותר לעומס מעורב, ו-Ultra שמור לזנב הצר של בעיות שבאמת זקוקות לו. אם זה לא מחזיק — ויום לאחר ההשקה איש מחוץ ל-NVIDIA לא מדד — אז שתי השכבות הן פשוט גדלים שונים של אותו דבר, והבחירה חוזרת להיות תלויה במה שהמשימה שלך צריכה: פיקסלים או בלי פיקסלים, צומת אחד או ארון אחד.

המבחן זול וספציפי. קח חמישים משימות אמיתיות מהתור שלך שיש להן תשובה ניתנת לבדיקה, הרץ אותן מול שניהם, ותן ציון להשלמה ולא לציוני בנצ׳מרק. המספר הזה, ולא זה של NVIDIA, הוא שקובע לאיזו שכבה אתה קונה חומרה — וזה המספר שיישאר נכון כשהשחרור הבא של Nemotron יאפס את הדף הזה.