NVIDIA Nemotron 3.5 Super VL is het beste Amerikaanse open-weightmodel met een permissieve licentie, en de gewichten kwamen drie dagen vóór de eigen aankondiging uit.

De tijdstempel is het deel dat niemand heeft opgeschreven. De BF16-repository voor NVIDIA Nemotron 3.5 Super VL — volledige naam nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 — werd aangemaakt op Hugging Face om 15:32:06 UTC op 12 oktober 2026, naast een NVFP4-build vierentwintig seconden later en een basis-checkpoint negentien seconden daarvoor. NVIDIA's blogpost waarin het model wordt aangekondigd is gedateerd op 15 oktober. Dus ongeveer tweeënzeventig uur lang waren de gewichten van NVIDIA's sterkste open vision-language model downloadbaar en geïndexeerd, en werden ze door derden gekwantiseerd, terwijl het bedrijf dat het had getraind helemaal niets had gepubliceerd. Dat is geen lek en het is geen schandaal. Het is een releasepijplijn waarin het artefact eerder wordt verscheept dan het proza, en het loont de moeite om het ronduit te zeggen, want de rest van dit stuk gaat over cijfers, en de cijfers hebben hun eigen tijdstempels. Op de Artificial Analysis Intelligence Index scoort NVIDIA Nemotron 3.5 Super VL 26,49, niet-geschat. Zijn voorganger, NVIDIA Nemotron 3 Super 120B A12B, uitgebracht op 11 maart 2026, scoort 12,83 op hetzelfde paneel. Dat is 2,06 keer de score, en het komt uit op 49.174 outputtokens per taak in plaats van 113.823.

Twee dingen aan die vergelijking moeten eerst worden toegelicht voordat we op de details ingaan. Ten eerste is de 26,49 een cijfer van een derde partij, gemeten op de testomgeving van iemand anders met een gepubliceerd tokenbudget, en het is op het paneel gemarkeerd als niet-geschat. Dat is hier meer dan anders van belang, omdat de eigen benchmarktabel van NVIDIA zij aan zij met zeven concurrenten wordt gepresenteerd en de twee reeksen cijfers niet altijd overeenkomen. Ten tweede is de claim in de kop dat het om de koploper gaat, bewust nauw afgebakend. Onder open-weightmodellen die in de Verenigde Staten zijn ontwikkeld, scoort Meta Muse Spark Open hoger — 38,87, ook niet-geschat — maar het wordt geleverd onder een op maat gemaakte commerciële licentie achter een afgeschermde repository, waardoor het in een andere adoptiecategorie valt dan een checkpoint dat je vandaag onder OpenMDW-1.1 kunt downloaden en implementeren. Onder de Amerikaanse open-weightmodellen met een permissieve licentie op dat paneel staat NVIDIA Nemotron 3.5 Super VL op de eerste plaats, en de eerstvolgende vermelding daaronder is Inkling Small met 25,66.

Wat de repository vaststelt, en wat alleen het paneel doet

De modelkaart is ongewoon compleet voor iets dat drie dagen vóór zijn eigen persbericht uitkwam, en beantwoordt de structurele vragen helder. NVIDIA Nemotron 3.5 Super VL is een hybride van Mamba-2, mixture-of-experts en attention met een C-RADIO vision encoder en een vision-language connector, 512 routed experts per MoE-laag, 120B totale parameters met 12B actief per token, en een contextvenster tot 1M tokens. Native Multi-Token Prediction geeft het speculatieve decoding zonder een aparte drafter-download. Invoer bestaat uit tekst, afbeeldingen (JPEG, PNG) en video (MP4 tot twee minuten, gesampled als frames); uitvoer is uitsluitend tekst. De licentie is OpenMDW-1.1, de kaart vermeldt dat het model klaar is voor commercieel of niet-commercieel gebruik, en NVIDIA rapporteert over training op ongeveer 26 biljoen tokens met ongeveer 3,8 miljoen post-trainingsamples en reinforcement learning in tientallen omgevingen.

• Totaal / actieve parameters — 120B / 12B tegenover de 120,6B / 12,7B van het maartmodel. Vrijwel identiek, en dat is juist het punt: de winst zit niet in een groter model.

• Intelligence Index — 26,49 tegenover 12,83, beide niet-geschat, beide volgens Artificial Analysis.

• Uitvoertokens per indextaak — 49.174 tegen 113.823. Het nieuwe model voltooit dezelfde taak met 56,8% minder tokens.

