Nemotron 3.5 Super VL vs Kimi K3: Ett förbrukningsbaserat flaggskepp mot ett viktutsläpp utan prislista

Det kortaste ärliga svaret är att bara en av dessa två modeller har ett pris, och det är inte den från NVIDIA. Kimi K3 säljs som en mätarbaserad tjänst för 3 dollar per miljon indatatoken och 15 dollar per miljon utdatatoken, med 90 % cacherabatt, och det är modellen du kan anropa i dag med en enda nyckel. NVIDIA Nemotron 3.5 Super VL är en checkpoint med öppna vikter på 120 miljarder parametrar och 12 miljarder aktiva under OpenMDW-1.1 utan publicerad prislista överhuvudtaget – antingen kör du den på dina egna acceleratorer eller så förhandlar du med den som tillhandahåller den. Dess vikter lades upp på Hugging Face den 12 oktober 2026 och NVIDIAs eget tillkännagivande följde den 15 oktober, vilket gör detta till en tre dagar gammal lansering snarare än en mogen produkt. Det är den asymmetrin, inte benchmarktabellen, som avgör matchen.

Vad var och en av dessa faktiskt är

NVIDIA Nemotron 3.5 Super VL är en hybridmodell för vision och språk: interfolierade Mamba-2-lager, en mixture-of-experts med 512 routade experter per MoE-lager och utvalda attention-lager, i par med en C-RADIO-visionencoder och en vision-language-connector. Den har 120B parametrar totalt och aktiverar 12B per token, stöder upp till 1M tokens kontext och tar in text, bilder och video med text ut. Native Multi-Token Prediction ger den spekulativ avkodning utan en separat drafter-checkpoint. NVIDIA levererar ett BF16-referensbygge och ett NVFP4-bygge, med recept för driftsättning på 4×H100 eller 2×GB200 i BF16. Förträning och fortsatt förträning byggde på en korpus som NVIDIA beskriver i biljoner tokens, och efterträning lade till syntetisk data plus förstärkningsinlärning över dussintals publicerade miljöer.

Kimi K3 är Moonshot AI:s flaggskepp: ett mixture-of-experts med 2,8 biljoner parametrar, 104 miljarder aktiva parametrar, ett kontextfönster på 1 miljon tokens och inbyggd bildinmatning vid sidan av text. Den tillhandahålls snarare än bara publiceras, den exponerar en övergripande reasoning_effort-kontroll i stället för samplingsparametrar, den talar OpenAI API-formen och den är positionerad för långsiktigt kodande och kunskapsarbete inuti agentramverk.

• Skala – Super VL aktiverar 12B parametrar per token från en pool på 120B. Kimi K3 aktiverar 104B från en pool på 2,8 biljoner parametrar. Det är ungefär en niofaldig skillnad i beräkningen per token.

• Kontext — 1M tokens på båda, och båda är utformade för att rymma en arbetssession snarare än en enskild prompt.

• Modaliteter — Super VL tar text, stillbilder och samplade videorutor; Kimi K3 tar text och bilder. Video är den enda indataaxeln där de två inte är likvärdiga.

• Pris — ingen publicerad taxa någonstans för Super VL per den 16 oktober 2026; Kimi K3 kostar $3 in / $15 ut per miljon tokens med 90 % cacherabatt.

• Licens och kontroll — OpenMDW-1.1 med kommersiell användning, öppna vikter, öppna datamängder och träningsrecept för Super VL; ett kommersiellt API utan nedladdning av vikter för Kimi K3.

• Lägsta driftsättningsnivå — 4×H100 eller 2×GB200 i BF16 för Super VL, eller leverantörens NIM-mikrotjänst; inget att driftsätta för Kimi K3.

Åttapunktsgapet som avgör generalistfallet

På Artificial Analysis Intelligence Index ligger Kimi K3 på 44 och NVIDIA Nemotron 3.5 Super VL på 26 – båda icke-uppskattade, båda mätbara av en tredje part snarare än av labben som byggde dem. Arton poäng är inte ett avrundningsfel; det är ungefär avståndet mellan en generalist i framkant och en på mellannivå. Kimi K3 är också långsammare och dyrare per token än modellerna runt omkring, vilket samma panel konstaterar rakt ut.

Det numret är hela argumentet för alla vars arbetsbelastning är enbart textbaserat resonemang som levereras via ett API, och det är värt att säga det utan förbehåll. Om din agents uppgift är att läsa ett kodförråd, planera en ändring och föra en lång konversation om den, är K3 den starkare modellen och den finns tillgänglig nu till ett publicerat pris.

