Nemotron 3.5 Super VL vs Nemotron 3 Ultra: Tańszy niż flagowiec, czy tylko mniejszy?

NVIDIA ma trzy poziomy Nemotron 3.5, a jeden z nich to pułapka dla planistów. NVIDIA Nemotron 3 Ultra 550B-A55B, wydany 4 czerwca 2026 r., to flagowiec rodziny: 550 miliardów parametrów łącznie i 55 miliardów aktywnych na token, warstwy LatentMoE z Multi-Token Prediction, 1 mln tokenów kontekstu oraz deklarowane minimum szesnastu H100 lub ośmiu GB200. NVIDIA Nemotron 3.5 Super VL, którego wagi pojawiły się na Hugging Face 12 października 2026 r., a ogłoszenie NVIDII nastąpiło 15 października, to poziom poniżej: 120 mld łącznie, 12 mld aktywnych, ten sam 1-milionowy kontekst, enkoder wizyjny C-RADIO i dolna granica czterech H100 lub dwóch GB200. Własna karta NVIDII dla Super VL porównuje go bezpośrednio z Ultra i twierdzi, że osiąga dokładność zbliżoną do Ultra przy około jednej piątej liczby parametrów. To twierdzenie jest podane przez producenta, niepowtórzone i to właśnie to jedno zdanie stanowi podstawę całego tego porównania.

Arytmetyka, która tak naprawdę decyduje o wdrożeniu

Zacznij od tego, czego fizycznie wymagają dwa punkty kontrolne, bo to właśnie ta liczba, którą zatwierdza osoba odpowiedzialna za budżet.

• Łączna liczba parametrów — 120B dla Super VL w porównaniu z 550B dla Ultra. Około 4,6 razy większy ślad wagowy, a to właśnie wagi zapełniają GPU.

• Aktywne parametry na token — 12B w porównaniu z 55B. Nakład obliczeniowy na token skaluje się z tą wartością, a nie z całkowitą liczbą parametrów, dlatego oba modele są znacznie tańsze w uruchomieniu, niż sugeruje ich rozmiar — i dlatego różnica między nimi wynosi 4,6× pod względem pamięci, ale również 4,6× pod względem arytmetyki na token.

• Minimalny sprzęt — 4×H100 lub 2×GB200 dla Super VL; 16×H100 lub 8×GB200 dla Ultra. W praktyce jeden węzeł w porównaniu z całą szafą.

• Modalności — tekst, obrazy i wideo jako dane wejściowe dla Super VL; tekst jako dane wejściowe i wyjściowe dla Ultra. Ultra nie ma w ogóle żadnej ścieżki wizyjnej.

• Projekt mechanizmu uwagi — Super VL to przeplatana hybryda Mamba-2, mieszaniny ekspertów i mechanizmu uwagi, z 512 ekspertami routowanymi na warstwę MoE; Ultra wykorzystuje układ LatentMoE firmy NVIDIA. Oba mają głowice MTP do dekodowania spekulatywnego.

• Licencja — OpenMDW-1.1 z komercyjnym wykorzystaniem w obu; wagi i przepisy otwarte w obu.

Wzorzec w tych sześciu wierszach polega na tym, że Super VL nie jest okrojoną wersją Ultra. To model o innym kształcie: obsługujący wizję, znacznie mniejszy pod względem pamięci i — co kluczowe — możliwy do wdrożenia na sprzęcie, który średniej wielkości zespół może już mieć. Minimalny próg Ultra to rozmowa o centrum danych. Minimalny próg Super VL to poważny węzeł inferencyjny.

Co dają dodatkowe 43 miliardy aktywnych parametrów

Ogólny przypadek rozumowania

Ultra powstała, by znaleźć się na szczycie stosu NVIDIA przeznaczonego do czystego rozumowania tekstowego, a czerwcowa publikacja NVIDIA porównuje Ultra z sześcioma współczesnymi modelami frontier w zestawach testowych obejmujących wiedzę, matematykę, kodowanie i długi kontekst. Te wyniki, podobnie jak każdy wynik w tym porównaniu, pochodzą z harnessu NVIDIA, a nie od niezależnego ewaluatora, więc pokazują, co zmierzyła NVIDIA, a nie co zmierzyłby podmiot trzeci.

Przypadek multimodalny

W tym miejscu porównanie się odwraca. Ultra nie potrafi odczytać strony. Jeśli praca obejmuje dokumenty, tabele, wykresy, zrzuty ekranu lub klatki wideo, model flagowy po prostu nie jest kandydatem, a największy model w rodzinie jest bez znaczenia dla twojego problemu, niezależnie od tego, jak dobry jest jego wskaźnik rozumowania. Enkoder wizyjny i konektor Super VL istnieją dokładnie dla takiego obciążenia, a ich publikowane mocne strony — OCR, ustrukturyzowane wydobywanie danych z dokumentów wizualnych, wieloetapowe przepływy pracy biznesowej — opisują inne zadanie niż to, do którego dostrojono Ultra.

