Mercury 3 против NVIDIA Nemotron 3.5 Super VL 120B-A12B: одно утверждение о скорости измерено, а другое — нет

Mercury 3 и NVIDIA Nemotron 3.5 Super VL 120B-A12B оба позиционируются как быстрые. Но только одно из этих заявлений о скорости проверил кто-то за пределами компании, которая его сделала. Artificial Analysis измеряет Nemotron 3.5 Super VL на уровне 434,3 выходных токена в секунду на собственном стенде. Mercury 3, которую Inception Labs выпустила 19 октября 2026 года, заявляет 1 068 токенов в секунду — и по состоянию на 20 октября страницы Mercury 3 в этом индексе вообще нет, так что за этой цифрой не стоит никакая вторая сторона. Именно эта асимметрия, а не таблица характеристик, определяет решение в этом сравнении. Документированные сбои ИИ и инциденты с агентами, связанные с подобными релизами, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, степень уверенности и отметку об оспаривании.

Есть вторая асимметрия, которая для некоторых команд важнее. Nemotron можно скачать, он работает на вашем собственном оборудовании и поддаётся постобучению. Mercury 3 — это API-продукт без весов. Один из них — решение о закупке, другой — проект развёртывания, и таблица бенчмарков плохо подсказывает, какой из них вам на самом деле нужен.

Цифры, в которых оба поставщика сходятся, и одна, в которой нет.

Начните со строк, где эти два перестают выглядеть по-разному, потому что некоторые из них действительно одинаковы.

• Контекст — у обоих заявлен объём 1M токенов. Mercury 3 сочетает это с лимитом вывода в 131,072 токена; в карточке Nemotron указано общее окно до 1M, разделяемое между промптом, изображениями, историей, результатами инструментов и ответом.

• Вывод — текст, у обоих. Ни один из них не генерирует изображения или аудио.

• Входные данные — здесь их пути расходятся. Nemotron принимает текст, RGB-изображения и MP4-видео длительностью до двух минут. Mercury 3 принимает текст, и только текст.

• Цена — Mercury 3 стоит $0,10 за миллион входных и $0,35 за миллион выходных токенов в течение стартового окна; затем возвращается к $0,20 и $0,70 по прайс-листу. У Nemotron вообще нет тарифной карты вендора; существует лишь смета затрат Artificial Analysis, которая сейчас учитывает $0,225 за входные и $0,575 за выходные токены за миллион со скидкой 78% за кэширование и стоимостью $0,19 за задачу Intelligence Index.

• Веса — веса Mercury 3 не опубликованы, и Inception не взяла на себя обязательств по их публикации. Веса Nemotron доступны на Hugging Face по лицензии OpenMDW-1.1, включая чекпоинты полной точности и NVFP4.

Именно последняя строка решает исход большинства реальных оценок, и она не имеет никакого отношения к токенам в секунду.

Чтение независимого индекса без вчитывания в него лишнего смысла

NVIDIA выпустила Nemotron 3.5 Super VL 15 октября 2026 года. Когда на той же неделе появилась первая независимая таблица лидеров, в ней стоял Intelligence Index, равный 26, и пустое место там, где должен был быть столбец скорости. Сейчас на странице есть и то, и другое: 26 по Index v4.3.2 и 434,3 выходных токена в секунду, что ставит модель на первое место среди 28 моделей в её классе сравнения. Кроме того, за прогон индекса она сгенерировала 170 млн токенов при медиане 100 млн, что страница описывает как «несколько многословно».

Это собственные измерения индекса, прогнанные через его собственный стенд, и они стоят ровно столько, сколько стоит любой отдельный набор бенчмарков: воспроизводимое число, полученное кем-то, кто не работает в NVIDIA. Обратите внимание, что 26 означает, а что — нет. В собственном сравнительном тексте страницы оно сопоставляется с медианой 8 для сопоставимых open-weight-моделей класса 40B–150B, так что это сильный результат в пределах своего класса весов и скромный — на фоне фронтирных моделей любого размера. Позиция «первый из 67», указанная в верхней части страницы, — это позиция внутри отфильтрованного класса, а не общее место. Кто цитирует «номер один» без фильтра, тот цитирует фильтр.

