NVIDIA Nemotron 3.5 Super VL: otwarty model 120B, który został wydany, zanim ukazał się jego własny wpis na blogu

Wagi dla N​VIDIA N​emotron 3.5 Super VL były na Hugging Face trzy dni przed tym, zanim N​VIDIA o nich napisała. Repozytorium pełnej precyzji, nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-BF16, zostało utworzone 2026-10-12T15:32:06Z. Jego skwantyzowana wersja, nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4, pojawiła się 24 sekundy później. Post na własnym blogu deweloperskim N​VIDIA wyjaśniający ten model jest opatrzony datą 15 października 2026 r. — tego samego dnia, który podają jego karty modelu: "Hugging Face - 10/15/2026". Zatem publiczne artefakty i publiczne ogłoszenie pojawiły się w różne dni, a różnica jest wystarczająco mała, że żadna z tych dat nie jest błędna i obie warto znać.

Poniżej znajduje się to, co repozytorium i wpis NVIDII faktycznie mówią o tym modelu wizyjno-językowym z 120 mld parametrów i 12 mld aktywnych: architektura, obliczenia wdrożeniowe, miejsca, w których jego własna opublikowana tabela pokazuje, że przegrywa, oraz haczyk licencyjny, o którym wpis na blogu nigdy nie wspomina.

Czym właściwie jest N​emotron 3.5 Super VL

NVIDIA opisuje go we własnym poście jako „otwarty, konfigurowalny model multimodalny” zbudowany do specjalistycznych przepływów pracy agentów — rozumowania, podążania za instrukcjami i korzystania z narzędzi, połączonych z rozumieniem tekstu, obrazów, dokumentów i wideo w jednym zestawie wag. Sedno tego połączenia, jak ujmuje to NVIDIA, polega na tym, że zespoły „mogą obsługiwać zadania tekstowe i wizualne bez wdrażania oddzielnych modeli tekstowych i wizyjno-językowych albo przekazywania między nimi kontekstu zadania”.

Architektura, zgodnie z kartą modelu:

• Kształt — 120B łącznych parametrów, 12B aktywnych na token. Model mieszaniny ekspertów z 512 ekspertami routowanymi na warstwę MoE.

• Szkielet — przeplatane warstwy Mamba-2, uwagi oraz MoE, hybrydowa konstrukcja Nemotron przeniesiona z linii Nemotron 3.

• Vision — enkoder wizyjny C-RADIO oraz łącznik wizyjno-językowy. Ciąg architektury transformers to NemotronH_Omni_Reasoning_V3, typ modelu nemotron_h_omni.

• Kontekst — do 1 mln tokenów, przy czym prompt, obrazy, historia rozmowy, wyniki narzędzi i wygenerowana odpowiedź współdzielą to okno.

• Dekodowanie spekulatywne — natywna głowica Multi-Token Prediction, więc nie trzeba pobierać osobnego draftera dla przepisów vLLM i SGLang publikowanych przez N​VIDIA.

• Tryb rozumowania — można go przełączać przez szablon czatu za pomocą enable_thinking, z pośrednim ustawieniem medium_effort. Tokeny rozumowania i odpowiedź współdzielą ten sam max_tokens budżet, co karta wyraźnie zaznacza, ponieważ jest to typowa przyczyna obciętego wyjścia agenta.

• Dane wejściowe — tekst, obrazy RGB (JPEG, PNG) i wideo MP4 o długości do dwóch minut. Zalecane próbkowanie wideo w przepisie vLLM to 2 FPS i 256 klatek ze współczynnikiem przycinania 0,5; dla 1080p karta podaje, aby zmniejszyć do 1 FPS i 128 klatek.

• Języki — angielski, hiszpański, francuski, niemiecki, włoski i japoński w metadanych karty. N​VIDIA twierdzi również, że korpus szkoleniowy obejmuje angielski oraz 19 innych języków mówionych i 43 języki programowania.

Dwa poziomy precyzji i pamięć, jaką dzięki nim zyskujesz

NVIDIA wypuściła ten model dwukrotnie, a skok pamięci między obiema wersjami to najważniejsza dla decyzji liczba w tym wydaniu.

• BF16 — referencja pełnej precyzji. Repozytorium zawiera 64 shardy safetensors o łącznym rozmiarze około 231,8 GiB. Własny przepis na serwowanie firmy N​VIDIA to --tensor-parallel-size 4 na 4× H100, lub TP2 na 2× GB200.

