Nemotron 3.5 Super VL vs Nemotron 3.5 Super VL 120B: Jeden model, pięć plików, trzy różne zachowania

This comparison exists because a search box made it. NVIDIA Nemotron 3.5 Super VL and NVIDIA Nemotron 3.5 Super VL 120B are not two models. They are one checkpoint written down two ways, and no benchmark separates them because there is nothing to separate: the 120B is the parameter count of the Super VL, and the shorter string is what the marketing page calls the file whose full repository name is nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16. The naming confusion around this checkpoint is the kind of thing that ends up in a postmortem, and the recorded incidents are catalogued in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

Więc bezpośrednie porównanie to niewłaściwy artykuł. Przydatna wersja to ta, która wynika z tego samego zamieszania: jeśli obie nazwy wskazują na ten sam model, dlaczego pobranie „Nemotron 3.5 Super VL” daje pięć różnych repozytoriów, trzy różne rozmiary pobierania i dwie różne architektury — i który z nich faktycznie pobierasz?

Nazewnictwo bez tajemnic

NVIDIA używa trzech nakładających się etykiet dla jednego wydania, które się zagnieżdżają, a nie kolidują.

• Nemotron 3.5 Super VL — nazwa produktu. Tak nazywają go wpis na blogu, panel i każdy artykuł prasowy.

• Nemotron 3.5 Super VL 120B — ta sama nazwa z dodaną liczbą parametrów. Często występuje w tabelach porównawczych i katalogach, w tym w tych, które wygenerowały tę stronę.

• NVIDIA-Nemotron-3.5-Super-VL-120B-A12B — rdzeń repozytorium, który dodaje liczbę aktywnych parametrów. Wszystkie artefakty do pobrania opierają się na nim: BF16, NVFP4, Base oraz model draftujący NVFP4 LiLiCorr.

Żaden z tych trzech nie jest odrębnym modelem. To, co naprawdę odmienne, tkwi poziom niżej – w sufiksach precyzji i post-trainingu, i tam właśnie zapada prawdziwa decyzja.

Pięć plików i czym każdy z nich tak naprawdę jest

Wszystkie pięć pojawiło się w odstępie około czterech dni od siebie, a ich znaczniki czasu utworzenia są najbardziej wiarygodnym dostępnym dowodem na wydanie — bardziej wiarygodnym niż data ogłoszenia, która nastąpiła po nich wszystkich.

• ...-120B-A12B-Base-BF16 — utworzono 2026-10-12T15:31:49Z. Punkt kontrolny sprzed post-trainingu. Bez dostrajania instrukcyjnego, bez treningu korzystania z narzędzi, bez trybu rozumowania. To od niego należy zacząć, jeśli zamierzasz przeprowadzić własny post-training; jeśli nie, jest dla Ciebie bezużyteczny.

• ...-120B-A12B-BF16 — utworzono 15:32:06Z, siedemnaście sekund później. Gotowy model instruct, pełna precyzja, około 249 GB w 63 shardach. Przepis NVIDIA na serwowanie to równoległość tensorowa 4 na H100 lub 2 na GB200.

• ...-120B-A12B-NVFP4 — utworzono 15:32:30Z. Te same wagi po treningu dostrajającym, skwantowane do 4 bitów podczas treningu, a nie po nim, około 75 GB. To plik, który większość osób będzie faktycznie serwować, a działa on na jednym H200, dwóch H100, jednym GB200 lub pojedynczym DGX Spark.

• ...-120B-A12B-NVFP4-LiLiCorr — utworzony 2026-10-11T20:20:59Z, dzień przed pozostałymi i zanim pojawiło się jakiekolwiek ogłoszenie. Nie jest modelem w zwykłym tego słowa znaczeniu: to model szkicujący do dekodowania spekulacyjnego, który blog NVIDIA później wskazał jako zalecany do wnioskowania z niskim opóźnieniem na DGX Spark.

• Kwantyzacje GGUF i społecznościowe — pochodne, niepublikowane przez NVIDIA i poza zakresem tego, co raportuje dostawca.

