Mercury 3 vs NVIDIA Nemotron 3.5 Super VL 120B-A12B: una dichiarazione sulla velocità è misurata, l'altra no

Mercury 3 e NVIDIA Nemotron 3.5 Super VL 120B-A12B puntano entrambi sulla velocità. Solo una di queste dichiarazioni di velocità è stata verificata da qualcuno al di fuori dell'azienda che l'ha prodotta. Artificial Analysis misura Nemotron 3.5 Super VL a 434,3 token di output al secondo sul proprio harness. Mercury 3, rilasciato da Inception Labs il 19 ottobre 2026, dichiara 1.068 token al secondo e, al 20 ottobre, in quell'indice non esiste alcuna pagina di Mercury 3, quindi il dato non ha una parte terza a sostenerlo. È quell'asimmetria, non la scheda tecnica, la vera discriminante in questo confronto. I guasti dell'IA e gli incidenti degli agenti documentati dietro rilasci come questo sono raccolti in the OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, la gravità, il livello di confidenza e il flag di contestazione.

C'è una seconda asimmetria che per alcuni team conta di più. Nemotron è scaricabile, gira sul vostro hardware e può essere sottoposto a post-addestramento. Mercury 3 è un prodotto API senza pesi. Uno dei due è una decisione di acquisto, l'altro è un progetto di deployment, e la tabella dei benchmark è una guida scarsa per capire di quale abbiate davvero bisogno.

I numeri sui quali entrambi i fornitori concordano, e quello sul quale non concordano.

Inizia dalle righe in cui i due smettono di sembrare diversi, perché parecchie di esse sono davvero identiche.

• Contesto — entrambi sono specificati a 1M di token. Mercury 3 lo abbina a un tetto di output di 131.072 token; la scheda di Nemotron elenca fino a 1M di finestra condivisa tra prompt, immagini, cronologia, risultati degli strumenti e la risposta.

• Output — testo in uscita, entrambi. Nessuno dei due genera immagini o audio.

• Input — qui le loro strade si dividono. Nemotron accetta testo, immagini RGB e video MP4 fino a due minuti. Mercury 3 accetta testo, e solo testo.

• Prezzo — Mercury 3 costa $0,10 per milione di token in input e $0,35 per milione in output durante la finestra di lancio, per poi tornare a $0,20 e $0,70 a listino. Nemotron non ha alcun tariffario del fornitore; ciò che esiste è il foglio dei costi di Artificial Analysis, che attualmente lo registra a $0,225 in input e $0,575 in output per milione, con uno sconto del 78% sulla cache e un costo di $0,19 per attività dell'Intelligence Index.

• Pesi — Quelli di Mercury 3 non sono pubblicati e Inception non si è impegnata a pubblicarli. Quelli di Nemotron sono su Hugging Face con licenza OpenMDW-1.1, con checkpoint a precisione completa e NVFP4.

Quell'ultima riga è quella che decide la maggior parte delle valutazioni reali, e non ha nulla a che fare con i token al secondo.

Leggere l’indice indipendente senza sovrainterpretarlo

NVIDIA ha rilasciato Nemotron 3.5 Super VL il 15 ottobre 2026. Quando, quella stessa settimana, è comparsa la prima classifica indipendente, riportava un Intelligence Index di 26 e uno spazio vuoto dove sarebbe dovuta esserci la colonna della velocità. Ora la pagina riporta entrambi: 26 su Index v4.3.2 e 434,3 token di output al secondo, il che lo colloca al primo posto tra i 28 modelli della sua classe di confronto. Ha inoltre generato 170M token durante l'esecuzione dell'indice, rispetto a una mediana di 100M, cosa che la pagina descrive come piuttosto prolisso.

Quelle sono le misurazioni dell'indice stesso, eseguite con il suo harness, e valgono esattamente quanto vale qualsiasi singola suite di benchmark: un numero riproducibile raccolto da qualcuno che non lavora per NVIDIA. Nota cosa significa 26 e cosa non significa. Il testo di confronto della pagina stessa lo pone rispetto a una mediana di 8 per modelli open-weight comparabili nella classe 40B–150B, quindi è un risultato forte nella sua classe di peso e modesto rispetto ai modelli di frontiera di qualsiasi dimensione. La classifica di primo su 67 che appare in cima alla pagina è una classifica all'interno di una classe filtrata, non una posizione complessiva. Chiunque citi "numero uno" senza il filtro sta citando il filtro.

