Nemotron 3.5 Super VL eguaglia Inkling Small con meno della metà dei pesi

Questa settimana due modelli si trovano a 26 sull'Artificial Analysis Intelligence Index, e la parte interessante è quanto ciascuno ha speso per arrivarci. NVIDIA Nemotron 3.5 Super VL è un mixture of experts da 120 miliardi di parametri con 12 miliardi attivi. Inkling Small, il rilascio di luglio di Thinking Machines, è un mixture of experts da 266 miliardi di parametri con 12 miliardi attivi. Stesso punteggio, stesso budget di parametri attivi, meno della metà dei pesi su disco. Le tabelle dei benchmark dicono che punteggio ottiene un modello; il registro degli incidenti dice come rilasci come questi falliscono in produzione, e quei casi sono catalogati in the OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, la gravità, il livello di confidenza e il flag di contestazione.

Questa è la fisionomia della scorsa settimana nel panorama dei modelli open weight statunitensi, ed è una storia migliore del post di lancio che NVIDIA ha pubblicato giovedì 15 ottobre. L'annuncio abbinava Nemotron 3.5 Super VL con Nemotron 3.5 Bolt 74B-A9B 24GB — un modello da 74 miliardi di parametri compresso in 24 GB di memoria — e prometteva un terzo, Nemotron 3.5 Bolt E4B 4GB, per il 23 ottobre. Tre modelli in otto giorni con tre impronte di memoria non sono una cadenza di lancio; sono un argomento di portafoglio, e l'argomento è che la capacità per gigabyte è ormai il numero che conta.

Cosa è stato rilasciato, e in quale giorno

Le date vanno precisate con esattezza, perché gli stessi artefatti di NVIDIA differiscono di tre giorni e la discrepanza è informativa anziché scandalosa.

• Pesi — il repository BF16 nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 è stato creato su Hugging Face il 2026-10-12T15:32:06Z, con un gemello NVFP4 24 secondi dopo e un checkpoint di base pre-post-training 17 secondi prima di quello.

• Annuncio — il post nella newsroom di NVIDIA riporta una data di pubblicazione del 15 ottobre 2026. Il campo release della model card stessa indica 10/15/2026 alla versione 1.0 GA.

• Bolt 74B — il suo repository da 24 GB precede considerevolmente l'annuncio, creato il 7 ottobre, con una build GGUF apparsa sull'Hub quella sera. Il blog lo presenta come in uscita insieme a Super VL il 15.

• Bolt E4B — annunciato per il 23 ottobre, al momento in cui scriviamo non sono ancora disponibili i pesi.

Così gli artefatti pubblici sono arrivati prima della prosa pubblica. Chi data un deployment dal comunicato stampa arriverà con tre giorni di ritardo a un modello già scaricabile, e chi lo data dal repository citerà un timestamp che NVIDIA non ha mai riconosciuto. Entrambe le opzioni sono difendibili; scrivere "rilasciato il 15 ottobre" senza menzionare il 12 è la versione che perde informazioni.

Il punteggio è la parte noiosa. Il denominatore è la storia.

Il messaggio promozionale di NVIDIA per Super VL è la velocità — «fino a 5 volte il throughput rispetto ad altri modelli della sua classe», attribuito alla classifica di Artificial Analysis. L’affermazione è ancora in parte non verificata, e la sezione seguente se ne occupa. Il dato destinato a restare di questa release è un altro: il modello ottiene 26 sullo stesso pannello su cui il suo predecessore di marzo, NVIDIA Nemotron 3 Super 120B A12B, ne aveva ottenuti 13, e lo fa con dimensioni praticamente identiche.

• Parametri — 120B totali, 12B attivi, 512 esperti instradati per layer MoE. Il modello di marzo era di 120,6B totali e 12,7B attivi. Questo non è un modello più grande.

• Intelligence Index — 26 contro 13, secondo Artificial Analysis, entrambi contrassegnati come non stimati. Circa il doppio, sullo stesso budget di parametri.

• Token di output per attività Index — circa 49.000 contro circa 114.000. Il nuovo modello completa la stessa valutazione con circa il 57% di token in meno, ed è questo il meccanismo alla base di gran parte del balzo: smette di pensare troppo.