Jeśli ktoś trafił tutaj, szukając odpowiedzi na pytanie „który z tych dwóch jest lepszy”, odpowiedź jest taka, że dwa z pięciu wcale nie są dla siebie alternatywami: checkpoint bazowy i checkpoint instruct to różne etapy tego samego przebiegu treningu, a drafter to nie model, który kiedykolwiek wywołuje się bezpośrednio.

Co się zmienia między wersjami o pełnej precyzji a wersjami 4-bitowymi?

To jedyne porównanie w gmatwaninie nazewnictwa, które ma realne konsekwencje, a zarazem to, które opiera się na najmniejszej liczbie niezależnych dowodów.

• Dysk i pamięć — 248,94 GB dla BF16, 75,06 GB dla NVFP4. Różnica 174 GB, czyli różnica między czterema H100 a dwoma.

• Format liczbowy — NVFP4 działa w układzie W4A4 na Blackwellu, a W4A16 na starszym sprzęcie. Kwantyzację stosuje się podczas treningu wraz z destylacją, co — zdaniem NVIDIA — zamyka lukę dokładności, którą otwiera kwantyzacja post-hoc.

• Deklaracja dokładności — NVIDIA podaje 99,62% mediany odzysku dokładności względem referencji BF16. To liczba dostawcy uzyskana na stanowisku testowym dostawcy i jednocześnie najbardziej kluczowa niezweryfikowana liczba w całym wydaniu.

• Niezależna ocena — brak. Artificial Analysis ocenia model na 26,49 w swoim Intelligence Index, bez szacowania, ale nie publikuje osobnego wiersza dla wersji NVFP4. Każda liczba od stron trzecich, jaką widziałeś dla tego modelu, jest pomiarem w pełnej precyzji lub domyślnym pomiarem dostawcy.

• Narzut wydajności — NVIDIA twierdzi, że nie występuje, ponieważ kwantyzacja odbywa się podczas trenowania, a nie jako etap w czasie działania.

Przeczytaj uważnie ten wynik 99,62%, zanim zaczniesz na nim opierać planowanie. „Mediana odzyskania dokładności” w nieokreślonym zestawie ewaluacji to nie to samo co twierdzenie „traci 0,38% możliwości”. Mediana może wynosić 99,62%, podczas gdy poszczególne benchmarki przesuwają się o kilka punktów w którąkolwiek stronę, a bez rozrzutu na poziomie pojedynczych benchmarków ta liczba mówi mniej, niż się wydaje. Jeśli Twoje obciążenie jest wrażliwe na konkretną zdolność — OCR długich dokumentów, ekstrakcję z wykresów, grounding wideo — jedynym rozsądnym podejściem jest uruchomienie obu kompilacji na własnych danych, ponieważ NVIDIA nie opublikowała wiersza, którego potrzebujesz.

Bazowy checkpoint to ten, którego nikt nie testuje w benchmarkach.

Z pięciu plików wersja bazowa jest najmniej omawiana i najciekawsza, jeśli masz plany dotyczące post-trainingu. Ma tę samą strukturę 120B łącznie i 12B aktywnych, ten sam hybrydowy backbone i ten sam enkoder wizyjny, a kończy się przed sześcioetapowym pipeline’em post-trainingu, który wytworzył model instruct — pipeline’em, którego zbiory danych SFT i RL NVIDIA również opublikowała, jedenaście z nich, wszystkie w oknie 61 godzin w tym samym tygodniu.

Czego jej brakuje, to użyteczna tabela benchmarków. Jej karta modelu obejmuje MMLU i MMLU-Pro; karta modelu po post-trainingu całkowicie pomija MMLU na rzecz MMLU-ProX i dodaje zestawy agentowe oraz zestawy na poziomie harnessu. Te dwa zestawy nie pokrywają się w wystarczającym stopniu, by odpowiedzieć na pytanie „ile dodał post-training”, co oznacza, że jedynym sposobem wycenienia tego pytania jest samodzielne uruchomienie obu. Otwarte wagi to umożliwiają. Nie czynią tego jednak darmowym.

