NVIDIA Nemotron 3.5 Super VL Base BF16: den 249 GB-kontrollpunkt som NVIDIA listade men aldrig länkade

nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-Base-BF16 är artefakten iN​VIDIA N​emotron 3.5 Super VL-utgåvan som N​VIDIA aldrig länkade. Företagets tillkännagivande från den 15 oktober säger, i en enda sats, att "utgåvan innehåller bas-, eftertränade och NVFP4-kvantiserade checkpoints med träningsrecept, data och miljöer för förstärkningsinlärning." Varje repository-länk på den sidan pekar på nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4. Strängen "Base-BF16" förekommer inte alls i inlägget.

Repositoriet är verkligt och offentligt. Hugging Face registrerar dess första commit vid 2026-10-12T15:31:49Z, dess viktshards uppladdade vid 2026-10-13T04:55Z, och dess modellkorts eget fält för utgivningsdatum lyder "Hugging Face - 10/15/2026". Det är inte gated, det kräver ingen token för nedladdning, och det väger exakt vad det eftertränade nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-BF16-bygget väger: 248,9 GB fördelat på 63 BF16-shards mot det eftertränade byggets 248,9 GB fördelat på 64, de två indexfilerna 16 byte från varandra. Tre dagar efter att vikterna landade hade det laddats ned 4 gånger, mot 142 för det eftertränade fullprecisionsrepot och 81 för NVFP4-syskonet. Det är Hugging Faces egna räknare, avlästa den 16 oktober.

Så detta är inte en läcka eller ett rykte. Vikterna är inte det man bör ha fel om — de är helt enkelt den minst uppmärksammade artefakten i en lansering som i övrigt är högljudd, och modellkortet bakom dem motsäger sig självt på ett sätt som har betydelse om du är den typ av person som skulle ladda ner en 249 GB pre-post-training-checkpoint. Den motsägelsen finns nedan.

Vad landade, och meningen som nämner det

Tre huvudrepositorier och en draftmodell lades upp i samma fönster, alla förstaparts-N​VIDIA, alla under OpenMDW-1.1-licensen, inga gated:

• Bas BF16 — nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-Base-BF16, repo skapat 2026-10-12T15:31:49Z, vikter 2026-10-13T04:55Z, README senast ändrad 2026-10-15T15:22:08Z.

• Eftertränad BF16 — nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-BF16, skapat 2026-10-12T15:32:06Z, sjutton sekunder efter basrepot.

• Eftertränad NVFP4 — nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4, skapad 2026-10-12T15:32:30Z, och 75,1 GB totalt i stället för 248,9 GB.

• En NVFP4-draftare — nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4-LiLiCorr, skapad ännu en dag tidigare, vid 2026-10-11T20:20:59Z.

Mappningen mellan dessa repositorier och NVIDIAs prosa är där det blir ojämnt, och att kontrollera den är värt att göra i stället för att anta. Annonsens driftsättningsankare pekar alla mot NVFP4-bygget. Basmodellkortets egen inledande notis pekar utåt mot de andra två – ”Letar du efter en eftertränad modell? Se BF16-utgåvan för anpassning eller NVFP4-utgåvan för optimerad driftsättning” – så basrepot kommer att berätta var du ska gå i stället, på sin första rad. Det omvända gäller inte. Det eftertränade BF16-kortet innehåller ingen länk till basrepot någonstans, och inte heller NVFP4-kortet. Bascheckpointen är den enda artefakten i utgåvan som NVIDIAs egen dokumentation aldrig hänvisar dig till; du hittar den genom att läsa annonsens klausul på nio ord och sedan bläddra i organisationens fillista, vilket är hur den hittades här. Ingenting i NVIDIAs text förklarar varför en bascheckpoint publiceras med samma 249 GB som modellen som faktiskt är eftertränad, eller vad du förväntas göra med den som den eftertränade inte kan göra.

Det är frånvaron som är historien. Ett släpp med öppna vikter där leverantören länkar två av tre checkpoints och beskriver den tredje med nio ord döljer ingenting — vikterna finns ju där — men det betyder att dokumentationen du behöver inte finns i tillkännagivandet. Den finns i repositoriet.

