Uma cartela de título com o texto NVIDIA Nemotron 3.5 Super VL 120B vs Intern-S2-397B, com quatro painéis de estatísticas que apresentam os 403B parâmetros totais do Intern-S2-397B, com 10 ativos por token em 60 camadas, os seus cerca de 807 GB de pesos BF16 e F32 em cerca de 188 shards, a sua licença Apache-2.0 em comparação com a OpenMDW-1.1 do Super VL, e o contexto de 1M tokens do Super VL em comparação com a janela de texto de 256K do Intern-S2-397B, com avaliação multimodal a 64K, com um logotipo OrcaRouter no canto.
Engineering & Research

NVIDIA Nemotron 3.5 Super VL 120B vs Intern-S2-397B: dois modelos de visão abertos, um dos quais você pode realmente chamar hoje

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Ambos esses modelos são de pesos abertos, ambos são multimodais, ambos têm licença no estilo Apache ou OpenMDW para uso comercial, e ambos são o tipo de coisa que você baixa em vez de assinar. A diferença que decide a maioria das avaliações não está em nenhuma das fichas técnicas. Intern-S2-397B, o principal modelo de 403 bilhões de parâmetros da InternLM, lançado no Hugging Face em 13 de setembro de 2026, tem uma API hospedada pelo fornecedor para a qual você pode apontar um cliente compatível com a OpenAI no mesmo dia em que lê sobre ele. NVIDIA Nemotron 3.5 Super VL 120B A12B, enviado ao Hugging Face em 12 de outubro de 2026 e confirmado no anúncio da NVIDIA no dia 15, não tem: a NVIDIA não publicou nenhum endpoint nem preço por token para ele em nenhum caminho, incluindo seu próprio microsserviço NIM. Então, um deles você pode avaliar esta tarde com um token, e o outro exige uma H200 ou quatro H100s antes do primeiro prompt. Essa lacuna vale mais do que qualquer diferença de sete pontos em uma tabela de benchmark.

O piso de implantação, lado a lado

Comece aqui, porque isto elimina um destes modelos para a maioria dos leitores antes mesmo de a qualidade ser discutida.

• Parâmetros totais e ativos — Intern-S2-397B: 403B no total, com 10 ativos por token em 60 camadas e 512 especialistas; Nemotron 3.5 Super VL 120B A12B: 120B no total, com 12 ativos por token em camadas intercaladas de Mamba-2, MoE e atenção.

• Tamanho dos pesos em disco — o Intern-S2-397B tem cerca de 807 GB distribuídos em aproximadamente 188 shards BF16/F32; a build BF16 do Super VL é uma fração disso, com uma build NVFP4 pequena o suficiente para rodar em um único DGX Spark.

• Hardware mínimo viável — o Intern-S2-397B precisa de uma frota multi-GPU de verdade; o Super VL precisa de 4× H100 ou 2× GB200 em BF16, ou um H200, um GB200, 2× H100 ou um DGX Spark em NVFP4.

• Acesso hospedado — o Intern-S2-397B está na própria Intern API do fornecedor em chat.intern-ai.org.cn/api/v1 sob o id de modelo intern-s2-397b, documentado como compatível com OpenAI e compatível com Anthropic; o Super VL não tem endpoint publicado por ninguém.

• Licença — Apache-2.0 para Intern-S2-397B; OpenMDW-1.1 para Super VL. Ambos permitem uso comercial.

• Contexto — 256K tokens para o Intern-S2-397B, com avaliação multimodal em 64K; 1M tokens para o Super VL.

• Entrada de vídeo — o Super VL aceita MP4 de até dois minutos, amostrado como quadros; as modalidades documentadas do Intern-S2-397B são texto, imagem e dados de sinal bruto. Vídeo não está entre elas.

