Nemotron 3.5 Super VL vs Nemotron 3 Ultra: Goedkoper dan het vlaggenschip, of gewoon kleiner?

NVIDIA heeft drie Nemotron 3.5-niveaus en een daarvan is een val voor planners. NVIDIA Nemotron 3 Ultra 550B-A55B, uitgebracht op 4 juni 2026, is het vlaggenschip van de familie: 550 miljard totale parameters met 55 miljard actief per token, LatentMoE-lagen met Multi-Token Prediction, 1M tokens context, en een opgegeven minimum van zestien H100's of acht GB200's. NVIDIA Nemotron 3.5 Super VL, waarvan de gewichten op 12 oktober 2026 op Hugging Face verschenen, met NVIDIA's aankondiging die op 15 oktober volgde, is het niveau daaronder: 120B totaal, 12B actief, dezelfde 1M-tokencontext, een C-RADIO vision-encoder, en een ondergrens van vier H100's of twee GB200's. NVIDIA's eigen kaart voor Super VL benchmarkt het rechtstreeks tegen Ultra en claimt nauwkeurigheid in de buurt van Ultra bij ongeveer een vijfde van de parameters. Die claim is door de leverancier gerapporteerd, niet gereproduceerd, en het is de enige zin waarvan deze hele vergelijking afhangt.

De rekenkunde die de inzet daadwerkelijk bepaalt

Begin met wat de twee checkpoints fysiek vereisen, want dat is het getal dat een budgethouder goedkeurt.

• Totaal aantal parameters — 120B voor Super VL tegenover 550B voor Ultra. Ongeveer 4,6 keer de gewichtsfootprint, en het zijn de gewichten die de GPU's vullen.

• Actieve parameters per token — 12B tegenover 55B. Rekenwerk per token schaalt hiermee, niet met het totaal; daarom zijn beide modellen veel goedkoper om te draaien dan hun omvang doet vermoeden — en daarom is het verschil tussen hen 4,6× qua geheugen, maar ook 4,6× qua rekenwerk per token.

• Minimale hardware — 4×H100 of 2×GB200 voor Super VL; 16×H100 of 8×GB200 voor Ultra. In praktische termen: één node tegenover een rack.

• Modaliteiten — tekst, afbeeldingen en video in voor Super VL; tekst in, tekst uit voor Ultra. Ultra heeft helemaal geen beeldverwerkingspad.

• Attention-ontwerp — Super VL is de hybride van interleaved Mamba-2, mixture-of-experts en attention met 512 gerouteerde experts per MoE-laag; Ultra gebruikt NVIDIA's LatentMoE-opzet. Beide hebben MTP-heads voor speculatieve decoding.

• Licentie — OpenMDW-1.1 met commercieel gebruik voor beide, gewichten en recepten open voor beide.

Het patroon in die zes regels is dat Super VL geen afgeslankte Ultra is. Het is een model van een andere vorm: vision-capabel, veel kleiner in geheugen, en — cruciaal — inzetbaar op hardware die een middelgroot team al in huis heeft. De ondergrens van Ultra is een gesprek over datacenters. De ondergrens van Super VL is een serieuze inferentienode.

Wat de extra 43 miljard actieve parameters opleveren

Het algemene redeneergeval

Ultra is gebouwd om bovenaan NVIDIA's stack te staan voor pure tekstredenering, en NVIDIA's juni-release vergelijkt het in benchmarks met zes hedendaagse frontiermodellen op het gebied van kennis, wiskunde, programmeren en long-context-suites. Die cijfers komen, net als elk cijfer in deze vergelijking, uit NVIDIA's harness en niet van een onafhankelijke evaluator, dus ze tonen wat NVIDIA heeft gemeten, niet wat een derde partij zou meten.

De multimodale case

Dit is waar de vergelijking omslaat. Ultra kan geen pagina lezen. Als het werk documenten, tabellen, grafieken, screenshots of videoframes omvat, is het vlaggenschip simpelweg geen kandidaat, en het grootste model in de familie is irrelevant voor je probleem, hoe goed zijn redeneerindex ook is. De vision-encoder en connector van Super VL bestaan precies voor die workload, en de gepubliceerde sterke punten — OCR, gestructureerde extractie uit visuele documenten, bedrijfsworkflows met meerdere stappen — beschrijven een andere taak dan degene waarvoor Ultra is afgestemd.