• NVFP4 — 4-bitowe wagi i aktywacje z destylacją uwzględniającą kwantyzację, o której NVIDIA mówi, że „zamyka lukę w dokładności, którą wprowadza kwantyzacja". Ten sam checkpoint działa na sprzęcie innym niż Blackwell z 4-bitowymi wagami i 16-bitowymi aktywacjami, a QAD pozwala również przechowywać pamięć podręczną KV w formacie NVFP4 zamiast FP8. Ponieważ kwantyzacja odbywa się podczas treningu, a nie po nim, NVIDIA twierdzi, że nie powoduje to żadnego narzutu podczas wnioskowania. Karta NVFP4 wymienia wdrożenia na 1× DGX Spark, 1× H200, 2× H100 lub 1× GB200.

Ta ostatnia linia jest tą praktyczną. Model 120B, który mieści się na dwóch H100 w FP4 zamiast na czterech w BF16, to zupełnie inna rozmowa o zakupach, i dlatego to właśnie skwantyzowane repozytorium N​VIDIA wskazuje do wydajnego serwowania. Trzeci brat, N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4-LiLiCorr, pojawił się na Hugging Face dzień przed główną parą, bez dołączonej zapowiedzi; blog N​VIDII później wyjaśnia LiLiCorr jako otwartą technikę dekodowania spekulatywnego i nazywa go "zalecanym drafterem do wnioskowania o niskich opóźnieniach z N​emotron 3.5 Super VL" na DGX Spark. Jego repozytorium poprzedza to wyjaśnienie o cztery dni, co jest niezłą ilustracją tego, jak ta premiera wypłynęła.

Pod tym skokiem kryje się zasadne pytanie — z czego rezygnuje poziom NVFP4 względem referencji BF16 — ale własna odpowiedź N​VIDIA to twierdzenie dotyczące metodologii treningu, a nie opublikowana tabela porównawcza dokładności dla obu checkpointów. Jeśli to wybór precyzji jest tym, na czym opiera się twoja decyzja, to tego porównania nie ma w repozytorium.

Tam, gdzie jego własna tabela benchmarków pokazuje, że przegrywa

Karta modelu zawiera dużą tabelę benchmarków przeprowadzonych przez dostawcę — około 40 wierszy — obejmującą rozumowanie, kodowanie, zadania agentowe, długi kontekst oraz pracę wielojęzyczną i multimodalną. N​VIDIA jest tu niezwykle otwarta: wymienia porównania, a kilka z nich nie stawia modelu w korzystnym świetle. Jej własne wyniki w porównaniu z najbliższym otwartym konkurentem w tej samej klasie, Qwen3.5-122B-A10B:

• GPQA-Diamond — N​emotron 3.5 Super VL 89.52 vs Qwen3.5-122B-A10B 86.7 (N​emotron prowadzi)

• HLE, tylko tekst — 31,79 vs 24,2 (Nemotron prowadzi)

• MMLU-ProX — 76,91 vs 83,2 (Qwen wyprzedza o ponad sześć punktów)

• CritPt — 10.86 vs 1.1 (N​emotron prowadzi z dużą przewagą)

• LiveCodeBench v6 — 88.22 vs 76.7 (N​emotron prowadzi w tym zestawie testów)

• SWE-bench Verified — 71,10 vs 71,9 (remis, w granicach szumu)

• SWE-bench Pro — 51.78 vs 44.9 (Nemotron prowadzi)

• tau2-bench retail — 69,24 vs 55,4 (Nemotron prowadzi)

• tau2-bench telecom — 73,19 vs 87,2 (Q​wen prowadzi o 14 punktów)

• AA-LCR v1.1 — 68.62 vs 75.1 (Qwen prowadzi w długim kontekście)

• BabyVision — 29.60 vs 35.7 (Q​wen prowadzi)

• MathVision — 78.16 vs 83.3 (Qwen prowadzi)

• OCRBench v2, angielski — 68,12 vs 68,3 (praktycznie na tym samym poziomie)

• OCRBench v2, chiński — 59.15 vs 67.3 (Q​wen prowadzi o osiem punktów)

• V* — 85.60 vs 91.1 (Q​wen prowadzi)

• IFBench — 70,86 vs 67,6 (N​emotron prowadzi)

• Indeks AA-Omniscience — 4.03 vs -36.1 (oba słabe; Nemotron znacznie mniej negatywny)

O tej tabeli warto powiedzieć trzy rzeczy, zamiast pozwalać, by mówiły za nią zwycięstwa.

