NVIDIA Nemotron 3.5 Super VL 120B vs DeepSeek V4 Pro: i pixel costano 40 volte più del testo, ed ecco l'aritmetica

DeepSeek V4 Pro costa $0,66 per milione di token di input. Qualunque cifra ti costi far passare una pagina di un contratto scansionato attraverso N​VIDIA N​emotron 3.5 Super VL 120B A12B, non sono 66 centesimi per milione, e il motivo è che non lo stai noleggiando — stai comprando GPU. Questa singola asimmetria è l'intera forma di questo confronto tra DeepSeek V4 Pro, il flagship solo testo di D​eepSeek da 1,6 trilioni di parametri, in listino da aprile 2026, e N​VIDIA N​emotron 3.5 Super VL 120B A12B, il modello visione-linguaggio a pesi aperti che N​VIDIA ha caricato su Hugging Face il 12 ottobre 2026 senza alcun prezzo annunciato su nessun percorso di servizio. Confrontare i loro punteggi nei benchmark è facile e per lo più inutile. Confrontare quanto costa gestire ciascuno sullo stesso documento è l'esercizio che decide davvero qualcosa.

La risposta breve

Se il tuo input è testo e il tuo budget è una voce di spesa, DeepSeek V4 Pro vince con un margine che nessun modello aperto può colmare: un panel di terze parti lo colloca 9,5 punti indice davanti a Super VL, pur costando una frazione di centesimo per mille token. Se il tuo input include immagini, video o scansioni di pagine, non c'è proprio paragone, perché DeepSeek V4 Pro non è in grado di vederli. I due modelli non si sovrappongono sull'asse che interessa davvero alla maggior parte dei team.

Che cos'è ciascun modello, in un'unica passata

DeepSeek V4 Pro è un modello mixture of experts da 1,6T di parametri con 49B attivi per token, una finestra di contesto di 1M token, fino a 384K token di output e il testo come unica modalità di input e output. È in disponibilità generale dal 24 aprile 2026 tramite l'API proprietaria di D​eepSeek e piattaforme di terze parti, al prezzo di 0,66 $ per milione di token di input e 1,98 $ per milione di token di output, con letture dalla cache a 0,022 $. Una misurazione indipendente tramite il panel di Artificial Analysis, valutata l'ultima volta il 13 agosto 2026, lo colloca a 36,0 sull'Intelligence Index — 41º su 147 modelli.

Nemotron 3.5 Super VL 120B A12B è un ibrido Mamba-2/Transformer con 512 esperti routed per layer MoE, 120B parametri totali e 12B attivi per token, un encoder visivo C-RADIO, Multi-Token Prediction nativo e 1M token di contesto. Gli input sono testo, immagini e video; l'output è testo. È open sotto OpenMDW-1.1 con uso commerciale consentito, distribuito in build BF16, base-BF16 e NVFP4, e gira su 4× H100 o 2× GB200 in BF16 oppure su un singolo H200, un singolo GB200, 2× H100 o una DGX Spark in NVFP4. Una misurazione indipendente lo colloca a 26.49 sullo stesso panel, che è il numero da tenere a mente mentre la conversazione procede.

Dove risiede effettivamente il costo degli input

Ecco il calcolo che nessuno ha pubblicato. Prendi una raccolta di contratti scansionati di 200 pagine. Con DeepSeek V4 Pro, quella deve essere sottoposta a OCR ed estrazione del testo prima di arrivare, e il modello poi ti addebita $0,66 per milione di token di input sul testo estratto. Con Super VL, le pagine entrano come immagini, una volta sola, in un modello che stai già pagando a ore di GPU.

• DeepSeek V4 Pro al prezzo di listino — $0,66 in ingresso, $1,98 in uscita, $0,022 per la lettura della cache, per milione di token. Un'estrazione di 200 pagine costa così poco che il costo per chiamata non compare in una revisione del budget.

• Il sovraccosto di Super VL — 4× H100 o 2× GB200 in BF16, oppure una H200 / una GB200 / una DGX Spark in NVFP4. Si tratta di un canone di affitto o di spesa in conto capitale che matura che arrivi o meno un documento.

• Il crossover — il punto in cui il self-hosting di Super VL diventa più economico di OCR-plus-V4-Pro è funzione del volume dei vostri documenti e dell'utilizzo che riuscite a mantenere sulla GPU. Nessuno l'ha pubblicato, e per i team a basso volume molto probabilmente non arriva mai.

• Ciò che non è in nessuna delle due colonne — la pipeline OCR che il percorso di D​eepSeek richiede. Si tratta di un secondo sistema, una seconda modalità di guasto, e il punto in cui la maggior parte delle pipeline documentali si rompe davvero: la tabella che l'OCR rovina, il grafico che svanisce nell'estrazione, il timbro sopra il blocco della firma.

