NVIDIA Nemotron 3.5 Super VL 120B против DeepSeek V4 Pro: пиксели стоят в 40 раз дороже текста, и вот вам арифметика

DeepSeek V4 Pro costs $0.66 per million input tokens. Whatever a page of a scanned contract costs you to push through N​VIDIA N​emotron 3.5 Super VL 120B A12B, it is not 66 cents per million, and the reason is that you are not renting it — you are buying GPUs. That single asymmetry is the whole shape of this comparison between DeepSeek V4 Pro, D​eepSeek's 1.6-trillion-parameter text-only flagship listed since April 2026, and N​VIDIA N​emotron 3.5 Super VL 120B A12B, the open-weights vision-language model N​VIDIA uploaded to Hugging Face on 12 October 2026 with no announced price on any serving path. Comparing their benchmark scores is easy and mostly useless. Comparing what each one costs you to operate on the same document is the exercise that actually decides anything.

Короткий ответ

Если на входе у вас текст, а бюджет — отдельная строка расходов, DeepSeek V4 Pro побеждает с отрывом, который не сможет закрыть ни одна открытая модель: сторонняя панель ставит его на 9,5 индексных пункта впереди Super VL, при этом он стоит доли цента за тысячу токенов. Если на входе у вас изображения, видео или сканы страниц, сравнения нет вообще, потому что DeepSeek V4 Pro их не видит. Эти две модели не пересекаются по той оси, которая для большинства команд действительно важна.

Что представляет собой каждая модель, за один проход

DeepSeek V4 Pro is a 1.6T-parameter mixture of experts with 49B active per token, a 1M-token context window, up to 384K output tokens, and text as its only input and output modality. It has been generally available since 24 April 2026 through D​eepSeek's own API and third-party platforms, priced at $0.66 per million input and $1.98 per million output, with cache reads at $0.022. Independent measurement through the Artificial Analysis panel, last evaluated 13 August 2026, puts it at 36.0 on the Intelligence Index — 41st of 147 models.

N​emotron 3.5 Super VL 120B A12B is a Mamba-2/Transformer hybrid with 512 routed experts per MoE layer, 120B total parameters and 12B active per token, a C-RADIO vision encoder, native Multi-Token Prediction, and 1M tokens of context. Inputs are text, images and video; output is text. It is open under OpenMDW-1.1 with commercial use permitted, shipped in BF16, base-BF16 and NVFP4 builds, and runs on 4× H100 or 2× GB200 in BF16 or a single H200, single GB200, 2× H100 or one DGX Spark in NVFP4. Independent measurement puts it at 26.49 on the same panel, which is the number to hold onto as the conversation moves.

Где на самом деле находятся затраты на входные данные

Вот расчёт, который никто не публиковал. Возьмите набор отсканированных договоров на 200 страниц. При использовании DeepSeek V4 Pro его сначала нужно распознать через OCR и извлечь текст, прежде чем он поступит в модель, а затем модель выставляет вам счёт $0,66 за миллион входных токенов по извлечённому тексту. При использовании Super VL страницы подаются как изображения — один раз — в модель, за которую вы уже платите по часам GPU.

• DeepSeek V4 Pro по каталожной цене — $0,66 за вход, $1,98 за выход, $0,022 за чтение из кэша за миллион токенов. Извлечение данных из 200 страниц обходится настолько дёшево, что стоимость одного вызова не появляется при проверке бюджета.

• Стоимость инференса Super VL — 4× H100 или 2× GB200 в BF16, либо один H200 / один GB200 / один DGX Spark в NVFP4. Это аренда или капитальные затраты, которые начисляются независимо от того, поступает ли документ.

• Точка перелома — момент, когда самостоятельный хостинг Super VL становится дешевле, чем OCR-plus-V4-Pro, зависит от объёма ваших документов и загрузки, которую вы можете поддерживать на GPU. Никто её не публиковал, и для команд с малым объёмом она, скорее всего, так и не наступит.

• What is not in either column — the OCR pipeline D​eepSeek's path requires. That is a second system, a second failure mode, and the place where most document pipelines actually break: the table that OCR mangles, the chart that vanishes in extraction, the stamp over the signature block.