Po pierwsze, każda liczba w niej — zarówno Nemotronu, jak i każdego modelu bazowego — jest raportowana przez dostawcę i zebrana za pomocą własnego systemu ewaluacyjnego NVIDIA. Karta mówi o tym wprost: „Wszystkie wyniki ewaluacji dla Nemotron 3.5 Super i modeli bazowych zostały zebrane za pośrednictwem NeMo Gym”, wraz z notatkami dotyczącymi odtwarzalności opublikowanymi w repozytorium NeMo Gym. To lepsze ujawnienie informacji, niż udaje się większości laboratoriów, a mimo to nadal nie jest to niezależny wynik. Czytaj te kolumny jako pomiary kilku modeli wykonane przez jedno laboratorium, a nie jako neutralny ranking.

Po drugie, sama NVIDIA wymienia benchmarki, które nie zostały włączone do jej otwartych narzędzi — BabyVision, CharXiv-RQ, MathVision, MMLongBench-Doc, OCR-Reasoning, OCRBench-v2, V* i Video-MME-v2 — i twierdzi, że korzystały one z oficjalnych implementacji lub „wewnętrznego szkieletu, który planujemy udostępnić jako open source w przyszłości”. Każdy wiersz multimodalny w tabeli zawiera to zastrzeżenie.

Po trzecie, wzorzec strat jest spójny, a nie przypadkowy. Luki dotyczą OCR w języku chińskim, rozumowania z długim kontekstem oraz wizualnej matematyki i czytania wykresów. Zwycięstwa skupiają się w benchmarkach wywoływania narzędzi i krótkoterminowych zadaniach agentowych — CritPt, tau2-bench retail i airline, APEX, Terminal-Bench 2.1 z wynikiem 66,70 wobec 48,70 modelu Qwen, SWE-bench Pro. Jak na model, który NVIDIA pozycjonuje jako wykonawcę w wielomodelowym stosie agentowym, to profil, który można obronić. Jeśli Twoje obciążenie to parsowanie chińskojęzycznych dokumentów lub bardzo długi kontekst analityczny, ta sama tabela mówi Ci coś innego.

Model po treningu dodatkowym wygrywa z modelem bazowym, a N​VIDIA wiedzie w tym prym.

Najbardziej konkretne twierdzenie dotyczące dokładności we wpisie na blogu NVIDIA nie jest wynikiem benchmarku. To twierdzenie o dostosowywaniu: że dotrenowanie bazowego modelu Nemotron 3.5 Super VL może pozwolić wyspecjalizowanemu obciążeniu wyprzedzić Claude Opus 5. Przykładem podanym przez NVIDIA są roszczenia z ubezpieczenia medycznego, w przypadku których firma podaje 44% wzrost dzięki dotrenowaniu.

Dwie rzeczy mają znaczenie w tym, jak NVIDIA to raportuje. Liczbę przypisuje się deklarowanemu zyskowi z post-trainingu, a nie porównaniu modelu z modelem na publicznym benchmarku — co jest innym i słabszym rodzajem dowodu. A sam wpis NVIDII ostrożnie zaznacza, że te zyski mają zastrzeżenia: „model bazowy sam w sobie nie przewyższył zastrzeżonych modeli czołowych” to uczciwa wersja tego zdania, a narracja jest taka, że przewagą otwartych wag jest to, że przedsiębiorstwo może przeprowadzić post-training na własnych danych i uruchomić wynik na własnej infrastrukturze.

Wersja dostawcy tej samej historii jest uboga. NVIDIA wymienia Scale AI, Ramp i AI21 jako organizacje, które przeprowadziły post-training modelu; Ramp jest cytowany z oczekiwaniem „nawet o 50% wyższej przepustowości i 10-krotnie niższych opóźnień” przy ekstrakcji paragonów do JSON, a Scale AI – 40-krotnej redukcji kosztów wnioskowania i 5-krotnej poprawy opóźnień w przetwarzaniu kredytów dostawców. To oczekiwania i wyniki deklarowane przez klientów, opublikowane przez dostawcę, bez niezależnych pomiarów, które by je potwierdzały. Niewykluczone, że są prawdziwe. Nikt spoza tych firm tego nie sprawdził.

To, co N​VIDIA faktycznie publikuje i co pomaga, to zestaw przepisów: NeMo AutoModel do SFT i LoRA, NeMo RL i NeMo Gym do uczenia ze wzmocnieniem i ewaluacji opartej na środowiskach, NeMo Data Designer do generowania danych multimodalnych, a także 45 zbiorów danych wizyjno-językowych oraz zestaw zbiorów danych do agentowego korzystania z narzędzi, rozumowania finansowego i podążania za instrukcjami na Hugging Face. Samouczek dotyczący reprodukowalności opublikowanych benchmarków znajduje się w repozytorium NeMo Gym. Ostatnia część jest naprawdę przydatna — oznacza, że możesz spróbować ponownie uruchomić własne ewaluacje firmy N​VIDIA, zamiast ufać tabeli.

