Nemotron 3.5 Super VL vs Kimi K3: Um carro-chefe tarifado contra um lançamento de pesos sem tabela de preços

A resposta honesta mais curta é que apenas um desses dois modelos tem preço, e não é o da NVIDIA. Kimi K3 é vendido como um serviço cobrado por uso a US$ 3 por milhão de tokens de entrada e US$ 15 por milhão de tokens de saída, com 90% de desconto para cache, e é o modelo que você pode chamar hoje com uma única chave. NVIDIA Nemotron 3.5 Super VL é um checkpoint de pesos abertos de 120 bilhões de parâmetros, com 12 bilhões ativos, sob a OpenMDW-1.1, sem nenhuma tabela de preços publicada — ou você o executa em seus próprios aceleradores, ou negocia com quem o estiver servindo. Seus pesos foram publicados no Hugging Face em 12 de outubro de 2026, e o anúncio da própria NVIDIA veio em 15 de outubro, o que faz deste um lançamento de três dias, e não um produto maduro. É essa assimetria, e não a tabela de benchmarks, que decide o confronto.

O que cada um destes realmente é

A NVIDIA Nemotron 3.5 Super VL é um modelo híbrido de visão e linguagem: camadas Mamba-2 intercaladas, uma mistura de especialistas com 512 especialistas roteados por camada MoE, e camadas de atenção seletivas, emparelhado com um codificador de visão C-RADIO e um conector de visão-linguagem. Ele possui 120 bilhões de parâmetros totais e ativa 12 bilhões por token, suporta até 1 milhão de tokens de contexto, e recebe texto, imagens e vídeo e produz texto. A Predição Multi-Token Nativa proporciona decodificação especulativa sem um checkpoint de drafter separado. A NVIDIA disponibiliza uma build de referência BF16 e uma build NVFP4, com receitas de implantação para 4×H100 ou 2×GB200 em BF16. O pré-treinamento e o pré-treinamento contínuo basearam-se em um corpus que a NVIDIA descreve em trilhões de tokens, e o pós-treinamento adicionou dados sintéticos mais aprendizado por reforço em dezenas de ambientes publicados.

O Kimi K3 é o carro-chefe da Moonshot AI: uma mistura de especialistas com 2,8 trilhões de parâmetros, 104 bilhões de parâmetros ativos, uma janela de contexto de 1 milhão de tokens e entrada nativa de imagens além de texto. Ele é servido, em vez de apenas publicado, expõe um controle reasoning_effort de nível superior em vez de parâmetros de amostragem, fala o formato da API da OpenAI e é posicionado para codificação de longo horizonte e trabalho de conhecimento dentro de harnesses de agente.

• Escala — Super VL ativa 12B parâmetros por token de um pool de 120B. Kimi K3 ativa 104B de um pool de 2,8 trilhões de parâmetros. Isso é aproximadamente uma diferença de nove vezes na computação por token.

• Contexto — 1M tokens em ambos, e ambos são projetados para sustentar uma sessão de trabalho em vez de um único prompt.

• Modalidades — Super VL aceita texto, imagens estáticas e quadros de vídeo amostrados; Kimi K3 aceita texto e imagens. O vídeo é o único eixo de entrada em que os dois não são equivalentes.

• Preço — nenhuma tarifa publicada em qualquer lugar para o Super VL até 16 de outubro de 2026; o Kimi K3 custa $3 de entrada / $15 de saída por milhão de tokens com 90% de desconto de cache.

• Licença e controle — OpenMDW-1.1 com uso comercial, pesos abertos, conjuntos de dados abertos e receitas de treinamento para o Super VL; uma API comercial sem download de pesos para o Kimi K3.

Requisito mínimo de implantação — 4×H100 ou 2×GB200 em BF16 para o Super VL, ou o microsserviço NIM do fornecedor; nada a implantar para o Kimi K3.

A diferença de oito pontos que decide o caso generalista

No Índice de Inteligência da Artificial Analysis, o Kimi K3 está em 44 e o NVIDIA Nemotron 3.5 Super VL em 26 — ambos não estimados, ambos mensuráveis por um terceiro em vez dos laboratórios que os criaram. Dezoito pontos não são um erro de arredondamento; é aproximadamente a distância entre um generalista de fronteira e um de nível médio. O Kimi K3 também é mais lento e mais caro por token do que os modelos ao seu redor, o que o mesmo painel observa sem rodeios.

Esse número é o argumento inteiro para qualquer pessoa cuja carga de trabalho seja raciocínio apenas de texto entregue por meio de uma API, e vale a pena dizê-lo sem rodeios. Se a tarefa do seu agente é ler um repositório, planejar uma alteração e manter uma longa conversa sobre isso, o K3 é o modelo mais forte e está disponível agora a um preço publicado.

