Mercury 3 vs NVIDIA Nemotron 3.5 Super VL 120B-A12B: De ene snelheidsclaim is gemeten, de andere niet

Mercury 3 en NVIDIA Nemotron 3.5 Super VL 120B-A12B worden beide verkocht op hun snelheid. Slechts één van die snelheidsclaims is door iemand buiten het bedrijf dat de claim deed gecontroleerd. Artificial Analysis meet Nemotron 3.5 Super VL op 434,3 outputtokens per seconde op zijn eigen meetopstelling. Mercury 3, dat Inception Labs op 19 oktober 2026 uitbracht, claimt 1.068 tokens per seconde — en sinds 20 oktober staat er helemaal geen Mercury 3-pagina in die index, dus er staat geen tweede partij achter het cijfer. Die asymmetrie, niet het specificatieblad, is de echte beslissing in deze vergelijking.De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive, waarbij elke vermelding haar eigen bronnen, ernstniveau, betrouwbaarheidsgraad en betwistmarkering bevat.

Er is een tweede asymmetrie die voor sommige teams meer uitmaakt. Nemotron is downloadbaar, draait op je eigen hardware en kan worden bijgetraind. Mercury 3 is een API-product zonder gewichten. Een van beide is een inkoopbeslissing en de andere is een implementatieproject, en de benchmarktabel is een slechte leidraad voor wat je feitelijk nodig hebt.

De cijfers waar beide leveranciers het over eens zijn, en het cijfer waarover ze het niet eens zijn

Begin met de rijen waar de twee er niet meer verschillend uitzien, want een aantal ervan is echt hetzelfde.

• Context — beide zijn gespecificeerd op 1M tokens. Mercury 3 combineert dat met een uitvoerplafond van 131.072 tokens; de kaart van Nemotron vermeldt tot 1M gedeeld venster over prompt, afbeeldingen, geschiedenis, toolresultaten en het antwoord.

• Uitvoer — tekst als uitvoer, beide. Geen van beide genereert afbeeldingen of audio.

• Invoer — hier gaan ze uiteen. Nemotron verwerkt tekst, RGB-afbeeldingen en MP4-video van maximaal twee minuten. Mercury 3 verwerkt tekst, en alleen tekst.

• Prijs — Mercury 3 kost tijdens de lanceerperiode $0,10 per miljoen input en $0,35 per miljoen output, en gaat daarna terug naar $0,20 en $0,70 volgens de lijstprijs. Nemotron heeft helemaal geen tariefkaart van de leverancier; wat bestaat, is het kostenoverzicht van Artificial Analysis, dat het momenteel boekt op $0,225 input en $0,575 output per miljoen, met 78% cachekorting en een kostenpost van $0,19 per Intelligence Index-taak.

• Gewichten — De gewichten van Mercury 3 zijn niet gepubliceerd en Inception heeft geen toezegging gedaan om ze te publiceren. Die van Nemotron staan op Hugging Face onder OpenMDW-1.1, met checkpoints op volledige precisie en NVFP4.

Die laatste rij is degene die de meeste echte evaluaties beslist, en heeft niets te maken met tokens per seconde.

De onafhankelijke index lezen zonder er te veel in te lezen

NVIDIA bracht Nemotron 3.5 Super VL op 15 oktober 2026 uit. Toen diezelfde week het eerste onafhankelijke scorebord verscheen, stond er een Intelligence Index van {{1}}26{{/1}} op en een lege plek waar de snelheidskolom had moeten staan. De pagina vermeldt nu beide: {{2}}26{{/2}} op Index v4.3.2, en {{3}}434.3{{/3}} outputtokens per seconde, waarmee het de eerste plaats inneemt onder de {{4}}28{{/4}} modellen in zijn vergelijkingsklasse. Het genereerde ook {{5}}170M{{/5}} tokens tijdens de indexrun, tegen een mediaan van {{6}}100M{{/6}}, wat de pagina omschrijft als enigszins breedsprakig.

Dat zijn de eigen metingen van de index, uitgevoerd via de eigen harness, en ze zijn precies zoveel waard als elke afzonderlijke benchmarksuite: een reproduceerbaar getal dat is verzameld door iemand die niet voor NVIDIA werkt. Let op wat 26 wel en niet betekent. De vergelijkingstekst op de pagina zelf zet het tegenover een mediaan van 8 voor vergelijkbare open-weight-modellen in de klasse 40B–150B, dus het is een sterk resultaat binnen zijn gewichtsklasse en een bescheiden resultaat tegenover frontier-modellen van welke grootte dan ook. De rangschikking eerste-van-67 die bovenaan de pagina staat, is een rangschikking binnen een gefilterde klasse, geen algehele plaatsing. Wie 'nummer één' citeert zonder de filter, citeert de filter.

