Nemotron 3.5 Super VL vs Nemotron 3.5 Super VL 120B: één model, vijf bestanden, drie verschillende gedragingen

Deze vergelijking bestaat omdat een zoekvak hem heeft doen ontstaan. NVIDIA Nemotron 3.5 Super VL en NVIDIA Nemotron 3.5 Super VL 120B zijn geen twee modellen. Het is één checkpoint dat op twee manieren is opgeschreven, en geen enkele benchmark scheidt ze, want er valt niets te scheiden: de 120B is het aantal parameters van de Super VL, en de kortere tekenreeks is hoe de marketingpagina het bestand noemt waarvan de volledige repositorynaam nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 is. De naamgevingsverwarring rond deze checkpoint is het soort ding dat in een postmortem belandt, en de geregistreerde incidenten staan gecatalogiseerd in het OrcaRouter AI Incident Archive, waarbij elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistmarkering bevat.

Dus een head-to-head is het verkeerde artikel. De bruikbare versie is de versie die uit dezelfde verwarring voortkomt: als beide namen naar hetzelfde model verwijzen, waarom levert het downloaden van "Nemotron 3.5 Super VL" dan vijf verschillende repositories, drie verschillende downloadgroottes en twee verschillende architecturen op, en welke krijg je dan eigenlijk?

De naamgeving, ontrafeld

NVIDIA gebruikt drie overlappende labels voor één release, en ze nestelen in elkaar in plaats van met elkaar te conflicteren.

• Nemotron 3.5 Super VL — de productnaam. Zo wordt het genoemd in de blogpost, het panel en elk nieuwsartikel.

• Nemotron 3.5 Super VL 120B — dezelfde naam met het aantal parameters erachter. Komt vaak voor in vergelijkingstabellen en catalogusoverzichten, inclusief de overzichten die deze pagina hebben gegenereerd.

• NVIDIA-Nemotron-3.5-Super-VL-120B-A12B — de repository-stam, die het aantal actieve parameters toevoegt. Elk downloadbaar artefact hangt hiervan af: BF16, NVFP4, Base en een NVFP4 LiLiCorr-drafter.

Geen van die drie is een ander model. De werkelijk verschillende dingen zitten een niveau dieper, in de precisie- en posttrainingssuffixen, en daar ligt de echte beslissing.

Vijf bestanden, en wat elk ervan eigenlijk is

Alle vijf verschenen binnen ongeveer vier dagen na elkaar, en hun aanmaaktijdstempels zijn het meest betrouwbare beschikbare releasebewijs — betrouwbaarder dan de aankondigingsdatum, die na alle vijf kwam.

• ...-120B-A12B-Base-BF16 — aangemaakt op 2026-10-12T15:31:49Z. Het checkpoint van vóór de post-training. Geen instructie-afstemming, geen training voor toolgebruik, geen redeneermodus. Dit is het checkpoint om mee te beginnen als je je eigen post-training wilt doen, en het is nutteloos voor je als je dat niet van plan bent.

• ...-120B-A12B-BF16 — aangemaakt om 15:32:06Z, zeventien seconden later. Het voltooide instructmodel, volledige precisie, ongeveer 249 GB verdeeld over 63 shards. NVIDIA's serveerrecept is tensorparallellisme 4 op H100's, of 2 op GB200.

• ...-120B-A12B-NVFP4 — aangemaakt om 15:32:30Z. Dezelfde post-getrainde gewichten, gekwantiseerd naar 4 bit tijdens de training in plaats van erna, ongeveer 75 GB. Dit is het bestand dat de meeste mensen daadwerkelijk zullen serveren, en het draait op één H200, twee H100's, één GB200 of een enkele DGX Spark.

• ...-120B-A12B-NVFP4-LiLiCorr — aangemaakt op 2026-10-11T20:20:59Z, een dag vóór de andere en voordat er überhaupt een aankondiging bestond. Niet echt een model in de gewone zin: een drafter voor speculatieve decoding, die de blog van NVIDIA later aanwees als de aanbevolen optie voor inference met lage latentie op DGX Spark.

