A NVIDIA Nemotron 3.5 Super VL é o principal modelo de pesos abertos dos EUA com licença permissiva, e seus pesos antecederam seu próprio anúncio em três dias

O timestamp é a parte que ninguém anotou. O repositório BF16 do NVIDIA Nemotron 3.5 Super VL — nome completo nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 — foi criado no Hugging Face às 15:32:06 UTC de 12 de outubro de 2026, junto com uma build NVFP4 vinte e quatro segundos depois e um checkpoint base dezenove segundos antes disso. A postagem no blog da NVIDIA anunciando o modelo é datada de 15 de outubro. Assim, por aproximadamente setenta e duas horas, os pesos do modelo aberto de visão-linguagem mais forte da NVIDIA estavam disponíveis para download, indexados e sendo quantizados por terceiros, enquanto a empresa que o treinou não havia publicado absolutamente nada. Isso não é um vazamento e não é um escândalo. É um pipeline de lançamento em que o artefato sai antes do texto, e vale a pena afirmar isso claramente porque o restante deste artigo é sobre números, e os números têm seus próprios timestamps. No Artificial Analysis Intelligence Index, o NVIDIA Nemotron 3.5 Super VL marca 26,49, não estimado. Seu antecessor, NVIDIA Nemotron 3 Super 120B A12B, lançado em 11 de março de 2026, marca 12,83 no mesmo painel. Isso é 2,06 vezes a pontuação, e ele chega em 49.174 tokens de saída por tarefa em vez de 113.823.

Duas coisas nessa comparação merecem ser contextualizadas antes dos detalhes. Primeiro, o 26,49 é um número de terceiros, medido no harness de outra pessoa com um orçamento de tokens publicado, e está sinalizado no painel como não estimado. Isso importa mais do que o habitual aqui, porque a própria tabela de benchmarks da NVIDIA é apresentada lado a lado com sete concorrentes, e os dois conjuntos de números nem sempre coincidem. Segundo, a alegação de liderança no título é deliberadamente restrita. Entre modelos de pesos abertos construídos nos Estados Unidos, o Meta Muse Spark Open obtém pontuação mais alta — 38,87, também não estimado —, mas é distribuído sob uma licença comercial personalizada, por trás de um repositório com acesso restrito, o que o coloca numa categoria de adoção diferente de um checkpoint que você pode baixar e implantar sob a OpenMDW-1.1 hoje. Entre os modelos de pesos abertos dos EUA com licença permissiva naquele painel, o NVIDIA Nemotron 3.5 Super VL está em primeiro, e a próxima entrada abaixo é o Inkling Small, com 25,66.

O que o repositório estabelece, e o que apenas o painel faz

O cartão do modelo é excepcionalmente completo para algo que foi lançado três dias antes do seu próprio comunicado à imprensa, e responde às questões estruturais com clareza. O NVIDIA Nemotron 3.5 Super VL é um híbrido de Mamba-2, mistura de especialistas e atenção, com um codificador de visão C-RADIO e um conector visão-linguagem, 512 especialistas roteados por camada de MoE, 120B parâmetros totais com 12B ativos por token, e uma janela de contexto de até 1M tokens. A previsão nativa de múltiplos tokens (Multi-Token Prediction) concede a ele decodificação especulativa sem o download de um drafter separado. As entradas são texto, imagens (JPEG, PNG) e vídeo (MP4 de até dois minutos, amostrado como quadros); a saída é somente texto. A licença é OpenMDW-1.1, o cartão afirma que o modelo está pronto para uso comercial ou não comercial, e a NVIDIA relata treinamento em cerca de 26 trilhões de tokens com aproximadamente 3,8 milhões de amostras de pós-treinamento e aprendizado por reforço em dezenas de ambientes.

• Parâmetros totais / ativos — 120B / 12B contra 120,6B / 12,7B do modelo de março. Quase idênticos, e é justamente esse o ponto: o ganho não está em um modelo maior.

• Índice de Inteligência — 26,49 contra 12,83, ambos não estimados, ambos segundo a Artificial Analysis.

• Tokens de saída por tarefa de indexação — 49.174 contra 113.823. O novo modelo conclui a mesma tarefa com 56,8% menos tokens.

