Mercury 3 kontra NVIDIA Nemotron 3.5 Super VL 120B-A12B: Jedno twierdzenie o szybkości jest zmierzone, drugie nie

Mercury 3 i NVIDIA Nemotron 3.5 Super VL 120B-A12B są reklamowane jako szybkie. Tylko jedno z tych twierdzeń o szybkości zostało zweryfikowane przez kogoś spoza firmy, która je sformułowała. Artificial Analysis mierzy Nemotron 3.5 Super VL na poziomie 434,3 tokenów wyjściowych na sekundę we własnym środowisku testowym. Mercury 3, wydany przez Inception Labs 19 października 2026 r., deklaruje 1068 tokenów na sekundę — a na dzień 20 października w tym indeksie nie ma w ogóle strony Mercury 3, więc za tą liczbą nie stoi żadna strona trzecia. To właśnie ta asymetria, a nie karta specyfikacji, jest tym, co naprawdę przesądza w tym starciu. Udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i oznaczenie sporności.

Istnieje druga asymetria, która dla niektórych zespołów ma większe znaczenie. Nemotron można pobrać, uruchomić na własnym sprzęcie i poddać treningowi uzupełniającemu. Mercury 3 to produkt API bez wag. Jedno z nich to decyzja zakupowa, a drugie — projekt wdrożeniowy, a tabela wyników benchmarków słabo podpowiada, czego tak naprawdę potrzebujesz.

Liczby, co do których obaj dostawcy się zgadzają, i ta jedna, co do której nie.

Zacznij od wierszy, w których te dwa przestają wyglądać inaczej, ponieważ kilka z nich jest naprawdę takich samych.

• Kontekst — oba mają określony limit 1 mln tokenów. Mercury 3 łączy to z limitem wyjścia wynoszącym 131 072 tokeny; karta Nemotron podaje do 1 mln współdzielonego okna obejmującego prompt, obrazy, historię, wyniki narzędzi i odpowiedź.

• Dane wyjściowe — tylko tekst, w obu przypadkach. Żaden nie generuje obrazów ani dźwięku.

• Wejście — tu drogi się rozchodzą. Nemotron przyjmuje tekst, obrazy RGB i wideo MP4 o długości do dwóch minut. Mercury 3 przyjmuje tekst i tylko tekst.

• Cena — Mercury 3 kosztuje 0,10 USD za milion tokenów wejściowych i 0,35 USD za milion tokenów wyjściowych w okresie startowym, a następnie wraca do ceny katalogowej 0,20 USD i 0,70 USD. Nemotron nie ma żadnego cennika dostawcy; istnieje tylko arkusz kosztów Artificial Analysis, który obecnie wycenia go na 0,225 USD za wejście i 0,575 USD za wyjście za milion, z 78% zniżką za cache i kosztem 0,19 USD na zadanie Intelligence Index.

• Wagi — wagi Mercury 3 nie są publikowane, a Inception nie zobowiązał się do ich publikacji. Wagi Nemotron są dostępne na Hugging Face na licencji OpenMDW-1.1, wraz z checkpointami pełnej precyzji i NVFP4.

Ten ostatni wiersz to ten, który decyduje w większości rzeczywistych ocen, i nie ma nic wspólnego z tokenami na sekundę.

Czytanie niezależnego indeksu bez nadinterpretowania go

NVIDIA udostępniła Nemotron 3.5 Super VL 15 października 2026 r. Gdy w tym samym tygodniu pojawiła się pierwsza niezależna tablica wyników, widniał na niej Intelligence Index wynoszący 26 oraz puste miejsce tam, gdzie powinna być kolumna prędkości. Strona zawiera teraz jedno i drugie: 26 w Index v4.3.2 oraz 434,3 tokenów wyjściowych na sekundę, co daje temu modelowi pierwsze miejsce wśród 28 modeli w jego klasie porównawczej. Wygenerował on również 170M tokenów podczas przebiegu indeksu, wobec mediany wynoszącej 100M, co strona opisuje jako dość rozwlekłe.

To są własne pomiary indeksu, przeprowadzone za pomocą jego własnego zestawu testowego, i są warte dokładnie tyle, ile wart jest każdy pojedynczy pakiet testów porównawczych: powtarzalna liczba zebrana przez kogoś, kto nie pracuje dla NVIDIA. Zwróć uwagę, co 26 oznacza, a czego nie oznacza. Własny tekst porównawczy na stronie zestawia to z medianą 8 dla porównywalnych modeli o otwartych wagach w klasie 40B–150B, więc jest to mocny wynik w obrębie swojej klasy wagowej i skromny wobec modeli czołowych dowolnego rozmiaru. Ranking pierwszego miejsca na 67, który pojawia się u góry strony, to ranking wewnątrz filtrowanej klasy, a nie ogólna pozycja. Każdy, kto cytuje „numer jeden” bez filtra, cytuje filtr.

