Nemotron 3.5 Super VL против Nemotron 3.5 Lightning: два уровня одного семейства и токен, который решает, какой именно

Эти две модели — не соперники, и относиться к ним как к одной — та самая ошибка, к которой подталкивают таблицы характеристик. NVIDIA Nemotron 3.5 Super VL — это мультимодальная модель зрения и языка на 120 млрд параметров с 12 млрд активных, для работы которой на полной точности требуются четыре H100 или два GB200. NVIDIA Nemotron 3.5 Lightning 30B-A3B — это текстовая модель на 30 млрд параметров с 3 млрд активных, которая помещается на одном DGX Spark или одном H100. У них общая лицензия — OpenMDW-1.1, коммерческое использование, открытые веса и открытые рецепты, — и общая философия дизайна: снижать вычисления на токен с помощью Mamba-2 и разреженных экспертов. Но у них нет общей модальности входа, общего аппаратного порога или общей задачи. Lightning старше из двух примерно на два месяца: он вышел 11 августа 2026 года; веса Super VL появились 12 октября 2026 года, а анонс NVIDIA последовал 15 октября, так что один из них — устоявшийся релиз, а другому всего день.

Гейт, простыми словами

Обе модели доступны в виде загружаемых чекпойнтов с опубликованными рецептами оценки. Обе оценены производителем: каждое число в таблицах ниже взято из собственного стенда NVIDIA NeMo Gym или NeMo Evaluator, а не от третьей стороны, и ни за одной из них не стоит независимый аудит пропускной способности или точности. Эта оговорка относится ко всему сравнению и не повторяется в каждой строке.

В чём Lightning выигрывает: по словам NVIDIA, чекпойнт Lightning 30B-A3B NVFP4 скачали около 907 000 раз на Hugging Face, тогда как чекпойнт BF16 Super VL, которому всего один день, — примерно 142 раза. Это не показатель качества — это разница между моделью, которую можно запустить на ускорителе ноутбучного класса, и той, которую нельзя.

Что содержат две контрольные точки

Nemotron 3.5 Lightning 30B-A3B — это гибридная модель со смесью экспертов, построенная из чередующихся слоёв Mamba-2 и MoE с несколькими слоями внимания, с 30 млрд параметров всего и 3 млрд активных на токен, контекстом в 1 млн токенов и текстом в качестве единственного входного формата. NVIDIA обучила её на более чем 20 трлн токенов по рецепту предобучения NVFP4, добавила головы Multi-Token Prediction, а затем дообучила на синтетических данных по коду, математике, науке, вызову инструментов и следованию инструкциям перед этапом обучения с подкреплением GRPO. Она поставляется с тремя отдельными стратегиями спекулятивного декодирования — DSpark для низкоконкурентных рабочих нагрузок в дата-центрах и на DGX Spark, а также MTP и DFlash — что представляет собой необычно большой объём инженерной работы над инференсом для модели на 30 млрд параметров, и это говорит о том, кто её целевой пользователь: тот, кто запускает агентов локально и поглядывает на часы.

NVIDIA Nemotron 3.5 Super VL использует тот же скелет и добавляет «глаза». Та же гибридная архитектура с чередованием Mamba-2, MoE и внимания, но с 512 маршрутизируемыми экспертами на слой MoE, визуальным энкодером C-RADIO и визуально-языковым коннектором, 120 млрд общих и 12 млрд активных параметров, а также с вводом текста, изображений и видео. Её языковой бэкбон был инициализирован из Nemotron 3 Super Base, затем дистиллирован на триллион токенов из Nemotron 3 Ultra Base перед продолженным предобучением, расширением на 35 млрд токенов до контекста 1M, промежуточным обучением по программной инженерии и этапом восстановления длинного контекста. Оба релиза также имеют общий технический отчёт — NVIDIA опубликовала работы по Super и Lightning вместе.

• Активные параметры — 12B на токен для Super VL против 3B для Lightning. Вчетверо больше вычислений на каждый сгенерированный токен, не считая визуального энкодера.

• Модальности — текст, изображения и сэмплированные кадры видео в Super VL; текст на входе, текст на выходе для Lightning. Поддерживаемые языки Lightning: английский, испанский, французский, немецкий, итальянский и японский.

• Аппаратный минимум — 4×H100 или 2×GB200 при BF16 для Super VL, со сборкой NVFP4 и микросервисом NIM для продакшена; один DGX Spark, один H100, RTX 5090 или чип класса Ampere через W4A16 для Lightning.

• Контекст — 1 млн токенов у обоих, причём у обоих опубликованы рецепты, а не единый рекламируемый максимум.

• Спекулятивное декодирование — Super VL нативно использует собственную MTP-голову, скачивать драфтер не нужно; Lightning поставляет варианты DSpark, MTP и DFlash в виде отдельных чекпоинтов.

• Лицензия — OpenMDW-1.1 для обоих, коммерческое использование разрешено, с открытыми наборами данных и средами RL на Hub.

