Nemotron 3.5 Super VL vs Kimi K3: un'ammiraglia a consumo contro un rilascio di pesi senza listino prezzi

La risposta onesta più breve è che solo uno di questi due modelli ha un prezzo, e non è quello di NVIDIA. Kimi K3 viene venduto come servizio a consumo a 3 $ per milione di token in input e 15 $ per milione in output, con uno sconto del 90% sulla cache, ed è il modello che puoi chiamare oggi con una singola chiave. NVIDIA Nemotron 3.5 Super VL è un checkpoint open-weight da 120 miliardi di parametri, con 12 miliardi attivi, sotto OpenMDW-1.1, senza alcun listino prezzi pubblicato — o lo esegui sui tuoi acceleratori, oppure negozi con chi lo serve. I suoi pesi sono stati pubblicati su Hugging Face il 12 ottobre 2026 e l'annuncio di NVIDIA è seguito il 15 ottobre, il che rende questa una release di tre giorni anziché un prodotto maturo. È questa asimmetria, non la tabella dei benchmark, a decidere il confronto.

Che cosa è in realtà ognuno di questi

NVIDIA Nemotron 3.5 Super VL è un modello ibrido visione-linguaggio: livelli Mamba-2 interlacciati, un mixture-of-experts con 512 esperti instradati per livello MoE e livelli di attenzione selezionati, abbinato a un encoder visivo C-RADIO e a un connettore visione-linguaggio. Ha 120 miliardi di parametri totali e ne attiva 12 miliardi per token, supporta fino a 1 milione di token di contesto e accetta in input testo, immagini e video restituendo testo in output. La Multi-Token Prediction nativa gli consente il decoding speculativo senza un checkpoint drafter separato. NVIDIA distribuisce una build di riferimento BF16 e una build NVFP4, con ricette di deployment per 4×H100 o 2×GB200 in BF16. Il pre-training e il continued pre-training hanno attinto a un corpus che NVIDIA descrive in migliaia di miliardi di token, mentre il post-training ha aggiunto dati sintetici e reinforcement learning attraverso dozzine di ambienti pubblicati.

Kimi K3 è il flagship di Moonshot AI: un mixture-of-experts da 2,8 trilioni di parametri con 104B parametri attivi, una finestra di contesto da 1M token e input nativo di immagini insieme al testo. Viene erogato anziché semplicemente pubblicato, espone un controllo reasoning_effort di primo livello invece dei parametri di campionamento, parla la forma dell'API OpenAI ed è pensato per il coding a lungo orizzonte e il lavoro di conoscenza all'interno di harness per agenti.

• Scala — Super VL attiva 12B parametri per token da un pool di 120B. Kimi K3 attiva 104B da un pool di 2,8 trilioni di parametri. Si tratta di una differenza di circa nove volte nel calcolo per token.

• Contesto — 1M token su entrambi, ed entrambi sono progettati per sostenere una sessione di lavoro anziché un singolo prompt.

• Modalità — Super VL accetta testo, immagini statiche e fotogrammi video campionati; Kimi K3 accetta testo e immagini. Il video è l'unico asse di input in cui i due non sono equivalenti.

• Prezzo — nessuna tariffa pubblicata da nessuna parte per Super VL al 16 ottobre 2026; Kimi K3 è di 3 $ in input / 15 $ in output per milione di token con uno sconto del 90% sulla cache.

• Licenza e controllo — OpenMDW-1.1 con uso commerciale, pesi aperti, dataset aperti e ricette di addestramento per Super VL; un'API commerciale senza download dei pesi per Kimi K3.

• Requisito minimo di deployment — 4×H100 o 2×GB200 in BF16 per Super VL, oppure il microservizio NIM del fornitore; nulla da distribuire per Kimi K3.

Il divario di otto punti che decide la questione dei generalisti

Nell'Artificial Analysis Intelligence Index, Kimi K3 si colloca a 44 e NVIDIA Nemotron 3.5 Super VL a 26 — entrambi non stimati, entrambi misurabili da una terza parte anziché dai laboratori che li hanno creati. Diciotto punti non sono un errore di arrotondamento; è all'incirca la distanza tra un generalista di frontiera e uno di fascia media. Kimi K3 è inoltre più lento e più costoso per token rispetto ai modelli che lo circondano, cosa che lo stesso panel rileva senza mezzi termini.

Quel numero è l'intero argomento per chiunque abbia un carico di lavoro di ragionamento solo testuale erogato tramite un'API, e vale la pena dirlo senza mezzi termini. Se il compito del tuo agente è leggere un repository, pianificare una modifica e sostenere una lunga conversazione al riguardo, K3 è il modello più forte ed è disponibile ora a un prezzo pubblicato.

