Nemotron 3.5 Super VL vs Nemotron 3.5 Lightning: Dwa poziomy jednej rodziny i token, który decyduje, który z nich wybrać

Te dwa modele nie są rywalami, a traktowanie ich jako jednego to błąd, do którego zachęcają karty specyfikacji. NVIDIA Nemotron 3.5 Super VL to model wizyjno-językowy o 120 mld parametrów, z których 12 mld jest aktywnych, wymagający czterech H100 lub dwóch GB200 do działania z pełną precyzją. NVIDIA Nemotron 3.5 Lightning 30B-A3B to model tekstowy o 30 mld parametrów, z których 3 mld jest aktywnych, mieszczący się na pojedynczym DGX Spark lub jednym H100. Dzielą licencję — OpenMDW-1.1, użycie komercyjne, otwarte wagi i otwarte receptury — oraz filozofię projektową polegającą na wyciszaniu obliczeń na token dzięki Mamba-2 i rzadkim ekspertom. Nie dzielą jednak modalności wejściowej, minimalnych wymagań sprzętowych ani zadania. Lightning jest starszy z tych dwóch o około dwa miesiące — trafił na rynek 11 sierpnia 2026 r.; wagi Super VL pojawiły się 12 października 2026 r., a ogłoszenie NVIDIA nastąpiło 15 października, więc jeden z nich to ugruntowane wydanie, a drugi ma zaledwie dzień.

Brama, w prostych słowach

Oba modele istnieją jako możliwe do pobrania checkpointy z opublikowanymi przepisami ewaluacyjnymi. Oba są oceniane przez dostawcę: każda liczba w poniższych tabelach pochodzi z własnego narzędzia NeMo Gym lub NeMo Evaluator firmy NVIDIA, a nie od strony trzeciej, i za żadnym z nich nie stoi niezależny audyt przepustowości ani dokładności. To zastrzeżenie dotyczy całego porównania i nie jest powtarzane w każdym wierszu.

Gdzie Lightning wypada lepiej: NVIDIA twierdzi, że checkpoint Lightning 30B-A3B NVFP4 został pobrany na Hugging Face około 907 000 razy, w porównaniu z około 142 w przypadku zaledwie jednodniowego checkpointu BF16 Super VL. To nie jest sygnał jakości — to różnica między modelem, który można uruchomić na akceleratorze klasy laptopa, a takim, którego nie można.

Co zawierają dwa punkty kontrolne

Nemotron 3.5 Lightning 30B-A3B to hybrydowy model typu mixture-of-experts zbudowany z przeplatanych warstw Mamba-2 i MoE oraz kilku warstw uwagi, mający łącznie 30 mld parametrów i 3 mld aktywnych na token, kontekst 1 mln tokenów i tekst jako jedyne wejście. NVIDIA wytrenowała go na ponad 20 bilionach tokenów według receptury wstępnego treningu NVFP4, dodała głowice Multi-Token Prediction, a następnie dostroiła na syntetycznych danych dotyczących kodu, matematyki, nauki, wywoływania narzędzi i podążania za instrukcjami przed etapem uczenia ze wzmocnieniem GRPO. Jest dostarczany z trzema odrębnymi strategiami dekodowania spekulatywnego — DSpark do pracy w centrach danych o niskiej współbieżności i na DGX Spark oraz MTP i DFlash — co jak na model 30B jest nietypowo dużą ilością inżynierii wnioskowania, i wskazuje, kim jest docelowy użytkownik: kimś, kto uruchamia agentów lokalnie i zerka na zegar.