Leia essa lista duas vezes e a forma fica clara. O Intern-S2-397B é o modelo maior, mais antigo e mais científico, com uma porta hospedada. O Super VL é o modelo menor, mais recente e mais implantável, com uma janela mais longa e vídeo, e ainda sem nenhuma porta.

Para que o Intern-S2-397B foi realmente criado

A InternLM descreve o modelo como escalando ao longo de três eixos, e o primeiro é a afirmação técnica que vale a pena compreender: pré-treinamento de visão-linguagem realizado diretamente em páginas brutas de literatura científica, modelando conjuntamente semântica simbólica e relações visuais em um espaço de representação compartilhado, sem qualquer etapa intermediária de parsing. Uma figura, uma tabela, um espectro e a frase que os descreve são aprendidos em conjunto, em vez de o texto ser extraído e as imagens anexadas depois.

Esse design aparece nos benchmarks que a InternLM escolheu destacar, e é por isso que os números de visão dos dois modelos não são intercambiáveis. A ficha do Intern-S2-397B reporta ChartQAPro 71,12 e MMMU Pro 81,68 e lidera nas pontuações específicas de ciência — Biology-Instructions 55,71, Mol-Instructions 53,95, MolecularIQ 62,35, SciReasoner-1.5 63,28, TOMG-Bench 66,76. A ficha do Super VL lidera com OCR-Reasoning 65,08, OCRBench-v2 com 68,12 em inglês e 59,15 em chinês, MMLongBench-Doc 62,82, CharXiv-RQ 80,82 e MathVision 78,16. Tarefas diferentes, distribuições de treinamento diferentes, e nenhum dos conjuntos foi reproduzido de forma independente.

O terceiro eixo é o que torna o Intern-S2-397B incomum para uma carga de trabalho agêntica: aprendizagem por reforço agêntica de caixa-preta em ambientes de sandbox, com o agente conectado por vários frameworks e explicitamente voltado para tetos de tarefas de longo horizonte. A alegação equivalente da N​VIDIA para o Super VL é um pipeline de pós-treinamento que termina em RL com recompensas verificáveis e destilação on-policy com múltiplos professores, avaliado no SWE-bench e no tau2-bench. Ambas são afirmações de método, e não medições de resultado.

A capacidade de entrada de sinal que nenhum concorrente tem

O Intern-S2-397B aceita dados brutos de sinal — .npy, .csv e .wav — como um tipo de entrada de primeira classe junto com texto e imagens, com um exemplo documentado de evento sísmico que detecta índices de chegada das ondas P e S, e previsão pontual e quantílica por meio de um parâmetro forecast_horizon. Atualmente, isso é exclusivo do LMDeploy e é um recurso em tempo de inferência, e não um resultado de benchmark.

Nenhum modelo nesta comparação faz algo parecido, e nenhum modelo de fronteira fechado também faz. Se o seu trabalho envolve traços de sensores, dados sísmicos ou previsão de séries temporais que precisa ser analisada em conjunto com imagens e texto, o Intern-S2-397B não é a melhor escolha entre estes dois — é a única escolha, e os 807 GB de pesos são o preço de entrada.

Benchmarks, com a fonte anexada a cada um

Nenhum dos modelos possui uma avaliação independente e isenta, e as duas tabelas dos fornecedores não coincidem em uma única linha; portanto, o que se segue é uma leitura de alegações, e não um ranking.

Intern-S2-397B, todos divulgados pelo fornecedor, pela InternLM, em seus próprios harnesses (OpenCompass, VLMEvalKit, AgentCompass), não reproduzidos, com o GPT-5.5 como referência fechada: MMLU Pro 89,77, HMMT-2026 93,56, AdvancedIF 71,57, MMMU Pro 81,68, ChartQAPro 71,12, TerminalBench 2.1 64,04, SWE-bench-Pro 68,54, SWE-bench-Multilingual 84,00, SciCode 47,63, SGLBench 51,89, FrontierScience-Olympiad 87,00 e FrontierScience-Research 55,00. A Artificial Analysis não tinha nenhuma entrada para o Intern-S2-397B no lançamento, e os rankings neutros também não traziam uma — essa lacuna pode ter se fechado desde então, e vale a pena verificar antes de confiar em qualquer um destes.

