Nemotron 3.5 Super VL vs Nemotron 3.5 Super VL 120B: Um modelo, cinco arquivos, três comportamentos diferentes

This comparison exists because a search box made it. NVIDIA Nemotron 3.5 Super VL and NVIDIA Nemotron 3.5 Super VL 120B are not two models. They are one checkpoint written down two ways, and no benchmark separates them because there is nothing to separate: the 120B is the parameter count of the Super VL, and the shorter string is what the marketing page calls the file whose full repository name is nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16. The naming confusion around this checkpoint is the kind of thing that ends up in a postmortem, and the recorded incidents are catalogued in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

Então, uma comparação frente a frente é o artigo errado. A versão útil é a que decorre da mesma confusão: se ambos os nomes apontam para o mesmo modelo, por que baixar "Nemotron 3.5 Super VL" te dá cinco repositórios diferentes, três tamanhos de download diferentes e duas arquiteturas diferentes, e qual deles você está realmente obtendo?

A nomenclatura, descomplicada

A NVIDIA usa três rótulos sobrepostos para um único lançamento, e eles se aninham em vez de conflitar.

• Nemotron 3.5 Super VL — o nome do produto. É como o post do blog, o painel e todos os artigos de notícias o chamam.

• Nemotron 3.5 Super VL 120B — o mesmo nome com a contagem de parâmetros anexada. Comum em tabelas de comparação e listagens de catálogo, incluindo as que geraram esta página.

• NVIDIA-Nemotron-3.5-Super-VL-120B-A12B — o nome base do repositório, que acrescenta a contagem de parâmetros ativos. Todos os artefatos disponíveis para download derivam disso: BF16, NVFP4, Base e um drafter NVFP4 LiLiCorr.

Nenhum desses três é um modelo diferente. As coisas genuinamente diferentes ficam um nível abaixo, nos sufixos de precisão e de pós-treinamento, e é aí que está uma decisão real.

Cinco arquivos, e o que cada um realmente é

Todos os cinco surgiram com cerca de quatro dias de diferença entre si, e os respetivos registos de data e hora de criação são a evidência de lançamento mais fiável disponível — mais fiável do que a data do anúncio, que veio depois de todos eles.

• ...-120B-A12B-Base-BF16 — criado em 2026-10-12T15:31:49Z. O checkpoint antes do pós-treinamento. Sem ajuste por instruções, sem treinamento para uso de ferramentas, sem modo de raciocínio. Este é o ponto de partida se você pretende fazer seu próprio pós-treinamento, e é inútil para você se não fizer.

• ...-120B-A12B-BF16 — criado às 15:32:06Z, dezessete segundos depois. O modelo instruct finalizado, em precisão completa, aproximadamente 249 GB distribuídos em 63 shards. A receita de serving da NVIDIA é paralelismo de tensores 4 em H100s, ou 2 em GB200.

• ...-120B-A12B-NVFP4 — criado em 15:32:30Z. Os mesmos pesos pós-treinados, quantizados para 4 bits durante o treinamento e não depois dele, cerca de 75 GB. Este é o arquivo que a maioria das pessoas realmente vai servir, e ele roda em um H200, dois H100s, um GB200 ou um único DGX Spark.

• ...-120B-A12B-NVFP4-LiLiCorr — criado em 2026-10-11T20:20:59Z, um dia antes dos outros e antes de existir qualquer anúncio. Não é um modelo no sentido comum: um rascunhador de decodificação especulativa, que o blog da NVIDIA mais tarde apontou como o recomendado para inferência de baixa latência no DGX Spark.

• As quantizações GGUF e da comunidade — derivadas, não publicadas pela NVIDIA, e fora do âmbito de tudo o que o fornecedor relata.

Se você veio aqui procurando "qual destes dois é melhor", a resposta é que dois dos cinco não são alternativas entre si de forma alguma: o checkpoint base e o checkpoint instruct são estágios diferentes da mesma execução de treinamento, e o drafter não é um modelo que você jamais chamaria diretamente.

O que muda entre as versões de precisão total e de 4 bits

Esta é a única comparação no emaranhado de nomes com consequências reais, e é também a que tem menos evidências independentes.

• Disco e memória — 248,94 GB para BF16, 75,06 GB para NVFP4. Uma diferença de 174 GB, que é a diferença entre quatro H100s e dois.

• Numéricos — o NVFP4 executa W4A4 no Blackwell e W4A16 em hardware mais antigo. A quantização é aplicada durante o treinamento com destilação, o que, segundo a NVIDIA, fecha a lacuna de precisão aberta pela quantização pós-hoc.

• Alegação de precisão — a NVIDIA relata uma recuperação mediana de precisão de 99,62% em relação à referência BF16. Esse é um número do fornecedor obtido em um harness do fornecedor, e é o número não verificado de maior peso em todo o lançamento.

• Avaliação independente — nenhuma. O Artificial Analysis atribui ao modelo uma pontuação de 26,49 no seu Índice de Inteligência, não estimada, mas não publica uma linha separada para a versão NVFP4. Todos os números de terceiros que você viu para este modelo são medições em precisão total ou com a configuração padrão do provedor.

• Sobrecarga de desempenho — a NVIDIA afirma que não existe, porque a quantização ocorre durante o treino e não como uma etapa de execução.