NVIDIA Nemotron 3.5 Super VL ma ten sam szkielet i dodaje oczy. Ta sama przeplatana hybryda Mamba-2, MoE i attention, ale z 512 ekspertami routowanymi na warstwę MoE, enkoderem wizyjnym C-RADIO i łącznikiem wizja-język, 120B łącznych i 12B aktywnych parametrów oraz wejściem tekstowym, obrazowym i wideo. Jego szkielet językowy został zainicjalizowany z Nemotron 3 Super Base, a następnie poddany destylacji na bilionie tokenów z Nemotron 3 Ultra Base przed kontynuowanym wstępnym trenowaniem, rozszerzeniem o 35 miliardów tokenów do kontekstu 1M, mid-trainingiem z inżynierii oprogramowania i etapem odzyskiwania długiego kontekstu. Obie wersje mają także wspólny raport techniczny — NVIDIA opublikowała prace Super i Lightning razem.

• Aktywne parametry — 12B na token dla Super VL w porównaniu z 3B dla Lightning. Czterokrotnie więcej obliczeń na każdy generowany token, zanim uwzględni się enkoder wizyjny.

• Modalności — tekst, obrazy i próbkowane klatki wideo do Super VL; dla Lightning tekst na wejściu, tekst na wyjściu. Obsługiwane języki Lightning to angielski, hiszpański, francuski, niemiecki, włoski i japoński.

• Minimalna konfiguracja sprzętowa — 4×H100 lub 2×GB200 w BF16 dla Super VL, z buildem NVFP4 i mikrousługą NIM do produkcji; jeden DGX Spark, jeden H100, RTX 5090 lub układ klasy Ampere przez W4A16 dla Lightning.

• Kontekst — 1 mln tokenów w obu przypadkach, oba z opublikowanymi recepturami, a nie pojedynczym reklamowanym maksimum.

• Dekodowanie spekulatywne — Super VL natywnie używa własnej głowicy MTP, nie trzeba pobierać modelu draftującego; Lightning dostarcza warianty DSpark, MTP i DFlash jako osobne checkpointy.

• Licencja — OpenMDW-1.1 dla obu, dozwolone użycie komercyjne, z otwartymi zbiorami danych i środowiskami RL na Hub.

Co liczby mówią, a czego nie mówią

We własnym środowisku testowym NVIDIA te dwa modele nie są blisko siebie i jest to oczekiwane: model z 12B aktywnych parametrów powinien pokonać model z 3B aktywnych parametrów. Uzasadniając tę różnicę tabelami opublikowanymi przez NVIDIA: GPQA-Diamond 89,52 dla Super VL wobec 75,44 dla Lightning; HLE w trybie tekstowym 31,79 wobec 11,72; SWE-bench Verified 71,10 wobec 51,56; Terminal-Bench 2.1 66,70 wobec 24,58; AA-LCR 68,62 wobec 52,00.

Wzorzec wewnątrz tych wierszy jest bardziej użyteczny niż same wiersze. Przewaga Super VL jest ogromna w benchmarkach długiego kontekstu i wykonywania zadań agentowych, a stosunkowo umiarkowana w wiedzy ogólnej — MMLU-Pro wynosi 76,91 wobec 81,94 Lightning, co jest rzadkim przypadkiem, gdy mniejszy model wygrywa wiersz. To kształt modelu, który celowo poddano treningowi pośredniemu na danych z inżynierii oprogramowania i wyposażono w etap odbudowy długiego kontekstu: lepiej doprowadza zadanie do końca niż przypomina sobie fakty. Jeśli Twoje obciążenie polega na odpowiadaniu na pytania faktograficzne na podstawie krótkiego tekstu, niekorzyść modelu 30B w dużej mierze znika, i dzieje się to przy jednej czwartej obliczeń na token.

NVIDIA podaje przy karcie Lightning zastrzeżenie, które warto powtórzyć dosłownie co do istoty: liczby zmierzono z oficjalnym checkpointem NVFP4 i odnoszą się one właśnie do niego, a NVIDIA zauważa, że jej własna ocena może różnić się od liczb podawanych przez dostawców konkurencyjnych modeli. To wyjątkowo uczciwe sformułowanie i odnosi się ono w równym stopniu do tabeli Super VL.