Questo è il vero argomento a favore del modello di visione, e non è un argomento da benchmark. È che la fase di estrazione scompare. La pagina arriva al modello così come esiste, e il modello deve fare i conti con il grafico, la tabella e il layout scomodo, invece di riceverne un'approssimazione appiattita. Se la visione di Super VL sia abbastanza buona da giustificare il possesso di GPU è una questione che riguarda i vostri documenti, e l'unico modo onesto di rispondere è far passare il vostro set attraverso la build NVFP4 su una singola H200 e contare gli errori.

Le righe di benchmark che esistono, e a chi appartengono

Due tipi diversi di numero sono in gioco qui e non dovrebbero mai essere citati nella stessa frase senza un'etichetta.

Misurato dal panel, da Artificial Analysis, dove DeepSeek V4 Pro è stato valutato l'ultima volta il 13 agosto 2026:

• Intelligence Index — DeepSeek V4 Pro 36.0 contro Nemotron 3.5 Super VL 26.49.

• Humanity's Last Exam — DeepSeek V4 Pro 41.0. Il pannello non riporta una riga Super VL.

• Richiamo su contesti lunghi — DeepSeek V4 Pro 80,3 contro Super VL 0,69 sulla scala AA-LCR, che rappresenta il divario proporzionale più ampio in questo articolo.

• SciCode — DeepSeek V4 Pro 51.0 vs la riga di Super VL non pubblicata sul pannello.

• Terminal-Bench 4.0 — DeepSeek V4 Pro 14.1 vs Super VL 0.0.

• τ²-bench — DeepSeek V4 Pro 96.2, un numero con cui DeepSeek è in testa, e il panel non pubblica alcun equivalente per Super VL.

Dichiarato dal fornitore, dalla stessa valutazione NeMo Gym di Super VL di N​VIDIA, che N​VIDIA ha eseguito sul proprio modello rispetto a baseline da essa scelte:

• Agentico — SWE-bench Verified 71.10, SWE-bench Multilingual 67.72, SWE-bench Pro 51.78, tau2-bench retail 69.24 e airline 76.50, BrowseComp 78.91, GraphWalks 89.71 nell'impostazione con oltre 1M di token.

• Ragionamento — GPQA-Diamond 89,52, HLE senza strumenti 31,79, che sale a 46,01 con strumenti su un harness interno separato.

• Visione — CharXiv-RQ 80,82, MathVision 78,16, V* 85,60, OCR-Reasoning 65,08, OCRBench-v2 a 68,12 in inglese e 59,15 in cinese, MMLongBench-Doc 62,82, OSWorld 52,14, Video-MME-v2 32,85.

I due documenti non condividono nemmeno una riga, ed è per questo che il confronto degli indici sopra è l'unica classifica attendibile disponibile. E il lettore dovrebbe notare la cosa che è facile lasciarsi sfuggire: il 71.10 di Super VL su SWE-bench Verified è un numero forte ed è di NVIDIA stessa, e il panel ha assegnato allo stesso modello 0.0 su Terminal-Bench 4.0. Entrambe le cose possono essere vere. Un punteggio di agentic coding misurato su un harness di un fornitore e un punteggio su terminale misurato da terzi non sono lo stesso tipo di evidenza, e la lettura onesta è che il profilo agentico di Super VL è asserito anziché dimostrato.

Perché la riga long-context è quella di cui preoccuparsi

Una finestra di contesto da 1M token è presente su entrambe le schede tecniche. In pratica il panel misura il recall su contesto lungo a 80,3 per DeepSeek V4 Pro e 0,69 per Super VL, e la controargomentazione di NVIDIA stessa è GraphWalks 89,71 nell'impostazione oltre 1M token — un numero del fornitore, su un harness del fornitore, su un'attività in cui a Super VL viene chiesto di percorrere un grafo anziché richiamare un passaggio.

Queste non misurano la stessa cosa, ed è esattamente il problema per chiunque debba decidere. Se il tuo carico di lavoro è "trova la clausola in questo documento da 900.000 token", il numero del panel è più vicino al tuo compito e non è affatto vicino. Se il tuo carico di lavoro è "attraversa questo insieme di documenti collegati e riporta cosa dipende da cosa", il numero del fornitore è più vicino, e dovrebbe comunque essere trattato come un'affermazione. Finché qualcuno di indipendente non esegue entrambi i compiti sul checkpoint, l'ipotesi di pianificazione sicura è che il contesto effettivo di Super VL sia materialmente più breve di quanto dica la sua scheda tecnica.