Vad "base" betyder i den här utgåvan

De två modellkorten besvarar detta, och skillnaden mellan dem är en tydlig bild av vad efterträningen har gett här.

Baskortet dokumenterar tre träningsstadier. Steg 1 bygger språkryggraden ovanpå Nemotron 3 Super Base och tränar ett delat MTP-huvud i 100B tokens mot en fryst ryggrad, och destillerar sedan i 1T tokens från Nemotron 3 Ultra Base. Steg 2 består av 100B tokens fortsatt förträning på indic-språk, en utökning till 1M kontext på 35B tokens, 67B tokens mellanträning inom mjukvaruutveckling vid 256K kontext, och ett återhämtningssteg för lång kontext på 9B tokens. Steg 3 lägger till C-RADIO-visionencodern och vision-språk-kopplingen.

Kortet för den eftertränade modellen dokumenterar sex, och de tre som basmodellens kort saknar är de tre som gör en modell användbar: Steg 4, övervakad finjustering på data för vision, resonemang, kod, verktyg, chatt, säkerhet och lång kontext, med packade sekvenser på upp till 524 288 tokens; Steg 5, förstärkningsinlärning med verifierbara belöningar plus RLHF plus on-policy-distillation med flera lärare; och Steg 6, att förstärka MTP-huvudet mot den frysta eftertränade stommen så att spekulativ avkodning faktiskt lönar sig.

Baskortet säger det självt, i avsnittet Inferens: "Basmodellen är avsedd som en utgångspunkt för vidare träning. För applikationer för chatt, resonemang och verktygsanrop, använd den eftertränade BF16- eller NVFP4-utgåvan och dess driftsättningsinstruktioner." Dess angivna användningsfall är "utvecklare och forskare som bygger anpassade visions- och språkmodeller genom fortsatt förträning, övervakad finjustering, förstärkningsinlärning och destillation."

Det är en ovanligt direkt ansvarsfriskrivning, och det är den korrekta läsningen av artefakten. Det som levereras som "base" här är inte en svagare chattmodell. Det är substratet som Steg 4 till och med Steg 6 kördes mot, publicerat tillsammans med dem så att någon annan kan köra en annan Steg 4 till 6 — på sina egna data, under sina egna licensvillkor, utan att köra om en förträning på 20 biljoner token.

Påståendet om 1M tokens som konfigurationen inte stöder

Det här är den diskrepans som är värd 249 GB av din uppmärksamhet.

Basmodellens modellkort anger i sin beskrivning att modellen "stöder kontextlängder på upp till 1M tokens", och upprepar det i avsnittet Model Design: "Modellen stöder upp till 1M tokens kontext." Träningsmetodiken styrker avsikten – Steg 2 innehåller uttryckligen "en utökning med 35B tokens till 1M kontext, följt av ett återhämtningssteg för lång kontext på 9B tokens."

Den medföljande config.json säger något annat. Dess max_position_embeddings är 262,144 — 256K, inte 1M. Det finns inget rope_scaling-block och inget original_max_position_embeddings-fält, så positionsschemat deklarerar inte heller någon förlängning. Det eftertränade repots config deklarerar däremot max_position_embeddings på 1,048,576. Två syskoncheckpoints, samma arkitektursträng, samma lagerupplägg och en skillnad på faktor fyra i positionsgränsen som texten i basmodellens kort inte nämner.

Läser man de tre fakta tillsammans är den mest försvarbara slutsatsen inte att basmodellen har kort kontext. Den är att basrepot levererar en konservativt deklarerad gräns och förväntar sig att du ändrar den. 1M-förlängningen tränades. Den publicerade konfigurationen exponerar den inte. Om din plan för fortsatt förträning utgår från en sekvenslängd på 1M token direkt ur lådan, kommer det antagandet från modellkortet, inte från filen som körtiden faktiskt kommer att läsa – och fixen är en ändring i konfigurationen som du måste veta att du ska göra.

