NVIDIA Nemotron 3.5 Super VL to najlepszy amerykański model z otwartymi wagami na permisywnej licencji, a jego wagi wyprzedziły własne ogłoszenie o trzy dni

Znacznik czasu to ta część, której nikt nie zapisał. Repozytorium BF16 dla NVIDIA Nemotron 3.5 Super VL — pełna nazwa nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 — zostało utworzone na Hugging Face o 15:32:06 UTC 12 października 2026 roku, wraz z kompilacją NVFP4 powstałą dwadzieścia cztery sekundy później i bazowym checkpointem powstałym dziewiętnaście sekund wcześniej. Wpis na blogu NVIDIA ogłaszający model jest datowany na 15 października. Tak więc przez około siedemdziesiąt dwie godziny wagi najsilniejszego otwartego modelu wizyjno-językowego NVIDIA były możliwe do pobrania, zindeksowane i poddawane kwantyzacji przez strony trzecie, podczas gdy firma, która go wytrenowała, nie opublikowała zupełnie nic. To nie wyciek i nie skandal. To pipeline wydawniczy, w którym artefakt pojawia się przed tekstem, i warto powiedzieć to wprost, bo dalsza część tego tekstu dotyczy liczb, a liczby mają własne znaczniki czasu. W Artificial Analysis Intelligence Index NVIDIA Nemotron 3.5 Super VL uzyskuje wynik 26,49, nieoszacowany. Jego poprzednik, NVIDIA Nemotron 3 Super 120B A12B, wydany 11 marca 2026 roku, uzyskuje 12,83 w tym samym zestawieniu. To 2,06 razy wyższy wynik, osiągany przy 49 174 tokenach wyjściowych na zadanie zamiast 113 823.

Dwie rzeczy w tym porównaniu zasługują na wyjaśnienie przed szczegółami. Po pierwsze, 26,49 to liczba pochodząca od strony trzeciej, zmierzona na cudzym stanowisku testowym z opublikowanym budżetem tokenów, i jest oznaczona na panelu jako nieoszacowana. Ma to większe znaczenie niż zwykle, ponieważ własna tabela wyników NVIDIA jest prezentowana obok siedmiu konkurentów, a te dwa zestawy liczb nie zawsze się zgadzają. Po drugie, twierdzenie o liderze w nagłówku jest celowo wąskie. Wśród modeli o otwartych wagach zbudowanych w Stanach Zjednoczonych Meta Muse Spark Open uzyskuje wyższy wynik — 38,87, również nieoszacowany — ale jest dostarczany na podstawie specjalnej licencji komercyjnej za bramkowanym repozytorium, co stawia go w innej kategorii wdrożeniowej niż punkt kontrolny, który można dziś pobrać i wdrożyć w ramach OpenMDW-1.1. Wśród modeli o otwartych wagach z USA na licencji permisywnej na tym panelu NVIDIA Nemotron 3.5 Super VL jest pierwszy, a kolejny wpis to Inkling Small z wynikiem 25,66.

Co ustanawia repozytorium, a co robi wyłącznie panel

Karta modelu jest niezwykle kompletna jak na coś, co zostało wydane trzy dni przed własnym komunikatem prasowym, i jasno odpowiada na pytania strukturalne. NVIDIA Nemotron 3.5 Super VL to hybryda Mamba-2, mieszaniny ekspertów i uwagi z enkoderem wizyjnym C-RADIO oraz łącznikiem wizyjno-językowym, 512 ekspertów z routingiem na warstwę MoE, 120 mld parametrów łącznie i 12 mld aktywnych na token oraz oknem kontekstu do 1 mln tokenów. Natywne Multi-Token Prediction zapewnia jej dekodowanie spekulatywne bez pobierania osobnego modelu draftującego. Dane wejściowe to tekst, obrazy (JPEG, PNG) i wideo (MP4 do dwóch minut, próbkowane jako klatki); dane wyjściowe to wyłącznie tekst. Licencja to OpenMDW-1.1, karta podaje, że model jest gotowy do użytku komercyjnego lub niekomercyjnego, a NVIDIA informuje o treningu na około 26 bilionach tokenów, z około 3,8 mln próbek po treningu i uczeniem ze wzmocnieniem w kilkudziesięciu środowiskach.

• Parametry całkowite / aktywne — 120B / 12B w porównaniu z 120,6B / 12,7B w modelu z marca. Niemal identyczne — i o to chodzi: poprawa nie wynika z większego modelu.

• Indeks Inteligencji — 26,49 wobec 12,83, oba niebędące szacunkami, oba według Artificial Analysis.

• Tokeny wyjściowe na zadanie indeksowania — 49 174 wobec 113 823. Nowy model kończy to samo zadanie, zużywając o 56,8% mniej tokenów.