Licencja nie jest tym, co sugeruje marketing

To jest ten szczegół, dla którego warto przejrzeć repozytorium, a nie wpis na blogu.

W poście NVIDIA model nazywany jest „otwartym, konfigurowalnym modelem multimodalnym” i mowa w nim o „otwartych wagach modelu”. Oba stwierdzenia są trafne w odniesieniu do wag. Żadne z nich nie jest jednak stwierdzeniem o licencji. Metadane (frontmatter) karty modelu zawierają license: other, wraz z license_name: openmdw-1.1, a warunki regulujące określa Umowa licencyjna OpenMDW w wersji 1.1 dostępna pod adresem openmdw.ai/license/1-1/. W karcie wprost stwierdzono, że model „jest gotowy do użytku komercyjnego lub niekomercyjnego”, a sam N​VIDIA w swoim opisie wdrożenia mówi o uruchamianiu go w „obsługiwanych środowiskach lokalnych, centrów danych lub chmury”.

A więc: można używać komercyjnie, według N​VIDIA. Ale „open” oznacza tutaj OpenMDW-1.1, nie Apache 2.0 i nie MIT. Jeśli Twoja organizacja ma listę wstępnie zatwierdzonych licencji open source, właśnie tę listę należy sprawdzić przede wszystkim — a praktyczna różnica między „otwartymi wagami” a nazwaną licencją to dokładnie taki rodzaj luki, którego późne wykrycie kosztuje cały cykl wydania. To nie jest krytyka modelu, a OpenMDW nie jest restrykcyjną licencją. To przypomnienie, że przymiotnik z wpisu na blogu ma mniejsze znaczenie niż frontmatter karty.

Wypróbowanie tego bez stawiania na to ścieżki produkcyjnej

Opublikowane receptury wdrożeniowe są wyraźnie jednomaszynowe, co kształtuje sposób oceny tego rozwiązania. Polecenia vLLM firmy NVIDIA w obu kartach działają w trybie TP4 na 4× H100 lub TP2 na 2× GB200 z --trust-remote-code — model jest dostarczany z niestandardowym kodem modelowania — a receptura SGLang używa lmsysorg/sglang:v0.5.20 na dwóch GB200. Dla DGX Spark istnieje dedykowany checkpoint draftu LiLiCorr, a NVIDIA zaleca go we wszystkich scenariuszach Spark; firma twierdzi, że generowanie tokenów jest do 2,3× szybsze niż dekodowanie bez spekulacji. W przypadku 16 B200 z Dynamo NVIDIA podaje obsługę nawet 8× większej liczby użytkowników przy opóźnieniu pierwszego tokenu mniejszym o 85% przy 50 tokenach na sekundę na użytkownika. Każdy z tych pomiarów to pomiar wewnętrzny dostawcy.

To realny koszt ewaluacji modelu, który ma trzy dni, nie ma niezależnej tablicy wyników, a którego wiersze multimodalne wiążą się z zastrzeżeniem dotyczącym nieotwartego szkieletu. Tani sposób, by na to spojrzeć, nie polega na tym, żeby najpierw stawiać cztery H100.

Najtańszym sposobem przyjrzenia się tak świeżemu wydaniu jest skorzystanie z jednej bramy zamiast drugiego zamówienia sprzętu. W OrcaRouter oznacza to jeden klucz do ponad 200 modeli w cenie katalogowej dostawcy z 0% marży, bez osobnej umowy i bez zmian w kodzie, oraz automatyczne przełączanie awaryjne między dostawcami, dzięki czemu model, którego jeszcze nie zweryfikowałeś, nie jest pojedynczym punktem awarii na ścieżce produkcyjnej. Ten konkretny model nie znajduje się jeszcze w katalogu — N​VIDIA udostępniła go kilka dni temu — więc dziś pochodzi z własnego API producenta albo z platform firm trzecich, które go obsługują. Dzięki temu zyskujesz porównanie, które naprawdę możesz przeprowadzić już teraz: umieść modele, które według jego zapewnień ma przebić, pod tym samym kluczem, przepuść przez nie własne zadania i skonfrontuj je z modelami, których już używasz, a warstwa routingu sprawi, że podmiana będzie zmianą konfiguracji, a nie migracją. Dopiero wtedy pytanie o 4× H100 czy 2× GB200 staje się decyzją zakupową, a nie zgadywaniem.

Nie chodzi o to, że routing zastępuje benchmark. Chodzi o to, że decyzja, którą możesz podjąć już dziś, dotyczy tego, które zadania ten model powinien obsługiwać w twoim stacku, a ta decyzja nie wymaga zamówienia sprzętu.

