Nemotron 3.5 Super VL vs DeepSeek V4 Flash Vision Exp: Delapan Poin Indeks, dan Hanya Satu di Antaranya yang Merupakan Produk

Pada Artificial Analysis Intelligence Index, DeepSeek V4 Flash Vision Exp mengalahkan NVIDIA Nemotron 3.5 Super VL dengan 8,35 poin — 34,84 hingga 26,49, keduanya non-estimasi — dan hal itu dilakukan pada harga yang dipublikasikan $0,44 per juta token input dan $1,32 output sementara NVIDIA tidak mempublikasikan harga sama sekali. Itulah ringkasan yang diperoleh pembaca lembar spesifikasi, dan itu adalah ringkasan yang salah untuk dijadikan dasar bertindak. Kedua model ini tidak bersaing untuk slot yang sama. NVIDIA Nemotron 3.5 Super VL adalah model yang tersedia secara umum dengan laporan teknis, mikroservis NIM, dukungan enterprise, dan ekosistem pasca-pelatihan yang mencakup Scale AI, Salesforce, dan CrowdStrike. DeepSeek V4 Flash Vision Exp, sesuai namanya sendiri, adalah sebuah eksperimen: anggota multimodal pertama dari keluarga V4, dikirim sebagai bobot plus implementasi referensi PyTorch minimal, dan dinilai pada panel tersebut dalam konfigurasi yang tidak dijual oleh DeepSeek. Delapan poin adalah selisih yang nyata. Ini juga merupakan selisih antara layanan dan artefak riset, dan pertanyaan yang berguna bukanlah siapa yang menang, melainkan mana yang dapat berada di dalam batas kepatuhan Anda dalam enam bulan.

Apa sebenarnya masing-masing itu

NVIDIA Nemotron 3.5 Super VL adalah hibrida 120B parameter — lapisan Mamba-2, mixture-of-experts dengan 512 expert yang dirutekan, dan attention — dengan encoder visi C-RADIO, 12B parameter aktif per token, konteks hingga 1 juta token, dan Multi-Token Prediction native untuk decoding spekulatif tanpa drafter terpisah. Masukannya adalah teks, gambar, dan video; keluarannya adalah teks. Evaluasi NVIDIA sendiri mencakup OCR, penalaran bagan dan dokumen, pemahaman video, dan pekerjaan konteks panjang, serta lisensinya adalah OpenMDW-1.1, yang mengizinkan penggunaan komersial. Ini menyertakan laporan teknis dan resep deployment yang dipublikasikan untuk 4×H100 atau 2×GB200.

DeepSeek V4 Flash Vision Exp dibangun di atas arsitektur DeepSeek-V4-Flash, dengan menambahkan modul visual dan pelatihan lanjutan. Repositori ini membawa 48 shard safetensors di bawah MIT, sebuah tokenizer, modul pengodean yang mengubah blok pesan bergaya OpenAI menjadi prompt, dan implementasi PyTorch minimal yang mencakup encoder visi, aligner, DFlash attention, MoE, Hyper-Connections, dan jalur forward DSpark. Konfigurasinya menunjukkan MoE 43 lapis dengan 256 expert yang dirutekan, 6 expert per token, 1.048.576 posisi maksimum, dan kepala prediksi multi-token tiga lapis. Kartu modelnya secara eksplisit menyatakan bahwa ini adalah model multimodal eksperimental pertama DeepSeek di lini V4, dan bahwa model ini meningkatkan DeepSeek-V4-Flash-0731 pada tugas agen multimodal sekaligus mempertahankan performa yang sebanding pada tugas teks saja.

• Parameter dan bentuk — NVIDIA Nemotron 3.5 Super VL: total 120B / aktif 12B MoE hibrida dengan visi C-RADIO. DeepSeek V4 Flash Vision Exp: total 284B / aktif 13B MoE, 256 pakar yang dirutekan, 6 per token.

• Intelligence Index — 26,49 untuk Super VL, 34,84 untuk konfigurasi DeepSeek yang dilayani. Keduanya bukan estimasi, keduanya menurut Artificial Analysis.

• Token keluaran per tugas indeks — 49.174 dibandingkan 69.174. Super VL menyelesaikan tugas panel dengan 29% lebih sedikit token.