Värt att flagga av samma anledning: baskortets modellsammanfattningstabell finns helt enkelt inte. Det eftertränade kortet har en sådan – totalt antal parametrar, arkitektur, precision, kontextlängd, driftsättningsmål, spekulativ avkodning, resonemangsläge, rekommenderad sampling, bäst för, licens. Baskortet går direkt från Beskrivning till Licens och sedan till en benchmarktabell. Det finns ingen rad för rekommenderad sampling någonstans, och det finns ingen rad för driftsättning, så inget på baskortet talar om vilken hårdvara modellen vill ha.

Arkitekturen, utläst ur den medföljande konfigurationen

Eftersom leverantörens beskrivning av basarkitekturen är ett stycke och den verkliga formen finns i filen, följer här vad filen säger. Allt är förstahandsinformation från config.json i basarkivet, inte från någon sammanfattning.

• Djup och sammansättning — 88 block i språkryggraden. 40 är Mamba-2-lager, 40 är mixture-of-experts-lager och 8 är full attention-lager, vid index 7, 16, 25, 36, 47, 58, 69 och 78. Ett attention-block ungefär vart nionde lager är hela mekanismen för lång kontext.

• MoE — 512 routade experter per MoE-lager, 22 valda per token, en delad expert, en latent storlek på 1024 och en mellanliggande storlek för den delade experten på 5376 mot 2688 för de routade experterna. Det är aritmetiken bakom rubriken "120B totalt, 12B aktiva".

• Uppmärksamhet — 32 query-huvuden mot 2 key-value-huvuden vid huvuddimension 128, alltså grouped-query attention med ett förhållande på 16:1. Dold storlek 4096.

• MTP — ett lager för nästa-token-prediktion, som i sig består av ett uppmärksamhetsblock och ett MoE-block, i stil med DeepSeeks multi-token-prediktionshuvud. Ett prediktionssteg, inte flera.

• Vision — ett C-RADIO ViT-H-torn: 32 lager, dold storlek 1280, 16 huvuden, patchstorlek 16, 7 registertoken, 3 klasstoken, en maximal bildstorlek på 2048 och en patchbudget mellan 1024 och 13312. Connectorn projicerar till 20 480, sedan minskar en nedsamplingskvot på 0,5 och en tvingad bildstorlek på 512 antalet token igen.

• Video – en temporal patchstorlek på 2 och en angiven beskärningsgrad på 0,7.

• Två egendomligheter — konfigurationen deklarerar en <audio>-kontexttoken medan dess sound_config är null, så infrastrukturen för ljud finns i denna arkitektur och denna checkpoint innehåller inget av det. Och tie_word_embeddings är false, vilket är standard för en modell av denna storlek och värt att känna till om du planerar att ändra storleken på ett vokabulär.

För att sätta skalan i perspektiv: repots egen safetensors-metadata uppgår till 124 453 395 974 parametrar, räknat en tensorbyte i taget, mot NVIDIAs rubriksiffra på 120B totalt / 12B aktiva. De två siffrorna rapporteras på olika grunder – leverantörens siffra är språkmodellens routed-plus-shared-beräkning, filsiffran är allt som lagras i repot, inklusive vision tower och MTP-head. Behandla inte gapet som en avvikelse; ta höjd för filen.

Vad benchmark-tabellen faktiskt mäter

Baskortet publicerar 24 benchmarkrader och, till NVIDIAs heder, en kolumn som säger vad var och en är:

• MMLU 84,14 exakt matchning · MMLU-Pro 76,25 · AGIEval-En 75,65 CoT · SuperGPQA 47,65 CoT · GPQA Diamond 66,16 vid 5-shot CoT exakt matchning

• GSM8K 91,74 vid 8-shot CoT · Minerva MATH 87,66 · MATH-500 81,56 samplad pass@1 n=32 · HumanEval 81,31 EvalPlus-sanerad · MBPP-Sanitized 79,06 · LiveCodeBench CodeGen 47,61 · BigCodeBench 48,42 complete och 49,39 instruct

• ARC-Challenge 95,99 · HellaSwag 88,96 · TruthfulQA MC2 71,18 · WinoGrande 79,08 · PIQA 85,09 · CommonsenseQA 85,26 · OpenBookQA 48,80 · SocialIQA 49,03 · RACE 91,39

• Global MMLU 86,56 i genomsnitt över 8 språk · MGSM 87,53 vid 8-shot CoT på modersmålet över 6 språk

Två saker med den tabellen är lätta att missa, och båda spelar roll.