• Contexto e saídas — 1M tokens, apenas saída de texto, em ambos. Nenhum dos dois é um gerador de imagens.

• Requisito mínimo de implantação — 4×H100 ou 2×GB200 para BF16 no NVIDIA Nemotron 3.5 Super VL; existe uma versão NVFP4 para footprints menores.

• Tração pública — 142 downloads e 32 curtidas no repositório BF16 no momento da redação, contra mais de um milhão de downloads no predecessor de março. A diferença é de três dias de idade, não de três dias de demanda.

O detalhamento de capacidades no painel é onde o 26,49 deixa de ser um único número. O Super VL pontua 38,47 em economia, 30,11 em engenharia, 28,11 em jurídico e 27,19 em finanças e contabilidade, mas apenas 22,57 em estratégia e operações. Seu índice de onisciência é -4,22 — o modelo responde mais errado do que certo às sondagens de conhecimento do painel, com uma taxa de acerto de 23,3% contra uma taxa de alucinação de 35,8%. Isso não é um defeito exclusivo desta versão; é o que um modelo aberto sem salvaguardas parece quando se mede se ele se recusa a responder. No GDPval-AA, que avalia entregáveis profissionais finalizados em vez de respostas, ele pontua 1.162,41, e na rubrica AA-Briefcase-Lite fica com um Elo de 998,76. Essas duas linhas são as que devem ser observadas no próximo mês, porque medem trabalho em vez de conhecimento e são as linhas que um modelo aberto de 120B pode plausivelmente continuar melhorando por meio de pós-treinamento.

A alegação de cinco vezes, e por que contagens de tokens não são segundos

O blog da NVIDIA aposta na velocidade: “5x mais rápido que o segundo melhor”, e o modelo “alcança até 5x mais throughput em comparação com outros modelos de sua classe”. Essa é uma alegação do fornecedor e ninguém fora da NVIDIA a reproduziu. Também é, com as evidências atuais, impossível de satisfazer — o mesmo painel de terceiros que pontua o modelo não publica preço nem métrica de latência para ele, então não há nada com que verificar a alegação. O que pode ser verificado é uma grandeza diferente que muitas vezes é divulgada como se fosse a mesma coisa. Tokens de saída por tarefa é uma medida de quanto o modelo fala, não de quão rápido o servidor se move. 49.174 contra 113.823 é real e é um ganho genuíno de eficiência — modelos com uso intenso de raciocínio queimam seu orçamento gerando —, mas um modelo que emite 57% menos tokens não é, por isso, 57% mais rápido, e certamente não é 5× mais rápido. É 57% menos tokens. Mantenha essas duas coisas separadas.

A tabela de benchmarks do fornecedor tem um segundo problema, menor, que um leitor atento notará em cerca de dez segundos. Sua primeira coluna está rotulada como "Nemotron 3.5 SuperGA BF16", e não "Super VL". Dado que a seção Model Version do cartão diz v1.0 — GA, isso é muito provavelmente um rótulo de release candidate que sobreviveu no documento público, em vez de um modelo diferente. De qualquer forma, é o tipo de imperfeição que indica que a revisão da documentação aconteceu depois que os pesos foram disponibilizados, o que é consistente com o intervalo de três dias. Nessa coluna, a NVIDIA reporta GPQA-Diamond 89,52, HLE somente texto 31,79, Terminal-Bench 2.1 66,70, SWE-bench Verified 71,10, BrowseComp 78 e Video-MME v2 32,85, com o conjunto completo de colunas de comparação indo até Qwen3.5-122B-A10B, Qwen3.8-Flash-Next, DeepSeek-V4-Flash-0731, Nemotron 3 Ultra, Inkling-Small e GLM-5.3-Flash. Tudo é reportado pelo fornecedor por meio do NeMo Gym, e a NVIDIA publica as receitas, os prompts, os parsers e as configurações de pontuação para permitir que qualquer pessoa execute tudo novamente. Isso é uma prática melhor do que a da maioria, e ainda assim não é um resultado independente.