• Kontekst i wyjścia — 1M tokenów, tylko tekst wyjściowy, w obu. Żaden z nich nie jest generatorem obrazów.

• Minimalna konfiguracja wdrożeniowa — 4×H100 lub 2×GB200 dla BF16 w NVIDIA Nemotron 3.5 Super VL; istnieje wersja NVFP4 dla mniejszych konfiguracji.

• Publiczne zainteresowanie — 142 pobrania i 32 polubienia w repozytorium BF16 w chwili pisania, w porównaniu z ponad milionem pobrań marcowego poprzednika. Różnicę stanowią trzy dni stażu, a nie trzy dni popytu.

Podział możliwości w panelu to miejsce, w którym 26,49 przestaje być pojedynczą liczbą. Super VL uzyskuje 38,47 w ekonomii, 30,11 w inżynierii, 28,11 w prawie oraz 27,19 w finansach i rachunkowości, ale tylko 22,57 w strategii i operacjach. Jego wskaźnik wszechwiedzy wynosi -4,22 — model udziela błędnych odpowiedzi na więcej pytań sprawdzających wiedzę w panelu, niż udziela poprawnych, przy wskaźniku dokładności 23,3% wobec 35,8% wskaźnika halucynacji. To nie jest wada charakterystyczna wyłącznie dla tego wydania; tak wygląda model otwarty bez zabezpieczeń, gdy mierzy się, czy odmawia odpowiedzi. W GDPval-AA, który ocenia gotowe efekty pracy zawodowej, a nie odpowiedzi, uzyskuje wynik 1 162,41, a w rubryce AA-Briefcase-Lite plasuje się na poziomie Elo 998,76. To właśnie te dwa wiersze warto obserwować w nadchodzącym miesiącu, ponieważ mierzą pracę, a nie wiedzę, i to w tych wierszach otwarty model 120B może realnie dalej się poprawiać w ramach post-trainingu.

Twierdzenie o pięciokrotnym przyspieszeniu i dlaczego liczba tokenów to nie sekundy

Blog NVIDIA kładzie nacisk na szybkość: „5 razy szybciej niż drugi najlepszy”, a model „osiąga do 5 razy większą przepustowość w porównaniu z innymi modelami w swojej klasie”. To twierdzenie producenta i nikt poza NVIDIA go nie odtworzył. Na podstawie obecnych dowodów jest też niemożliwe do zweryfikowania — ten sam niezależny panel, który ocenia model, nie publikuje dla niego ani ceny, ani danych o opóźnieniu, więc nie ma z czym porównać tego twierdzenia. Sprawdzić można inną wielkość, którą często podaje się tak, jakby była tym samym. Liczba tokenów wyjściowych na zadanie jest miarą tego, ile mówi model, a nie tego, jak szybko działa serwer. 49 174 wobec 113 823 to fakt i autentyczny zysk wydajności — modele mocno oparte na rozumowaniu przepalają swój budżet na generowanie — ale model, który generuje o 57% mniej tokenów, nie jest przez to o 57% szybszy i z pewnością nie jest 5× szybszy. To o 57% mniej tokenów. Nie mieszaj tych rzeczy.

Tabela benchmarków dostawcy ma drugi, mniejszy problem, który uważny czytelnik zauważy w jakieś dziesięć sekund. Jej pierwsza kolumna jest oznaczona jako „Nemotron 3.5 SuperGA BF16”, a nie „Super VL”. Biorąc pod uwagę, że sekcja Model Version karty podaje v1.0 — GA, najprawdopodobniej jest to etykieta kandydata do wydania, która przetrwała w publicznym dokumencie, a nie inny model. Tak czy inaczej, to rodzaj skazy, która mówi, że etap dokumentowania odbył się po opublikowaniu wag, co jest spójne z trzydniową luką. W tej kolumnie NVIDIA podaje GPQA-Diamond 89,52, HLE text-only 31,79, Terminal-Bench 2.1 66,70, SWE-bench Verified 71,10, BrowseComp 78 i Video-MME v2 32,85, a pełny zestaw kolumn porównawczych obejmuje Qwen3.5-122B-A10B, Qwen3.8-Flash-Next, DeepSeek-V4-Flash-0731, Nemotron 3 Ultra, Inkling-Small i GLM-5.3-Flash. Wszystko to jest raportowane przez dostawcę za pośrednictwem NeMo Gym, a NVIDIA publikuje przepisy, prompty, parsery i ustawienia punktacji, aby każdy mógł to powtórzyć. To lepsza praktyka niż u większości, ale wciąż nie jest to niezależny wynik.