Harga — tidak ada tarif yang dipublikasikan di mana pun untuk Super VL; $0,44 masuk / $1,32 keluar per juta untuk konfigurasi DeepSeek yang dilayani, menurut panel yang sama.

• Lisensi dan komitmen — OpenMDW-1.1 dengan penggunaan komersial, GA, dan layanan NIM untuk Super VL; bobot MIT dan implementasi referensi, dilabeli eksperimental, untuk DeepSeek V4 Flash Vision Exp.

• Modalitas — teks, gambar, dan video masuk untuk Super VL sesuai kartu NVIDIA; gambar masuk, teks keluar untuk model DeepSeek, yang tabel benchmark-nya sendiri tidak memiliki baris video sama sekali.

Kesenjangan delapan poin tetap bertahan; perbandingan harganya tidak.

Mulailah dari bagian yang benar-benar sudah pasti. Model DeepSeek mendapat skor lebih tinggi dan biayanya lebih rendah per token, dan selisihnya bukan sekadar derau — 8,35 poin indeks kira-kira sebesar jarak antara NVIDIA Nemotron 3.5 Super VL dan 550B NVIDIA Nemotron 3 Ultra 550B A55B milik NVIDIA sendiri, yang berada pada 22,93. Jadi kerangka yang jujur adalah bahwa rilis multimodal eksperimental 284B dari sebuah lab Tiongkok saat ini mencetak skor lebih tinggi daripada model visi terbuka andalan lab Amerika, dengan ukuran sekitar sepertiga pada sumbu parameter aktif dan pada tarif yang dipublikasikan. Jika beban kerja Anda adalah pemahaman layar dan bagan yang disalurkan melalui API, itulah seluruh jawabannya dan Anda bisa berhenti membaca.

Perbandingan itu tidak lagi berlaku begitu Anda ingin menjalankannya sendiri, dan itulah alasan kedua model ini ada. Angka 34,84 itu melekat pada konfigurasi Max yang disediakan sebagai layanan, bukan pada checkpoint yang dapat Anda deploy. Repositori Hub memang merupakan rilis bobot asli di bawah MIT, tetapi kartu milik DeepSeek sendiri menyajikannya sebagai artefak eksperimental dengan jalur inferensi minimal — jenis rilis yang diterbitkan sebuah lab agar peneliti dapat mereproduksi makalah, bukan jenis yang didukungnya dengan kontrak perusahaan. NVIDIA melakukan yang sebaliknya: menerbitkan bobot pada saat yang sama dengan produknya, dengan pemanggil diharapkan menyediakan hosting sendiri. Pada benchmark yang dipilih kedua lab untuk dipublikasikan, perbedaannya terlihat. DeepSeek menekankan kerja agen multimodal — ApexBench 36,5 versus 26,2 miliknya sendiri untuk model teks-saja, Chartography 64,3, ZeroBench pada 35,0 pass@5, Agents' Last Exam 27,3. NVIDIA menekankan ranah dokumen dan video — OCRBench v2 pada 68,12 dalam bahasa Inggris, MMLongBench-Doc 62,82, penalaran CharXiv 80,82, Video-MME v2 32,85. Tidak ada dari kedua kumpulan itu yang sebanding dengan yang lain, dan keduanya dilaporkan vendor.

Jika nomor vendor tidak cocok satu dengan yang lain

Ada satu detail dalam tabel NVIDIA sendiri yang layak mendapat satu paragraf, karena hal semacam ini persis yang biasa “dicuci” dalam agregasi. Kolom perbandingan NVIDIA mencantumkan DeepSeek-V4-Flash0731 dan melaporkan Terminal-Bench 2.1 sebesar 76.80 untuk model itu. Kartu milik DeepSeek sendiri melaporkan 82.7 untuk model yang sama pada benchmark yang sama, dan 83.9 untuk DeepSeek V4 Flash Vision Exp. Tiga angka, satu benchmark, dua harness, dan tidak ada rekonsiliasi dari kedua belah pihak. Ini bukan skandal — scaffolding dan pengaturan reasoning-effort yang berbeda menggeser benchmark agentik beberapa poin, dan NVIDIA menerbitkan resep NeMo Gym-nya justru agar pengaturannya dapat diperiksa. Tetapi ini berarti ketika Anda melihat selisih indeks delapan poin, indeks itu sendirilah bagian yang andal, sedangkan benchmark komponennya tidak. Indeks ini adalah satu harness tunggal yang diterapkan pada kedua model oleh pihak ketiga. Tabel benchmark-nya adalah empat lab yang menilai pekerjaan rumahnya sendiri dengan scaffolding mereka sendiri.