Ora l’altro lato. Il post di lancio di Inception avanza tre affermazioni quantitative: 1.068 token al secondo su GPU NVIDIA, un contesto da 1M e un prezzo di lancio pari alla metà del prezzo di listino. Non avanza alcuna affermazione numerica sulla qualità. Invece afferma che Mercury 3 "supera GPT-6 Luna e Claude Haiku 5.5" — due modelli ottimizzati per la velocità, il set di confronto corretto per un prodotto orientato alla latenza — senza indicare un margine, il nome di un benchmark o un risultato per singolo task. Riporta inoltre che Mercury 3 ha completato il 50% di 50 attività di navigazione Mind2Web dal vivo all’interno dell’harness per agenti web proprietario di Inception, "significativamente più di GPT-6.1-Sol". Cinquanta attività su un harness del fornitore sono un segnale, non una misurazione da mettere accanto a 26.

Quindi il confronto onesto delle prove sulla qualità è questo: un modello ha un punteggio da un indice di terze parti e l'altro ha una frase del fornitore. Questo non rende Mercury il modello più debole. Lo rende quello non misurato, e non misurato è una categoria di rischio diversa da quello a basso punteggio.

Quanto costa davvero eseguire la metà open-weights

Nemotron 3.5 Super VL è un modello mixture-of-experts da 120B parametri con 12B attivi per token, 512 esperti instradati per livello MoE e una backbone ibrida che alterna livelli Mamba-2, attenzione e MoE, con un encoder visivo C-RADIO collegato tramite un connettore. NVIDIA lo distribuisce in due livelli di precisione, e il divario tra i due è il numero più utile del rilascio.

• BF16 — 64 shard safetensors, circa 231,8 GiB. La ricetta di serving di NVIDIA stessa prevede tensor-parallel 4 su quattro H100, oppure TP2 su due GB200.

• NVFP4 — pesi e attivazioni a 4 bit con distillazione consapevole della quantizzazione. La scheda elenca l'implementazione su una DGX Spark, una H200, due H100 o una GB200.

Un modello da 120B che sta su due H100 a 4-bit invece che su quattro a BF16 è un discorso di acquisto diverso, ed è per questo che il checkpoint quantizzato è quello che il fornitore indica per un serving efficiente. Ciò che NVIDIA non pubblica è un confronto affiancato sull'accuratezza tra i due livelli. L'affermazione è un'affermazione sulla metodologia di addestramento — che la distillazione durante l'addestramento colma il divario di quantizzazione — non un confronto misurato, e se la tua decisione dipende da quel divario, la risposta non è nel repo.

Vale la pena leggere la licenza oltre il marketing. Il post del blog dice "open weights"; il frontmatter della card dice license: other, license_name: openmdw-1.1, disciplinata dall'OpenMDW License Agreement 1.1. L'uso commerciale è consentito e la card lo dice chiaramente. Non è Apache 2.0, e se la vostra organizzazione mantiene un elenco di licenze approvate, è quello l'elemento da verificare prima del preventivo per la GPU.

Dove i due smettono di essere sostituti

La discrepanza non è la qualità. È la forma del lavoro.

Mercury 3 è un modello linguistico a diffusione — il termine usato da Inception è dLLM — che genera token in parallelo anziché uno alla volta, ed è proprio da qui che nasce in primo luogo l'affermazione di un throughput a quattro cifre. Il carico di lavoro per cui è progettato è quello in cui c'è una persona che guarda: suggerimenti per il tutoring, generazione per la ricerca, una risposta di supporto che deve sembrare conversazionale. Le citazioni dei clienti di Inception sono tutte di questo tipo, e costituiscono il test giusto per il prodotto. Un suggerimento sbagliato è recuperabile. Una pausa di due secondi no.

