Nemotron 3.5 Super VL vs Nemotron 3.5 Super VL 120B: un modello, cinque file, tre comportamenti diversi

Questo confronto esiste perché lo ha creato una casella di ricerca. NVIDIA Nemotron 3.5 Super VL e NVIDIA Nemotron 3.5 Super VL 120B non sono due modelli. Sono un unico checkpoint scritto in due modi, e nessun benchmark li separa perché non c'è nulla da separare: il 120B è il numero di parametri del Super VL, e la stringa più breve è ciò con cui la pagina di marketing chiama il file il cui nome completo del repository è nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16. La confusione sui nomi relativa a questo checkpoint è il genere di cosa che finisce in un postmortem, e gli incidenti registrati sono catalogati in l'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, gravità, grado di affidabilità e flag di contestazione.

Quindi un confronto testa a testa è l'articolo sbagliato. La versione utile è quella che nasce dalla stessa confusione: se entrambi i nomi puntano allo stesso modello, perché scaricare "Nemotron 3.5 Super VL" ti dà cinque repository diversi, tre diverse dimensioni di download e due architetture diverse, e quale ottieni davvero?

Il naming, dipanato

NVIDIA utilizza tre etichette sovrapposte per una singola release, e si annidano anziché entrare in conflitto.

• Nemotron 3.5 Super VL — il nome del prodotto. È così che lo chiamano il post del blog, il panel e ogni articolo di notizie.

• Nemotron 3.5 Super VL 120B — lo stesso nome con l'aggiunta del numero di parametri. Comune nelle tabelle comparative e negli elenchi di catalogo, compresi quelli che hanno generato questa pagina.

• NVIDIA-Nemotron-3.5-Super-VL-120B-A12B — il nome base del repository, che aggiunge il conteggio dei parametri attivi. Ogni artefatto scaricabile dipende da questo: BF16, NVFP4, Base e un drafter NVFP4 LiLiCorr.

Nessuno di quei tre è un modello diverso. Le cose realmente diverse si trovano un livello più in basso, nei suffissi di precisione e post-training, ed è lì che si trova una vera decisione.

Cinque file, e cosa ciascuno è davvero

Tutti e cinque sono comparsi nell'arco di circa quattro giorni l'uno dall'altro, e i loro timestamp di creazione rappresentano la prova del rilascio più affidabile disponibile — più affidabile della data dell'annuncio, che è arrivata dopo tutti loro.

• ...-120B-A12B-Base-BF16 — creato il 2026-10-12T15:31:49Z. Il checkpoint prima del post-training. Nessun instruction tuning, nessun addestramento all'uso degli strumenti, nessuna modalità di ragionamento. È quello da cui partire se intendi eseguire il tuo post-training, ed è inutile per te se non lo fai.

• ...-120B-A12B-BF16 — creato alle 15:32:06Z, diciassette secondi dopo. Il modello instruct finito, precisione completa, circa 249 GB su 63 shard. La ricetta di serving di NVIDIA è tensor parallelism 4 su H100, oppure 2 su GB200.

• ...-120B-A12B-NVFP4 — creato alle 15:32:30Z. Gli stessi pesi post-addestrati, quantizzati a 4 bit durante l'addestramento anziché dopo, circa 75 GB. Questo è il file che la maggior parte delle persone servirà effettivamente, e viene eseguito su una H200, due H100, una GB200 o un singolo DGX Spark.

• ...-120B-A12B-NVFP4-LiLiCorr — creato il 2026-10-11T20:20:59Z, un giorno prima degli altri e prima che esistesse qualsiasi annuncio. Non un modello nel senso comune: un drafter per la decodifica speculativa, che il blog di NVIDIA ha poi indicato come quello consigliato per l'inferenza a bassa latenza su DGX Spark.

• Le quantizzazioni GGUF e della community — derivate, non pubblicate da NVIDIA, e al di fuori dell'ambito di qualsiasi cosa il fornitore riporti.

Se sei arrivato qui cercando "quale di questi due sia migliore", la risposta è che due dei cinque non sono affatto alternativi tra loro: il checkpoint base e il checkpoint instruct sono fasi diverse della stessa sessione di addestramento, e il drafter non è un modello che chiameresti mai direttamente.

Cosa cambia tra le versioni a piena precisione e quelle a 4 bit?

Questo è l'unico confronto nell'intricata questione dei nomi con conseguenze reali, ed è anche quello con le prove indipendenti più scarse.

• Disco e memoria — 248,94 GB per BF16, 75,06 GB per NVFP4. Una differenza di 174 GB, che è la differenza tra quattro H100 e due.

• Numerica — NVFP4 esegue W4A4 su Blackwell e W4A16 su hardware meno recente. La quantizzazione viene applicata durante l'addestramento con la distillazione, che secondo NVIDIA colma il divario di accuratezza che la quantizzazione post-hoc apre.

• Accuratezza dichiarata — NVIDIA riporta un recupero di accuratezza mediano del 99,62% rispetto al riferimento BF16. Si tratta di un dato del fornitore ottenuto con un harness del fornitore, ed è il numero non verificato più determinante dell'intera release.

• Valutazione indipendente — nessuna. Artificial Analysis assegna al modello un punteggio di 26,49 sul suo Intelligence Index, non stimato, ma non pubblica una riga separata per la build NVFP4. Ogni numero di terze parti che hai visto per questo modello è una misurazione a piena precisione o basata sulle impostazioni predefinite del provider.

