Nemotron 3.5 Super VL iguala o Inkling Small com menos da metade dos pesos

Dois modelos estão em 26 no Artificial Analysis Intelligence Index esta semana, e a parte interessante é quanto cada um gastou para chegar lá. NVIDIA Nemotron 3.5 Super VL é um modelo de mistura de especialistas de 120 bilhões de parâmetros com 12 bilhões ativos. Inkling Small, lançamento de julho da Thinking Machines, é um modelo de mistura de especialistas de 266 bilhões de parâmetros com 12 bilhões ativos. Mesma pontuação, mesmo orçamento de parâmetros ativos, menos da metade dos pesos em disco. As tabelas de benchmark dizem quanto um modelo pontua; o histórico de incidentes diz como lançamentos como esses falham em produção, e esses casos estão catalogados em o OrcaRouter AI Incident Archive onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e indicador de contestação.

Esse é o panorama da semana passada nos pesos abertos dos EUA, e é uma história melhor do que o post de lançamento que a NVIDIA publicou na quinta-feira, 15 de outubro. O anúncio combinou Nemotron 3.5 Super VL com Nemotron 3.5 Bolt 74B-A9B 24GB — um modelo de 74 bilhões de parâmetros comprimido em 24 GB de memória — e prometeu um terceiro, Nemotron 3.5 Bolt E4B 4GB, para 23 de outubro. Três modelos em oito dias com três pegadas de memória não é uma cadência de lançamento; é um argumento de portfólio, e o argumento é que capacidade por gigabyte agora é o número que importa.

O que foi lançado, e em que dia

Vale a pena enunciar as datas com precisão, porque os próprios artefactos da NVIDIA divergem em três dias, e essa divergência é informativa, não escandalosa.

• Pesos — o repositório BF16 nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 foi criado no Hugging Face em 2026-10-12T15:32:06Z, com um repositório irmão NVFP4 24 segundos depois e um checkpoint base de pré-pós-treinamento 17 segundos antes disso.

• Anúncio — o post do newsroom da NVIDIA traz uma data de publicação de 15 de outubro de 2026. O campo release do próprio model card indica 10/15/2026 na versão 1.0 GA.

• Bolt 74B — seu repositório de 24 GB é consideravelmente anterior ao anúncio, criado em 7 de outubro, com uma build GGUF surgindo no Hub naquela noite. O blog o apresenta como sendo lançado junto com o Super VL no dia 15.

• Bolt E4B — anunciado para 23 de outubro, ainda sem pesos no momento em que escrevo.

Então, os artefatos públicos chegaram antes da prosa pública. Quem datar uma implantação pelo comunicado de imprensa ficará três dias atrasado em relação a um modelo que já estava disponível para download, e quem a datar pelo repositório estará citando um carimbo de data/hora que a NVIDIA nunca reconheceu. Ambas as datas são defensáveis; escrever "lançado em 15 de outubro" sem mencionar o dia 12 é a versão que perde informação.

A pontuação é a parte chata. O denominador é a história.

A proposta da NVIDIA para o Super VL é a velocidade — "até 5x mais throughput em comparação com outros modelos da sua classe", atribuído ao leaderboard da Artificial Analysis. A alegação ainda é parcialmente não verificada, e a seção abaixo trata disso. O fato duradouro sobre este lançamento é outro: o modelo obtém 26 no mesmo painel em que seu antecessor de março, o NVIDIA Nemotron 3 Super 120B A12B, conseguiu 13, e o faz com um tamanho efetivamente idêntico.

• Parâmetros — 120B no total, 12B ativos, 512 especialistas roteados por camada MoE. O modelo de março tinha 120,6B no total e 12,7B ativos. Este não é um modelo maior.

• Índice de Inteligência — 26 contra 13, segundo a Artificial Analysis, ambos sinalizados como não estimados. Aproximadamente o dobro, com o mesmo orçamento de parâmetros.

• Tokens de saída por tarefa do Index — cerca de 49.000 contra cerca de 114.000. O novo modelo conclui a mesma avaliação com aproximadamente 57% menos tokens, o que é o mecanismo por trás de grande parte do salto: ele deixa de pensar demais.