N​emotron 3.5 Super VL 120B A12B, dividido entre duas fontes. Relatado pela fornecedora N​VIDIA no NeMo Gym: SWE-bench Verified 71,10, SWE-bench Multilingual 67,72, SWE-bench Pro 51,78, tau2-bench varejo 69,24 e companhia aérea 76,50, BrowseComp 78,91, GraphWalks 89,71, GPQA-Diamond 89,52, HLE 31,79 sem ferramentas, OCRBench-v2 68,12 em inglês, MMLongBench-Doc 62,82, Video-MME-v2 32,85. Medido pelo painel da Artificial Analysis, e este é o único número produzido de forma independente em todo este artigo: um Intelligence Index de 26,49, com 0,0 no Terminal-Bench 4.0 e uma taxa de alucinação medida de 0,3585.

Duas coisas merecem ser sinalizadas nesse segundo bloco. O número do Terminal-Bench 2.1 da N​VIDIA aparece como 66,70 no cartão do modelo e 60,67 na tabela-resumo do relatório técnico, com todas as outras linhas desses documentos concordando — uma das duas está errada, e, até que as receitas sejam executadas novamente, nenhuma delas é segura para citar. E o 0,0 do painel no Terminal-Bench 4.0 contra um 64,04 relatado pelo fornecedor no TerminalBench 2.1 para o Intern-S2-397B, medido em um conjunto de testes diferente pelo próprio laboratório dele, é um lembrete de que pontuações de agentes de terminal não são comparáveis entre harnesses mesmo quando os nomes parecem semelhantes.

A two-column comparison scoreboard titled NVIDIA Nemotron 3.5 Super VL 120B vs Intern-S2-397B, with rows for Parameters, Context, Weight footprint, Licence, Hosted API, Video input and Independent score, carrying Super VL's 120B total and 12B active, 1M-token context, single-H200 NVFP4 serving, OpenMDW-1.1 licence, no published endpoint, MP4 video up to two minutes and its 26.49 panel index with 0.0 Terminal-Bench 4.0, against Intern-S2-397B's 403B total and 10 active across 512 experts, 256K text and 64K multimodal context, roughly 807 GB across about 188 shards, Apache-2.0 licence, vendor Intern API, no video input, and no panel entry at release.

Por que a janela de 1M tokens em comparação com 256K não é um ganho de sete dígitos

As fichas técnicas dizem que o Super VL atende 1M de tokens e o Intern-S2-397B atende 256K, com avaliação multimodal em 64K. Isso parece uma vitória esmagadora para o modelo da NVIDIA até você juntar o número de recall de contexto longo do painel: 0,69 no AA-LCR. Um modelo com uma janela de um milhão de tokens e uma pontuação de contexto longo abaixo de um é um modelo que consegue ingerir um milhão de tokens e não necessariamente fazer muito com eles na extremidade final.

O 256K do Intern-S2-397B está documentado em 256K para raciocínio de texto e 64K para multimodal, e a InternLM não publicou absolutamente nenhuma métrica de recall de contexto longo. Então, a posição honesta é que um modelo tem uma janela mais longa e um recall medido ruim nessa janela, e o outro tem uma janela mais curta e nenhuma medição. Se o recall de contexto longo for central para sua carga de trabalho, nenhum deles deve ser selecionado com base no comprimento de seu contexto.