• Overhead prestazionale — NVIDIA afferma che non ce n'è, perché la quantizzazione avviene durante l'addestramento e non come fase a runtime.

Leggi con attenzione il 99,62% prima di pianificare in base a esso. "Il recupero mediano dell'accuratezza" su un insieme non specificato di valutazioni non è la stessa affermazione di "perde lo 0,38% della capacità". Una mediana può attestarsi al 99,62% mentre i singoli benchmark si spostano di diversi punti in una direzione o nell'altra, e senza la dispersione per benchmark il numero dice meno di quanto sembri. Se il tuo carico di lavoro è sensibile a una capacità specifica — OCR di documenti lunghi, estrazione di grafici, video grounding — l'unico approccio solido è eseguire entrambe le build sui tuoi dati, perché NVIDIA non ha pubblicato la riga che ti servirebbe.

Il checkpoint di base è quello che nessuno sottopone a benchmark

Dei cinque file, la build base è quella di cui si parla meno e la più interessante se avete piani di post-training. Mantiene la stessa struttura da 120B totali e 12B attivi, lo stesso backbone ibrido e lo stesso encoder visivo, e si ferma prima della pipeline di post-training a sei fasi che ha prodotto il modello instruct — la pipeline di cui NVIDIA ha pubblicato anche i dataset SFT e RL, undici in tutto, tutti nell'arco di una finestra di 61 ore nella stessa settimana.

Ciò che non offre è una tabella di benchmark utilizzabile. La sua scheda riporta MMLU e MMLU-Pro; la scheda del modello post-addestrato elimina del tutto MMLU a favore di MMLU-ProX e aggiunge le suite agentiche e a livello di harness. I due insiemi non si sovrappongono abbastanza da rispondere a "quanto ha aggiunto il post-training", il che significa che l'unico modo per quantificare quella domanda è eseguire entrambi da solo. I pesi aperti lo rendono possibile. Non lo rendono gratuito.

Perché esistono nomi duplicati in primo luogo

Tre artefatti, tre pubblici, una release. Il post del blog ha bisogno di un nome di prodotto abbastanza breve per un titolo: Nemotron 3.5 Super VL. Un catalogo o una tabella comparativa ha bisogno di qualcosa che sia ordinabile e inequivocabile all'interno di una famiglia che comprende anche Bolt 74B, Bolt E4B e Lightning 30B: aggiungere 120B lo consente. L'Hub ha bisogno di un nome di repository che codifichi precisione e parametri attivi, così che uno script possa scegliere un file senza che una persona debba leggere una descrizione.

Il costo di questa stratificazione è la ricerca. Due stringhe che significano la stessa cosa competono per la stessa query, e un lettore che ne digita una finisce su una pagina di confronto che chiede quale sia migliore. La risposta utile a quella query è quella sopra: sono lo stesso file, ecco le cinque cose a cui il nome può effettivamente riferirsi, ed ecco come capire quale si ha.

Che cosa significa se lo chiami invece di scaricarlo

Tramite un'API il problema della denominazione per lo più scompare, perché il fornitore ha già scelto una build per te — ed è esattamente lì che si sposta l'ambiguità rimanente. Il panel indipendente monitora sette server per questo checkpoint, e le loro tariffe pubblicate per gli stessi pesi vanno da $0.10 a $0.20 per milione di token di input e da $0.40 a $0.50 per milione di token di output. Due di quelle voci sono esplicitamente build NVFP4; le altre non lo dicono, e una tariffa senza una precisione è una tariffa che non puoi confrontare con un'altra tariffa.

Questa è la versione pratica della domanda con cui è iniziata questa pagina. Il nome del modello corrisponde a un'architettura e cinque file; il prezzo non ti dice per quale file stai pagando. Chiedere a un fornitore quale build serve, e se il suo valore di throughput è stato misurato in BF16 o FP4, è una domanda più utile di qualsiasi confronto testa a testa tra due grafie dello stesso checkpoint.

Da parte nostra la nota onesta è breve: questo checkpoint non è nel catalogo OrcaRouter. L'elenco dei modelli arriva a poco più di 200 ID e oggi non contiene alcuna voce NVIDIA, quindi nulla qui è un'offerta per servirlo. Quello che la piattaforma offre, però, e che è rilevante per un nome così ambiguo, è un livello di routing che mantiene la stringa del modello in un unico punto: quando una variante arriverà davvero, il punto di chiamata non cambia, il traffico può essere suddiviso tra due provider dello stesso checkpoint per confrontarli sul tuo carico di lavoro, e il failover automatico copre il caso in cui uno di essi si degradi. Il prezzo di listino del provider viene passato con 0% di markup, il che qui conta in modo specifico perché lo spread su questo modello è 2x e preferiresti vederlo piuttosto che vederlo assorbito in un margine.

La risposta breve, per il lettore che ha cercato il nome lungo

Nemotron 3.5 Super VL e Nemotron 3.5 Super VL 120B sono lo stesso modello, rilasciato come pesi il 12 ottobre 2026 e annunciato il 15 ottobre 2026, con 120 miliardi di parametri totali, 12 miliardi attivi, una finestra di contesto di 1M token, input di testo, immagini e video, e una licenza OpenMDW-1.1. Se devi scegliere tra le cose, la scelta non è tra quei due nomi. È tra BF16 e NVFP4, tra il checkpoint base e quello instruct, e tra i server i cui prezzi e precisioni non sono indicati nelle stesse unità. Quelle sono tre decisioni reali. Il nome non è una di queste.