Contra o Inkling Small — ambos 26. O Super VL consegue com 120B no total, contra 266B do Inkling Small, e ambos ativam cerca de 12B por token.

• Contra o Nemotron 3 Ultra 550B A55B — 23. O novo modelo de porte médio da NVIDIA supera seu próprio carro-chefe de 550 bilhões de parâmetros em três pontos, embora tenha aproximadamente um quarto do tamanho.

Os dois eixos de eficiência são constantemente confundidos, então vale a pena separá-los. Os parâmetros ativos determinam quanto custa gerar um token. Os parâmetros totais determinam quanto custa armazenar, carregar e manter residente o checkpoint. O Super VL melhora em ambos: mantém os parâmetros ativos fixos em 12B enquanto reduz aproximadamente pela metade os parâmetros totais em relação ao Inkling Small, e mantém os parâmetros totais fixos em 120B enquanto aproximadamente dobra sua pontuação em relação ao seu próprio antecessor. Um modelo que melhorasse apenas um eixo ainda seria notável. Este fez ambos no mesmo lançamento.

Bolt é a metade mais discreta do lançamento e não tem pontuação independente

O modelo de 24 GB é aquele que a maioria das equipes realmente conseguiria executar no hardware que possui. O Nemotron 3.5 Bolt 74B-A9B 24GB é uma mistura de especialistas de 74 bilhões de parâmetros, com 9 bilhões ativos, quantizado para aproximadamente 2,06 bits por especialista durante o treinamento, em vez de depois dele, com contexto de 262.144 tokens e os mesmos termos OpenMDW-1.1 do seu irmão maior. Ele é um híbrido de Mamba-2 e Transformer com um codificador de visão C-RADIO v4-H, portanto aceita texto, imagens e vídeo e retorna texto.

Os relatórios da NVIDIA, em seu próprio harness, trazem: GPQA-Diamond 86,43; HLE sem ferramentas 25,30; Terminal-Bench 2.1 50,98; SciCode 41,02; BrowseComp 66,75; PinchBench 87,82; e WebArena vision 50,86. Todos esses números foram executados pelo fornecedor e não foram reproduzidos. No painel independente, o modelo está em 21 — um resultado genuinamente forte para algo que cabe em uma única placa de 24 GB, e também um lembrete para ter cuidado com a tabela do fornecedor, porque 86,43 no GPQA-Diamond ao lado de um índice geral de 21 convida a uma leitura excessiva de uma única linha.

A distribuição de downloads fala por si: a build GGUF do Bolt ultrapassou 87.000 downloads, contra cerca de 18.700 do repositório BF16 Super VL. O modelo que as pessoas conseguem rodar em um laptop é o modelo que as pessoas estão baixando. Isso não é um comentário sobre qualidade; é um comentário sobre para que servem, de fato, os “pesos abertos”.

Onde os EUA realmente se situam

O ganho de eficiência é real, e a alegação de liderança precisa de uma ressalva que o post da NVIDIA não oferece. Entre os modelos de pesos abertos de laboratórios dos EUA no painel independente, o Meta Muse Spark Open pontua 39 e está à frente de tudo o que a NVIDIA lançou na semana passada. Ele também tem acesso restrito no Hub sob uma licença comercial personalizada, o que o coloca em uma categoria de adoção diferente de um checkpoint que você pode baixar sob a OpenMDW-1.1 sem pedir autorização a ninguém.

• Muse Spark Open — 39, acesso restrito, licença sob medida.

• Nemotron 3.5 Super VL — 26, sem restrições de acesso, OpenMDW-1.1, 120B no total / 12B ativos.

• Inkling Small — 26, permissiva, 266B no total / 12B ativos.

• Nemotron 3.5 Bolt 74B-A9B — 21, sem restrições, ocupação de 24 GB.

• GPT-5.5 Instant — 26, encerrado.

