Nemotron 3.5 Super VL против Nemotron 3 Ultra: дешевле флагмана или просто меньше?

У NVIDIA есть три уровня Nemotron 3.5, и один из них — ловушка для планировщиков. NVIDIA Nemotron 3 Ultra 550B-A55B, выпущенный 4 июня 2026 года, является флагманом семейства: 550 миллиардов общих параметров при 55 миллиардах активных на токен, слои LatentMoE с Multi-Token Prediction, 1M токенов контекста и заявленный минимум в шестнадцать H100 или восемь GB200. NVIDIA Nemotron 3.5 Super VL, чьи веса появились на Hugging Face 12 октября 2026 года, а анонс NVIDIA последовал 15 октября, является уровнем ниже: 120B всего, 12B активных, тот же контекст в 1M токенов, визуальный энкодер C-RADIO и минимум в четыре H100 или два GB200. Собственная карточка NVIDIA для Super VL сравнивает его напрямую с Ultra и заявляет точность, близкую к Ultra, примерно при одной пятой параметров. Это утверждение сообщено производителем, не воспроизведено, и это единственное предложение, на котором держится всё это сравнение.

Арифметика, которая на самом деле определяет развёртывание

Начните с того, что физически требуется для двух контрольных точек, потому что именно эту цифру утверждает владелец бюджета.

• Всего параметров — 120B у Super VL против 550B у Ultra. Это примерно в 4,6 раза больше по объёму весов, а именно веса и заполняют GPU.

• Активные параметры на токен — 12B против 55B. Вычисления на токен масштабируются от этого, а не от общего числа, поэтому обе модели обходятся гораздо дешевле при запуске, чем можно предположить по их размеру, — и поэтому разрыв между ними составляет 4,6× по памяти, но также 4,6× по арифметике на токен.

• Минимальное оборудование — 4×H100 или 2×GB200 для Super VL; 16×H100 или 8×GB200 для Ultra. На практике это один узел против стойки.

• Модальности — текст, изображения и видео на входе для Super VL; текст на входе, текст на выходе для Ultra. У Ultra вообще нет пути обработки изображений.

• Архитектура внимания — Super VL представляет собой гибрид интерливинга Mamba-2, смеси экспертов и внимания с 512 маршрутизируемыми экспертами на слой MoE; Ultra использует конфигурацию LatentMoE от NVIDIA. Обе модели оснащены MTP-головами для спекулятивного декодирования.

• Лицензия — OpenMDW-1.1 с коммерческим использованием для обоих, веса и рецепты открыты у обоих.

Закономерность в этих шести строках такова: Super VL — это не урезанная версия Ultra. Это модель другой формы: способная работать со зрением, занимающая гораздо меньше памяти и — что критически важно — развёртываемая на оборудовании, которое команда среднего размера, возможно, уже имеет. Порог Ultra — это разговор про дата-центр. Порог Super VL — серьёзный узел инференса.

Что дают дополнительные 43 миллиарда активных параметров

Общий случай рассуждения

Ultra был создан, чтобы занять вершину линейки NVIDIA для чистого текстового рассуждения, и в июньском релизе NVIDIA его сравнили с шестью современными фронтирными моделями в наборах тестов по знаниям, математике, программированию и длинному контексту. Эти цифры, как и все цифры в этом сравнении, получены с помощью собственного стенда NVIDIA, а не независимого оценщика, поэтому они показывают лишь то, что измерила NVIDIA, а не то, что измерила бы третья сторона.

Мультимодальный случай

Именно здесь сравнение переворачивается. Ultra не может прочитать страницу. Если работа связана с документами, таблицами, диаграммами, скриншотами или видеокадрами, флагманская модель просто не является кандидатом, а самая крупная модель в семействе нерелевантна вашей задаче, каким бы хорошим ни был её индекс рассуждений. Визуальный энкодер и коннектор Super VL существуют именно для такой рабочей нагрузки, а её заявленные сильные стороны — OCR, структурированное извлечение данных из визуальных документов, многоэтапные бизнес-процессы — описывают иную задачу, чем та, для которой настраивалась Ultra.