Disponibilidade, e como o OrcaRouter se encaixa quando nenhum dos modelos está no nosso catálogo

Hoje, nem o Intern-S2-397B nem o N​VIDIA N​emotron 3.5 Super VL 120B A12B são atendidos pelo OrcaRouter, e este artigo não dará a entender o contrário. O Intern-S2-397B pode ser acessado por meio da API do próprio fornecedor e por auto-hospedagem com LMDeploy, vLLM ou SGLang, com receitas de implantação inclusas no model card. O Super VL é apenas auto-hospedado — o microsserviço NIM da N​VIDIA é o caminho anunciado, e nenhum endpoint ou preço foi publicado para ele.

O valor de um gateway quando os modelos que você quer não estão nele tem uma resposta específica: é onde o resto do pipeline já está. A triagem de documentos que precisa permanecer dentro da sua rede é executada na sua própria implantação do Intern-S2-397B ou Super VL; as chamadas de extração, classificação e sumarização ao redor dela são executadas em um modelo hospedado na mesma chave. A DSL de roteamento é o que mantém essa fronteira legível — expressa como uma condição no prompt em vez de uma ramificação enterrada no código da aplicação — e o failover automático significa que a falha da metade auto-hospedada não leva a requisição junto. O markup zero importa aqui de uma forma mais monótona: o que quer que a metade hospedada do seu pipeline custe hoje, custa isso aqui, porque o preço de tabela do provedor é repassado sem alteração.

The OrcaRouter models index page, showing the catalogue of more than two hundred models with provider names and per-million-token pricing.

Escolhendo entre eles

Escolha o Intern-S2-397B se você precisar estar em execução hoje sem comprar hardware, se seu domínio for literatura científica e figuras, se entrada de sinal bruto ou séries temporais fizer parte da carga de trabalho, ou se um endpoint hospedado mantido pelo fornecedor valer mais para você do que o controle sobre a implantação. Os 807 GB de pesos são um custo real, mas a API hospedada significa que você pode estabelecer se o modelo é bom antes de pagar por ele.

Escolha o Nemotron 3.5 Super VL 120B A12B se vídeo for uma entrada, se o que você tem é um único H200 ou um DGX Spark em vez de um conjunto de máquinas, se o modelo precisar ficar dentro da sua rede, ou se você pretende fazer ajuste fino — a NVIDIA publicou os conjuntos de dados de pós-treinamento e os ambientes de RL do NeMo Gym junto com os pesos, e essa é a metade mais reutilizável do lançamento. Rode seu próprio conjunto de documentos na build NVFP4 antes de se comprometer, e teste especificamente a recuperação de contexto longo em vez de confiar no número de 1M de tokens.

Não escolha nenhum dos dois, por enquanto, se o que você realmente precisa é de um modelo com uma avaliação independente em que possa se basear. Os números do Intern-S2-397B são todos informados pelo fornecedor e a cobertura do painel dele não é clara; o Super VL tem exatamente uma pontuação de terceiros, e é um único valor de índice. Dois modelos de visão abertos, com cerca de seis semanas de diferença entre os lançamentos, ambos com tabelas de benchmark não reproduzidas e nenhum em um leaderboard neutro que permita comparação — a atitude responsável é avaliá-los nos seus próprios documentos, e a API do fornecedor é o que torna metade disso barato.

O que acompanhar: uma entrada em um painel independente para o Intern-S2-397B, que transformaria toda a sua ficha de alegações em evidências; um preço e um endpoint para o Super VL, que removeria o H200 dos requisitos de entrada; e um número corrigido do Terminal-Bench da NVIDIA, que resolveria o único ponto em que dois documentos primários do próprio fornecedor se contradizem.

The Hugging Face model card for NVIDIA Nemotron 3.5 Super VL 120B A12B, showing the model summary and the vendor benchmark table with the vision-language evaluation rows.

Nada disso é motivo para evitar o modelo, apenas um motivo para conhecer o histórico: os incidentes documentados de IA e as falhas de agentes por trás dos modelos desta classe estão reunidos em the OrcaRouter AI Incident Archive, onde cada entrada traz as suas próprias fontes, o nível de gravidade, o grau de confiança e a marcação de contestação.