Nu de andere kant. De lanceringspost van Inception doet drie kwantitatieve beweringen: 1.068 tokens per seconde op NVIDIA-GPU's, een context van 1M en een lanceringsprijs die de helft van het lijktarief is. Er wordt helemaal geen numerieke kwaliteitsclaim gemaakt. In plaats daarvan staat er dat Mercury 3 "beter presteert dan GPT-6 Luna en Claude Haiku 5.5" — twee op snelheid geoptimaliseerde modellen, de juiste vergelijkingsset voor een latencyproduct, zonder marge, benchmarknaam of resultaat per taak. Er wordt ook gemeld dat Mercury 3 50% van 50 live Mind2Web-navigatietaken heeft voltooid binnen Inceptions eigen web-agent-harnas, "significant meer dan GPT-6.1-Sol". Vijftig taken op een leveranciersharnas is een signaal, geen meting die je naast 26 kunt zetten.

Dus de eerlijke vergelijking van kwaliteitsbewijs is dit: het ene model heeft een indexscore van een derde partij en het andere heeft een zin van de leverancier. Dat maakt Mercury niet het zwakkere model. Het maakt het het ongemeten model, en ongemeten is een andere risicocategorie dan laag scorend.

Wat het daadwerkelijk kost om de open-weights-helft te draaien

Nemotron 3.5 Super VL is een mixture-of-experts-model met 120 miljard parameters, 12B actieve parameters per token, 512 geroute experts per MoE-laag, en een hybride backbone die Mamba-2-, attention- en MoE-lagen afwisselt, met een C-RADIO vision-encoder die via een connector is vastgekoppeld. NVIDIA levert het in twee precisieniveaus, en het verschil daartussen is het nuttigste getal in de release.

BF16 — 64 safetensors-shards, ongeveer 231,8 GiB. NVIDIA's eigen servingrecept is tensor-parallel 4 op vier H100's, of TP2 op twee GB200's.

• NVFP4 — 4-bit gewichten en activaties met kwantisatiebewuste distillatie. De kaart vermeldt implementatie op één DGX Spark, één H200, twee H100s of één GB200.

Een 120B-model dat op twee H100's past bij 4-bit in plaats van op vier bij BF16 is een ander inkoopgesprek, en daarom is de gekwantiseerde checkpoint degene waarnaar de leverancier wijst voor efficiënte serving. Wat NVIDIA niet publiceert, is een zij-aan-zijvergelijking van de nauwkeurigheid tussen de twee niveaus. De bewering is een claim over de trainingsmethodologie — dat distillatie tijdens de training de kwantiseringskloof dicht — geen gemeten vergelijking, en als je beslissing van die kloof afhangt, staat het antwoord niet in de repo.

De licentie is het waard om verder te lezen dan de marketing. De blogpost zegt "open weights"; de frontmatter van de modelkaart zegt license: other, license_name: openmdw-1.1, en valt onder de OpenMDW-licentieovereenkomst 1.1. Commercieel gebruik is toegestaan en de kaart zegt dat ronduit. Het is geen Apache 2.0, en als jouw organisatie een lijst met goedgekeurde licenties bijhoudt, is die lijst hetgeen je moet controleren voordat je de GPU-offerte aanvraagt.

Waar de twee geen substituut meer voor elkaar zijn

De mismatch is geen kwestie van kwaliteit. Het is de vorm van de opdracht.

Mercury 3 is een diffusietaaltaalmodel — Inceptions term is dLLM — dat tokens parallel genereert in plaats van één voor één, en dat is precies waar de bewering over een viercijferige doorvoer in de eerste plaats vandaan komt. De workload waarvoor het is gebouwd, is er een waarbij een mens meekijkt: hints bij bijles, zoekgeneratie, een supportantwoord dat gespreksmatig moet aanvoelen. De klantcitaten van Inception zelf zijn allemaal van dat type, en ze zijn de juiste test voor het product. Een verkeerde hint is herstelbaar. Een pauze van twee seconden niet.

