Nemotron 3.5 Super VL vs Nemotron 3.5 Lightning: Twee niveaus van één familie, en de token die bepaalt welke

Deze twee modellen zijn geen concurrenten, en ze als één geheel behandelen is de fout waartoe de specificatiebladen uitnodigen. NVIDIA Nemotron 3.5 Super VL is een vision-language-model met 120B parameters, waarvan 12B actief, dat vier H100's of twee GB200's nodig heeft om op volledige precisie te draaien. NVIDIA Nemotron 3.5 Lightning 30B-A3B is een tekstmodel met 30B parameters, waarvan 3B actief, dat op één enkele DGX Spark of één H100 draait. Ze delen een licentie — OpenMDW-1.1, commercieel gebruik, open gewichten en open recepten — en ze delen een ontwerpfilosofie waarin het rekenwerk per token wordt gedempt met Mamba-2 en sparse experts. Ze delen geen inputmodaliteit, geen hardwareondergrens en geen taak. Lightning is ongeveer twee maanden ouder dan de andere en is op 11 augustus 2026 uitgekomen; de gewichten van Super VL verschenen op 12 oktober 2026, gevolgd door de aankondiging van NVIDIA op 15 oktober, dus een van deze is een gevestigde release en de andere is een dag oud.

De poort, in gewone taal

Beide modellen bestaan als downloadbare checkpoints met gepubliceerde evaluatierecepten. Beide zijn door de leverancier geëvalueerd: elk cijfer in de onderstaande tabellen komt uit NVIDIA's eigen NeMo Gym- of NeMo Evaluator-harnas, niet van een derde partij, en achter geen van beide zit een onafhankelijke audit van doorvoer of nauwkeurigheid. Dat voorbehoud geldt voor de hele vergelijking en wordt niet bij elke regel herhaald.

Waar Lightning beter past: NVIDIA zegt dat de Lightning 30B-A3B NVFP4-checkpoint ongeveer 907.000 keer is gedownload op Hugging Face, tegenover ongeveer 142 voor de BF16 Super VL-checkpoint die één dag oud is. Dat is geen kwaliteitssignaal — het is het verschil tussen een model dat je op een accelerator van laptopklasse kunt draaien en een model dat je niet kunt draaien.

Wat de twee controlepunten bevatten

Nemotron 3.5 Lightning 30B-A3B is een hybride mixture-of-experts-model dat is opgebouwd uit afwisselende Mamba-2- en MoE-lagen met een paar attention-lagen, 30B totale parameters en 3B actieve per token, 1M tokens context, en tekst als enige invoer. NVIDIA trainde het op meer dan 20 biljoen tokens met een NVFP4-voortrainingsrecept, voegde Multi-Token Prediction-heads toe en richtte het daarna via fine-tuning af op synthetische data voor code, wiskunde, wetenschap, tool-calling en instructieopvolging, voordat het een GRPO-fase met reinforcement learning onderging. Het wordt geleverd met drie afzonderlijke strategieën voor speculative decoding — DSpark voor werk met lage gelijktijdigheid in datacenters en op DGX Spark, plus MTP en DFlash — wat een ongebruikelijke hoeveelheid inferentie-engineering is voor een 30B-model, en het vertelt je wie de beoogde gebruiker is: iemand die agents lokaal draait en de klok in de gaten houdt.

NVIDIA Nemotron 3.5 Super VL deelt het skelet en voegt ogen toe. Dezelfde afwisselende hybride van Mamba-2, MoE en attention, maar met 512 gerouteerde experts per MoE-laag, een C-RADIO vision-encoder en een vision-language-connector, 120B totaal en 12B actieve parameters, en tekst-, beeld- en video-invoer. De taalbackbone werd geïnitialiseerd vanuit Nemotron 3 Super Base en vervolgens gedistilleerd voor een biljoen tokens uit Nemotron 3 Ultra Base, waarna verdere pretraining volgde, een uitbreiding van 35 miljard tokens naar 1M context, mid-training voor software-engineering en een herstelfase voor lange context. De twee releases delen ook een technisch rapport — NVIDIA publiceerde het Super- en Lightning-werk samen.

• Actieve parameters — 12B per token voor Super VL tegenover 3B voor Lightning. Vier keer de rekenkracht bij elk gegenereerd token, voordat de vision-encoder wordt meegeteld.

• Modaliteiten — tekst, afbeeldingen en gesampelde videoframes naar Super VL; tekst in, tekst uit voor Lightning. De door Lightning ondersteunde talen zijn Engels, Spaans, Frans, Duits, Italiaans en Japans.

• Minimale hardware — 4×H100 of 2×GB200 met BF16 voor Super VL, met een NVFP4-build en een NIM-microservice voor productie; één DGX Spark, één H100, een RTX 5090 of Ampere-klasse silicium via W4A16 voor Lightning.

• Context — 1M tokens bij beide, beide met gepubliceerde recepten in plaats van één enkel geadverteerd maximum.

• Speculatieve decoding — Super VL gebruikt zijn eigen MTP-head native, er is geen drafter-download nodig; Lightning levert DSpark-, MTP- en DFlash-varianten als afzonderlijke checkpoints.

• Licentie — OpenMDW-1.1 voor beide, commercieel gebruik toegestaan, met open datasets en RL-omgevingen op de Hub.

