Nemotron 3.5 Super VL vs Nemotron 3.5 Super VL 120B: 하나의 모델, 다섯 개의 파일, 세 가지 다른 동작

This comparison exists because a search box made it. NVIDIA Nemotron 3.5 Super VL and NVIDIA Nemotron 3.5 Super VL 120B are not two models. They are one checkpoint written down two ways, and no benchmark separates them because there is nothing to separate: the 120B is the parameter count of the Super VL, and the shorter string is what the marketing page calls the file whose full repository name is nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16. The naming confusion around this checkpoint is the kind of thing that ends up in a postmortem, and the recorded incidents are catalogued in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

그래서 일대일 비교 기사는 잘못된 글이다. 유용한 버전은 같은 혼란에서 이어지는 글이다. 두 이름이 같은 모델을 가리킨다면, 왜 "Nemotron 3.5 Super VL"을 다운로드할 때 서로 다른 다섯 개의 저장소, 서로 다른 세 가지 다운로드 크기, 서로 다른 두 가지 아키텍처가 나오며, 실제로 얻게 되는 것은 어느 것인가?

네이밍, 엉킴을 풀어내다

NVIDIA는 하나의 릴리스에 대해 세 개의 겹치는 레이블을 사용하는데, 이들은 서로 충돌하는 것이 아니라 중첩됩니다.

• Nemotron 3.5 Super VL — 제품명입니다. 블로그 게시물, 패널, 모든 뉴스 기사에서 이 제품을 부르는 명칭입니다.

• Nemotron 3.5 Super VL 120B — 매개변수 수가 뒤에 붙은 동일한 이름입니다. 비교 표와 카탈로그 목록에서 흔히 볼 수 있으며, 이 페이지를 생성한 목록도 포함됩니다.

• NVIDIA-Nemotron-3.5-Super-VL-120B-A12B — 활성 매개변수 수를 추가한 저장소 스템입니다. 다운로드 가능한 모든 아티팩트는 이 이름을 기반으로 합니다: BF16, NVFP4, Base, 그리고 NVFP4 LiLiCorr 드래프터.

그 셋 중 어느 것도 다른 모델이 아닙니다. 진짜로 다른 것들은 한 단계 아래, 즉 정밀도와 사후 학습 접미사에 있으며, 바로 그곳에 실제 결정이 달려 있습니다.

파일 다섯 개, 그리고 각각의 실제 정체

다섯 개 모두 서로 약 나흘 이내에 나타났으며, 각각의 생성 타임스탬프는 입수 가능한 가장 신뢰할 수 있는 출시 증거입니다 — 모두가 나온 뒤에 발표된 공지 날짜보다 더 신뢰할 수 있습니다.

• ...-120B-A12B-Base-BF16 — 2026-10-12T15:31:49Z에 생성되었습니다. 포스트 트레이닝 이전 체크포인트입니다. 인스트럭션 튜닝도, 도구 사용 학습도, 추론 모드도 없습니다. 직접 포스트 트레이닝을 할 계획이라면 이 체크포인트에서 시작해야 하며, 그렇지 않다면 당신에게는 쓸모가 없습니다.

• ...-120B-A12B-BF16 — 17초 후인 15:32:06Z에 생성되었습니다. 완성된 instruct 모델은 전체 정밀도이며, 약 249GB로 63개 샤드에 걸쳐 있습니다. NVIDIA의 서빙 레시피는 H100에서는 텐서 병렬화 4, GB200에서는 2입니다.

• ...-120B-A12B-NVFP4 — 15:32:30Z에 생성됨. 학습 후가 아니라 학습 중에 4비트로 양자화한 동일한 포스트 트레이닝 가중치이며, 약 75GB입니다. 이 파일은 대부분의 사용자가 실제로 서빙하게 될 파일이며, H200 한 대, H100s 두 대, GB200 한 대 또는 DGX Spark 한 대에서 실행됩니다.

• ...-120B-A12B-NVFP4-LiLiCorr — 2026-10-11T20:20:59Z에 생성되었으며, 다른 모델들보다 하루 앞서고 어떤 발표도 존재하기 전이었습니다. 일반적인 의미의 모델이 아니라 추측 디코딩(speculative-decoding) 드래프터로, 이후 NVIDIA 블로그에서 DGX Spark의 저지연 추론을 위해 권장되는 드래프터로 꼽혔습니다.

• GGUF 및 커뮤니티 양자화 — NVIDIA가 게시한 것이 아니라 파생된 것으로, 벤더가 보고하는 어떤 범위에도 포함되지 않습니다.