Där jämförelsen slutar handla om intelligens

NVIDIA byggde inte Nemotron 3.5 Super VL för att vinna ett allmänt resonemangsindex, och att läsa jämförelsen som om den hade byggts för det är vad som gör att folk blir besvikna. Lanseringen riktar sig mot vad tillkännagivandet kallar ständigt aktiva agenter: högvolym, långvarigt arbete i form av dokument och skärmar som ett företag vill köra inom sina egna gränser, efterträna på sina egna data och granska. Leverantörens egen framställning handlar om effektivitet – påståendet är att Super VL slutför uppgifter fem gånger snabbare än den näst bästa modellen i sin klass, och att den når en noggrannhet jämförbar med NVIDIAs största resonemangsmodell vid ungefär en femtedel av parameterantalet.

Det där är leverantörspåståenden, uppmätta i NVIDIAs egen testbänk, och ingen utanför NVIDIA har ännu reproducerat dem. Den ärliga tolkningen efter en dag av offentlig tillgänglighet är: arkitekturen är dokumenterad, vikterna går att ladda ner, licensen är tillåtande, och siffran för genomströmning är ett påstående tills en oberoende part kör om den.

Det som går att kontrollera är typen av arbete. Super VL:s publicerade styrkor är optisk teckenigenkänning, tabeller och diagram, strukturerad information i visuella dokument och affärsarbetsflöden i flera steg – försäkringsanspråk, kreditdokument, tekniska ritningar, sökning över applikationssilos. Det är ett annat jobb än att skriva en flerfilspatch, och det är ett jobb där en 12B-aktiv modell som slutför en uppgift som är snabb per sida är värd mer än en 104B-aktiv modell som slutför den bättre men senare.

Vad en tangent gör med var och en av dem

Det är här asymmetrin gör mest ont, eftersom de två modellerna har motsatta berättelser om åtkomst.

Kimi K3 finns i vår katalog som kimi/kimi-k3 till Moonshots eget listpris, med 0 % påslag — leverantörens pris förs vidare oförändrat, så när Moonshot ändrar siffran, ändras siffran du betalar samma dag. Det nås via samma OpenAI-kompatibla endpoint som allt annat, vilket innebär att byta in det är en ändring av modellsträngen och inte ett integrationsprojekt. Eftersom Kimi K3 exponerar reasoning_effort i stället för temperature och top_p, låter samma endpoint dig ställa in resonemangsdjup per begäran utan en andra kodväg.

NVIDIA Nemotron 3.5 Super VL är däremot inte något som vi tillhandahåller. Det är en checkpoint som du hostar, och kostnadsmodellen handlar om kapital och utnyttjandegrad snarare än tokens. Vad vi kan göra för en självhostad modell är den omkringliggande infrastrukturen: automatisk redundansväxling mellan uppströmsleverantörer så att en toppbelastning eller ett avbrott hos en hostad modell degraderar smidigt i stället för att misslyckas och routing-DSL:en som komponerar flera modeller till ett anrop – skicka den mekaniska extraktionen till en liten billig modell och eskalera bara de sidor som kräver bedömning. Det mönstret är precis vad Super VL:s ekonomiska logik inbjuder till, eftersom en modell med 12B aktiva parametrar är billig nog att köra på allt, medan en med 104B aktiva parametrar inte är det.

Den realistiska produktionsutformningen för de kommande månaderna är därför inte ett val. Det är K3 för den resonemangstunga grenen och en egenhostad Super VL för dokumentvolymgrenen, med en router framför som avgör vilken gren en begäran tillhör.

Vad skulle ändra svaret

Tre saker. För det första, en oberoende reproduktion av påståendet om fem gånger — om Super VL verkligen slutför sin klass av uppgifter på en femtedel av väggklockstiden blir argumentet för att köra den inom en reglerad perimeter mycket starkare, och om den inte gör det kollapsar argumentet om noggrannhet per token tillbaka till ett vanligt open-weight-argument. För det andra, en publicerad taxa från en serving-leverantör: i samma stund som Super VL dyker upp under ett mätarstyrt API försvinner invändningen om deployment-golvet för alla som inte äger åtta H100:or, och det blir en ren pris-mot-index-fråga där K3 för närvarande vinner på index och inte förlorar på någonting. För det tredje, Kimi K3 själv står inte still — Moonshot har itererat snabbt, och en release i 3-serien skulle nollställa den här sidan snarare än förfina den.

Tills någon av dem lanseras är uppdelningen tydlig: Kimi K3 om du vill ha den mest kapabla modellen per token i dag och kan betala för den; NVIDIA Nemotron 3.5 Super VL om du vill ha en dokument- och skärmagent som du äger, eftertränar och behåller lokalt, och är beredd att vara först med att mäta vad den gör.