Случай с длинным контекстом

Обе достигают 1M токенов. NVIDIA расширила контекст Super VL с помощью специального этапа на 35 миллиардов токенов, за которым следует проход восстановления длинного контекста, что является более сильным сигналом, чем просто максимальная длина: это означает, что длинный ввод рассматривался как возможность, которую нужно сохранить, а не как буфер для рекламы. Ultra достигла того же окна через собственный пайплайн обучения. Без независимой оценки длинного контекста для обеих моделей, считайте это ничьей с вероятным преимуществом у той модели, которая, согласно вашему собственному трейсу извлечения, выдерживает свыше 200k.

Обслуживание одного или обоих, и ловушка уровней

Ловушка — считать, что семейство — это лестница, по которой вы поднимаетесь. Оно ближе к разделению, и это разделение определяется стоимостью выполнения задачи, а не возможностями. Модель с 12B активных параметров, которой нужны два GB200 и которая выполняет задачу с документом в пять раз быстрее, чем модели её класса, — если заявление NVIDIA о пропускной способности верно, — обходит модель с 55B активных параметров в этой задаче, независимо от того, какая из них умнее, потому что более умная простаивает в ожидании, пока разгрузится очередь более быстрой. Переключитесь на долгосрочную задачу по программированию или математике без пикселей — и дополнительные параметры Ultra начнут выполнять реальную работу.

Ни одного из них нет в нашем каталоге, и стоит сказать прямо, а не позволять расплывчатой фразе подразумевать обратное: OrcaRouter не обслуживает NVIDIA Nemotron 3.5 Super VL, Nemotron 3 Ultra 550B-A55B или любой другой чекпоинт NVIDIA. Это веса, которые вы развёртываете. Что слой маршрутизации привносит в такое решение — это измерение, а не доступ. DSL маршрутизации позволяет отправить один и тот же промпт двум вышестоящим моделям и сравнивать ответы бок о бок, так что оценка кандидата с 12B активными параметрами против текущей модели с 55B активными параметрами — это изменение конфигурации, а не два проекта по интеграции. Автоматическое переключение при отказе важно по противоположной причине: если хостируемая модель, на которую вы маршрутизируете, деградирует в середине конвейера, запрос перенаправляется, а не завершается сбоем, что сохраняет резервный путь для команд, которые держат Super VL в собственном хостинге как основной вариант. А для тех частей нагрузки, которые не должен брать на себя ни один уровень собственного хостинга, — всплесков, редких модальностей, разовых задач с большим контекстом — каталог, доступный по одному ключу: более двухсот моделей с наценкой 0% к прейскурантной цене провайдера, — именно туда идут эти запросы.

Честная формулировка этого абзаца такова: мы здесь не поставщик ни одной из моделей. Мы — тот слой, который делает сравнение дешёвым в проведении, а путь эскалации — дешёвым в поддержании.

Утверждение, которое стоит проверить, прежде чем брать на себя обязательства

Всё вышесказанное сводится к одному непроверенному утверждению: что модель со 120 млрд параметров и 12 млрд активных сопоставима с крупнейшей моделью рассуждений NVIDIA, имея примерно пятую часть числа параметров. Если это подтвердится, Super VL — лучший вариант по умолчанию для смешанной нагрузки, а Ultra оставлен для узкого хвоста задач, которые действительно в нём нуждаются. Если же нет — а через день после выпуска никто за пределами NVIDIA этого не измерил, — то эти два уровня суть просто разные размеры одного и того же, и выбор снова сводится к тому, что нужно вашей задаче: пиксели или без пикселей, один узел или одна стойка.

Тест дешёвый и конкретный. Возьмите пятьдесят реальных задач из своей очереди, у которых есть проверяемый ответ, прогоните их на обоих и оценивайте выполнение, а не баллы бенчмарков. Именно это число, а не число NVIDIA, решает, для какого класса вы покупаете оборудование, — и именно оно останется верным, когда следующий выпуск Nemotron обнулит эту страницу.