Teraz druga strona. Wpis startowy Inception zawiera trzy twierdzenia ilościowe: 1,068 tokenów na sekundę na GPU NVIDIA, kontekst 1M i cenę premierową o połowę niższą od ceny katalogowej. Nie zawiera żadnego liczbowego twierdzenia o jakości. Zamiast tego mówi, że Mercury 3 „przewyższa GPT-6 Luna i Claude Haiku 5.5” — dwa modele zoptymalizowane pod kątem szybkości, co jest właściwym zestawem porównawczym dla produktu o niskich opóźnieniach, przy czym podano to bez marginesu, nazwy benchmarku ani wyniku dla poszczególnych zadań. Raportuje również, że Mercury 3 ukończył 50% z 50 rzeczywistych zadań nawigacyjnych Mind2Web w ramach własnego środowiska testowego agenta webowego Inception, „znacznie więcej niż GPT-6.1-Sol”. Pięćdziesiąt zadań w środowisku dostawcy to sygnał, a nie pomiar, który można postawić obok 26.

Uczciwe porównanie dowodów jakości wygląda więc tak: jeden model ma wynik z indeksu zewnętrznego, a drugi – zdanie od dostawcy. To nie czyni Merkurego słabszym modelem. Czyni go modelem niezmierzonym, a niezmierzony to inna kategoria ryzyka niż nisko oceniany.

Ile faktycznie kosztuje uruchomienie tej połowy opartej na otwartych wagach

Nemotron 3.5 Super VL to model typu mixture-of-experts o 120 mld parametrów, z 12 mld aktywnych na token, 512 ekspertami routowanymi na warstwę MoE i hybrydowym backbone’em, który przeplata warstwy Mamba-2, attention i MoE z enkoderem wizyjnym C-RADIO dopiętym przez connector. NVIDIA dostarcza go w dwóch poziomach precyzji, a różnica między nimi jest najbardziej użyteczną liczbą w tym wydaniu.

• BF16 — 64 shardy safetensors, około 231,8 GiB. Własny przepis NVIDIA na serwowanie to tensor-parallel 4 na czterech H100 lub TP2 na dwóch GB200.

• NVFP4 — 4-bitowe wagi i aktywacje z destylacją uwzględniającą kwantyzację. Karta wymienia wdrożenia na jednym DGX Spark, jednym H200, dwóch H100 lub jednym GB200.

Model 120B, który mieści się na dwóch H100 przy 4 bitach zamiast na czterech przy BF16, to inna rozmowa zakupowa i dlatego właśnie skwantyzowany checkpoint jest tym, na który dostawca wskazuje w kontekście wydajnego serwowania. NVIDIA nie publikuje jednak zestawienia dokładności obu wariantów obok siebie. To twierdzenie o metodologii treningu — że destylacja podczas treningu zamyka lukę kwantyzacyjną — a nie zmierzone porównanie; jeśli Twoja decyzja zależy od tej luki, odpowiedzi nie ma w repozytorium.

Licencję warto przeczytać dalej niż tylko marketing. Wpis na blogu mówi „open weights”; frontmatter karty mówi license: other, license_name: openmdw-1.1, i podlega ona umowie OpenMDW License Agreement 1.1. Użycie komercyjne jest dozwolone, a karta mówi to wprost. To nie jest Apache 2.0, a jeśli Twoja organizacja prowadzi listę zatwierdzonych licencji, to właśnie tę listę należy sprawdzić przed wyceną GPU.

Gdzie te dwa przestają być substytutami

Niedopasowanie nie dotyczy jakości. To kształt zadania.

Mercury 3 to dyfuzyjny model językowy — Inception nazywa go dLLM — który generuje tokeny równolegle, a nie pojedynczo, i właśnie stąd bierze się czterocyfrowe twierdzenie o przepustowości. Obciążenie, do którego został stworzony, to takie, przy którym człowiek patrzy: podpowiedzi w korepetycjach, generowanie wyników wyszukiwania, odpowiedź działu wsparcia, która musi brzmieć konwersacyjnie. Cytaty klientów samego Inception są wszystkie tego rodzaju i stanowią właściwy test produktu. Błędna podpowiedź jest do naprawienia. Dwusekundowa pauza nie.