Вот настоящий аргумент в пользу визуальной модели, и это не аргумент, основанный на бенчмарках. Он в том, что этап извлечения исчезает. Страница попадает в модель такой, какая она есть, и модель должна разбираться с диаграммой, таблицей и неудобной вёрсткой, а не получать их уплощённую аппроксимацию. Достаточно ли зрение Super VL хорошо, чтобы оправдать владение GPU, — это вопрос о ваших документах, и единственный честный способ ответить на него — прогнать свой набор через сборку NVFP4 на одном H200 и посчитать ошибки.

Существующие строки бенчмарка и то, кому они принадлежат.

Здесь задействованы два разных вида чисел, и их никогда не следует приводить в одном предложении без пометки.

Измерено панелью, по данным Artificial Analysis, где DeepSeek V4 Pro в последний раз оценивался 13 августа 2026 года:

• Intelligence Index — DeepSeek V4 Pro 36.0 vs N​emotron 3.5 Super VL 26.49.

• Humanity's Last Exam — DeepSeek V4 Pro 41.0. В панели отсутствует строка Super VL.

• Воспроизведение длинного контекста — DeepSeek V4 Pro 80,3 против Super VL 0,69 по шкале AA-LCR, что является самым широким пропорциональным разрывом в этой статье.

• SciCode — DeepSeek V4 Pro 51.0 против строки Super VL, не опубликованной на панели.

• Terminal-Bench 4.0 — DeepSeek V4 Pro 14.1 против Super VL 0.0.

• τ²-bench — DeepSeek V4 Pro 96.2, a number D​eepSeek leads with, and the panel publishes no Super VL equivalent.

Vendor-reported, from N​VIDIA's own NeMo Gym evaluation of Super VL, which N​VIDIA ran on its own model against baselines it chose:

• Агентные возможности — SWE-bench Verified 71,10, SWE-bench Multilingual 67,72, SWE-bench Pro 51,78, tau2-bench retail 69,24 и airline 76,50, BrowseComp 78,91, GraphWalks 89,71 в режиме контекста свыше 1 млн токенов.

• Рассуждение — GPQA-Diamond 89,52, HLE без инструментов 31,79, а с инструментами на отдельном внутреннем стенде — до 46,01.

• Зрение — CharXiv-RQ 80,82, MathVision 78,16, V* 85,60, OCR-Reasoning 65,08, OCRBench-v2 — 68,12 на английском и 59,15 на китайском, MMLongBench-Doc 62,82, OSWorld 52,14, Video-MME-v2 32,85.

The two documents do not share a single row, which is why the index comparison above is the only clean ranking available. And a reader should notice the thing that is easy to miss: Super VL's SWE-bench Verified 71.10 is a strong number and it is N​VIDIA's own, and the panel gave the same model 0.0 on Terminal-Bench 4.0. Those can both be true. An agentic-coding score measured on a vendor harness and a terminal score measured by a third party are not the same kind of evidence, and the honest reading is that Super VL's agentic profile is asserted rather than established.

Почему именно строка с длинным контекстом — та, о которой стоит беспокоиться

A 1M-token context window is on both spec sheets. In practice the panel measures long-context recall at 80.3 for DeepSeek V4 Pro and 0.69 for Super VL, and N​VIDIA's own counter-argument is GraphWalks 89.71 at the over-1M-token setting — a vendor number, on a vendor harness, on a task where Super VL is being asked to walk a graph rather than recall a passage.

Эти показатели измеряют не одно и то же, и именно в этом проблема для любого, кто принимает решение. Если ваша рабочая нагрузка — «найти пункт в этом документе на 900 000 токенов», показатель панели ближе к вашей задаче, причём с большим отрывом. Если ваша рабочая нагрузка — «пройти по этому набору связанных документов и сообщить, что от чего зависит», показатель вендора ближе, и к нему всё равно следует относиться как к заявлению. Пока кто-то независимый не прогонит обе задачи на этом чекпойнте, безопасное допущение для планирования состоит в том, что эффективный контекст Super VL существенно короче, чем указано в его спецификации.