Nemotron 3.5 Super VL è costruito per l'estremo opposto. Legge screenshot, documenti scansionati, grafici e clip video di due minuti, chiama strumenti e gira su hardware che controlli. Il carico di lavoro per cui è progettato è una pipeline che va avanti per minuti e restituisce un riscontro, dove un'estrazione errata costa cara e un'attesa di cinque secondi è invisibile. La sua scheda stessa ammette candidamente che le righe dei benchmark multimodali non sono state tutte eseguite tramite il tooling aperto pubblicato da NVIDIA, e che l'impalcatura interna dietro diverse di esse è promessa per una versione futura. Questo avvertimento non squalifica il modello; ti dice quali righe rieseguire tu stesso prima di farci affidamento.

La sovrapposizione è più stretta di quanto suggeriscano le schede tecniche. Se il tuo input è una pila di fatture, un video di prodotto o uno screenshot di una dashboard, Mercury 3 non è in grado di vederlo. Se la tua esigenza è un turno conversazionale sotto il secondo su testo semplice, un checkpoint multimodale da 120B sulle tue GPU è un modo molto costoso per ottenerlo.

Nessuno dei due modelli è presente nel nostro catalogo, e questo cambia le indicazioni di instradamento.

Entrambi sono negativi onesti. La nostra API dei modelli non restituisce alcun modello Inception né alcuna voce NVIDIA Nemotron, quindi oggi non è possibile chiamare tramite noi né Mercury 3 né Nemotron 3.5 Super VL. Chi vuole Mercury 3 si reca sulla piattaforma di Inception, che offre ai nuovi account 100 milioni di token gratuiti; chi vuole Nemotron scarica il checkpoint da Hugging Face o utilizza un host di terze parti. Preferiamo scriverlo piuttosto che lasciar intendere un percorso che non abbiamo.

Ciò per cui uno strato di routing è ancora utile qui è la parte attorno all'esperimento. Un'architettura a due vie è il modo sensato per valutare un modello non ancora misurato: inviare il tier critico per la latenza a Mercury 3 tramite la chiave di Inception, e tenere il fallback e i casi difficili sui modelli che effettivamente offriamo — oltre 200 dietro un unico endpoint compatibile con OpenAI, al prezzo di listino del fornitore con 0% di ricarico, con failover automatico quando un fornitore peggiora. Se il nuovo percorso si rivela peggiore di quanto suggeriva il post di lancio, il fallback è già cablato e il passaggio è una regola di routing anziché un progetto di integrazione. La metà self-hosted del confronto non ne ricava nulla, perché non c'è nulla da instradare.

La regola di decisione

Scegli Nemotron 3.5 Super VL 120B-A12B quando il modello deve vedere qualcosa — una pagina, una scansione, un clip — o quando i dati non possono lasciare la tua infrastruttura, o quando intendi fare post-training sui tuoi esempi. Preventiva l'hardware con onestà: quattro H100 in BF16 o due in NVFP4 sono un impegno di capitale reale, e il 26 sull'indice è un punteggio relativo alla classe, non di frontiera. Accetta che le sue righe relative al rispetto delle istruzioni e al contesto lungo siano la parte più debole della sua stessa tabella.

Scegli Mercury 3 quando una persona è in attesa di una risposta a un messaggio e un nuovo tentativo non costa nulla. Accetta due cose prima di costruirci sopra: che 1.068 token al secondo è un dato del fornitore senza riproduzione indipendente, e che l'impostazione predefinita di effort è "low" — quindi qualsiasi benchmark tu esegua è confrontabile con quello di qualcun altro solo se fissi esplicitamente instant, low, medium o high. Prevedi il budget al prezzo di listino, $0,20 e $0,70, perché lo sconto di lancio non ha una data di fine pubblicata e un modello di costo basato su $0,10 e $0,35 ha una scadenza che non puoi vedere.

Ciò che cambierebbe la risposta più rapidamente è la stessa cosa da entrambe le parti: una seconda parte che esegue gli stessi test. Se Artificial Analysis pubblica una pagina su Mercury 3, l'affermazione sul throughput diventa verificabile e la questione della qualità smette di essere una frase in un post di lancio. Se NVIDIA pubblica un delta di accuratezza tra BF16 e NVFP4, il livello di deployment economico smette di essere un atto di fede. Finché non si concretizza una delle due cose, il riassunto veritiero è che uno di questi modelli è stato misurato e l'altro è stato descritto, e nessuna quantità di confronto tra schede tecniche colma quel divario.