"이 둘 중 어느 쪽이 더 나은가"를 찾으러 오셨다면, 답은 이 다섯 중 두 개는 애초에 서로의 대안이 아니라는 것입니다. 베이스 체크포인트와 인스트럭트 체크포인트는 동일한 학습 실행의 서로 다른 단계이고, 드래프터는 직접 호출할 일이 전혀 없는 모델입니다.

전체 정밀도 빌드와 4비트 빌드 사이에는 무엇이 달라지나요?

이것은 명명 혼란 속에서 실제 결과를 낳는 유일한 비교이며, 동시에 독립적 증거가 가장 적은 비교이기도 하다.

• 디스크 및 메모리 — BF16의 경우 248.94GB, NVFP4의 경우 75.06GB. 174GB 차이이며, 이는 H100 네 대와 두 대의 차이입니다.

• 수치 — NVFP4는 Blackwell에서 W4A4를, 구형 하드웨어에서는 W4A16을 실행합니다. 양자화는 증류를 통해 학습 중에 적용되며, NVIDIA는 이것이 사후 양자화로 인해 벌어지는 정확도 격차를 좁힌다고 말합니다.

• 정확도 주장 — NVIDIA는 BF16 기준 대비 중앙값 정확도 복구율 99.62%를 보고합니다. 이는 벤더 자체 하네스에서 나온 벤더 수치이며, 전체 릴리스에서 검증되지 않은 숫자 중 가장 중추적인 단일 수치입니다.

• 독립적 평가 — 없음. Artificial Analysis는 이 모델의 Intelligence Index 점수를 26.49로 산정하며, 이는 추정치가 아니지만 NVFP4 빌드에 대한 별도 행은 공개하지 않습니다. 이 모델에 대해 여러분이 본 모든 제3자 수치는 전체 정밀도 또는 공급자 기본값 측정치입니다.

• 성능 오버헤드 — NVIDIA는 양자화가 런타임 단계가 아니라 학습 중에 이루어지므로 성능 오버헤드가 없다고 밝힙니다.

{{1}}99.62%{{/1}}를 중심으로 계획을 세우기 전에 그 수치를 주의 깊게 읽어 보십시오. 이름이 공개되지 않은 평가 세트 전반의 “중앙값 정확도 회복”은 “능력의 0.38%를 잃는다”와 같은 주장이 아닙니다. 중앙값은 99.62%에 머물 수 있지만 개별 벤치마크는 어느 방향으로든 몇 포인트씩 움직일 수 있으며, 벤치마크별 편차가 없으면 그 숫자는 겉보기보다 더 적은 정보를 줍니다. 워크로드가 특정 기능 — 장문 문서 OCR, 차트 추출, 비디오 그라운딩 — 에 민감하다면, 유일하게 타당한 접근법은 두 빌드를 자체 데이터로 실행해 보는 것입니다. NVIDIA가 여러분에게 필요한 행을 공개하지 않았기 때문입니다.

베이스 체크포인트는 바로 아무도 벤치마크하지 않는 그 대상이다.

다섯 파일 중 베이스 빌드는 논의가 가장 적지만, 포스트트레이닝 계획이 있다면 가장 흥미롭습니다. 동일한 총 120B·활성 12B 구조와 동일한 하이브리드 백본, 동일한 비전 인코더를 갖추고 있으며, 인스트럭트 모델을 만들어 낸 6단계 포스트트레이닝 파이프라인 직전에서 멈춰 있습니다. NVIDIA가 함께 공개한 SFT 및 RL 데이터셋이 바로 그 파이프라인의 것으로, 11개 모두 같은 주의 61시간 범위 안에 공개되었습니다.

그것이 제공하지 않는 것은 사용 가능한 벤치마크 표다. 해당 카드는 MMLU와 MMLU-Pro를 실행하지만, 포스트트레이닝된 카드는 MMLU를 완전히 빼고 MMLU-ProX를 택하며 에이전틱 및 하네스 수준의 스위트를 추가한다. 두 세트는 "포스트트레이닝이 얼마나 더했는가"에 답할 만큼 겹치지 않으므로, 그 질문의 값을 매기려면 둘 다 직접 실행하는 것 외에는 방법이 없다. 오픈 웨이트는 그것을 가능하게 한다. 그러나 무료로 만들어 주지는 않는다.

