Nemotron 3.5 Super VL vs DeepSeek V4 Flash Vision Exp: Oito Pontos de Índice, e Apenas Um Deles É um Produto

No Artificial Analysis Intelligence Index, DeepSeek V4 Flash Vision Exp supera NVIDIA Nemotron 3.5 Super VL em 8,35 pontos — 34,84 contra 26,49, ambos não estimados — e o faz a um preço publicado de US$ 0,44 por milhão de tokens de entrada e US$ 1,32 de saída, enquanto a NVIDIA não publicou preço algum. Esse é o resumo com que um leitor de ficha técnica fica, e é o errado para se basear. Os dois modelos não estão competindo pela mesma vaga. O NVIDIA Nemotron 3.5 Super VL é um modelo de disponibilidade geral com relatório técnico, um microsserviço NIM, suporte empresarial e um ecossistema de pós-treinamento que inclui Scale AI, Salesforce e CrowdStrike. O DeepSeek V4 Flash Vision Exp é, pelo próprio nome do arquivo, um experimento: o primeiro membro multimodal da família V4, distribuído como pesos mais uma implementação de referência mínima em PyTorch, e avaliado naquele painel em uma configuração que a DeepSeek não vende. Oito pontos é uma diferença real. Também é uma diferença entre um serviço e um artefato de pesquisa, e a pergunta útil não é quem vence, mas qual deles consegue ficar dentro do seu limite de conformidade em seis meses.

O que cada um realmente é

NVIDIA Nemotron 3.5 Super VL é um híbrido de 120B parâmetros — camadas Mamba-2, mixture-of-experts com 512 experts encaminhados e atenção — com um codificador de visão C-RADIO, 12B parâmetros ativos por token, até 1M tokens de contexto e Multi-Token Prediction nativo para decodificação especulativa sem um drafter separado. As suas entradas são texto, imagens e vídeo; a saída é texto. A avaliação da própria NVIDIA abrange OCR, raciocínio sobre gráficos e documentos, compreensão de vídeo e trabalho com contexto longo, e a licença é OpenMDW-1.1, que permite uso comercial. Inclui um relatório técnico e uma receita de implementação publicada para 4×H100 ou 2×GB200.

O DeepSeek V4 Flash Vision Exp baseia-se na arquitetura DeepSeek-V4-Flash, adicionando módulos visuais e treinamento continuado. O repositório contém 48 shards de safetensors sob a licença MIT, um tokenizador, um módulo de codificação que converte blocos de mensagem no estilo OpenAI em prompts e uma implementação mínima em PyTorch que cobre o codificador visual, o alinhador, a atenção DFlash, o MoE, as Hyper-Connections e o caminho forward do DSpark. A configuração mostra um MoE de 43 camadas com 256 especialistas roteados, 6 especialistas por token, 1.048.576 posições máximas e uma cabeça de previsão multi-token de três camadas. A ficha do modelo deixa explícito que este é o primeiro modelo multimodal experimental da DeepSeek na linha V4 e que melhora em relação ao DeepSeek-V4-Flash-0731 em tarefas de agentes multimodais, mantendo desempenho comparável nas tarefas apenas de texto.

• Parâmetros e formato — NVIDIA Nemotron 3.5 Super VL: 120B no total / 12B ativos, MoE híbrido com visão C-RADIO. DeepSeek V4 Flash Vision Exp: 284B no total / 13B ativos, MoE, 256 especialistas roteados, 6 por token.

• Índice de Inteligência — 26,49 para o Super VL, 34,84 para a configuração DeepSeek servida. Ambos não estimados, ambos segundo a Artificial Analysis.

• Tokens de saída por tarefa de índice — 49.174 contra 69.174. Super VL conclui as tarefas do painel com 29% menos tokens.

• Preço — nenhuma tarifa publicada em lugar algum para o Super VL; US$ 0,44 de entrada / US$ 1,32 de saída por milhão para a configuração DeepSeek disponibilizada, conforme o mesmo painel.

• Licença e compromisso — OpenMDW-1.1 com uso comercial, GA e um serviço NIM para Super VL; pesos MIT e uma implementação de referência, rotulada como experimental, para DeepSeek V4 Flash Vision Exp.

• Modalidades — texto, imagem e vídeo de entrada para o Super VL, conforme o card da NVIDIA; imagem de entrada, texto de saída para o modelo DeepSeek, cuja própria tabela de benchmark não tem nenhuma linha de vídeo.

A diferença de oito pontos se sustenta; a comparação de preços, não.

Comece pela parte que está genuinamente consolidada. O modelo da DeepSeek obtém pontuação mais alta e custa menos por token, e a margem não é ruído — 8,35 pontos de índice é aproximadamente a distância entre o NVIDIA Nemotron 3.5 Super VL e o próprio 550B NVIDIA Nemotron 3 Ultra 550B A55B da NVIDIA, que fica em 22,93. Então, o enquadramento honesto é que o lançamento multimodal experimental de 284B de um laboratório chinês atualmente supera em pontuação o modelo de visão aberto carro-chefe de um laboratório americano, com aproximadamente um terço do tamanho no eixo de parâmetros ativos e a uma taxa publicada. Se sua carga de trabalho for compreensão de tela e gráficos entregue via API, essa é a resposta completa e você pode parar de ler.