För det första säger kortets egen inramande mening att resultaten ”utvärderar bas-backbonen N​emotron 3.5 Super för enbart text, före träning för vision och språk”. Vad det än annars innebär, innebär det att dessa siffror inte är ett multimodalt resultatkort – det finns inget OCR-benchmark, ingen rad för dokumentförståelse, ingen videorad någonstans på baskortet, trots att video- och dokumentindata beskrivs två avsnitt tidigare. Om anledningen till att du vill ha bascheckpointen är dess visionstorn, ger kortet dig inget empiriskt att planera mot.

För det andra har tabellen inga baslinjekolumner. Det eftertränade kortets tabell spänner över sju kolumner – Nemotron 3.5 Super GA mot Qwen3.5-122B-A10B, Qwen3.8-Flash-Next, DeepSeek-V4-Flash0731, Nemotron 3 Ultra, Inkling-Small och GLM-5.3-Flash. Baskortet har exakt en kolumn. Och blandningen av vad som kördes är talande: det eftertränade kortet utelämnar MMLU helt till förmån för MMLU-ProX, medan baskortet kör både MMLU och MMLU-Pro och varken MMLU-ProX eller de agentiska sviterna och harness-nivåsviterna som det eftertränade kortet lutar sig mot. Du kan inte svara på "är den här basen bättre än den där basen" utifrån kortet. Du skulle behöva köra båda.

Alla siffror ovan är NVIDIAs, framtagna genom NVIDIAs egen NeMo Gym-harness — det eftertränade kortet säger det uttryckligen, och baskortet publicerar inte någon anteckning om harness alls. Inget i någon av tabellerna har oberoende reproducerats.

Basmodell kontra eftertränad, i det enda benchmark de har gemensamt

De två korten delar ingen benchmark-tabell, men de delar exakt en rad som du kan ställa sida vid sida, och det är den som betyder mest.

• GPQA Diamond — 66,16 på baskortet, vid exakt matchning med 5-shot chain-of-thought. 89,52 på det eftertränade kortet. En skillnad på 23,36 punkter, från NVIDIAs två egna dokument, där bassiffran uttryckligen märkts som den enbart textbaserade stommen.

Det är den ärliga rubriken för vad steg 4 till och med 6 är värda för vetenskapligt resonemang på forskarnivå: efterträning är inte en finputsning av den här modellen, det är ungefär halva kapaciteten igen. Det säger dig också åt vilket håll avvägningen går. Om din plan är att efterträna bascheckpointen själv, börjar du 23 punkter bakom modellen som N​VIDIA säljer och satsar på att din data och din belöningssignal stänger gapet inom din domän – vilket är precis den satsning som N​VIDIA:s egna kundsiffror beskriver: Scale AI rapporterar en 40-faldig minskning av inferenskostnaden för hantering av leverantörskrediter, Ramp förväntar sig upp till 50 % högre genomströmning och 10 gånger lägre latens för kvitto-till-JSON-extrahering. Det är resultat som anges av leverantören och kunden utan oberoende mätning, och de är det enda publicerade beviset för att gapet kan stängas.

Notera fällan med att läsa de två korten tillsammans. Baskortets "MMLU-Pro" på 76,25 och det eftertränade kortets "MMLU-ProX" på 76,91 ser ut som en skillnad på 0,66 punkter och är inte jämförbara – olika benchmarks, varav en har en angiven TigerLab-extraktionsmetod. Baskortets "MMLU" på 84,14 har ingen motsvarighet alls på det eftertränade kortet. Om du vill ha ett delta inom samma benchmark är GPQA Diamond det du får, och LiveCodeBench är det du inte får: baskortet rapporterar CodeGen på 47,61 medan det eftertränade kortet rapporterar LiveCodeBench v6 på 88,22, vilket är en annan version av samma benchmarkfamilj och inte ett delta.