Co nie zostało jeszcze ustalone

Uczciwa lista niewiadomych jest krótka, ale brzemienna w skutki, i to na niej należy pracować, a nie na marketingu:

• Nie istnieje żadna niezależna ewaluacja. Każdy przytoczony powyżej wynik pochodzi z przebiegu NeMo Gym firmy N​VIDIA. Blog N​VIDIA powołuje się na testy benchmarkowe Artificial Analysis i niezależną ewaluację EXO Labs, umieszczającą model na granicy Pareto między dokładnością a ukończeniem zadania w DGX Spark, ale karta modelu sama nie publikuje żadnego wyniku pochodzącego od podmiotu trzeciego, a w chwili pisania nie ma dla niego niezależnej strony modelu w głównych agregatorach.

• Delta dokładności między BF16 a NVFP4 nie została określona ilościowo. Argumentacja NVIDII na rzecz NVFP4 opiera się na tym, że destylacja świadoma kwantyzacji zamyka tę lukę. To twierdzenie metodologiczne, a nie opublikowane porównanie dokładności między dwoma checkpointami, które faktycznie można pobrać.

• Kampania benchmarkowa została częściowo przeprowadzona przy użyciu własnych narzędzi N​VIDIA. Osiem benchmarków multimodalnych wykorzystywało oficjalne implementacje lub wewnętrzne rozwiązania pomocnicze, o których N​VIDIA mówi, że "planuje udostępnić je jako open source w przyszłości" — co oznacza, że te wyniki można w zasadzie odtworzyć, kiedyś, ale nie dzisiaj.

• Zyski po treningu są raportowane przez dostawców i klientów. Twierdzenie o 44-procentowym wzroście liczby roszczeń oraz dane Ramp i Scale AI zostały podane przez N​VIDIA na temat jej własnych klientów. Nikt nie zmierzył ich niezależnie.

• Zachowanie przy długim kontekście w pełnym oknie 1M nie zostało przetestowane poza dostawcą. Architektura jest do tego zaprojektowana, a NVIDIA publikuje przepisy wdrożeniowe dla tego rozwiązania. To, czy recall utrzymuje się na przestrzeni pełnego miliona tokenów na rzeczywistych dokumentach, to dokładnie ten rodzaj kwestii, który wychodzi na jaw w niezależnych testach, a nie pojawia się w tabeli dostawcy.

Czy powinieneś teraz podjąć działania w tej sprawie?

Jeśli tworzysz agentów do dokumentów, wykresów, wideo lub wielonarzędziowych i masz już zaplanowany budżet na wnioskowanie klasy 120B, warto temu naprawdę przyjrzeć się w tym tygodniu: poziom NVFP4 pozwala zmieścić to na dwóch H100, licencja pozwala na użycie komercyjne, a wiersze dotyczące wywoływania narzędzi w tabeli N​VIDIA są jego najmocniejszą częścią. Kształt z 12B aktywnych parametrów oznacza też, że jest tańszy za token, niż sugeruje jego łączna liczba 120B — a po stronie OrcaRouter zmiana ceny dostawcy dla niego obowiązuje tego samego dnia, a nie po cyklu rozliczeniowym, ponieważ cena katalogowa dostawcy jest przekazywana bez doliczania marży.

Jeśli Twoje obciążenie pracą opiera się na chińskojęzycznym OCR, bardzo długim kontekście analitycznym lub matematyce wizualnej, własna tabela NVIDII daje Ci trzy konkretne powody, by poczekać na niezależne liczby, zamiast wnioskować na podstawie marketingu.

Tak czy inaczej, tym, czego należy wypatrywać, nie jest kolejny wpis dostawcy. Jest nim pierwsza niezależna ewaluacja, która uruchamia checkpoint NVFP4 przeciwko wersji BF16 na tym samym harnessie, oraz pierwszy wynik strony trzeciej, który nie został zebrany przez NeMo Gym. Dopóki ich nie ma, to dobrze udokumentowany, z wygodną licencją, naprawdę wydajny otwarty model, którego najmocniejsze twierdzenia opierają się w całości na pomiarach jego twórcy — a którego własny twórca był wystarczająco przejrzysty, by opublikować wiersze, w których przegrywa.

Ta luka między tym, co mierzy tablica wyników, a tym, co napotyka wdrożenie, jest powodem, dla którego ten rejestr ma znaczenie: udokumentowane awarie AI i incydenty z agentami dotyczące modeli z tej klasy są gromadzone w Archiwum Incydentów AI OrcaRouter, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i znacznik sporności.