Due percorsi, una chiave e la differenza di prezzo in bella vista

DeepSeek V4 Pro è nel catalogo OrcaRouter ai prezzi pubblicati da DeepSeek di $0,66 e $1,98 senza alcun markup — il prezzo di listino del provider passato direttamente, quindi una variazione di prezzo di DeepSeek è attiva qui lo stesso giorno anziché al ciclo di fatturazione successivo. Negli ultimi sette giorni di richieste attraverso il gateway, V4 Pro mostra un tempo al primo token p50 di 1,89 secondi a 81,9 token di output al secondo, e ha trasportato 480,3 milioni di token di traffico in quella finestra. Queste sono misurazioni di chiamate reali, non benchmark del fornitore, e sono i numeri su cui dovrebbe essere costruito un modello di costo.

N​emotron 3.5 Super VL 120B A12B non è nel nostro catalogo. N​VIDIA non ha pubblicato alcun prezzo per token per esso su alcun percorso, incluso il proprio microservizio NIM, quindi non c'è nulla che possiamo ribaltare e questo articolo non fingerà il contrario — è un checkpoint che ospiti tu stesso, sull'hardware nella ricetta sopra.

Ciò che il gateway ti offre in questo abbinamento è che le due metà della pipeline smettono di essere due integrazioni. Le chiamate di estrazione e triage vanno al tuo deployment Super VL; le chiamate di reasoning, coding e testo a basso costo e alto volume vanno a DeepSeek V4 Pro su lo stesso endpoint e la stessa chiave; e la suddivisione è espressa come una regola di routing anziché come un condizionale nel codice applicativo. Quando il routing delle immagini è il fattore decisivo, il DSL può fare affidamento sul fatto che un prompt contenga o meno un allegato immagine — un modo più pulito per mantenere il confine rispetto al ricordare quale percorso di codice faccia cosa. Il failover automatico tra provider si trova sotto il modello instradato, così un 429 upstream su una chiamata di testo finisce su un fallback anziché sul tuo utente.

Capire da che parte della linea ti trovi

• Se non hai immagini — DeepSeek V4 Pro, senza ulteriori analisi. Nove punti e mezzo di indice in vantaggio, 0,66 $ per milione in input, p50 del primo token a 1,89 secondi e niente da gestire.

• Se hai immagini ma con volumi bassi — OCR più DeepSeek V4 Pro finché il tasso di errore dell'estrazione inizia a costare più di quanto costerebbero le GPU. Misura prima gli errori di estrazione; è quel numero, non il divario rispetto ai benchmark, a stabilire il punto di crossover.

• Se hai immagini e non puoi inviarle da nessuna parte — Super VL è l'unica opzione sul tavolo, e la decisione diventa quale checkpoint: BF16 se intendi fare fine-tuning, NVFP4 se intendi servirlo.

• Se il recall su contesto lungo è il fulcro del carico di lavoro — testa prima di impegnarti. Lo 0,69 del panel rispetto a 80,3 è un divario abbastanza ampio da far sì che una scheda tecnica da 1M di token non debba essere considerata una prova di competenza su 1M di token.

• Se vuoi che il modello migliori sul tuo dominio — V4 Pro non ti offre alcun percorso. Super VL ti dà i pesi, e NVIDIA ha pubblicato insieme a esso i dataset di post-training e gli ambienti RL di NeMo Gym, che sono la metà più riutilizzabile di quel rilascio.

Cosa cambierebbe questo articolo

Tre cose, in ordine di quanto sposterebbero la risposta.

Un prezzo per Super VL, da NVIDIA o da chiunque lo fornisca. Nel momento in cui esiste una cifra per token, la prima sezione di questo articolo diventa aritmetica invece che un quadro di riferimento, e la discussione sul crossover si riduce a un confronto tra due numeri.

Un secondo dataset indipendente sul modello. N​VIDIA dispone di un punteggio di terze parti, e questo non include una riga per il contesto lungo né per un agente di programmazione. Una nuova esecuzione del panel che pubblicasse quelle righe risolverebbe le due domande che questo articolo deve lasciare aperte.

E la discrepanza di Terminal-Bench 2.1 nella documentazione di N​VIDIA stessa — 66,70 sulla scheda del modello contro 60,67 nella tabella riepilogativa del rapporto tecnico, mentre tutto il resto in quei documenti concorda. Una delle due fonti primarie è errata. Finché qualcuno non riesegue le ricette, non è sicuro citare nessuno dei due valori, e il fatto stesso che la discrepanza esista è un motivo per considerare provvisoria ogni altra riga di quel rapporto basata su un'unica fonte.

I benchmark invecchiano e i prezzi si muovono; il registro dei fallimenti no: gli incidenti documentati di IA e i fallimenti degli agenti dietro i modelli di questa classe sono raccolti presso l'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, gravità, grado di confidenza e flag di controversia.