Nemotron 3.5 Super VL is gebouwd voor het tegenovergestelde uiterste. Het leest screenshots, gescande documenten, grafieken en videoclips van twee minuten, roept tools aan en draait op hardware die u zelf beheert. De workload waarvoor het is gebouwd, is een pipeline die minutenlang draait en terugrapporteert, waarbij een verkeerde extractie duur is en een wachttijd van vijf seconden onzichtbaar. De eigen modelkaart geeft openlijk toe dat de multimodale benchmarkrijen niet allemaal zijn uitgevoerd via de open tooling die NVIDIA publiceert, en dat de interne scaffolding achter verschillende ervan is beloofd voor een toekomstige release. Dat voorbehoud diskwalificeert het model niet; het vertelt u welke rijen u zelf opnieuw moet uitvoeren voordat u erop vertrouwt.

De overlap is smaller dan de specsheets doen vermoeden. Als je invoer een stapel facturen, een productvideo of een screenshot van een dashboard is, kan Mercury 3 die niet zien. Als je behoefte een conversatiebeurt van minder dan een seconde op platte tekst is, is een multimodaal 120B-checkpoint op je eigen GPU's een zeer dure manier om die te krijgen.

Geen van beide modellen staat in onze catalogus, en dat verandert het routeringsadvies.

Beide zijn eerlijke negatieven. Onze model-API retourneert geen Inception-model en geen NVIDIA Nemotron-vermelding, dus noch Mercury 3 noch Nemotron 3.5 Super VL kun je vandaag via ons aanroepen. Wie Mercury 3 wil, gaat naar Inceptions eigen platform, dat nieuwe accounts 100 miljoen gratis tokens geeft; wie Nemotron wil, downloadt de checkpoint van Hugging Face of gebruikt een host van derden. We schrijven dat liever op dan een route te impliceren die we niet hebben.

Waar een routinglaag hier nog steeds goed voor is, is het deel rond het experiment. Een opzet met twee paden is de verstandige manier om een ongemeten model te evalueren: stuur de latency-kritieke tier naar Mercury 3 via de sleutel van Inception, en houd de fallback en de moeilijke gevallen op modellen die we wel aanbieden — meer dan 200 daarvan achter één OpenAI-compatibel endpoint, tegen de lijstprijs van de provider met 0% markup, met automatische failover wanneer een provider verslechtert. Als het nieuwe pad slechter blijkt dan het launchbericht suggereerde, is de fallback al aangesloten en is de omschakeling een routingregel in plaats van een integratieproject. Het self-hosted deel van de vergelijking heeft daar niets aan, want er valt niets te routeren.

De beslissingsregel

Kies Nemotron 3.5 Super VL 120B-A12B wanneer het model iets moet zien — een pagina, een scan, een clip — of wanneer de data je infrastructuur niet mag verlaten, of wanneer je van plan bent om op je eigen voorbeelden te post-trainen. Begroot de hardware eerlijk: vier H100's bij BF16 of twee bij NVFP4 is een echte kapitaalinvestering, en de 26 op de index is een klasse-relatieve score, niet een frontier-score. Accepteer dat de rijen voor instruction-following en long-context het zwakkere deel van zijn eigen tabel zijn.

Kies Mercury 3 wanneer iemand op een tekstantwoord wacht en een nieuwe poging niets kost. Accepteer twee dingen voordat je erop voortbouwt: dat 1.068 tokens per seconde een leverancierscijfer is zonder onafhankelijke reproductie, en dat de standaardinstelling voor effort "low" is — dus elke benchmark die je zelf draait, is alleen vergelijkbaar met die van iemand anders als je instant, low, medium of high expliciet vastzet. Reken met de lijstprijs, $0,20 en $0,70, want de introductiekorting heeft geen gepubliceerde einddatum en een kostenmodel dat op $0,10 en $0,35 is gebaseerd, heeft een vervaldatum die je niet kunt zien.

Wat het antwoord het snelst zou veranderen, is aan beide kanten hetzelfde: een tweede partij die dezelfde tests uitvoert. Als Artificial Analysis een Mercury 3-pagina publiceert, wordt de doorvoerclaim controleerbaar en is de kwaliteitsvraag niet langer een zin in een lanceerbericht. Als NVIDIA een nauwkeurigheidsdelta tussen BF16 en NVFP4 publiceert, is de goedkope deploymentlaag niet langer een sprong in het duister. Tot een van beide verschijnt, is de waarheidsgetrouwe samenvatting dat een van deze modellen is gemeten en het andere is beschreven, en geen enkele vergelijking van specsheets dicht die kloof.