Vad 249 GB ger, och vad det inte ger

Själva nedladdningen är ett enda kommando, och det är det enda kommandot i hela basmodellkortet:

• hf download nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-Base-BF16 --local-dir ./models/super-vl-base-bf16

Det är hela snabbstarten. Basmodellkortet innehåller ett kodblock; det eftertränade kortet innehåller tjugotvå. Det finns ingen vllm serve-rad, ingen SGLang-start, ingen tensor-parallellvägledning, ingen --max-num-seqs, ingen reasoning-parser-flagga, ingen MTP-konfiguration för spekulativ avkodning och inget API-klientexempel. Det eftertränade kortet har allt detta, inklusive ett 4×H100-recept med --enable-mamba-shared-prefix-checkpoint och ett 2×GB200-recept vid TP2.

• Körtidsmotorer – baskortet nämner PyTorch, Megatron-LM och NeMo, och dess Inference-avsnitt nämner enbart PyTorch. Kortet för den eftertränade modellen nämner vLLM och SGLang. Det är namn på träningsramverk på ena sidan och namn på serving-runtimes på den andra, och uppdelningen är avsiktlig snarare än en slump.

• Testmaskinvara — Hopper H100 och H200, Grace Blackwell GB200 och GB300, Blackwell B200 och B300. Det eftertränade kortet snävas in till 4×H100 eller 2×GB200 för driftsättning.

• Disk — 248,9 GB över 63 shards, samma som det eftertränade fullprecisionsbygget. NVFP4-syskonet är 75,1 GB. Om du laddar ner basmodellen för att granska eller anpassa den i stället för att köra den, betalar du 3,3 gånger NVFP4-nedladdningen för privilegiet att inte få något serveringsrecept.

Det du faktiskt får som är genuint användbart: repot levererar en komplett chat_template.jinja på 12 513 byte, och den innehåller enable_thinking-brytaren, inklusive varianten för medelhög ansträngning. Repot levererar också en generation_config.json med temperature 1.0, top_p 0.95 och do_sample true. Att diffa den mallen mot den eftertränade versionen ger en skillnad på 414 byte, allt handlar om hantering av blanksteg runt platshållarna för bild och video – de två mallarna är i övrigt samma fil.

Så infrastrukturen för att tala med bascheckpointen som en chattmodell finns där och är nästan identisk med den levererade chattmodellen. Det som saknas är något uttalande om att du bör. Det finns ingen rad för rekommenderad sampling på baskortet, ingen rad för resonemangsläge och inget benchmark för det i chattkonfigurationen. Du kan servera den som en chattmodell på ungefär tio minuter. Huruvida utdata förtjänar att lämna en testrigg är en annan fråga, och kortets svar är att det gör den inte.

Corpus-avslöjandet som ingen pratar om

Här är den del av basutgåvan som kan hävdas vara mer användbar än vikterna, och den har knappt uppmärksammats alls eftersom den finns i tabeller i ett repo som aldrig länkades.

Basmodellkortet publicerar träningskorpusen i detalj som det eftertränade modellkortet inte innehåller: en grundkorpus på mer än 20 biljoner tokens insamlade mellan 2013 och december 2025, specificerad per källa — Nemotron-CC-v2 och v2.1 med 9,1T, Nemotron-CC-Code-v1 med 427,9B, Nemotron-Pretraining-Code-setten med totalt 1,7T, Nemotron-CC-Math-v1 med 133,3B, de specialiserade och SFT-syntetiska setten med 660B, och ett juridiskt set med 4,3B. Engelska, 19 andra talade språk, 43 programmeringsspråk.