Pada panel yang sama, kedua model memiliki indeks omniscience negatif. Super VL berada pada minus 4,22 dengan akurasi 23,3% dan tingkat halusinasi 35,8%; baris itu mengukur apakah model menolak menjawab ketika tidak mengetahui, dan tak satu pun dari keduanya bagus dalam hal itu. GDPval-AA — deliverable yang telah selesai, bukan jawaban — memberi Super VL 1.162,41 dan memberikan rubrik AA-Briefcase Elo 998,76. Untuk model DeepSeek, baris yang sama tidak terisi dalam konfigurasi yang disajikan. Jika kasus penggunaan Anda adalah pengambilan pengetahuan, tak satu pun dari kedua angka itu menggembirakan. Jika itu produksi dokumen, Super VL memiliki satu-satunya baris terukur di antara keduanya.

Menjalankan salah satunya

Deployment adalah titik ketika jalur-jalurnya berpisah secara permanen. NVIDIA Nemotron 3.5 Super VL menyajikan BF16 pada 4×H100 atau 2×GB200 dengan kontainer vLLM dan SGLang yang di-pin, menambahkan build NVFP4 untuk footprint yang lebih kecil, dan mendokumentasikan pipeline video yang mengambil sampel 256 frame pada 2 FPS dengan laju pemangkasan 0,5. DeepSeek V4 Flash Vision Exp menerbitkan resep vLLM untuk satu node 4×GB300 dengan cache KV FP8, ukuran blok 256, dan decoding spekulatif DSpark yang diambil dari checkpoint yang sama, plus jalur SGLang — lebih ringan di sisi penjualan, lebih berat dalam mengasumsikan bahwa Anda tahu apa yang Anda lakukan. Keduanya membutuhkan perangkat keras kelas pusat data; keduanya bukan model laptop. Yang patut dicatat, satu-satunya kesamaan mereka adalah bahwa potongan harga daftar dari vendor muncul dengan harga pokok di OrcaRouter pada hari yang sama saat diluncurkan, karena kami meneruskan harga penyedia pada markup 0% di lebih dari 200 model dengan satu kunci, dan failover otomatis memungkinkan Anda menaruh checkpoint yang belum terbukti pada sebagian trafik, sementara checkpoint yang sudah teruji menangani sisanya. Itulah jawaban praktis ketika selisih delapan poin dan harga yang tidak tersedia membuat keputusan benar-benar nyaris imbang: rutekan keduanya, ukur dengan input Anda sendiri, dan biarkan trafik yang menentukan — dengan catatan bahwa baru satu dari keduanya yang bisa dirutekan hari ini. DeepSeek V4 Flash Vision Exp sudah ada di katalog kami, dengan tarif yang diterbitkan penyedianya, bukan tarif yang dinaikkan; NVIDIA Nemotron 3.5 Super VL belum ada di sana, karena tidak ada yang melayani checkpoint berusia tiga hari secara andal. Asimetri itu layak dikatakan terang-terangan alih-alih menyiratkan bahwa kami menyediakan keduanya.

Pilihan dalam satu baris masing-masing

Pilih NVIDIA Nemotron 3.5 Super VL ketika pekerjaannya adalah dokumen, bagan, halaman pindaian, dan video, ketika lisensinya harus mengizinkan penggunaan komersial, dan ketika Anda membutuhkan vendor yang masih akan menjawab tiket dukungan tentang checkpoint tersebut setahun lagi — menerima bahwa Anda melepaskan 8,35 poin indeks dan membayar GPU alih-alih token. Pilih DeepSeek V4 Flash Vision Exp ketika pekerjaannya adalah pemahaman bagan dan layar melalui API, ketika $0,44 dan $1,32 per juta token adalah pos anggarannya, dan ketika pembingkaian tingkat beta dari rilis eksperimental dapat diterima — menerima bahwa konfigurasi yang dilayani bukanlah checkpoint dan checkpoint tersebut tidak didukung. Tim yang membutuhkan kedua perilaku biasanya menjalankan dua beban kerja yang berbeda, dan dua beban kerja yang berbeda itulah gunanya satu endpoint dengan failover.