Wybór poziomu i co dzieje się powyżej

Reguła decyzyjna wynika z modalności i dolnej granicy, a nie z indeksu. Wszystko, co musi odczytać stronę — fakturę, wykres, zeskanowany formularz, zrzut ekranu aplikacji, klatkę wideo — może trafić wyłącznie do Super VL, ponieważ Lightning nie ma żadnej ścieżki dla pikseli. Wszystko, co jest tekstem na wejściu i tekstem na wyjściu, działa w sposób ciągły i znajduje się na sprzęcie, który już posiadasz, należy do Lightning, ponieważ model o 3 mld aktywnych parametrów w NVFP4 na pojedynczym akceleratorze ma zupełnie inną bazę kosztową niż dwanaście miliardów aktywnych parametrów rozłożonych na czterech GPU.

Powyżej obu z nich znajduje się NVIDIA Nemotron 3 Ultra 550B-A55B, względem którego karta Super VL bezpośrednio przeprowadza testy porównawcze i który wymaga ośmiu GB200 lub szesnastu H100. Trzy poziomy, trzy klasy sprzętowe, jedna licencja. Rodzina została zaprojektowana tak, aby pojedyncza organizacja mogła wdrożyć wszystkie trzy i przenosić zadania między nimi, a ciekawym problemem inżynierskim nie jest wybór jednego — jest nim router, który decyduje, które żądanie trafia gdzie.

To właśnie w tej warstwie routingu platforma, a nie checkpoint, uzasadnia swoje istnienie, i warto być precyzyjnym co do tego, co tu robimy, a czego nie. OrcaRouter nie udostępnia NVIDIA Nemotron 3.5 Super VL, Nemotron 3.5 Lightning 30B-A3B ani Nemotron 3 Ultra 550B-A55B; żaden z tych trzech nie znajduje się w naszym katalogu, a samodzielnie hostowany checkpoint z definicji nie jest czymś, co dostawca API może ci przekazać. To, co zapewniamy, to część otaczająca mieszaną flotę lokalnych i hostowanych modeli: DSL routingu, który komponuje kilka modeli w jedno wywołanie, dzięki czemu pipeline może wysyłać swoje mechaniczne strony do małego, taniego modelu i eskalować tylko trudne, oraz automatyczne przełączanie awaryjne między dostawcami upstream, tak aby degradacja hostowanej zależności nie pociągała za sobą pipeline'u. Katalogowa strona tego równania — obecnie ponad dwieście modeli za jednym kluczem, przy 0% marży względem ceny katalogowej dostawcy — to właśnie to, do czego odwołuje się gałąź eskalacji. Samodzielnie hostowany Lightning obsługujący wolumen i routowany model hostowany obsługujący wyjątki to mniejszy i bezpieczniejszy system niż każda z tych połówek osobno.

Co obejrzeć

Względna dojrzałość Lightninga to niedoceniana zmienna. Jest publicznie dostępny od sierpnia, ma kwantyzacje od podmiotów trzecich, wsparcie dla llama.cpp, Ollama, LM Studio i vLLM oraz wystarczająco dużą bazę pobrań, by tryby awarii były znane. Super VL ma kartę modelu, raport techniczny, przepis vLLM na dzień zerowy i jednodniowy licznik pobrań. Uruchomienie go w środowisku produkcyjnym w tym miesiącu oznacza bycie osobą, która znajduje niedoróbki.

Konkretną rzeczą, na którą trzeba uważać, jest to, czy kompilacja NVFP4 Super VL domyka lukę sprzętową na tyle, by miało to znaczenie. Jeśli skwantyzowany model 120B-A12B działa użytecznie na niewielkiej liczbie akceleratorów — nie na jednym, ale na mniej niż czterech — to granica poziomu się przesuwa, a cała rodzina trzech modeli staje się tańsza do wdrożenia jako całość. Dopóki tak się nie stanie, podział przebiega według modalności: Lightning do tekstu w dużej skali na własnym sprzęcie, Super VL do wszystkiego, w czym jest choćby piksel, Ultra, gdy zadanie naprawdę wymaga największego modelu, jaki sprzedaje NVIDIA.