Sedan två tabeller som de flesta open-weights-släpp helt enkelt inte publicerar. Den ena listar privata, icke-offentligt tillgängliga datamängder som ägs av tredje parter, och namnger de modeller som producerade deras etiketter — Qwen3.5-122B-A10B över en bred uppsättning omärkningsjobb för OCR och visuellt frågebesvarande, D​eepSeek-OCR på en filtrerad kinesisk OCR-deluppsättning, Qwen3.5 på en verifierat korrekt deluppsättning, Gemini 3 och GPT-5 på RL-data för sökning. Den andra listar N​VIDIAs egna privata datamängder, och namnger återigen generatorerna: Kimi K3 för SFT-data för matematisk tankekedja, DeepSeek-V4-Pro för OCR av tävlingsprogrammering, gpt-oss-120b för RL för strukturerad utdata, GLM-5.2 för förfining, MiniMax-M2 för sökgrafgenomgångar, och en lång svans av andra.

Sedan följer två tabeller som de flesta släpp med öppna vikter helt enkelt inte publicerar. Den ena listar privata dataset som inte är offentligt tillgängliga och som ägs av tredjeparter, och namnger de modeller som producerade deras etiketter — Qwen3.5-122B-A10B över en bred uppsättning omärkningsjobb för OCR och visuell frågebesvarning, DeepSeek-OCR på en filtrerad kinesisk OCR-deluppsättning, Qwen3.5 på en verifierat korrekt deluppsättning, Gemini 3 och GPT-5 på RL-data för sökning. Den andra listar NVIDIAs egna privata dataset och namnger återigen generatorerna: Kimi K3 för SFT-data med matematiska tankekedjor, DeepSeek-V4-Pro för OCR inom tävlingsprogrammering, gpt-oss-120b för RL med strukturerad utdata, GLM-5.2 för förfining, MiniMax-M2 för vandringar i sökgrafer, och en lång svans av andra. De parade tabellerna är en påminnelse om hur branschen faktiskt fungerar — en frontiermodells träningssignal innehåller rutinmässigt utdata från konkurrenters modeller, och NVIDIA är ett av mycket få labb som säger vilka och för vad.

Repositoriet innehåller också en Nemotron_3.5_Super_VL_EU_Training_Content_Summary.pdf, tillagd den 15 oktober, som är den EU-riktade redogörelsen för träningsinnehåll. Mellan-träningsmixen redovisas med samma detaljeringsgrad, och en rad i den är direkt relevant om du tänker finjustera för mjukvaruarbete: det 67B-tokenstora mjukvaruutvecklingssteget består av 20 % hela repositorier, 41 % issue- och pull request-par, 3 % commit-diffar, 1 % bygg- och CI-loggar, 10 % agent-spår, 20 % återuppspelning av förträning och 5 % långkontextdata, och dess källor är dekontaminerade mot SWE-bench- och Terminal-Bench-repositorier. Det där dekontamineringsuttalandet är den enda raden i modellkortet som säger dig vad ett resultat på endera benchmarken är värt.

Licensen, och vem bascheckpointen är avsedd för

OpenMDW-1.1, samma licens som de eftertränade versionerna, med modellkortet som tydligt anger: "Den här modellen är redo för kommersiell eller icke-kommersiell användning." Repositoriet är inte åtkomstbegränsat och ingen Hugging Face-token krävs för nedladdningen, även om NVIDIAs egna containerrecept någon annanstans i familjen förutsätter en.

Att sätta licensen bredvid användningsfallet gör den avsedda målgruppen entydig. Ingen laddar ner en checkpoint på 249 GB före efterträning för att spara pengar på inferens — NVFP4-versionen är 3,3 gånger mindre, snabbare och 23 punkter bättre på GPQA Diamond. Bascheckpointen är till för ett team som avser att äga efterträningsfasen: en annan domän, en annan belöningssignal eller en annan datapolicy än den NVIDIA körde. Under OpenMDW-1.1, med kommersiell användning tillåten och vikter utan gating, är det en legitim grund att bygga en produkt på, vilket är precis varför den saknade dokumentationen kostar något.