• Rispetto a Inkling Small — entrambi 26. Super VL lo fa con 120B totali rispetto ai 266B di Inkling Small, ed entrambi attivano circa 12B per token.

• Contro Nemotron 3 Ultra 550B A55B — 23. Il nuovo modello di medie dimensioni di NVIDIA supera di tre punti il proprio flagship da 550 miliardi di parametri, pur essendo circa un quarto delle dimensioni.

Le due dimensioni dell'efficienza vengono continuamente confuse, quindi vale la pena separarle. I parametri attivi determinano quanto costa generare un token. I parametri totali determinano quanto costa archiviare, caricare e mantenere residente un checkpoint. Super VL migliora su entrambe: mantiene i parametri attivi fissi a 12B mentre circa dimezza i parametri totali rispetto a Inkling Small, e mantiene i parametri totali fissi a 120B mentre circa raddoppia il suo punteggio rispetto al proprio predecessore. Un modello che migliorasse su un solo asse sarebbe comunque notevole. Questo ha fatto entrambe le cose nella stessa release.

Bolt è la metà più tranquilla dell'uscita, e non ha un punteggio indipendente

Il modello da 24 GB è quello che la maggior parte dei team potrebbe effettivamente eseguire su hardware di propria proprietà. Nemotron 3.5 Bolt 74B-A9B 24GB è un mixture of experts da 74 miliardi di parametri con 9 miliardi attivi, quantizzato a circa 2,06 bit per esperto durante l'addestramento anziché dopo, con una finestra di contesto di 262.144 token e gli stessi termini OpenMDW-1.1 del suo fratello maggiore. È un ibrido Mamba-2 e Transformer con un encoder visivo C-RADIO v4-H, quindi accetta testo, immagini e video e restituisce testo.

La scheda di NVIDIA riporta, sul proprio harness: GPQA-Diamond 86,43, HLE senza strumenti 25,30, Terminal-Bench 2.1 50,98, SciCode 41,02, BrowseComp 66,75, PinchBench 87,82 e WebArena vision 50,86. Ognuno di questi è eseguito dal fornitore e non replicato. Nel panel indipendente il modello si attesta a 21 — un risultato davvero solido per qualcosa che sta su una singola scheda da 24 GB, e anche un promemoria a essere cauti con la tabella del fornitore, perché 86,43 su GPQA-Diamond accanto a un indice complessivo di 21 invita a sovrainterpretare una singola riga.

La distribuzione dei download racconta da sola la sua storia: la build GGUF di Bolt ha superato gli 87.000 download, contro circa 18.700 per il repository BF16 Super VL. Il modello che le persone possono eseguire su un laptop è il modello che le persone stanno scaricando. Non è un commento sulla qualità; è un commento su a cosa servano davvero gli "open weights".

Dove si collocano davvero gli Stati Uniti

Il guadagno di efficienza è reale, e l'affermazione sulla leadership necessita di una precisazione che il post di NVIDIA non fornisce. Tra i modelli open-weight dei laboratori statunitensi sul panel indipendente, Meta Muse Spark Open ottiene 39 ed è davanti a tutto ciò che NVIDIA ha rilasciato la scorsa settimana. È inoltre soggetto a gating sull'Hub con una licenza commerciale su misura, il che lo colloca in una categoria di adozione diversa da un checkpoint scaricabile con OpenMDW-1.1 senza chiedere a nessuno.

• Muse Spark Open — 39, ad accesso limitato, licenza personalizzata.

• Nemotron 3.5 Super VL — 26, senza restrizioni, OpenMDW-1.1, 120B totali / 12B attivi.

• Inkling Small — 26, permissiva, 266B totali / 12B attivi.

• Nemotron 3.5 Bolt 74B-A9B — 21, senza restrizioni, ingombro di 24 GB.

• GPT-5.5 Instant — 26, chiuso.