De long-contextcasus

Beide bereiken 1M tokens. NVIDIA breidde de context van Super VL uit met een speciale fase van 35 miljard tokens, gevolgd door een herstelronde voor lange context. Dat is een sterker signaal dan een maximale lengte alleen: het betekent dat lange invoer werd behandeld als een capaciteit om te behouden in plaats van als een buffer om mee te pronken. Ultra bereikte hetzelfde contextvenster via zijn eigen trainingspijplijn. Zonder een onafhankelijke evaluatie van de lange context van beide modellen, beschouw dit als een gelijkspel, met een plausibele voorsprong voor het model waarvan je eigen retrieval-trace aangeeft dat het voorbij 200k standhoudt.

Eén of beide serveren, en de tier-valkuil

De valkuil is de aanname dat de familie een ladder is die je beklimt. Het lijkt meer op een scheidslijn, en die scheidslijn wordt getrokken door kosten per taak in plaats van door capaciteit. Een 12B-actief model dat twee GB200s nodig heeft en een documenttaak vijf keer sneller afrondt dan zijn klasse, als NVIDIA's doorvoerclaim standhoudt, verslaat een 55B-actief model bij die taak, ongeacht welke van de twee slimmer is — want de slimmere zit niets te doen terwijl hij wacht tot de wachtrij van de snellere is leeggelopen. Verander de taak in een codeer- of wiskundeprobleem met een lange horizon en zonder pixels erin, en dan verrichten Ultra's extra parameters echt werk.

Geen van deze staat in onze catalogus, en het is de moeite waard dat expliciet te zeggen in plaats van een vage zin iets anders te laten suggereren: OrcaRouter serveert geen NVIDIA Nemotron 3.5 Super VL, Nemotron 3 Ultra 550B-A55B of enig ander NVIDIA-checkpoint. Het zijn gewichten die je zelf uitrolt. Wat een routeringslaag aan een beslissing als deze bijdraagt, is meting in plaats van toegang.Met de routerings-DSL kun je dezelfde prompt aan twee upstreammodellen voorleggen en de antwoorden naast elkaar lezen, zodat een evaluatie van een kandidaat met 12B actieve parameters tegen een incumbent met 55B actieve parameters een configuratiewijziging is in plaats van twee integratieprojecten. Automatische failover is om de tegenovergestelde reden belangrijk: als een gehost model waar je naartoe routeert halverwege de pipeline degradeert, wordt het verzoek verplaatst in plaats van dat het mislukt, waardoor een fallbackpad in leven blijft voor de teams die Super VL self-hosted als hun primaire oplossing houden. En voor de delen van de workload die geen enkele self-hosted tier zou moeten opvangen — pieken, zeldzame modaliteiten, eenmalige taken met grote context — de catalogus achter één sleutel, meer dan tweehonderd modellen met 0% opslag op de lijstprijs van de aanbieder, is waar die verzoeken naartoe gaan.

De eerlijke framing van die alinea is dat wij hier niet de leverancier van een van beide modellen zijn. Wij zijn de laag die de vergelijking goedkoop maakt om uit te voeren en het escalatiepad goedkoop maakt om te behouden.

De bewering om te testen voordat je je vastlegt

Alles hierboven komt neer op één onbevestigde zin: dat een model met 120B parameters en 12B actief NVIDIA's grootste redeneermodel evenaart bij ongeveer een vijfde van het aantal parameters. Als dat standhoudt, is Super VL de betere standaard voor een gemengde workload en blijft Ultra gereserveerd voor de smalle staart van problemen die het echt nodig hebben. Als dat niet standhoudt — en een dag na de release heeft niemand buiten NVIDIA het gemeten — dan zijn de twee tiers simpelweg verschillende formaten van hetzelfde, en valt de keuze terug op wat je taak nodig heeft: pixels of geen pixels, één node of één rack.

De test is goedkoop en specifiek. Neem vijftig echte taken uit je eigen wachtrij die een controleerbaar antwoord hebben, laat ze op beide los, en beoordeel op voltooiing in plaats van op benchmarkscores. Dat getal, niet dat van NVIDIA, is het getal dat bepaalt voor welke tier je hardware aanschaft — en het is het getal dat nog steeds waar zal zijn wanneer de volgende Nemotron-release deze pagina opnieuw instelt.