Och här är det värt att skilja på de två typerna av läsare. Om din fråga är "vad ska jag använda den här veckan för dokumenttolkning eller videoförståelse", så är bas-checkpointen inte svaret och har aldrig varit det; det är den eftertränade modellen, och den öppna frågan där är benchmark-verifiering snarare än tillgänglighet. Om din fråga är "kan jag få en 120B-klassig hybrid Mamba-MoE vision-language-backbone med en tillåtande licens som utgångspunkt för min egen träningskörning", då är det här repot svaret, och det har legat utan länk sedan den 12 oktober.

Om du skulle utvärdera det

Det dyra misstaget med en checkpoint som den här är att behandla nedladdningen som testet. Det är den inte: 249 GB, 63 shards och en konfigredigering före den första framåtkörningen säger dig ingenting om huruvida visionstornet överförs till din dokumentklass.

Det billiga testet är att först fastställa kapacitetsfrågan på en servad modell och först därefter lägga pengarna på disken. En routinggateway är användbar för det och inte för något annat i det här beslutet — en nyckel och en endpoint för ett par hundra modeller till leverantörens listpris med 0 % påslag innebär att du kan ställa det eftertränade bygget av Nemotron 3.5 Super VL mot vilken bildmodell du än redan använder, på dina egna bilder, på en eftermiddag och för kostnaden av tokens. Automatisk failover mellan leverantörer spelar roll här av en smal anledning: en utvärderingskörning som dör vid förfrågan 4 000 av 5 000 kostar dig hela körningen, och en gateway som gör om försöket någon annanstans vid ett leverantörsfel är skillnaden mellan en eftermiddag och två.

För att vara direkt om det enda som annars skulle vara tvetydigt: N​VIDIA N​emotron 3.5 Super VL finns inte i vår katalog. Vi erbjuder inte den här modellen i dag, och just bascheckpointen är inte något som en hostad slutpunkt sannolikt skulle ha överhuvudtaget, eftersom bascheckpoints inte är inferensprodukter. Det en gateway ger dig är den billiga halvan av experimentet – jämförelsen som talar om för dig huruvida det är värt att betala de 249 GB.

Vad är fortfarande inte fastställt?

Fyra saker, angivna som luckor snarare än risker.

• Vilken kontextgräns är verklig. Kortet säger 1M, den levererade konfigurationen deklarerar 262 144, och träningsbeskrivningen säger att en 1M-förlängning kördes. Det finns inget publicerat uttalande som löser de tre. Den som planerar en fortsatt förträningskörning med lång kontext bör behandla konfigurationsvärdet som standard och verifiera mot sin körtid snarare än kortet.

• Vad vision-tornet kan göra. Basmodellkortet publicerar ingen form av multimodal utvärdering. Ingen OCR, inga dokument, inga diagram, ingen videorad — för den enda checkpointen i familjen vars hela syfte är att finjusteras på dessa modaliteter. Det är det största hålet i den publicerade evidensen.

• Hur basen står sig mot något annat. Riktmärkestabell med en kolumn, inga baslinjer, ingen anteckning om testramverket. Siffran 66,16 för GPQA Diamond är i princip reproducerbar via NeMo Gym och har inte reproducerats av någon utanför N​VIDIA.

• Huruvida basmodellen levererar driftsättningsrecepten för 1M någonstans. Det eftertränade kortet innehåller startkommandon för 4×H100 och 2×GB200 för hela fönstret. Baskortet innehåller en hf download. Det är inte klart huruvida det är en dokumentationslucka eller ett uttalande om att serva basmodellen vid 1M inte är något som N​VIDIA avser att stödja.

Inget av detta gör släppet mindre intressant. Det gör bascheckpointen till familjens minst dokumenterade artefakt och, för en smal och specifik typ av team, dess mest användbara — skillnaden ligger i huruvida ditt nästa steg är ett API-anrop eller en träningskörning.

För en modell vars felmoder ännu inte är dokumenterade, är den användbara motsvarigheten registret över vad som redan har gått fel någon annanstans: de dokumenterade AI-incidenterna och agentfelen kring modeller i den här klassen samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omtvistade uppgifter.