Что числа говорят и о чём молчат

На собственном тестовом стенде NVIDIA эти две модели далеко не так близки, и это ожидаемо: модель с 12B активных параметров должна превосходить модель с 3B активных параметров. Подтверждение разрыва в опубликованных таблицах NVIDIA: GPQA-Diamond — 89,52 у Super VL против 75,44 у Lightning; HLE, только текст — 31,79 против 11,72; SWE-bench Verified — 71,10 против 51,56; Terminal-Bench 2.1 — 66,70 против 24,58; AA-LCR — 68,62 против 52,00.

Закономерность внутри этих строк полезнее самих строк. Преимущество Super VL огромно на бенчмарках длинного контекста и агентного выполнения и сравнительно скромно на общих знаниях — MMLU-Pro составляет 76,91 против 81,94 у Lightning, а это редкий случай, когда меньшая модель выигрывает строку. Это облик модели, которую намеренно дообучали на среднем этапе на данных по разработке ПО и снабдили этапом восстановления длинного контекста: она лучше доводит задачу до конца, чем вспоминает факты. Если ваша нагрузка — это ответы на фактические вопросы по короткому тексту, недостаток 30B-модели в основном исчезает, и происходит это при четверти вычислений на токен.

NVIDIA указывает на карте Lightning оговорку, которую стоит дословно повторить по сути: числа были измерены с официальным чекпоинтом NVFP4 и относятся к нему, а NVIDIA отмечает, что её собственная оценка может отличаться от чисел, которые сообщают производители конкурирующих моделей. Это на редкость честная формулировка, и она в равной степени применима к таблице Super VL.

Выбор уровня и что происходит выше него

Правило принятия решения вытекает из модальности и нижней границы, а не из индекса. Всё, что должно прочитать страницу — счёт, график, отсканированную форму, скриншот приложения, видеокадр — может идти только в Super VL, потому что у Lightning вообще нет пути для пикселей. Всё, что принимает текст и выдаёт текст, работает непрерывно и живёт на оборудовании, которое у вас уже есть, относится к Lightning, потому что модель с 3B активных параметров в NVFP4 на одном ускорителе имеет совершенно другую базу затрат, чем двенадцать миллиардов активных параметров на четырёх GPU.

Над ними обоими находится NVIDIA Nemotron 3 Ultra 550B-A55B, с которым карта Super VL напрямую сравнивается в бенчмарках и для которого требуется восемь GB200 или шестнадцать H100. Три уровня, три класса оборудования, одна лицензия. Семейство спроектировано так, чтобы одна организация могла развернуть все три и перемещать работу между ними, и интересная инженерная задача — не выбрать один из них, а маршрутизатор, который решает, какой запрос куда направляется.

Именно на этом слое маршрутизации платформа, а не чекпойнт, оправдывает своё существование, и стоит точно сказать, что мы здесь делаем, а чего нет. OrcaRouter не обслуживает NVIDIA Nemotron 3.5 Super VL, Nemotron 3.5 Lightning 30B-A3B или Nemotron 3 Ultra 550B-A55B; ни одной из этих трёх нет в нашем каталоге, а самостоятельно размещённый чекпойнт по определению не то, что может вам предоставить API-провайдер. Мы предоставляем ту часть, которая окружает смешанный парк локальных и размещённых моделей: DSL маршрутизации, который объединяет несколько моделей в один вызов, чтобы пайплайн мог отправлять свои рутинные страницы небольшой дешёвой модели и эскалировать только сложные, и автоматическое переключение при отказах между вышестоящими провайдерами, чтобы деградация хостируемой зависимости не обрушила вместе с ней и пайплайн. Каталожная сторона этого уравнения — сейчас более двухсот моделей за одним ключом с наценкой 0% к прайс-листу провайдеров — это то, к чему обращается ветка эскалации. Самостоятельно размещённый Lightning, обрабатывающий основной объём, и маршрутизируемая размещённая модель, обрабатывающая исключения, — это меньшая и более безопасная система, чем любая из этих половин по отдельности.

Что посмотреть

Относительная зрелость Lightning — недооценённая переменная. Она в открытом доступе с августа, у неё есть сторонние квантованные версии, поддержка llama.cpp, Ollama, LM Studio и vLLM, а база загрузок достаточно велика, чтобы режимы отказа были известны. У Super VL есть карточка модели, технический отчёт, day-zero-рецепт для vLLM и счётчик загрузок, которому всего день. Запустить её в продакшене в этом месяце — значит стать тем, кто найдёт шероховатости.

Конкретно стоит следить за тем, достаточно ли сборка NVFP4 Super VL сокращает разрыв в требованиях к оборудованию, чтобы это имело значение. Если квантованная модель 120B-A12B будет полезно работать на небольшом числе ускорителей — не на одном, а менее чем на четырёх — то граница между уровнями сдвинется, и всё семейство из трёх моделей станет дешевле развёртывать как единое целое. Пока этого не произошло, разделение идёт по модальности: Lightning — для текста в больших объёмах на вашем собственном оборудовании, Super VL — для всего, где есть хоть пиксель, Ultra — когда задаче действительно нужна самая большая модель, которую продаёт NVIDIA.