Onde ele realmente se situa entre os pesos abertos dos EUA

Classifique o painel por modelos de pesos abertos de laboratórios dos EUA e a configuração do setor fica clara. O Meta Muse Spark Open lidera com 38,87, mas é um modelo de 816 bilhões de parâmetros sob a Muse Model License, com acesso restrito no Hub, e uma proposta diferente de adoção. Abaixo do NVIDIA Nemotron 3.5 Super VL, com 26,49, estão o Inkling Small, com 25,66, e o Inkling, com 24,98, da Thinking Machines, ambos permissivos. Depois, o próprio NVIDIA Nemotron 3 Ultra 550B A55B, com 22,93, e o NVIDIA Nemotron 3.5 Bolt 74B-A9B — lançado no mesmo dia que o Super VL — com 21,41, para um modelo de 74B que cabe em 24 GB de memória. O fato estrutural interessante é que o Super VL supera o carro-chefe de 550B da própria empresa em 3,6 pontos de índice, embora tenha menos de um quarto do tamanho em disco e da contagem de parâmetros ativos. Esse é o resultado que todo o programa de MoE híbrido visa, e neste painel ele se concretizou.

Também define o verdadeiro padrão para os próximos meses. A diferença para o Muse Spark Open é de 12,4 pontos, e a diferença para os principais modelos chineses de pesos abertos é ainda maior — MiMo-V2.6-Pro com 46,32, GLM-5.3 com 44,78, Kimi K3 com 43,59. A resposta da NVIDIA para essa diferença não é um modelo maior; é o pós-treinamento, com os seus dados, nos seus racks, com os conjuntos de dados e ambientes NeMo Gym publicados junto com os pesos. Se isso fecha a distância é uma questão em aberto, e este lançamento não a resolve.

Quanto custa para operar, e o único número que está faltando

O checkpoint BF16 é servido em 4×H100 ou 2×GB200, com a NVIDIA publicando receitas de vLLM e SGLang e fixando tags específicas de contêiner — vLLM v0.32.0 ou uma nightly nomeada, SGLang v0.5.20 — o que é um sinal útil sobre quão recentemente os kernels foram integrados. A build NVFP4 é a que a maioria das equipes realmente vai executar. O que ninguém publicou é um preço. Não há tarifa por token no painel, nem preço de tabela do NIM no anúncio, nem tarifa de serviço de terceiros que um comprador possa comparar. Para um modelo nessa posição a rota prática é a que usamos: OrcaRouter repassa o preço de tabela do fornecedor com 0% de markup em mais de 200 modelos em uma única chave, então quando a NVIDIA ou um provedor publica uma tarifa para este checkpoint, ela aparece a preço de custo e não com spread, e failover automático significa que um checkpoint com um dia de vida pode absorver uma fatia do tráfego enquanto um modelo comprovado mantém o restante. Para ser exato sobre o que isso não significa hoje: este modelo específico ainda não está no nosso catálogo, três dias depois de seus pesos terem sido publicados, porque ninguém o está servindo de forma confiável ainda. Isso é uma afirmação sobre disponibilidade, não sobre o modelo.

O que assistir a seguir

Três coisas vão decidir se este lançamento será lido, daqui a seis meses, como uma mudança de patamar ou uma nota de rodapé. A primeira é uma segunda avaliação independente — a pontuação do painel é uma, e uma não é tendência. A segunda é se a alegação de 5× de throughput resiste ao contato com um avaliador neutro, porque a evidência da contagem de tokens sustenta a eficiência e não diz nada sobre latência. A terceira é o ecossistema de pós-treinamento: a NVIDIA lista Scale AI, AfterQuery, AI21, Mercor, Atlassian, CrowdStrike, Dassault Systèmes, Salesforce e outros construindo sobre ele, e a pergunta interessante sobre um modelo aberto raramente é o que o fornecedor lançou — é o que todo mundo faz com ele depois. Pelas evidências disponíveis em 16 de outubro de 2026, o NVIDIA Nemotron 3.5 Super VL é o modelo de pesos abertos com licença permissiva mais forte a sair de um laboratório dos EUA, chegou lá com contagem de parâmetros constante ao cortar seu próprio orçamento de raciocínio em mais da metade, e o fez de forma discreta o suficiente para que as primeiras pessoas a notar fossem os quantizadores.