Теперь другая сторона. В посте о запуске Inception приводятся три количественных утверждения: 1 068 токенов в секунду на GPU NVIDIA, контекст 1M и стартовая цена вдвое ниже прайс-листовой цены. При этом он вообще не содержит числовых утверждений о качестве. Вместо этого говорится, что Mercury 3 «превосходит GPT-6 Luna и Claude Haiku 5.5» — две оптимизированные по скорости модели, что представляет собой правильный набор для сравнения в случае продукта, ориентированного на задержку, причём без указания величины отрыва, названия бенчмарка или результата по отдельным задачам. Также сообщается, что Mercury 3 выполнила 50% из 50 реальных навигационных задач Mind2Web в собственном стенде веб-агента Inception, «значительно больше, чем GPT-6.1-Sol». Пятьдесят задач на стенде вендора — это сигнал, а не измерение, которое можно поставить рядом с 26.

Итак, честное сравнение доказательств качества выглядит так: у одной модели есть оценка в стороннем индексе, а у другой — фраза от вендора. Это не делает Mercury более слабой моделью. Это делает её неизмеренной, а неизмеренность относится к иной категории риска, чем низкий балл.

Во сколько на самом деле обходится эксплуатация половины с открытыми весами

Nemotron 3.5 Super VL — это модель mixture-of-experts со 120 млрд параметров, из которых 12 млрд активны на каждый токен, 512 маршрутизируемых экспертов на слой MoE и гибридный бэкбон, который чередует слои Mamba-2, attention и MoE, а также кодировщик зрения C-RADIO, подключённый через коннектор. NVIDIA выпускает её в двух уровнях точности, и разрыв между ними — самое полезное число в этом релизе.

• BF16 — 64 шарда safetensors, примерно 231,8 ГиБ. Собственный рецепт обслуживания NVIDIA — тензорный параллелизм 4 на четырёх H100 или TP2 на двух GB200.

• NVFP4 — 4-битные веса и активации с дистилляцией, учитывающей квантование. В карточке перечислены варианты развёртывания: на одном DGX Spark, одном H200, двух H100 или одном GB200.

Модель на 120B, которая помещается на двух H100 при 4-битном представлении, а не на четырёх при BF16, — это совсем другой разговор о закупке, и именно поэтому квантованный чекпоинт — тот, на который вендор указывает для эффективного обслуживания. Чего NVIDIA не публикует, так это прямое сравнение точности двух вариантов. Утверждение относится к методике обучения — что дистилляция в процессе обучения закрывает разрыв, вызванный квантованием, — а не к измеренному сравнению, и если ваше решение зависит от этого разрыва, ответа в репозитории нет.

Лицензию стоит читать, не ограничиваясь маркетингом. В блог-посте говорится об «открытых весах»; в frontmatter карточки указано license: other, license_name: openmdw-1.1, и регулируется она лицензионным соглашением OpenMDW License Agreement 1.1. Коммерческое использование разрешено, и в карточке это сказано прямо. Это не Apache 2.0, и если в вашей организации ведётся список одобренных лицензий, именно его и стоит проверить перед тем, как запрашивать стоимость GPU.

Где эти двое перестают быть заменителями

Несоответствие не в качестве. Оно в самом характере работы.

Mercury 3 — это диффузионная языковая модель (Inception использует термин dLLM), которая генерирует токены параллельно, а не по одному за раз, — именно отсюда изначально берётся заявление о пропускной способности в четырёхзначных цифрах. Рабочая нагрузка, для которой она создана, — это сценарии, где за процессом наблюдает человек: подсказки при обучении, генерация поисковых запросов, ответ службы поддержки, который должен восприниматься как разговор. Собственные отзывы клиентов Inception — все именно такого рода, и они являются правильной проверкой продукта. Неверную подсказку можно исправить. Двухсекундную паузу — нельзя.