Przypadek długiego kontekstu

Oba osiągają 1 mln tokenów. NVIDIA rozszerzyła kontekst Super VL o dedykowany etap 35 miliardów tokenów, po którym następuje przebieg odzyskiwania długiego kontekstu, co jest silniejszym sygnałem niż sama maksymalna długość: oznacza to, że długie dane wejściowe potraktowano jako zdolność, którą należy zachować, a nie bufor, którym można się reklamować. Ultra osiągnęła to samo okno dzięki własnemu procesowi trenowania. Bez niezależnej oceny długiego kontekstu w przypadku obu modeli potraktuj to jako remis z prawdopodobną przewagą tego modelu, który — zgodnie ze śladem wyszukiwania w twoim własnym systemie — utrzymuje się powyżej 200 tys.

Obsługa jednego lub obu, oraz pułapka poziomów

Pułapka polega na założeniu, że rodzina to drabina, po której się wspinasz. Bliżej jej do podziału, a ten podział przebiega według kosztu na zadanie, a nie według możliwości. Model z 12 mld aktywnych parametrów, który potrzebuje dwóch GB200 i kończy zadanie dokumentowe pięć razy szybciej niż modele ze swojej klasy — jeśli twierdzenie NVIDII o przepustowości się potwierdzi — pokonuje w tym zadaniu model z 55 mld aktywnych parametrów, niezależnie od tego, który z nich jest mądrzejszy, bo mądrzejszy stoi bezczynnie, czekając, aż kolejka szybszego się opróżni. Zmień zadanie na długoterminowe zadanie programistyczne lub matematyczne, w którym nie ma ani jednego piksela, a dodatkowe parametry Ultra wykonują prawdziwą pracę.

Żaden z nich nie znajduje się w naszym katalogu i warto powiedzieć to wprost, zamiast pozwalać, by niejasne zdanie sugerowało coś innego: OrcaRouter nie obsługuje NVIDIA Nemotron 3.5 Super VL, Nemotron 3 Ultra 550B-A55B ani żadnego innego checkpointu NVIDIA. To wagi, które wdrażasz samodzielnie. Wkład warstwy routingu w taką decyzję to pomiar, a nie dostęp. DSL routingu pozwala wysłać ten sam prompt do dwóch modeli źródłowych i odczytać odpowiedzi obok siebie, więc ocena kandydata z 12 mld aktywnych parametrów względem obecnego modelu z 55 mld aktywnych parametrów to zmiana konfiguracji, a nie dwa projekty integracyjne. Automatyczne przełączanie awaryjne ma znaczenie z przeciwnego powodu: jeśli hostowany model, do którego kierujesz ruch, pogorszy się w trakcie działania potoku, żądanie zostanie przekierowane, a nie zakończy się błędem, co utrzymuje ścieżkę awaryjną dla zespołów, które trzymają Super VL we własnym środowisku jako swój podstawowy model. A w przypadku tych części obciążenia, których nie powinna przejmować żadna warstwa utrzymywana we własnym zakresie — skoków ruchu, rzadkich modalności, jednorazowych zadań z dużym kontekstem — katalog za jednym kluczem, ponad dwieście modeli z 0% narzutu ponad cennik dostawcy, to miejsce, do którego trafiają te żądania.

Uczciwe ujęcie tego akapitu jest takie, że nie jesteśmy tutaj dostawcą żadnego z tych modeli. Jesteśmy warstwą, która sprawia, że porównanie jest tanie w uruchomieniu, a ścieżka eskalacji tania w utrzymaniu.

Twierdzenie do sprawdzenia, zanim się zobowiążesz

Wszystko powyższe sprowadza się do jednego niezweryfikowanego zdania: że model o 120 mld parametrów, z 12 mld aktywnych, dorównuje największemu modelowi rozumującemu NVIDIA przy około jednej piątej liczby parametrów. Jeśli to się potwierdzi, Super VL jest lepszym domyślnym wyborem dla mieszanego obciążenia, a Ultra jest zarezerwowany dla wąskiej końcówki problemów, które naprawdę go potrzebują. Jeśli się nie potwierdzi — a dzień po premierze nikt poza NVIDIA tego nie zmierzył — to oba poziomy są po prostu różnymi rozmiarami tego samego, a wybór sprowadza się z powrotem do tego, czego potrzebuje twoje zadanie: piksele albo ich brak, jeden węzeł albo jedna szafa.

Ten test jest tani i konkretny. Weź pięćdziesiąt rzeczywistych zadań z własnej kolejki, które mają weryfikowalną odpowiedź, uruchom je na obu i oceń ukończenie, a nie wyniki benchmarków. To ta liczba — a nie liczba firmy NVIDIA — decyduje o tym, na jaki poziom kupujesz sprzęt; i to jest liczba, która wciąż będzie prawdziwa, gdy kolejne wydanie Nemotron zresetuje tę stronę.