Два маршрута, один ключ — и разница в цене на виду

DeepSeek V4 Pro is in the OrcaRouter catalogue at DeepSeek's published $0.66 and $1.98 with zero markup — the provider list price passed straight through, so a D​eepSeek price change is live here the same day rather than at the next billing cycle. Across the last seven days of requests through the gateway, V4 Pro shows a p50 time-to-first-token of 1.89 seconds at 81.9 output tokens per second, and it carried 480.3 million tokens of traffic in that window. Those are measurements of real calls, not vendor benchmarks, and they are the numbers a cost model should be built on.

N​emotron 3.5 Super VL 120B A12B is not on our catalogue. N​VIDIA has published no per-token price for it on any path, including its own NIM microservice, so there is nothing for us to pass through and this article will not pretend otherwise — it is a checkpoint you host yourself, on the hardware in the recipe above.

Что шлюз действительно даёт вам в этой связке, так это то, что две половины конвейера перестают быть двумя отдельными интеграциями. Вызовы извлечения и триажа идут на ваше собственное развёртывание Super VL; вызовы для рассуждений, написания кода и дешёвой высоконагруженной обработки текста идут на DeepSeek V4 Pro на том же эндпоинте и с тем же ключом; а это разделение выражается правилом маршрутизации, а не условным оператором в коде приложения. Когда решающим фактором становится маршрутизация изображений, DSL может опираться на то, содержит ли промпт вложение-изображение вообще, — это более чистый способ поддерживать эту границу, чем помнить, какой путь в коде за что отвечает. Автоматическое переключение при сбое между провайдерами находится ниже маршрутизируемой модели, поэтому ошибка 429 от вышестоящего сервиса при текстовом вызове попадает на резервный вариант, а не к вашему пользователю.

Определение того, по какую сторону черты вы находитесь

• Если у вас нет изображений — DeepSeek V4 Pro, без дальнейшего анализа. На девять с половиной пунктов индекса впереди, $0,66 за миллион входных токенов, p50 времени до первого токена — 1,89 секунды, и ничего не нужно обслуживать.

• Если у вас есть изображения, но объём небольшой — OCR плюс DeepSeek V4 Pro до тех пор, пока стоимость ошибок извлечения не превысит стоимость GPU. Сначала измерьте ошибки извлечения; именно это число, а не разрыв в бенчмарках, задаёт точку перехода.

• Если у вас есть изображения и вы никуда не можете их отправить, Super VL — единственный доступный вариант, и решение сводится к выбору чекпойнта: BF16 — если вы планируете дообучение, NVFP4 — если вы планируете инференс.

• Если ключевой элемент рабочей нагрузки — это извлечение информации из длинного контекста, протестируйте перед тем, как брать на себя обязательства. Разрыв между 0,69 у панели и 80,3 достаточно велик, чтобы считать спецификацию на 1 млн токенов доказательством способности работать с 1 млн токенов.

• If you want the model to improve on your domain — V4 Pro gives you no path. Super VL gives you weights, and N​VIDIA published the post-training datasets and NeMo Gym RL environments alongside it, which is the more reusable half of that release.

Что бы изменило эту статью?

Три вещи — в порядке того, насколько сильно они могли бы изменить ответ.

A price for Super VL, from N​VIDIA or from anyone serving it. The moment a per-token figure exists, the first section of this piece becomes arithmetic instead of a framework, and the crossover discussion collapses into a comparison of two numbers.

A second independent dataset on the model. N​VIDIA has one third-party score, and it does not include a long-context or a coding-agent row. A panel re-run that publishes those rows would settle the two questions this article has to leave open.

And the Terminal-Bench 2.1 discrepancy in N​VIDIA's own paperwork — 66.70 on the model card against 60.67 in the technical report's summary table, with everything else in those documents agreeing. One of two primary sources is wrong. Until somebody re-runs the recipes, both values are unsafe to quote, and the fact that the discrepancy exists at all is a reason to treat every other single-sourced row in that report as provisional.

Бенчмарки устаревают, а цены меняются; записи о сбоях — нет: документированные инциденты с ИИ и сбои агентов, связанные с моделями этого класса, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, степень серьёзности, оценку достоверности и флаг спорности.