Dlaczego w ogóle istnieją zduplikowane nazwy

Trzy artefakty, trzy grupy odbiorców, jedno wydanie. Wpis na blogu wymaga nazwy produktu wystarczająco krótkiej na nagłówek: Nemotron 3.5 Super VL. Katalog lub tabela porównawcza wymaga czegoś, co da się sortować i jest jednoznaczne w rodzinie zawierającej również Bolt 74B, Bolt E4B i Lightning 30B: dopisanie 120B to załatwia. Hub wymaga nazwy repozytorium, która koduje precyzję i aktywne parametry, tak aby skrypt mógł wybrać plik bez czytania opisu przez człowieka.

Kosztem takiego warstwowania jest wyszukiwanie. Dwa ciągi znaków o tym samym znaczeniu konkurują o to samo zapytanie, a czytelnik, który wpisze jeden z nich, trafia na stronę porównania pytającą, który jest lepszy. Przydatna odpowiedź na to zapytanie jest ta powyżej: to ten sam plik, oto pięć rzeczy, do których nazwa może faktycznie się odnosić, i oto jak rozpoznać, którą z nich masz.

Co to oznacza, jeśli wywołujesz to, a nie pobierasz

Przez API problem nazewnictwa w większości znika, ponieważ dostawca już wybrał za Ciebie kompilację — i to właśnie tam przenosi się pozostała niejednoznaczność. Niezależny panel śledzi siedem serwerów dla tego checkpointu, a ich publikowane stawki za te same wagi wynoszą od $0.10 do $0.20 za milion tokenów wejściowych i od $0.40 do $0.50 za milion tokenów wyjściowych. Dwie z tych ofert to wyraźnie kompilacje NVFP4; pozostałe tego nie podają, a stawka bez precyzji to stawka, której nie można porównać z inną stawką.

To jest praktyczna wersja pytania, od którego zaczęła się ta strona. Nazwa modelu wskazuje na jedną architekturę i pięć plików; cena nie mówi, za który plik płacisz. Zapytanie dostawcy, którą kompilację udostępnia i czy jego wartość przepustowości została zmierzona w BF16 czy FP4, jest bardziej użytecznym pytaniem niż jakiekolwiek bezpośrednie porównanie między dwoma zapisami tego samego checkpointu.

Po naszej stronie uczciwa uwaga jest krótka: ten checkpoint nie znajduje się w katalogu OrcaRouter. Lista modeli liczy nieco ponad 200 identyfikatorów i obecnie nie zawiera żadnej pozycji NVIDIA, więc nic tutaj nie jest ofertą jego udostępniania. To, co platforma faktycznie oferuje i co ma znaczenie w przypadku tak niejednoznacznej nazwy, to warstwa routingu, która przechowuje ciąg modelu w jednym miejscu: gdy wariant faktycznie się pojawi, miejsce wywołania nie ulega zmianie, ruch można rozdzielić między dwóch dostawców tego samego checkpointu, aby porównać ich na własnym obciążeniu, a automatyczne przełączanie awaryjne obejmuje przypadek, gdy jeden z nich ulegnie pogorszeniu. Cena z cennika dostawcy jest przekazywana z 0% narzutem, co ma tutaj szczególne znaczenie, ponieważ rozpiętość cen dla tego modelu wynosi 2x i wolisz ją widzieć, niż pozwolić, by została wchłonięta przez marżę.

Krótka odpowiedź dla czytelnika, który wyszukał długą nazwę

Nemotron 3.5 Super VL i Nemotron 3.5 Super VL 120B to ten sam model, udostępniony jako wagi 12 października 2026 r. i ogłoszony 15 października 2026 r., z 120 miliardami parametrów łącznie, 12 miliardami aktywnych, kontekstem 1M tokenów, wejściem tekstowym, obrazowym i wideo oraz licencją OpenMDW-1.1. Jeśli dokonujesz wyboru, nie jest to wybór między tymi dwiema nazwami. Jest to wybór między BF16 a NVFP4, między checkpointem bazowym a wersją instruct oraz między serwerami, których ceny i precyzje nie są podane w tych samych jednostkach. To są trzy rzeczywiste decyzje. Nazwa nie jest jedną z nich.