NVIDIA Nemotron 3.5 Super VL 120B vs DeepSeek V4 Pro: pixels kosten 40 keer meer dan tekst, en hier is de rekensom

DeepSeek V4 Pro costs $0.66 per million input tokens. Whatever a page of a scanned contract costs you to push through N​VIDIA N​emotron 3.5 Super VL 120B A12B, it is not 66 cents per million, and the reason is that you are not renting it — you are buying GPUs. That single asymmetry is the whole shape of this comparison between DeepSeek V4 Pro, D​eepSeek's 1.6-trillion-parameter text-only flagship listed since April 2026, and N​VIDIA N​emotron 3.5 Super VL 120B A12B, the open-weights vision-language model N​VIDIA uploaded to Hugging Face on 12 October 2026 with no announced price on any serving path. Comparing their benchmark scores is easy and mostly useless. Comparing what each one costs you to operate on the same document is the exercise that actually decides anything.

Het korte antwoord

Als uw invoer tekst is en uw budget een begrotingspost is, wint DeepSeek V4 Pro met een marge die geen enkel open model kan dichten — een panel van derden plaatst het 9,5 indexpunten vóór Super VL, terwijl het een fractie van een cent per duizend tokens kost. Als uw invoer afbeeldingen, video of paginascans bevat, valt er helemaal niets te vergelijken, omdat DeepSeek V4 Pro ze niet kan zien. De twee modellen overlappen niet op de as die de meeste teams echt belangrijk vinden.

Wat elk model is, in één keer.

DeepSeek V4 Pro is a 1.6T-parameter mixture of experts with 49B active per token, a 1M-token context window, up to 384K output tokens, and text as its only input and output modality. It has been generally available since 24 April 2026 through D​eepSeek's own API and third-party platforms, priced at $0.66 per million input and $1.98 per million output, with cache reads at $0.022. Independent measurement through the Artificial Analysis panel, last evaluated 13 August 2026, puts it at 36.0 on the Intelligence Index — 41st of 147 models.

N​emotron 3.5 Super VL 120B A12B is a Mamba-2/Transformer hybrid with 512 routed experts per MoE layer, 120B total parameters and 12B active per token, a C-RADIO vision encoder, native Multi-Token Prediction, and 1M tokens of context. Inputs are text, images and video; output is text. It is open under OpenMDW-1.1 with commercial use permitted, shipped in BF16, base-BF16 and NVFP4 builds, and runs on 4× H100 or 2× GB200 in BF16 or a single H200, single GB200, 2× H100 or one DGX Spark in NVFP4. Independent measurement puts it at 26.49 on the same panel, which is the number to hold onto as the conversation moves.

Waar de inputkosten daadwerkelijk zitten

Hier is de rekensom die niemand heeft gepubliceerd. Neem een gescande contractset van 200 pagina's. Via DeepSeek V4 Pro moet die eerst worden ge-OCR'd en moet de tekst worden geëxtraheerd voordat hij aankomt, en het model rekent je vervolgens $0,66 per miljoen inputtokens op de geëxtraheerde tekst. Via Super VL gaan de pagina's één keer als afbeeldingen naar binnen, in een model waarvoor je al per GPU-uur betaalt.

• DeepSeek V4 Pro tegen lijstprijs — $0.66 in, $1.98 uit, $0.022 cache-lezen, per miljoen tokens. Een extractie van 200 pagina's is goedkoop genoeg dat de kosten per aanroep niet opduiken in een budgetbeoordeling.

• De inflatiekosten van Super VL — 4× H100 of 2× GB200 in BF16, of één H200 / één GB200 / één DGX Spark in NVFP4. Dat zijn huur- of kapitaaluitgaven die oplopen, ongeacht of er een document arriveert.

• Het kantelpunt — het punt waarop self-hosting van Super VL goedkoper wordt dan OCR-plus-V4-Pro is een functie van uw documentvolume en de benutting die u op de GPU kunt vasthouden. Niemand heeft het gepubliceerd, en voor teams met een laag volume komt het hoogstwaarschijnlijk nooit.

• What is not in either column — the OCR pipeline D​eepSeek's path requires. That is a second system, a second failure mode, and the place where most document pipelines actually break: the table that OCR mangles, the chart that vanishes in extraction, the stamp over the signature block.