Il campo cinese dei modelli open-weight è ancora un discorso a parte. MiMo-V2.6-Pro si attesta a 46, GLM-5.3 a 45 e Kimi K3 a 44 nello stesso panel, quindi il più forte modello statunitense con licenza permissiva è circa 20 punti dietro il più forte modello cinese. La risposta di NVIDIA a questo divario non è un modello più grande — è il post-training sui propri dati, con dataset, ricette e ambienti di reinforcement learning pubblicati insieme ai pesi. Se questo colmi qualcosa è una questione che questa release non risolve, e chiunque affermi il contrario sta attribuendo intenzioni a un benchmark.

Cosa viene misurato, cosa viene dichiarato e cosa si è mosso questa settimana

Al lancio, l'affermazione di un throughput 5x non aveva nulla a supportarla: Artificial Analysis elencava il modello senza alcun dato sulla velocità. Le cose sono cambiate. Il panel ora registra una velocità di output di circa 430 token al secondo, primo su 28 nel suo set di confronto. Quindi una parte dell'affermazione ora ha una conferma indipendente: il modello è veloce, e non marginalmente. Ciò che resta non verificato è il multiplo. "5 volte più veloce del secondo miglior" richiede un secondo miglior nominato e un harness corrispondente, e né il post del blog né la model card ne forniscono uno.

Anche il quadro dei prezzi si è mosso, e si è mosso in un modo che conta più del tasso principale.

• Mediana tra i fornitori — 0,225 $ per milione di token di input e 0,575 $ per milione di output, con uno sconto sulla cache del 78%, secondo Artificial Analysis.

• Differenza tra i provider che pubblicano una tariffa — input da $0,10 a $0,20, output da $0,40 a $0,50 per lo stesso checkpoint.

• Costo per attività Index — $0,19, ovvero il punto in cui il prezzo basso e l'elevato numero di token si incontrano.

• Verbosità — 170M token di output consumati durante l'esecuzione di Index rispetto a una mediana di 100M, segnalato come alquanto verboso. Un output economico unito a un output lungo non è automaticamente economico.

Un divario di 2x sul prezzo di input per pesi identici è la scoperta pratica della settimana. Il modello è lo stesso file ovunque; il contatore no. Questo è un argomento a favore del trattare la scelta del provider come una decisione di routing anziché di approvvigionamento — che è proprio il punto di questa storia che il nostro prodotto si trova ad affrontare, e la versione onesta di tale affermazione è ristretta. Nemotron 3.5 Super VL non è nel nostro catalogo: la lista dei modelli di OrcaRouter restituisce poco più di 200 ID di modello e nessuna voce NVIDIA oggi. Il valore di un router in questo caso sta nel fatto che, nel momento in cui un checkpoint arriva davvero, esso arriva al prezzo di listino del provider con 0% di ricarico, e un modello così nuovo può stare dietro un failover automatico anziché alla radice di un percorso di produzione. Nessuna delle due cose è una ragione per acquistare il modello. Sono ragioni per non firmare un contratto per provarlo.

Tre cose da tenere d'occhio, e una di queste è tra nove giorni

Il primo è Bolt E4B il 23 ottobre. Un modello visione-linguaggio da 4 GB che ottenga punteggi anche solo vicini a quelli del suo fratello da 24 GB sarebbe il rilascio più significativo dei tre, perché cambia cosa si considera hardware sufficiente.

Il secondo è una valutazione indipendente dei checkpoint quantizzati. Ogni numero in questo articolo che proviene da NVIDIA è stato misurato su una build a piena precisione o con un harness del fornitore. Il file NVFP4 è quello che la maggior parte delle persone servirà effettivamente, e non ha alcun punteggio pubblicato di terze parti. L'affermazione di NVIDIA stessa è un recupero mediano della precisione del 99,62% rispetto a BF16 — una cifra del fornitore, su un harness del fornitore, e il numero non verificato su cui più si regge l'intero rilascio.

Il terzo è se lo scarto di prezzo si restringe. Un divario di 2x tra il server più economico e quello più caro per un checkpoint aperto è un mercato che non si è ancora assestato, e la direzione in cui si assesterà dirà più sui prossimi sei mesi di inferenza a pesi aperti di quanto possa fare qualsiasi singola riga di benchmark.

Il punteggio è la notizia. Il checkpoint di dimensioni dimezzate con lo stesso budget attivo è ciò che conterà ancora tra un anno.