Onde a comparação deixa de ser sobre inteligência

A NVIDIA não criou o Nemotron 3.5 Super VL para vencer um índice de raciocínio geral, e interpretar a comparação como se esse fosse o objetivo é o que acaba decepcionando as pessoas. O lançamento é voltado para o que o anúncio chama de agentes sempre ativos: trabalho de alto volume, de longa duração e em formato de documentos e telas, que uma empresa quer executar dentro dos próprios limites, fazer pós-treinamento com os próprios dados e auditar. O posicionamento do próprio fornecedor é a eficiência — a afirmação é que o Super VL é cinco vezes mais rápido na conclusão de tarefas do que o próximo melhor modelo de sua classe, e que alcança precisão comparável à do maior modelo de raciocínio da NVIDIA com cerca de um quinto do número de parâmetros.

Essas são alegações do fornecedor, medidas no próprio harness da NVIDIA, e ninguém fora da NVIDIA as reproduziu ainda. A leitura honesta após um dia de disponibilidade pública é: a arquitetura está documentada, os pesos estão disponíveis para download, a licença é permissiva, e o número de throughput é uma afirmação até que uma parte independente o execute novamente.

O que é verificável é o tipo de trabalho. Os pontos fortes publicados da Super VL são o reconhecimento óptico de caracteres, tabelas e gráficos, informação estruturada em documentos visuais e fluxos de trabalho empresariais com múltiplas etapas — sinistros de seguros, documentos de crédito, desenhos de engenharia, pesquisa entre silos de aplicações. Esse é um trabalho diferente de escrever um patch com vários ficheiros, e é um trabalho em que um modelo com 12B ativos que conclui rapidamente uma tarefa de página vale mais do que um modelo com 104B ativos que a conclui melhor e mais tarde.

O que uma única tecla faz com cada um deles

É aqui que a assimetria morde mais forte, porque os dois modelos têm histórias de acesso opostas.

Kimi K3 está no nosso catálogo como kimi/kimi-k3 ao preço de tabela da própria Moonshot, com 0% de markup — a tarifa do provedor repassada sem alterações, então quando a Moonshot mudar o número, o valor que você paga muda no mesmo dia. Ele chega pelo mesmo endpoint compatível com OpenAI que todo o resto, o que significa que substituí-lo é uma mudança de string de modelo e não um projeto de integração. Como o Kimi K3 expõe reasoning_effort em vez de temperature e top_p, esse mesmo endpoint permite ajustar a profundidade de raciocínio por requisição sem um segundo caminho de código.

O NVIDIA Nemotron 3.5 Super VL, por outro lado, não é algo que nós servimos. É um checkpoint que você hospeda, e o modelo de custo é capital e utilização, em vez de tokens. O que podemos fazer por um modelo auto-hospedado é a infraestrutura de suporte ao redor: failover automático entre provedores upstream para que um pico ou uma interrupção em um modelo hospedado degrade graciosamente em vez de falhar, e a DSL de roteamento que compõe vários modelos em uma única chamada — envie a extração mecânica para um modelo pequeno e barato e escale apenas as páginas que exigem julgamento. Esse padrão é exatamente o que a economia do Super VL convida, porque um modelo com 12B ativos é barato o suficiente para rodar em tudo, e um com 104B ativos não é.

Portanto, o formato realista de produção para os próximos meses não é uma escolha. É o K3 para o ramo com uso intensivo de raciocínio e um Super VL auto-hospedado para o ramo de volume de documentos, com um roteador à frente decidindo a qual ramo uma requisição pertence.

O que mudaria a resposta

Três coisas. Primeiro, uma reprodução independente da alegação das cinco vezes — se o Super VL realmente conclui a sua classe de tarefas em um quinto do tempo de relógio, o argumento para executá-lo dentro de um perímetro regulado fica muito mais forte, e, se não concluir, o argumento de precisão por token volta a ser o de um modelo open-weight normal. Segundo, uma tarifa publicada por um provedor de serviço: no momento em que o Super VL aparecer sob uma API medida, a objeção do piso de implantação desaparece para todos que não possuem oito H100s, e passa a ser uma questão direta de preço versus índice, em que o K3 atualmente vence no índice e não perde em nada. Terceiro, o próprio Kimi K3 não está parado — a Moonshot vem iterando rápido, e um lançamento da série 3 redefiniria esta página em vez de refiná-la.

Até que um deles seja lançado, a divisão é clara: Kimi K3 se você quer o modelo mais capaz por token hoje e pode pagar por ele; NVIDIA Nemotron 3.5 Super VL se você quer um agente de documentos e tela que você mesmo possui, pós-treina e mantém no local, e está disposto a ser o primeiro a medir o que ele faz.