A comparação se desfaz no momento em que você quer executá-lo por conta própria, que é a razão pela qual ambos estes modelos existem. O número 34,84 está atrelado à configuração Max servida, não a um checkpoint que você pode implantar. O repositório do Hub é um lançamento genuíno de pesos sob a licença MIT, mas o próprio card da DeepSeek o apresenta como um artefato experimental com um caminho de inferência mínimo — o tipo de lançamento que um laboratório publica para permitir que pesquisadores reproduzam um artigo, não o tipo que ele apoia com um contrato empresarial. A NVIDIA está fazendo o oposto: publicando pesos ao mesmo tempo que o produto, com a expectativa de que o chamador hospede. Nos benchmarks que os dois laboratórios escolhem publicar, a diferença aparece. A DeepSeek enfatiza o trabalho de agentes multimodais — ApexBench 36,5 contra seus próprios 26,2 para o modelo somente texto, Chartography 64,3, ZeroBench em 35,0 pass@5, Agents' Last Exam 27,3. A NVIDIA enfatiza superfícies de documentos e vídeo — OCRBench v2 em 68,12 em inglês, MMLongBench-Doc 62,82, raciocínio CharXiv 80,82, Video-MME v2 32,85. Nenhum dos conjuntos é comparável ao outro, e ambos são relatados pelos fornecedores.

Quando os números do fornecedor divergem entre si

Há um detalhe na própria tabela da NVIDIA que merece um parágrafo, porque é exatamente o tipo de coisa que acaba maquiado em agregações. A coluna de comparação da NVIDIA inclui DeepSeek-V4-Flash0731 e reporta Terminal-Bench 2.1 em 76,80 para ele. O card da própria DeepSeek reporta 82,7 para o mesmo modelo no mesmo benchmark, e 83,9 para DeepSeek V4 Flash Vision Exp. Três números, um benchmark, dois harnesses, e nenhuma reconciliação de nenhum dos lados. Isso não é um escândalo — configurações diferentes de scaffolding e de esforço de raciocínio movem benchmarks agênticos em vários pontos, e a NVIDIA publica suas receitas do NeMo Gym justamente para que as configurações possam ser inspecionadas. Mas isso significa que, quando você vê uma diferença de oito pontos no índice, o próprio índice é a parte confiável, e os benchmarks componentes não são. O índice é um único harness aplicado aos dois modelos por um terceiro. As tabelas de benchmark são quatro laboratórios corrigindo o próprio dever de casa no próprio scaffolding.

No mesmo painel, ambos os modelos apresentam um índice de onisciência negativo. O Super VL fica em menos 4,22, com 23,3% de precisão e uma taxa de alucinação de 35,8%; essa linha mede se um modelo se recusa a responder quando não sabe, e nenhum desses dois é bom nisso. O GDPval-AA — entregáveis finalizados em vez de respostas — dá ao Super VL 1.162,41, e à rubrica AA-Briefcase, um Elo de 998,76. Para o modelo DeepSeek, as mesmas linhas não estão preenchidas na configuração disponibilizada. Se o seu caso de uso for recuperação de conhecimento, nenhum dos números é animador. Se for produção de documentos, o Super VL tem a única linha medida do par.

Executando qualquer um

A implantação é onde os caminhos se separam de vez. O NVIDIA Nemotron 3.5 Super VL serve BF16 em 4×H100 ou 2×GB200 com contêineres vLLM e SGLang fixados, adiciona uma build NVFP4 para footprints mais enxutos e documenta um pipeline de vídeo que amostra 256 quadros a 2 FPS com uma taxa de poda de 0,5. O DeepSeek V4 Flash Vision Exp publica uma receita de vLLM para um único nó 4×GB300 com cache KV FP8, block size 256 e decodificação especulativa DSpark extraída do mesmo checkpoint, além de um caminho SGLang — mais leve no lado da venda, mais pesado na suposição de que você sabe o que está fazendo. Ambos exigem hardware de nível de datacenter; nenhum dos dois é um modelo de laptop. Vale notar que a única coisa que eles têm em comum é que um corte de fornecedor até o preço de tabela aparece a custo no OrcaRouter no mesmo dia em que chega, porque repassamos o preço do provedor a 0% de margem em mais de 200 modelos com uma única chave, e o failover automático permite colocar um checkpoint não comprovado em uma fração do tráfego enquanto um já comprovado segura o resto. Essa é a resposta prática quando a diferença de oito pontos e o preço ausente tornam a decisão realmente apertada: roteie os dois, meça com seus próprios inputs, e deixe o tráfego decidir — com a ressalva de que só um dos dois pode ser roteado hoje. O DeepSeek V4 Flash Vision Exp já está no nosso catálogo, à tarifa que seu provedor publica, e não a uma tarifa com margem acrescentada; o NVIDIA Nemotron 3.5 Super VL ainda não está lá, porque ninguém está servindo de forma confiável um checkpoint de três dias de idade. Vale dizer essa assimetria em voz alta em vez de insinuar que temos os dois.

A escolha em uma linha cada

Escolha NVIDIA Nemotron 3.5 Super VL quando o trabalho envolve documentos, gráficos, páginas digitalizadas e vídeo, quando a licença tem de permitir uso comercial e quando você precisa de um fornecedor que ainda estará respondendo a tickets de suporte sobre o checkpoint daqui a um ano — aceitando que você abre mão de 8,35 pontos de índice e paga por GPUs em vez de tokens. Escolha DeepSeek V4 Flash Vision Exp quando o trabalho é compreensão de gráficos e telas por meio de uma API, quando US$ 0,44 e US$ 1,32 por milhão de tokens é a linha do orçamento, e quando o enquadramento de nível beta de uma versão experimental é aceitável — aceitando que a configuração servida não é o checkpoint e que o checkpoint não tem suporte. Equipes que precisam dos dois comportamentos normalmente executam duas cargas de trabalho diferentes, e duas cargas de trabalho diferentes é para isso que serve um endpoint com failover.