• Context en outputs — 1M tokens, alleen tekstuitvoer, op beide. Geen van beide is een afbeeldingsgenerator.

• Minimale deploymentconfiguratie — 4×H100 of 2×GB200 voor BF16 op NVIDIA Nemotron 3.5 Super VL; er bestaat een NVFP4-build voor kleinere footprints.

• Publieke tractie — 142 downloads en 32 likes op de BF16-repository op het moment van schrijven, tegenover meer dan een miljoen downloads op de voorganger uit maart. Het verschil zit hem in drie dagen leeftijd, niet in drie dagen vraag.

De capaciteitenuitsplitsing op het panel is waar de 26,49 ophoudt één enkel getal te zijn. Super VL scoort 38,47 voor economie, 30,11 voor engineering, 28,11 voor juridisch en 27,19 voor financiën en boekhouding, maar slechts 22,57 voor strategie en operations. De alwetendheidsindex ervan is negatief 4,22 — het model beantwoordt meer van de kennispeilingen van het panel verkeerd dan goed, met een nauwkeurigheidspercentage van 23,3% tegenover een hallucinatiepercentage van 35,8%. Dat is geen defect dat uniek is voor deze release; het is hoe een open model zonder voorbehoud eruitziet wanneer je meet of het weigert te antwoorden. Op GDPval-AA, dat afgeronde professionele deliverables beoordeelt in plaats van antwoorden, scoort het 1.162,41, en op de rubric AA-Briefcase-Lite staat het op een Elo van 998,76. Die twee rijen zijn de rijen om de komende maand in de gaten te houden, omdat ze werk meten in plaats van kennis en het de rijen zijn die een open model van 120B aannemelijk kan blijven verbeteren via post-training.

De vijfvoudige claim, en waarom tokenaantallen geen seconden zijn

De blog van NVIDIA leunt op snelheid: "5x sneller dan de op een na beste," en het model "behaalt tot 5x snellere doorvoer vergeleken met andere modellen in zijn klasse." Dat is een claim van de leverancier en niemand buiten NVIDIA heeft die gereproduceerd. Op basis van het huidige bewijs is die bovendien niet te verifiëren — hetzelfde panel van derden dat het model beoordeelt, publiceert er geen prijs en geen latentiecijfer voor, dus er is niets om de claim aan af te meten. Wat wel te controleren valt, is een andere grootheid die vaak wordt gerapporteerd alsof het hetzelfde is. Outputtokens per taak is een maat voor hoeveel het model praat, niet voor hoe snel de server beweegt. 49.174 tegen 113.823 is echt en het is een echte efficiëntiewinst — redeneerintensieve modellen verbranden hun budget aan genereren — maar een model dat 57% minder tokens uitstuurt is daardoor niet 57% sneller, en zeker niet 5× sneller. Het zijn 57% minder tokens. Houd die uit elkaar.

De leveranciersbenchmarktabel heeft een tweede, kleiner probleem dat een oplettende lezer binnen ongeveer tien seconden zal opmerken. De eerste kolom is gelabeld "Nemotron 3.5 SuperGA BF16," niet "Super VL." Aangezien de sectie Modelversie van de kaart v1.0 — GA vermeldt, is dat hoogstwaarschijnlijk een release-candidate-label dat het openbare document heeft overleefd, in plaats van een ander model. Hoe dan ook is het het soort smet dat verraadt dat de documentatieronde plaatsvond nadat de weights online waren gezet, wat consistent is met de driedaagse kloof. Voor die kolom rapporteert NVIDIA GPQA-Diamond 89.52, HLE tekst-only 31.79, Terminal-Bench 2.1 66.70, SWE-bench Verified 71.10, BrowseComp 78 en Video-MME v2 32.85, waarbij de volledige set vergelijkingskolommen loopt tot Qwen3.5-122B-A10B, Qwen3.8-Flash-Next, DeepSeek-V4-Flash-0731, Nemotron 3 Ultra, Inkling-Small en GLM-5.3-Flash. Het is allemaal door de leverancier gerapporteerd via NeMo Gym, en NVIDIA publiceert de recepten, prompts, parsers en scoringsinstellingen zodat iedereen het opnieuw kan uitvoeren. Dat is betere praktijk dan wat de meeste doen, en het is nog steeds geen onafhankelijk resultaat.