중복 이름이 애초에 왜 존재하는지

세 가지 아티팩트, 세 가지 대상 독자, 하나의 릴리스. 블로그 게시물에는 헤드라인에 들어갈 만큼 짧은 제품명이 필요합니다: Nemotron 3.5 Super VL. 카탈로그나 비교 표에는 Bolt 74B, Bolt E4B, Lightning 30B도 포함된 제품군 전반에서 정렬 가능하고 모호하지 않은 이름이 필요합니다: 120B를 덧붙이면 됩니다. Hub에는 정밀도와 활성 매개변수를 인코딩한 저장소 이름이 필요합니다. 그래야 사람이 설명을 읽지 않아도 스크립트가 파일을 선택할 수 있습니다.

그러한 중첩의 대가는 검색이다. 같은 의미를 가진 두 문자열이 같은 검색어를 두고 경쟁하고, 그중 하나를 입력한 독자는 어느 쪽이 더 나은지 묻는 비교 페이지에 도착한다. 그 검색어에 대한 유용한 답은 위에 제시된 것이다. 그것들은 같은 파일이고, 이 이름이 실제로 가리킬 수 있는 다섯 가지가 여기 있으며, 당신이 가진 것이 어느 것인지 구별하는 방법은 다음과 같다.

다운로드하는 대신 호출하는 경우 이것이 의미하는 것

API를 통하면 명명 문제는 대부분 사라집니다. 제공자가 이미 당신을 위해 빌드를 골라 두었기 때문이며, 바로 그 지점에서 나머지 모호함이 옮겨갑니다. 독립 패널은 이 체크포인트에 대해 일곱 개의 서버를 추적하는데, 동일한 가중치에 대해 공개된 요금은 백만 입력 토큰당 $0.10에서 $0.20, 백만 출력 토큰당 $0.40에서 $0.50에 이릅니다. 그 목록 중 두 개는 명시적으로 NVFP4 빌드이고, 나머지는 밝히지 않습니다. 정밀도가 명시되지 않은 요금은 다른 요금과 비교할 수 없는 요금입니다.

그것이 이 페이지가 시작된 질문의 실용적인 버전입니다. 모델 이름은 하나의 아키텍처와 다섯 개의 파일로 귀결되며, 가격은 여러분이 어떤 파일에 비용을 지불하는지 알려주지 않습니다. 공급자에게 어떤 빌드를 제공하는지, 그리고 처리량 수치가 BF16으로 측정되었는지 FP4로 측정되었는지 묻는 것이 같은 체크포인트의 두 가지 표기 사이의 어떤 맞대결보다 더 유용한 질문입니다.

저희 쪽에서 솔직히 말씀드리면 짧습니다: 이 체크포인트는 OrcaRouter 카탈로그에 없습니다. 모델 목록은 ID가 200개를 조금 넘고 현재 NVIDIA 항목은 없으므로, 여기에는 이를 서빙하겠다는 제안이 없습니다. 이렇게 모호한 이름과 관련해 플랫폼이 실제로 제공하는 것은 모델 문자열을 한곳에 유지하는 라우팅 계층입니다: 변형이 실제로 출시되면 호출 지점은 바뀌지 않고, 동일한 체크포인트의 두 공급자 사이에 트래픽을 분할해 자체 워크로드에서 비교할 수 있으며, 자동 장애 조치가 둘 중 하나의 성능이 저하되는 경우를 처리합니다. 공급자 목록 가격은 0% 마크업으로 그대로 전달되며, 이는 여기서 특히 중요한데, 이 모델의 가격 차이가 2배여서 마진에 흡수되게 하기보다 직접 확인하는 편이 낫기 때문입니다.

긴 이름을 검색한 독자를 위한 짧은 답변

Nemotron 3.5 Super VL과 Nemotron 3.5 Super VL 120B는 같은 모델로, 2026년 10월 12일 가중치로 공개되었고 2026년 10월 15일 발표되었으며, 총 매개변수 1,200억 개, 활성 매개변수 120억 개, 100만 토큰 컨텍스트, 텍스트·이미지·비디오 입력, OpenMDW-1.1 라이선스를 갖추고 있습니다. 여러 가지 중에서 고르고 있다면, 그 선택은 그 두 이름 사이의 선택이 아닙니다. 선택은 BF16과 NVFP4 사이, 베이스 체크포인트와 인스트럭트 체크포인트 사이, 그리고 가격과 정밀도가 같은 단위로 명시되지 않은 서버들 사이에 있습니다. 이것들은 세 가지 실제 결정입니다. 이름은 그중 하나가 아닙니다.