Nemotron 3.5 Super VL został zaprojektowany z myślą o przeciwległym końcu skali. Odczytuje zrzuty ekranu, zeskanowane dokumenty, wykresy i dwuminutowe klipy wideo, wywołuje narzędzia i działa na sprzęcie, który kontrolujesz. Obciążenie, do którego został stworzony, to potok działający przez kilka minut i zwracający wyniki, w którym błędne wyodrębnienie danych jest kosztowne, a pięciosekundowe oczekiwanie pozostaje niezauważalne. Jego własna karta modelu otwarcie przyznaje, że nie wszystkie wiersze benchmarku multimodalnego uruchomiono za pomocą otwartych narzędzi publikowanych przez NVIDIA oraz że wewnętrzna infrastruktura pomocnicza stojąca za kilkoma z nich została zapowiedziana na przyszłe wydanie. To zastrzeżenie nie przekreśla modelu; mówi, które wiersze należy samodzielnie uruchomić ponownie, zanim zaczniesz na nich polegać.

Obszar wspólny jest węższy, niż sugerują karty specyfikacji. Jeśli Twoje dane wejściowe to stos faktur, film produktowy lub zrzut ekranu pulpitu nawigacyjnego, Mercury 3 ich nie zobaczy. Jeśli potrzebujesz odpowiedzi w rozmowie w czasie poniżej sekundy na zwykłym tekście, checkpoint multimodalny 120B na własnych GPU jest bardzo drogim sposobem, aby ją uzyskać.

Żaden z tych modeli nie znajduje się w naszym katalogu, co zmienia zalecenia dotyczące routingu.

Obie te odpowiedzi to uczciwe negatywy. Nasze API modeli nie zwraca modelu Inception ani wpisu NVIDIA Nemotron, więc ani Mercury 3, ani Nemotron 3.5 Super VL nie są czymś, co możesz u nas wywołać dzisiaj. Kto chce Mercury 3, idzie na własną platformę Inception, która nowym kontom daje 100 milionów darmowych tokenów; kto chce Nemotron, pobiera checkpoint z Hugging Face albo korzysta z hostingu zewnętrznego. Wolimy to zapisać, niż sugerować drogę, której nie mamy.

To, do czego warstwa routingu nadal się tutaj przydaje, to część wokół eksperymentu. Układ dwutorowy to rozsądny sposób oceny modelu, którego jeszcze nie zmierzono: kierować warstwę krytyczną pod względem opóźnień do Mercury 3 przez klucz Inception, a fallback i trudne przypadki pozostawić na modelach, które faktycznie oferujemy — ponad 200 z nich za jednym punktem końcowym zgodnym z OpenAI, w cenie katalogowej dostawcy z 0% marży, z automatycznym przełączaniem awaryjnym, gdy dostawca pogarsza działanie. Jeśli nowa ścieżka okaże się gorsza, niż sugerował post premierowy, fallback jest już podłączony, a przełączenie to reguła routingu, a nie projekt integracyjny. Połowa porównania oparta na hostowaniu własnym nie zyskuje na tym nic, bo nie ma czego routować.

Reguła decyzyjna

Wybierz Nemotron 3.5 Super VL 120B-A12B, gdy model musi coś zobaczyć — stronę, skan, klip — albo gdy dane nie mogą opuścić twojej infrastruktury, albo gdy zamierzasz dotrenować model na własnych przykładach. Uczciwie zaplanuj budżet sprzętowy: cztery H100 w BF16 lub dwie w NVFP4 to realne zobowiązanie kapitałowe, a 26 w indeksie to wynik relatywny w swojej klasie, a nie frontierowy. Zaakceptuj, że wiersze dotyczące przestrzegania instrukcji i długiego kontekstu są słabszą częścią jego własnej tabeli.

Wybierz Mercury 3, gdy ktoś czeka na odpowiedź tekstową, a ponowna próba nic nie kosztuje. Zaakceptuj dwie rzeczy, zanim na tym zbudujesz: że 1068 tokenów na sekundę to liczba od dostawcy bez niezależnego odtworzenia oraz że domyślne ustawienie wysiłku to „low” — więc każdy benchmark, który sam uruchomisz, będzie porównywalny z cudzym tylko wtedy, gdy jawnie przypniesz instant, low, medium lub high. Planuj budżet według ceny katalogowej, 0,20 USD i 0,70 USD, ponieważ promocja startowa nie ma opublikowanej daty końca, a model kosztów oparty na 0,10 USD i 0,35 USD ma termin ważności, którego nie widzisz.

Najszybciej odpowiedź zmieniłoby to samo po obu stronach: niezależny podmiot przeprowadzający te same testy. Jeśli Artificial Analysis opublikuje stronę Mercury 3, twierdzenie o przepustowości stanie się weryfikowalne, a kwestia jakości przestanie być zdaniem w komunikacie o premierze. Jeśli NVIDIA opublikuje różnicę dokładności między BF16 a NVFP4, tani poziom wdrożenia przestanie być skokiem na wiarę. Dopóki jedno z nich się nie pojawi, uczciwe podsumowanie brzmi: jeden z tych modeli został zmierzony, a drugi opisany, i żadne porównywanie specyfikacji nie zasypie tej luki.