Leia os 99,62% com atenção antes de fazer planos com base neles. “Recuperação mediana de precisão” em um conjunto não nomeado de avaliações não é a mesma afirmação que “perde 0,38% de capacidade”. Uma mediana pode ficar em 99,62% enquanto benchmarks individuais variam vários pontos para cima ou para baixo e, sem a dispersão por benchmark, o número informa menos do que parece. Se sua carga de trabalho for sensível a uma capacidade específica — OCR de documentos longos, extração de gráficos, ancoragem em vídeo —, a única abordagem sólida é executar ambas as versões com seus próprios dados, porque a NVIDIA não publicou a linha que você precisaria.

O checkpoint base é aquele que ninguém avalia em benchmarks.

Dos cinco arquivos, a versão base é a menos discutida e a mais interessante se você tem planos de pós-treinamento. Ela mantém a mesma estrutura de 120B totais e 12B ativos, o mesmo backbone híbrido e o mesmo codificador de visão, e para antes do pipeline de pós-treinamento de seis estágios que produziu o modelo instruct — o pipeline cujos conjuntos de dados de SFT e RL a NVIDIA também publicou, onze deles, todos dentro de uma janela de 61 horas na mesma semana.

O que ele não traz é uma tabela de benchmarks utilizável. Sua ficha executa MMLU e MMLU-Pro; a ficha pós-treinada descarta o MMLU por completo em favor do MMLU-ProX e acrescenta as suítes agênticas e de nível de harness. Os dois conjuntos não se sobrepõem o bastante para responder “quanto o pós-treinamento acrescentou”, o que significa que a única forma de precificar essa pergunta é executar ambos por conta própria. Pesos abertos tornam isso possível. Não o tornam gratuito.

Por que existem nomes duplicados, afinal?

Três artefactos, três públicos, um lançamento. A publicação no blog precisa de um nome de produto suficientemente curto para um título: Nemotron 3.5 Super VL. Um catálogo ou uma tabela de comparação precisa de algo ordenável e inequívoco numa família que também contém Bolt 74B, Bolt E4B e Lightning 30B: acrescentar 120B faz isso. O Hub precisa de um nome de repositório que codifique a precisão e os parâmetros ativos, para que um script consiga escolher um ficheiro sem que uma pessoa tenha de ler uma descrição.

O custo dessa estratificação está na busca. Duas strings que significam a mesma coisa competem pela mesma consulta, e um leitor que digita uma delas cai em uma página de comparação perguntando qual é melhor. A resposta útil para essa consulta é a que está acima: eles são o mesmo arquivo, aqui estão as cinco coisas às quais o nome pode realmente se referir, e aqui está como saber qual delas você tem.

O que isso significa se você estiver chamando-o em vez de baixá-lo

Por meio de uma API, o problema de nomenclatura praticamente desaparece, porque o provedor já escolheu uma versão para você — e é exatamente para aí que se desloca a ambiguidade restante. O painel independente acompanha sete servidores para este checkpoint, e as tarifas publicadas por eles para os mesmos pesos variam de US$ 0,10 a US$ 0,20 por milhão de tokens de entrada e de US$ 0,40 a US$ 0,50 por milhão de tokens de saída. Duas dessas listagens são explicitamente versões NVFP4; as demais não informam, e uma tarifa sem uma precisão é uma tarifa que você não pode comparar com outra tarifa.

Essa é a versão prática da pergunta com a qual esta página começou. O nome do modelo remete a uma arquitetura e cinco arquivos; o preço não diz por qual arquivo você está pagando. Perguntar a um provedor qual build ele oferece, e se o número de throughput dele foi medido em BF16 ou FP4, é uma pergunta mais útil do que qualquer confronto direto entre duas grafias do mesmo checkpoint.

Do nosso lado, a nota honesta é curta: este checkpoint não está no catálogo do OrcaRouter. A lista de modelos chega a pouco mais de 200 IDs e não traz nenhuma entrada da NVIDIA hoje, então nada aqui é uma oferta de servi-lo. O que a plataforma oferece e é relevante para um nome tão ambíguo é uma camada de roteamento que mantém a string do modelo em um só lugar: quando uma variante chegar, o ponto de chamada não muda, o tráfego pode ser dividido entre dois provedores do mesmo checkpoint para compará-los na sua própria carga de trabalho, e o failover automático cobre o caso em que um deles apresenta degradação. O preço de tabela do provedor é repassado com 0% de margem, o que importa aqui especificamente porque a diferença de preço neste modelo é de 2x e você preferiria vê-la a tê-la absorvida em uma margem.

A resposta curta, para o leitor que pesquisou o nome longo

Nemotron 3.5 Super VL e Nemotron 3.5 Super VL 120B são o mesmo modelo, lançado como pesos em 12 de outubro de 2026 e anunciado em 15 de outubro de 2026, com 120 bilhões de parâmetros totais, 12 bilhões ativos, contexto de 1M de tokens, entrada de texto, imagem e vídeo, e licença OpenMDW-1.1. Se você está escolhendo entre opções, a escolha não é entre esses dois nomes. É entre BF16 e NVFP4, entre o checkpoint base e o instruct, e entre os servidores cujos preços e precisões não são declarados nas mesmas unidades. Essas são três decisões reais. O nome não é uma delas.