Gdzie tak naprawdę plasuje się wśród amerykańskich modeli o otwartych wagach

Posortuj panel według modeli z otwartymi wagami z amerykańskich laboratoriów, a obraz tej dziedziny stanie się jasny. Meta Muse Spark Open prowadzi z wynikiem 38,87, ale jest modelem o 816B parametrów na licencji Muse Model License, z ograniczonym dostępem na Hubie, i zupełnie inną propozycją do wdrożenia. Poniżej NVIDIA Nemotron 3.5 Super VL z wynikiem 26,49 plasują się Inkling Small z 25,66 i Inkling z 24,98 od Thinking Machines, oba na licencjach permisywnych. Następnie własny model NVIDII, NVIDIA Nemotron 3 Ultra 550B A55B, z 22,93, oraz NVIDIA Nemotron 3.5 Bolt 74B-A9B — wydany tego samego dnia co Super VL — z 21,41, jak na model 74B, który mieści się w 24GB pamięci. Ciekawym faktem strukturalnym jest to, że Super VL pokonuje flagowy model 550B własnej firmy o 3,6 punktu indeksu, będąc przy tym mniejszym niż jedną czwartą pod względem rozmiaru na dysku i liczby aktywnych parametrów. To właśnie wynik, do którego zmierzał cały program hybrydowego MoE, i w tym panelu został osiągnięty.

Wyznacza też realną poprzeczkę na najbliższe miesiące. Luka do Muse Spark Open wynosi 12,4 punktu, a luka do wiodących chińskich modeli o otwartych wagach jest jeszcze większa — MiMo-V2.6-Pro z 46,32, GLM-5.3 z 44,78, Kimi K3 z 43,59. Odpowiedzią NVIDII na tę lukę nie jest większy model; to post-training — na twoich danych, na twoich szafach rackowych, ze zbiorami danych i środowiskami NeMo Gym publikowanymi wraz z wagami. Czy to pozwoli nadrobić dystans, pozostaje pytaniem otwartym, a to wydanie tego nie rozstrzyga.

Ile kosztuje utrzymanie — i ta jedna liczba, której brakuje

Checkpoint BF16 jest serwowany na 4×H100 lub 2×GB200, a NVIDIA publikuje przepisy vLLM i SGLang oraz przypina konkretne tagi kontenerów — vLLM v0.32.0 lub wskazany nightly, SGLang v0.5.20 — co jest użytecznym sygnałem, jak niedawno pojawiły się kernele. Wersja NVFP4 to ta, którą faktycznie uruchomi większość zespołów. Tym, czego nikt nie opublikował, jest cena. Na panelu nie ma stawki za token, w ogłoszeniu nie ma ceny katalogowej NIM ani stawki serwowania od strony trzeciej, którą kupujący mógłby porównać. W przypadku modelu w takiej sytuacji praktyczną drogą jest ta, którą stosujemy: OrcaRouter przepuszcza cenę katalogową dostawcy z 0% marży w ponad 200 modelach na jednym kluczu, więc gdy NVIDIA lub dostawca opublikuje stawkę dla tego checkpointu, pojawia się ona po koszcie, a nie z narzutem, a automatyczne przełączanie awaryjne oznacza, że jednodniowy checkpoint może przejąć część ruchu, podczas gdy sprawdzony model utrzymuje resztę. Aby było jasne, czego to dziś nie oznacza: ten konkretny model nie jest jeszcze w naszym katalogu, trzy dni po publikacji jego wag, ponieważ nikt jeszcze nie serwuje go w sposób niezawodny. To stwierdzenie o dostępności, a nie o modelu.

Co obejrzeć dalej

Trzy rzeczy zdecydują, czy to wydanie będzie się po sześciu miesiącach czytać jako przełom, czy jako przypis. Pierwszą jest druga niezależna ocena — wynik panelu to jeden, a jeden nie jest trendem. Drugą jest to, czy twierdzenie o 5× przepustowości przetrwa kontakt z neutralnym benchmarkerem, ponieważ dowody oparte na liczbie tokenów potwierdzają wydajność i nie mówią nic o opóźnieniu. Trzecią jest ekosystem po treningu: NVIDIA wymienia Scale AI, AfterQuery, AI21, Mercor, Atlassian, CrowdStrike, Dassault Systèmes, Salesforce i inne firmy budujące na nim, a ciekawe pytanie o model otwarty rzadko dotyczy tego, co dostarczył dostawca — raczej tego, co zrobią z nim wszyscy inni później. Na podstawie dowodów dostępnych na dzień 16 października 2026 r. NVIDIA Nemotron 3.5 Super VL to najmocniejszy model o otwartych wagach na permisywnej licencji, jaki wyszedł z amerykańskiego laboratorium; osiągnął to przy stałej liczbie parametrów, obcinając własny budżet rozumowania o ponad połowę, i zrobił to tak cicho, że pierwszymi, którzy to zauważyli, byli kwantyzatorzy.