Waar het eigenlijk staat tussen de Amerikaanse open weights

Sorteer het panel op open-weight modellen van Amerikaanse labs en de contouren van het veld worden duidelijk. Meta Muse Spark Open leidt met 38,87, maar is een 816B-parametermodel onder de Muse Model License, met beperkte toegang op de Hub, en een andere afweging om te adopteren. Onder NVIDIA Nemotron 3.5 Super VL op 26,49 bevinden zich Inkling Small op 25,66 en Inkling op 24,98 van Thinking Machines, beide permissief. Dan staat NVIDIA's eigen NVIDIA Nemotron 3 Ultra 550B A55B op 22,93, en NVIDIA Nemotron 3.5 Bolt 74B-A9B — dezelfde dag uitgebracht als Super VL — op 21,41 voor een 74B-model dat in 24GB geheugen past. Het interessante structurele feit is dat Super VL het 550B-vlaggenschip van zijn eigen bedrijf met 3,6 indexpunten verslaat, terwijl het qua schijfomvang en aantal actieve parameters minder dan een kwart daarvan is. Dat is de uitkomst waar het hele hybride-MoE-programma op gericht is, en op dit panel is dat uitgekomen.

Het zet ook de echte maatstaf voor de komende maanden. De kloof met Muse Spark Open is 12,4 punten, en de kloof met de toonaangevende Chinese open-weightmodellen is nog groter — MiMo-V2.6-Pro op 46,32, GLM-5.3 op 44,78, Kimi K3 op 43,59. Het antwoord van NVIDIA op die kloof is geen groter model; het is post-training, op je data, op je racks, met de datasets en NeMo Gym-omgevingen die samen met de gewichten worden gepubliceerd. Of dat de afstand overbrugt, is een open vraag, en deze release beslecht dat niet.

Wat het kost om te runnen, en het ene getal dat ontbreekt.

De BF16-checkpoint draait op 4×H100 of 2×GB200, waarbij NVIDIA vLLM- en SGLang-recepten publiceert en specifieke containertags vastpint — vLLM v0.32.0 of een genoemde nightly, SGLang v0.5.20 — wat een nuttig signaal is over hoe recent de kernels zijn geland. De NVFP4-build is degene die de meeste teams daadwerkelijk zullen draaien. Wat niemand heeft gepubliceerd, is een prijs. Er staat geen tarief per token op het paneel, geen NIM-listprijs in de aankondiging, en geen serving-tarief van derden dat een koper zou kunnen vergelijken. Voor een model in deze positie is de praktische route degene die wij draaien op: OrcaRouter geeft de listprijs van de leverancier door met 0% markup op meer dan 200 modellen op één key, dus wanneer NVIDIA of een provider een tarief voor dit checkpoint publiceert, verschijnt dat tegen kostprijs in plaats van met een spread, en automatische failover betekent dat een checkpoint van één dag oud een deel van het verkeer kan dragen terwijl een bewezen model de rest vasthoudt. Om precies te zijn wat dat vandaag niet betekent: dit specifieke model staat nog niet in onze catalogus, drie dagen nadat de gewichten online zijn gezet, omdat niemand het nog betrouwbaar serveert. Dat is een uitspraak over beschikbaarheid, niet over het model.

Wat nu te kijken

Drie dingen zullen bepalen of deze release over zes maanden wordt gelezen als een stapverandering of een voetnoot. Het eerste is een tweede onafhankelijke evaluatie — de panelscore is één, en één is geen trend. Het tweede is of de claim van 5× doorvoer standhoudt bij een neutrale benchmarker, omdat het bewijs op basis van tokenaantallen efficiëntie ondersteunt en niets zegt over latentie. Het derde is het post-trainingecosysteem: NVIDIA noemt Scale AI, AfterQuery, AI21, Mercor, Atlassian, CrowdStrike, Dassault Systèmes, Salesforce en anderen die erop voortbouwen, en de interessante vraag bij een open model is zelden wat de leverancier heeft geleverd — het is wat iedereen er daarna mee doet. Op basis van het beschikbare bewijs per 16 oktober 2026 is NVIDIA Nemotron 3.5 Super VL het sterkste open-weightmodel met een permissieve licentie dat uit een Amerikaans lab komt, het bereikte dat bij een gelijkblijvend aantal parameters door zijn eigen redeneerbudget met meer dan de helft te verkleinen, en het deed dat zo geruisloos dat de eersten die het opmerkten de quantizers waren.