• De GGUF- en communitykwantisaties — afgeleid, niet door NVIDIA gepubliceerd, en buiten het bereik van alles wat de leverancier rapporteert.

Als je hiernaar op zoek was: "welke van deze twee is beter", dan is het antwoord dat twee van de vijf helemaal geen alternatieven voor elkaar zijn: de base-checkpoint en de instruct-checkpoint zijn verschillende fasen van dezelfde trainingsrun, en de drafter is geen model dat je ooit rechtstreeks zou aanroepen.

Wat verandert er tussen de volledige-precisie- en 4-bit-builds?

Dit is de enige vergelijking in de naamwirwar met echte gevolgen, en het is ook degene met het minste onafhankelijke bewijs.

• Schijf en geheugen — 248,94 GB voor BF16, 75,06 GB voor NVFP4. Een verschil van 174 GB, het verschil tussen vier H100's en twee.

• Numerieke aspecten — NVFP4 draait W4A4 op Blackwell en W4A16 op oudere hardware. De kwantisatie wordt tijdens de training toegepast met distillatie, wat volgens NVIDIA de nauwkeurigheidskloof dicht die post-hockwantisatie opent.

• Nauwkeurigheidsclaim — NVIDIA meldt een mediane nauwkeurigheidsterugwinning van 99,62% ten opzichte van de BF16-referentie. Dat is een leverancierscijfer op een testomgeving van de leverancier, en het is het meest cruciale ongeverifieerde getal in de hele release.

• Onafhankelijke evaluatie — geen. Artificial Analysis geeft het model een score van 26,49 op zijn Intelligence Index, niet-geschat, maar publiceert geen aparte rij voor de NVFP4-build. Elk cijfer van derden dat je voor dit model hebt gezien, is een meting op volledige precisie of de standaardwaarde van de provider.

• Prestatieoverhead — NVIDIA stelt dat er geen is, omdat de kwantisatie tijdens de training plaatsvindt en niet als een stap tijdens de uitvoering.

Lees de 99,62% aandachtig voordat je erop gaat plannen. "Mediaan-nauwkeurigheidsherstel" over een niet nader genoemde reeks evaluaties is niet dezelfde claim als "verliest 0,38% van de capaciteit." Een mediaan kan op 99,62% liggen terwijl individuele benchmarks met meerdere punten in beide richtingen bewegen, en zonder de spreiding per benchmark vertelt het cijfer je minder dan het lijkt. Als je workload gevoelig is voor een specifieke capaciteit — OCR voor lange documenten, grafiekextractie, video grounding — is de enige verantwoorde aanpak om beide builds op je eigen data te draaien, omdat NVIDIA de regel die je nodig zou hebben niet heeft gepubliceerd.

Het basis-checkpoint is het exemplaar dat niemand benchmarkt.

Van de vijf bestanden is de basisbuild het minst besproken en het meest interessant als je plannen hebt voor post-training. Die heeft dezelfde structuur met 120B totaal en 12B actief, dezelfde hybride backbone en dezelfde vision-encoder, en stopt vóór de zesfasige post-trainingspijplijn die het instructmodel opleverde — de pijplijn waarvan NVIDIA ook de SFT- en RL-datasets publiceerde, elf daarvan, allemaal binnen een venster van 61 uur in dezelfde week.

Wat er niet bij zit, is een bruikbare benchmarktabel. De kaart ervan draait MMLU en MMLU-Pro; de kaart van het post-trained model laat MMLU helemaal vallen ten gunste van MMLU-ProX en voegt de agentic- en harness-level suites toe. De twee sets overlappen onvoldoende om de vraag "hoeveel heeft post-training toegevoegd" te beantwoorden, wat betekent dat de enige manier om daar een prijskaartje aan te hangen is om beide zelf te draaien. Open weights maken dat mogelijk. Ze maken het niet gratis.

