NVIDIA Nemotron 3.5 Super VL 120B vs DeepSeek V4 Pro: piksel memakan biaya 40 kali lebih besar daripada teks, dan inilah perhitungannya

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.

Jawaban singkatnya

Jika input Anda berupa teks dan anggaran Anda merupakan pos tersendiri, DeepSeek V4 Pro menang dengan selisih yang tidak dapat dikejar oleh model terbuka mana pun — panel pihak ketiga menempatkannya 9,5 poin indeks di depan Super VL dengan biaya hanya sebagian kecil dari satu sen per seribu token. Jika input Anda mencakup gambar, video, atau pindaian halaman, tidak ada perbandingan sama sekali, karena DeepSeek V4 Pro tidak dapat melihatnya. Kedua model tersebut tidak tumpang tindih pada aspek yang paling diperhatikan oleh sebagian besar tim.

Apa masing-masing model itu, dalam satu kali pembahasan

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.

Di mana biaya input sebenarnya berada

Inilah perhitungan yang belum pernah dipublikasikan siapa pun. Ambil satu set kontrak hasil pindai setebal 200 halaman. Melalui DeepSeek V4 Pro, dokumen itu harus di-OCR dan teksnya diekstrak sebelum masuk, lalu model tersebut menagih Anda $0,66 per juta token masukan atas teks yang telah diekstrak. Melalui Super VL, halaman-halamannya masuk sebagai gambar, sekali saja, ke model yang sudah Anda bayar per jam GPU.

• DeepSeek V4 Pro dengan harga daftar — $0,66 masuk, $1,98 keluar, $0,022 baca cache, per juta token. Ekstraksi 200 halaman cukup murah sehingga biaya per panggilan tidak muncul dalam tinjauan anggaran.

• Biaya inflasi Super VL — 4× H100 atau 2× GB200 dalam BF16, atau satu H200 / satu GB200 / satu DGX Spark dalam NVFP4. Itu adalah biaya sewa atau belanja modal yang terus berjalan, terlepas dari apakah ada dokumen yang masuk atau tidak.

• Titik persilangan — titik ketika self-hosting Super VL menjadi lebih murah daripada OCR-plus-V4-Pro — merupakan fungsi dari volume dokumen Anda dan utilisasi yang dapat Anda pertahankan pada GPU. Tidak ada yang mempublikasikannya, dan bagi tim bervolume rendah, kemungkinan besar titik itu tidak akan pernah tercapai.

• 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.

Ini adalah argumen nyata untuk model visi dan ini bukan argumen benchmark. Intinya adalah langkah ekstraksi menghilang. Halaman sampai ke model sebagaimana adanya, dan model harus menangani bagan dan tabel serta tata letak yang janggal alih-alih menerima perkiraan yang telah diratakan dari semuanya. Apakah visi Super VL cukup baik untuk membenarkan memiliki GPU adalah pertanyaan tentang dokumen Anda, dan satu-satunya cara jujur untuk menjawabnya adalah menjalankan kumpulan Anda sendiri melalui build NVFP4 pada satu H200 dan menghitung kesalahannya.

Baris benchmark yang ada, dan milik siapa baris-baris itu

Ada dua jenis angka berbeda yang berperan di sini dan keduanya tidak boleh dikutip dalam satu kalimat yang sama tanpa label.

Diukur oleh panel, dari Artificial Analysis, tempat DeepSeek V4 Pro terakhir dievaluasi pada 13 Agustus 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. Panel tersebut tidak memuat baris Super VL.

• Pengingatan konteks panjang — DeepSeek V4 Pro 80.3 vs Super VL 0.69 pada skala AA-LCR, yang merupakan kesenjangan proporsional terlebar dalam artikel ini.

• SciCode — DeepSeek V4 Pro 51.0 vs baris Super VL yang tidak dipublikasikan pada panel.

• Terminal-Bench 4.0 — DeepSeek V4 Pro 14.1 vs 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:

• Agentik — SWE-bench Verified 71.10, SWE-bench Multilingual 67.72, SWE-bench Pro 51.78, tau2-bench retail 69.24 dan airline 76.50, BrowseComp 78.91, GraphWalks 89.71 pada setelan lebih dari 1 juta token.