O campo chinês de modelos de peso aberto ainda é uma conversa à parte. O MiMo-V2.6-Pro está em 46, o GLM-5.3 em 45 e o Kimi K3 em 44 no mesmo painel, então o modelo americano mais forte com licença permissiva está cerca de 20 pontos atrás do chinês mais forte. A resposta da NVIDIA para essa diferença não é um modelo maior — é o pós-treinamento com seus próprios dados, com os conjuntos de dados, receitas e ambientes de aprendizado por reforço publicados junto com os pesos. Se isso fecha alguma lacuna é uma questão que este lançamento não resolve, e quem afirmar o contrário está atribuindo intenção a um benchmark.

O que é medido, o que é afirmado e o que mudou esta semana

No lançamento, a alegação de vazão 5x não tinha nada por trás: a Artificial Analysis listou o modelo sem nenhum número de velocidade. Isso mudou. O painel agora registra velocidade de saída em cerca de 430 tokens por segundo, o primeiro entre 28 em seu conjunto de comparação. Então parte da alegação agora tem uma parte independente: o modelo é rápido, e não marginalmente. O que permanece não verificado é o múltiplo. "5x mais rápido que o próximo melhor" exige um próximo melhor nomeado e um harness correspondente, e nem o post do blog nem o card do modelo fornecem um.

O quadro dos preços também mudou, e mudou de uma forma que importa mais do que a taxa global.

• Mediana entre provedores — US$ 0,225 por milhão de tokens de entrada e US$ 0,575 por milhão de tokens de saída, com 78% de desconto de cache, segundo a Artificial Analysis.

• Spread entre provedores que publicam uma tarifa — entrada de $0,10 a $0,20, saída de $0,40 a $0,50 para o mesmo checkpoint.

• Custo por tarefa do Index — $0,19, ponto em que o preço baixo e a alta contagem de tokens se encontram.

• Verbosidade — 170M tokens de saída consumidos na execução do Index contra uma mediana de 100M, sinalizado como um tanto verboso. Saída barata somada a saída longa não é automaticamente barata.

Uma variação de 2x no preço de entrada para pesos idênticos é a descoberta prática da semana. O modelo é o mesmo ficheiro em todo o lado; o medidor não é. Isso é um argumento para tratar a escolha de fornecedor como uma decisão de encaminhamento e não como uma decisão de aquisição — que é precisamente a parte desta história que o nosso próprio produto aborda, e a versão honesta dessa afirmação é restrita. O Nemotron 3.5 Super VL não está no nosso catálogo: a lista de modelos do OrcaRouter devolve um pouco mais de 200 IDs de modelos e nenhuma entrada da NVIDIA hoje. O que um router acrescenta aqui é que, no momento em que um checkpoint for disponibilizado, ele fica ao preço de tabela do fornecedor com 0% de margem, e um modelo tão novo pode ficar atrás de failover automático em vez de na raiz de um caminho de produção. Nenhuma dessas coisas é razão para comprar o modelo. São razões para não assinar um contrato para o experimentar.

Três coisas para ficar de olho, e uma delas é daqui a nove dias

O primeiro é o Bolt E4B, em 23 de outubro. Um modelo de visão-linguagem de 4 GB que chegue a pontuar perto do seu irmão de 24 GB seria o lançamento mais consequente dos três, porque muda o que conta como hardware suficiente.

A segunda é uma avaliação independente dos checkpoints quantizados. Todo número neste artigo que vem da NVIDIA foi medido em uma build de precisão total ou com o harness do fornecedor. O arquivo NVFP4 é o que a maioria das pessoas realmente vai servir, e ele não tem pontuação de terceiros publicada. A própria alegação da NVIDIA é de 99,62% de recuperação mediana de precisão em relação ao BF16 — um número do fornecedor, em um harness do fornecedor, e o número não verificado de maior peso isolado no lançamento.

O terceiro é se a diferença de preços diminui. Uma diferença de 2x entre o servidor mais barato e o mais caro para um mesmo checkpoint aberto é um mercado que ainda não se estabilizou, e a direção em que ele se estabilizar dirá mais sobre os próximos seis meses de inferência com pesos abertos do que qualquer linha de benchmark.

A pontuação é a manchete. O checkpoint de metade do tamanho com o mesmo orçamento ativo é o que ainda vai importar daqui a um ano.