Wat de cijfers wel en niet zeggen

Op de eigen harness van NVIDIA liggen de twee niet dicht bij elkaar, en dat is te verwachten: een model met 12B actieve parameters zou een model met 3B actieve parameters moeten verslaan. De kloof onderbouwd met de gepubliceerde tabellen van NVIDIA: GPQA-Diamond 89,52 voor Super VL tegenover 75,44 voor Lightning; HLE alleen tekst 31,79 tegenover 11,72; SWE-bench Verified 71,10 tegenover 51,56; Terminal-Bench 2.1 66,70 tegenover 24,58; AA-LCR 68,62 tegenover 52,00.

Het patroon in die rijen is nuttiger dan de rijen zelf. De voorsprong van Super VL is enorm op de benchmarks voor long-context en agentische uitvoering en relatief bescheiden op algemene kennis — MMLU-Pro is 76,91 tegen 81,94 van Lightning, een zeldzaam geval waarin het kleinere model een rij wint. Dat is het profiel van een model dat bewust een mid-training heeft gekregen op software-engineeringdata en een herstelfase voor long-context: het is beter in het volbrengen van een taak dan in het ophalen van feiten. Als je workload het beantwoorden van feitelijke vragen over korte tekst is, verdwijnt het nadeel van het 30B-model grotendeels, en dat gebeurt tegen een kwart van de rekenkracht per token.

NVIDIA vermeldt een voorbehoud op de Lightning-kaart dat het waard is om in essentie woordelijk te herhalen: de cijfers zijn gemeten met, en gelden voor, de officiële NVFP4-checkpoint, en NVIDIA merkt op dat zijn eigen evaluatie kan afwijken van de cijfers die de leveranciers van concurrerende modellen rapporteren. Dat is een ongewoon eerlijke uitspraak, en ze geldt evenzeer voor de tabel van Super VL.

Het niveau kiezen, en wat daarboven gebeurt

De beslissingsregel volgt uit de modaliteit en de ondergrens, niet uit de index. Alles wat een pagina moet lezen — een factuur, een grafiek, een gescand formulier, een screenshot van een applicatie, een videoframe — kan alleen naar Super VL, omdat Lightning helemaal geen pad voor pixels heeft. Alles wat tekst in en tekst uit is, continu draait en op hardware staat die je al bezit, hoort bij Lightning, omdat een 3B-actief model op NVFP4 op één accelerator een compleet andere kostenbasis is dan twaalf miljard actieve parameters over vier GPU's.

Boven beide staat NVIDIA Nemotron 3 Ultra 550B-A55B, waartegen de Super VL-kaart rechtstreeks benchmarkt en die acht GB200s of zestien H100s vereist. Drie niveaus, drie hardwareklassen, één licentie. De familie is zo ontworpen dat één enkele organisatie alle drie kan uitrollen en werk tussen de drie kan verplaatsen, en het interessante ingenieursprobleem is niet het kiezen van één — het is de router die bepaalt welke aanvraag waar naartoe gaat.

Die routeringslaag is waar een platform in plaats van een checkpoint zijn waarde bewijst, en het is de moeite waard precies te zijn over wat we hier wel en niet doen. OrcaRouter serveert NVIDIA Nemotron 3.5 Super VL, Nemotron 3.5 Lightning 30B-A3B of Nemotron 3 Ultra 550B-A55B niet; geen van de drie staat in onze catalogus, en een zelfgehost checkpoint is per definitie niet iets wat een API-provider je kan leveren. Wat wij leveren is het deel rond een gemengde vloot van lokale en gehoste modellen: de routerings-DSL die meerdere modellen in één aanroep samenbrengt, zodat een pijplijn zijn mechanische pagina's naar een klein, goedkoop model kan sturen en alleen de moeilijke kan escaleren, en automatische failover tussen upstreamproviders, zodat een verslechterende gehoste afhankelijkheid de pijplijn niet mee omlaag haalt. De cataloguskant van die vergelijking — momenteel meer dan tweehonderd modellen achter één sleutel met 0% opslag bovenop de lijstprijs van de provider — is waar de escalatietak een beroep op doet. Een zelfgehoste Lightning die het volume verwerkt en een gerouteerd gehost model dat de uitzonderingen afhandelt, vormen samen een kleiner en veiliger systeem dan elk van beide helften afzonderlijk.

Wat te kijken

De relatieve volwassenheid van Lightning is de ondergewaardeerde variabele. Het is sinds augustus openbaar, er zijn kwantisaties van derden, ondersteuning voor llama.cpp, Ollama, LM Studio en vLLM, en een downloadbasis die groot genoeg is dat de faalmodi bekend zijn. Super VL heeft een modelkaart, een technisch rapport, een vLLM-recept voor dag nul en een downloadaantal van een dag oud. Het deze maand in productie nemen betekent dat je degene bent die de ruwe randjes vindt.

Het specifieke punt om op te letten is of de NVFP4 Super VL-build de hardwarekloof voldoende sluit om ertoe te doen. Als een gekwantiseerd 120B-A12B-model nuttig draait op een klein aantal accelerators — niet één, maar minder dan vier — dan verschuift de tiergrens en wordt de hele familie van drie modellen goedkoper om als eenheid te implementeren. Totdat dat gebeurt, is de opsplitsing op basis van modaliteit: Lightning voor tekst in grote volumes op je eigen hardware, Super VL voor alles met een pixel erin, Ultra wanneer de taak echt het grootste model nodig heeft dat NVIDIA verkoopt.