Dit is het echte argument voor het visiemodel, en het is geen benchmarkargument. Het is dat de extractiestap verdwijnt. De pagina komt bij het model aan zoals ze bestaat, en het model moet omgaan met de grafiek en de tabel en de onhandige lay-out in plaats van een afgevlakte benadering ervan te ontvangen. Of de visie van Super VL goed genoeg is om het bezit van GPU's te rechtvaardigen, is een vraag over uw documenten, en de enige eerlijke manier om die te beantwoorden is uw eigen set door de NVFP4-build op één H200 te halen en de fouten te tellen.

De benchmarkrijen die bestaan, en van wie ze zijn

Er zijn hier twee verschillende soorten getallen in het spel, en die mogen nooit in dezelfde zin zonder een label worden aangehaald.

Door het panel gemeten, van Artificial Analysis, waar DeepSeek V4 Pro voor het laatst is geëvalueerd op 13 augustus 2026:

• Intelligence Index — DeepSeek V4 Pro 36.0 vs N​emotron 3.5 Super VL 26.49.

• Humanity's Last Exam — DeepSeek V4 Pro 41.0. Het paneel bevat geen Super VL-rij.

• Terugvinden in lange contexten — DeepSeek V4 Pro 80,3 tegenover Super VL 0,69 op de AA-LCR-schaal, wat het grootste relatieve verschil in dit artikel is.

• SciCode — DeepSeek V4 Pro 51,0 vs Super VL, waarvan de rij niet op het paneel is gepubliceerd.

• Terminal-Bench 4.0 — DeepSeek V4 Pro 14,1 vs Super VL 0,0.

• τ²-bench — DeepSeek V4 Pro 96.2, a number D​eepSeek leads with, and the panel publishes no Super VL equivalent.

Vendor-reported, from N​VIDIA's own NeMo Gym evaluation of Super VL, which N​VIDIA ran on its own model against baselines it chose:

• Agentisch — SWE-bench Verified 71,10, SWE-bench Multilingual 67,72, SWE-bench Pro 51,78, tau2-bench retail 69,24 en airline 76,50, BrowseComp 78,91, GraphWalks 89,71 bij de instelling van meer dan 1 miljoen tokens.

• Redeneren — GPQA-Diamond 89,52, HLE zonder tools 31,79, stijgend naar 46,01 met tools op een aparte interne testomgeving.

• Visie — CharXiv-RQ 80,82, MathVision 78,16, V* 85,60, OCR-Reasoning 65,08, OCRBench-v2 op 68,12 voor Engels en 59,15 voor Chinees, MMLongBench-Doc 62,82, OSWorld 52,14, Video-MME-v2 32,85.

The two documents do not share a single row, which is why the index comparison above is the only clean ranking available. And a reader should notice the thing that is easy to miss: Super VL's SWE-bench Verified 71.10 is a strong number and it is N​VIDIA's own, and the panel gave the same model 0.0 on Terminal-Bench 4.0. Those can both be true. An agentic-coding score measured on a vendor harness and a terminal score measured by a third party are not the same kind of evidence, and the honest reading is that Super VL's agentic profile is asserted rather than established.

Waarom de long-contextrij degene is waar je je zorgen over moet maken

A 1M-token context window is on both spec sheets. In practice the panel measures long-context recall at 80.3 for DeepSeek V4 Pro and 0.69 for Super VL, and N​VIDIA's own counter-argument is GraphWalks 89.71 at the over-1M-token setting — a vendor number, on a vendor harness, on a task where Super VL is being asked to walk a graph rather than recall a passage.

Deze meten niet hetzelfde, en dat is precies het probleem voor iedereen die een keuze moet maken. Als jouw werklast "zoek de clausule in dit dossier van 900.000 tokens" is, ligt het getal van het panel dichter bij jouw taak, en het is niet eens dichtbij. Als jouw werklast "doorloop deze set gekoppelde documenten en rapporteer wat van wat afhangt" is, ligt het getal van de leverancier dichterbij, en het moet nog steeds als een claim worden beschouwd. Totdat een onafhankelijke partij beide taken tegen de checkpoint uitvoert, is de veilige aanname voor de planning dat de effectieve context van Super VL wezenlijk korter is dan wat op het specificatieblad staat.