Dove il confronto smette di essere una questione di intelligenza

NVIDIA non ha costruito Nemotron 3.5 Super VL per vincere un indice di ragionamento generale, e leggere il confronto come se lo avesse fatto è il modo in cui le persone finiscono per rimanere deluse. Il rilascio è mirato a ciò che l'annuncio definisce agenti sempre attivi: lavoro ad alto volume, di lunga durata, a forma di documenti e schermate, che un'azienda vuole eseguire all'interno del proprio perimetro, addestrare ulteriormente sui propri dati e sottoporre ad audit. L'inquadramento del fornitore stesso è l'efficienza: si afferma che Super VL è cinque volte più veloce nel completamento delle attività rispetto al miglior modello successivo della sua categoria, e che raggiunge un'accuratezza paragonabile al più grande modello di ragionamento di NVIDIA con circa un quinto del numero di parametri.

Quelle sono affermazioni del fornitore, misurate sull'harness di NVIDIA stessa, e nessuno al di fuori di NVIDIA le ha ancora riprodotte. La lettura onesta dopo un giorno di disponibilità pubblica è questa: l'architettura è documentata, i pesi sono scaricabili, la licenza è permissiva, e il dato sul throughput è un'asserzione finché una parte indipendente non lo esegue di nuovo.

Ciò che è verificabile è la natura del lavoro. I punti di forza dichiarati di Super VL sono il riconoscimento ottico dei caratteri, tabelle e grafici, informazioni strutturate in documenti visivi e flussi di lavoro aziendali a più passaggi — sinistri assicurativi, documenti di credito, disegni tecnici, ricerca attraverso silos applicativi. Questo è un lavoro diverso dallo scrivere una patch su più file, ed è un lavoro in cui un modello con 12B attivi che completa un compito veloce a livello di pagina vale più di un modello con 104B attivi che lo completa meglio e più tardi.

Cosa fa un singolo tasto con ciascuno di essi

Ecco dove l'asimmetria morde più duramente, perché i due modelli hanno storie di accesso opposte.

Kimi K3 è nel nostro catalogo come kimi/kimi-k3 al prezzo di listino di Moonshot stesso, con 0% di ricarico — la tariffa del provider passata così com'è, quindi quando Moonshot cambia il numero, il numero che paghi cambia lo stesso giorno. Arriva attraverso lo stesso endpoint compatibile con OpenAI di tutto il resto, il che significa che inserirlo è un cambio di stringa del modello e non un progetto di integrazione. Poiché Kimi K3 espone reasoning_effort invece di temperature e top_p, quello stesso endpoint ti consente di regolare la profondità di ragionamento per singola richiesta senza un secondo percorso di codice.

NVIDIA Nemotron 3.5 Super VL, al contrario, non è qualcosa che eroghiamo. È un checkpoint che ospiti tu, e il modello di costo si basa su capitale e utilizzo, non su token. Quello che possiamo fare per un modello self-hosted è l'infrastruttura di contorno: failover automatico tra i provider upstream, così che un picco o un'interruzione su un modello ospitato si degradi in modo controllato invece di fallire, e il DSL di routing che compone più modelli in un'unica chiamata — manda l'estrazione meccanica a un modello piccolo ed economico ed escala solo le pagine che richiedono giudizio. Questo schema è esattamente ciò che l'economia di Super VL invita a fare, perché un modello con 12B attivi è abbastanza economico da girare su tutto, mentre uno con 104B attivi non lo è.

L'assetto di produzione realistico per i prossimi mesi non è quindi una scelta. È K3 per il ramo a forte componente di ragionamento e un Super VL self-hosted per il ramo ad alto volume documentale, con un router davanti che decide a quale ramo appartiene una richiesta.

Cosa cambierebbe la risposta

Tre cose. Primo, una riproduzione indipendente dell'affermazione delle cinque volte: se Super VL completa davvero la sua classe di attività a un quinto del tempo effettivo, l'argomento a favore di eseguirlo all'interno di un perimetro regolamentato diventa molto più forte; se invece non lo fa, l'argomento dell'accuratezza per token torna a essere quello di un normale modello open-weight. Secondo, una tariffa pubblicata da un fornitore di serving: nel momento in cui Super VL compare sotto un'API a consumo, l'obiezione della soglia minima di deployment scompare per chiunque non possieda otto H100, e diventa una semplice questione prezzo-contro-indice in cui K3 attualmente vince sull'indice e non perde su nulla. Terzo, Kimi K3 stesso non sta fermo: Moonshot ha iterato rapidamente, e un rilascio della serie 3 azzererebbe questa pagina invece di rifinirla.

Finché uno di quelli non arriva, la divisione è netta: Kimi K3 se vuoi il modello più capace per token oggi e puoi permettertelo; NVIDIA Nemotron 3.5 Super VL se vuoi un agente per documenti e schermo che possiedi, a cui fai post-training e che tieni on-premises, e sei disposto a essere il primo a misurarne le prestazioni.