Nemotron 3.5 Super VL создан для противоположного конца спектра. Он читает скриншоты, сканированные документы, графики и двухминутные видеоклипы, вызывает инструменты и работает на оборудовании, которое вы контролируете. Нагрузка, для которой он создан, — это конвейер, который работает минутами и отчитывается о результате, где ошибка извлечения обходится дорого, а пятисекундное ожидание незаметно. В его собственной карточке честно указано, что не все строки мультимодальных бенчмарков были прогнаны через открытый инструментарий, который публикует NVIDIA, и что внутренняя обвязка, стоящая за некоторыми из них, обещана в будущем релизе. Эта оговорка не дисквалифицирует модель; она подсказывает, какие строки стоит прогнать самостоятельно, прежде чем на них полагаться.

Пересечение уже, чем предполагают спецификации. Если на входе у вас стопка счетов, видео о продукте или скриншот дашборда, Mercury 3 их не увидит. Если же вам нужна субсекундная реплика в диалоге на обычном тексте, 120B-мультимодальный чекпоинт на собственных GPU — очень дорогой способ этого добиться.

Ни одной из этих моделей нет в нашем каталоге, и это меняет рекомендации по маршрутизации.

В обоих случаях мы честно говорим «нет». Наш API моделей не возвращает ни модель Inception, ни запись NVIDIA Nemotron, поэтому ни Mercury 3, ни Nemotron 3.5 Super VL сегодня нельзя вызвать через нас. Тем, кому нужен Mercury 3, прямая дорога на собственную платформу Inception, которая даёт новым аккаунтам 100 млн бесплатных токенов; а кому нужен Nemotron — скачивает чекпойнт с Hugging Face или пользуется сторонним хостингом. Мы предпочитаем написать это прямо, чем намекать на маршрут, которого у нас нет.

Что здесь всё ещё может быть полезного в маршрутизирующем слое — так это часть вокруг эксперимента. Схема с двумя путями — разумный способ оценить неизмеренную модель: направлять уровень, критичный к задержке, в Mercury 3 через ключ Inception, а резерв и сложные случаи держать на моделях, которые мы действительно предоставляем — более 200 из них за одним OpenAI-совместимым эндпоинтом, по прайс-листу провайдера с наценкой 0%, с автоматическим переключением при деградации провайдера. Если новый путь окажется хуже, чем предполагалось в публикации о запуске, резерв уже подключён, и переключение — это правило маршрутизации, а не интеграционный проект. Самостоятельно размещённая половина сравнения от всего этого не получает ничего, потому что маршрутизировать нечего.

Решающее правило

Выбирайте Nemotron 3.5 Super VL 120B-A12B, когда модели нужно что-то увидеть — страницу, скан, клип — или когда данные не могут покидать вашу инфраструктуру, или когда вы собираетесь дообучать модель на собственных примерах. Честно оцените бюджет на оборудование: четыре H100 при BF16 или две при NVFP4 — это серьёзные капитальные вложения, а 26 в индексе — это оценка относительно класса, а не фронтирный показатель. Примите, что строки, отвечающие за следование инструкциям и длинный контекст, — самая слабая часть его собственной таблицы.

Выбирайте Mercury 3, когда человек ждёт текстовый ответ, а повторная попытка ничего не стоит. Прежде чем строить на нём, примите два факта: что 1 068 токенов в секунду — это цифра от поставщика, которую никто независимо не воспроизвёл, и что уровень усилий по умолчанию — «low», поэтому любой ваш собственный бенчмарк сопоставим с чужим, только если вы явно зафиксируете instant, low, medium или high. Закладывайте в бюджет цену по прайс-листу — $0,20 и $0,70, потому что у стартовой скидки нет опубликованной даты окончания, а у модели затрат, построенной на $0,10 и $0,35, есть срок действия, которого вы не видите.

Быстрее всего ответ изменило бы одно и то же с обеих сторон: вторая сторона, проводящая те же тесты. Если Artificial Analysis опубликует страницу Mercury 3, заявление о пропускной способности станет проверяемым, а вопрос качества перестанет быть предложением в посте о запуске. Если NVIDIA опубликует разницу в точности между BF16 и NVFP4, недорогой уровень развёртывания перестанет быть прыжком веры. Пока не появится ни то, ни другое, правдивое резюме таково: одна из этих моделей была измерена, а другая — описана, и никакое сравнение спецификаций не закроет этот разрыв.