Twee routes, één sleutel, en het prijsverschil in het volle zicht

DeepSeek V4 Pro is in the OrcaRouter catalogue at DeepSeek's published $0.66 and $1.98 with zero markup — the provider list price passed straight through, so a D​eepSeek price change is live here the same day rather than at the next billing cycle. Across the last seven days of requests through the gateway, V4 Pro shows a p50 time-to-first-token of 1.89 seconds at 81.9 output tokens per second, and it carried 480.3 million tokens of traffic in that window. Those are measurements of real calls, not vendor benchmarks, and they are the numbers a cost model should be built on.

N​emotron 3.5 Super VL 120B A12B is not on our catalogue. N​VIDIA has published no per-token price for it on any path, including its own NIM microservice, so there is nothing for us to pass through and this article will not pretend otherwise — it is a checkpoint you host yourself, on the hardware in the recipe above.

Wat de gateway je in deze combinatie wel geeft, is dat de twee helften van de pijplijn niet langer twee integraties zijn. De extractie- en triage-aanroepen gaan naar je eigen Super VL-implementatie; de reasoning-, coding- en goedkope hoogvolume-tekstaanroepen gaan naar DeepSeek V4 Pro op hetzelfde eindpunt en dezelfde sleutel; en de splitsing wordt uitgedrukt als een routeringsregel in plaats van een voorwaarde in de applicatiecode. Wanneer beeldroutering de beslissende factor is, kan de DSL zich baseren op of een prompt überhaupt een afbeeldingsbijlage bevat — wat een schonere manier is om de grens te bewaken dan te onthouden welk codepad wat doet. Automatische failover tussen providers zit onder het gerouteerde model, dus een upstream 429 bij een tekstaanroep komt terecht bij een fallback in plaats van bij je gebruiker.

Uitzoeken aan welke kant van de lijn je staat

• Als je geen afbeeldingen hebt — DeepSeek V4 Pro, zonder verdere analyse. Negen en een half indexpunten voor, $0,66 per miljoen input, p50 eerste token in 1,89 seconde, en niets om te beheren.

• Als je afbeeldingen hebt maar een laag volume — OCR plus DeepSeek V4 Pro totdat het foutpercentage bij extractie meer begint te kosten dan de GPU's zouden kosten. Meet eerst de extractiefouten; dat getal, niet het benchmarkverschil, bepaalt het omslagpunt.

• Als je afbeeldingen hebt en ze nergens naartoe kunt sturen — Super VL is de enige optie die overblijft, en de beslissing wordt welk checkpoint: BF16 als je van plan bent te fine-tunen, NVFP4 als je van plan bent te serveren.

• Als het terughalen van lange contexten de kern van de workload vormt — test het voordat je je vastlegt. De 0,69 tegenover 80,3 van het panel is een groot genoeg verschil dat een specsheet van 1M tokens niet mag worden gezien als bewijs van 1M-tokencompetentie.

• If you want the model to improve on your domain — V4 Pro gives you no path. Super VL gives you weights, and N​VIDIA published the post-training datasets and NeMo Gym RL environments alongside it, which is the more reusable half of that release.

Wat zou dit artikel veranderen

Drie dingen, in de volgorde van hoeveel ze het antwoord zouden veranderen.

A price for Super VL, from N​VIDIA or from anyone serving it. The moment a per-token figure exists, the first section of this piece becomes arithmetic instead of a framework, and the crossover discussion collapses into a comparison of two numbers.

A second independent dataset on the model. N​VIDIA has one third-party score, and it does not include a long-context or a coding-agent row. A panel re-run that publishes those rows would settle the two questions this article has to leave open.

And the Terminal-Bench 2.1 discrepancy in N​VIDIA's own paperwork — 66.70 on the model card against 60.67 in the technical report's summary table, with everything else in those documents agreeing. One of two primary sources is wrong. Until somebody re-runs the recipes, both values are unsafe to quote, and the fact that the discrepancy exists at all is a reason to treat every other single-sourced row in that report as provisional.

Benchmarks verouderen en prijzen veranderen; het faalregister niet: de gedocumenteerde AI-incidenten en agentfouten achter modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding haar eigen bronnen, ernstniveau, betrouwbaarheidsklasse en betwistingsmarkering bevat.