• Penalaran — GPQA-Diamond 89,52, HLE tanpa alat 31,79, naik menjadi 46,01 dengan alat pada harness internal terpisah.

• Visi — CharXiv-RQ 80.82, MathVision 78.16, V* 85.60, OCR-Reasoning 65.08, OCRBench-v2 pada 68.12 bahasa Inggris dan 59.15 bahasa Tionghoa, 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.

Mengapa baris konteks panjang adalah yang perlu dikhawatirkan

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.

Ini tidak mengukur hal yang sama, dan justru itulah masalahnya bagi siapa pun yang harus memutuskan. Jika beban kerja Anda adalah "temukan klausul dalam berkas 900.000 token ini," angka dari panel lebih dekat dengan tugas Anda, dan jaraknya tidak dekat. Jika beban kerja Anda adalah "telusuri kumpulan dokumen yang bertaut ini dan laporkan apa yang bergantung pada apa," angka dari vendor lebih dekat, dan itu tetap harus diperlakukan sebagai klaim. Sampai seseorang yang independen menjalankan kedua tugas itu terhadap checkpoint, asumsi perencanaan yang aman adalah bahwa konteks efektif Super VL jauh lebih pendek daripada yang tercantum di lembar spesifikasinya.

Dua rute, satu kunci, dan perbedaan harga yang terlihat jelas

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.

Yang diberikan gateway kepada Anda dalam pemasangan ini adalah bahwa kedua bagian pipeline tidak lagi menjadi dua integrasi. Panggilan ekstraksi-dan-triase diarahkan ke deployment Super VL Anda sendiri; panggilan penalaran, coding, dan teks bervolume tinggi yang murah diarahkan ke DeepSeek V4 Pro pada endpoint yang sama dan key yang sama; dan pemisahan tersebut dinyatakan sebagai aturan routing, bukan sebagai kondisional dalam kode aplikasi. Ketika routing gambar menjadi faktor penentu, DSL dapat mengandalkan ada tidaknya lampiran gambar pada sebuah prompt — cara yang lebih bersih untuk mempertahankan batas tersebut daripada mengingat jalur kode mana yang melakukan apa. Failover otomatis antar penyedia berada di bawah model yang di-routing, sehingga 429 dari hulu pada panggilan teks jatuh ke fallback, bukan ke pengguna Anda.

Mencari tahu di sisi mana kamu berada dari garis itu

• Jika Anda tidak memiliki gambar — DeepSeek V4 Pro, tanpa analisis lebih lanjut. Unggul sembilan setengah poin indeks, $0,66 per juta untuk input, token pertama p50 1,89 detik, dan tidak ada yang perlu dioperasikan.

• Jika Anda memiliki gambar tetapi volume rendah — OCR plus DeepSeek V4 Pro sampai tingkat kesalahan dari ekstraksi mulai lebih mahal daripada biaya GPU. Ukur dulu kesalahan ekstraksinya; angka itu, bukan kesenjangan benchmark, yang menentukan titik persilangannya.

• Jika Anda memiliki gambar dan tidak dapat mengirimkannya ke mana pun — Super VL adalah satu-satunya opsi yang tersedia, dan keputusannya menjadi checkpoint yang mana: BF16 jika Anda berniat melakukan fine-tune, NVFP4 jika Anda berniat untuk serve.

• Jika recall konteks panjang adalah inti beban kerja — ujilah sebelum Anda berkomitmen. Angka 0,69 panel versus 80,3 merupakan jarak yang cukup besar sehingga lembar spesifikasi 1M token tidak boleh dijadikan bukti kompetensi 1M token.

• 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.

Apa yang akan mengubah artikel ini

Tiga hal, diurutkan berdasarkan seberapa besar pengaruhnya terhadap jawaban.

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.

Tolok ukur menjadi usang dan harga bergerak; catatan kegagalan tidak: insiden AI dan kegagalan agen yang terdokumentasi di balik model di kelas ini dikumpulkan dalam Arsip Insiden AI OrcaRouter, yang di dalamnya setiap entri memuat sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda sengketa.