Waarom er überhaupt dubbele namen bestaan

Drie artefacten, drie doelgroepen, één release. De blogpost heeft een productnaam nodig die kort genoeg is voor een kop: Nemotron 3.5 Super VL. Een catalogus of vergelijkingstabel heeft iets nodig dat sorteerbaar en ondubbelzinnig is binnen een familie die ook Bolt 74B, Bolt E4B en Lightning 30B bevat: 120B eraan toevoegen doet dat. De Hub heeft een repositorynaam nodig die precisie en actieve parameters codeert, zodat een script een bestand kan kiezen zonder dat een mens een beschrijving hoeft te lezen.

De kosten van die gelaagdheid zijn zoeken. Twee tekenreeksen met dezelfde betekenis concurreren om dezelfde zoekopdracht, en een lezer die een van beide intypt, belandt op een vergelijkingspagina met de vraag welke beter is. Het nuttige antwoord op die zoekopdracht staat hierboven: het zijn hetzelfde bestand, dit zijn de vijf dingen waarnaar de naam feitelijk kan verwijzen, en zo kun je zien welke je hebt.

Wat dit betekent als je het aanroept in plaats van het te downloaden

Via een API verdwijnt het naamgevingsprobleem grotendeels, omdat de provider al een build voor je heeft gekozen — en precies daarheen verschuift de resterende ambiguïteit. Het onafhankelijke panel volgt zeven servers voor dit checkpoint, en hun gepubliceerde tarieven voor dezelfde gewichten lopen van $0,10 tot $0,20 per miljoen invoertokens en $0,40 tot $0,50 per miljoen uitvoertokens. Twee van die vermeldingen zijn expliciet NVFP4-builds; de rest vermeldt het niet, en een tarief zonder precisie is een tarief dat je niet met een ander tarief kunt vergelijken.

Dat is de praktische versie van de vraag waarmee deze pagina begon. De modelnaam verwijst naar één architectuur en vijf bestanden; de prijs vertelt je niet voor welk bestand je betaalt. Aan een provider vragen welke build zij leveren, en of hun doorvoercijfer op BF16 of FP4 is gemeten, is een nuttiger vraag dan elke rechtstreekse vergelijking tussen twee spellingen van dezelfde checkpoint.

Aan onze kant is de eerlijke opmerking kort: deze checkpoint staat niet in de OrcaRouter-catalogus. De modellenlijst telt iets meer dan 200 ID's en bevat vandaag geen NVIDIA-item, dus niets hier is een aanbod om het te serveren. Wat het platform wél biedt dat relevant is voor een naam die zo ambigu is, is een routeringslaag die de modelstring op één plek houdt: wanneer er een variant beschikbaar komt, verandert de aanroep niet, verkeer kan worden verdeeld tussen twee providers van dezelfde checkpoint om ze op je eigen workload te vergelijken, en automatische failover dekt het geval waarin een van beide degradeert. De lijstprijs van de provider wordt doorgegeven tegen 0% markup, wat hier specifiek uitmaakt omdat de spread op dit model 2x is en je die liever ziet dan dat hij in een marge wordt opgeslokt.

Het korte antwoord, voor de lezer die de lange naam heeft opgezocht

Nemotron 3.5 Super VL en Nemotron 3.5 Super VL 120B zijn hetzelfde model, uitgebracht als gewichten op 12 oktober 2026 en aangekondigd op 15 oktober 2026, met 120 miljard parameters in totaal, 12 miljard actief, een context van 1M tokens, tekst-, afbeeldings- en video-invoer, en een OpenMDW-1.1-licentie. Als je tussen dingen kiest, is de keuze niet tussen die twee namen. Het is tussen BF16 en NVFP4, tussen het basis-checkpoint en het instruct-checkpoint, en tussen de servers waarvan de prijzen en precisies niet in dezelfde eenheden worden vermeld. Dat zijn drie echte beslissingen. De naam is er daar niet een van.