Nemotron 3.5 Super VL vs Nemotron 3.5 Lightning: Två nivåer i en och samma familj, och token som avgör vilken

Dessa två modeller är inte rivaler, och att behandla dem som en är det misstag som databladen inbjuder till. NVIDIA Nemotron 3.5 Super VL är en synspråkmodell med 120B parametrar, varav 12B aktiva, som kräver fyra H100 eller två GB200 för att köras i full precision. NVIDIA Nemotron 3.5 Lightning 30B-A3B är en textmodell med 30B parametrar, varav 3B aktiva, som får plats på en enda DGX Spark eller en H100. De delar en licens – OpenMDW-1.1, kommersiell användning, öppna vikter och öppna recept – och de delar en designfilosofi att dämpa beräkningen per token med Mamba-2 och glesa experter. De delar varken indatamodalitet, hårdvarukrav eller uppgift. Lightning är den äldre av de två med ungefär två månader, då den släpptes den 11 augusti 2026; Super VL:s vikter landade den 12 oktober 2026, med NVIDIAs tillkännagivande den 15 oktober, så en av dessa är en etablerad utgåva och den andra är en dag gammal.

Porten, i enkla ordalag

Båda modellerna finns som nedladdningsbara checkpoints med publicerade utvärderingsrecept. Båda är leverantörsutvärderade: varje siffra i tabellerna nedan kommer från NVIDIAs eget NeMo Gym- eller NeMo Evaluator-ramverk, inte från en tredje part, och ingen av dem har en oberoende revision av genomströmning eller noggrannhet bakom sig. Det förbehållet gäller hela jämförelsen och upprepas inte på varje rad.

Där Lightning står sig bättre: NVIDIA säger att Lightning 30B-A3B NVFP4-checkpointen har hämtats ungefär 907 000 gånger på Hugging Face, mot ungefär 142 för BF16 Super VL-checkpointen som är en dag gammal. Det är inte en kvalitetssignal – det är skillnaden mellan en modell som du kan köra på en accelerator i laptopklass och en som du inte kan.

Vad de två kontrollpunkterna innehåller

Nemotron 3.5 Lightning 30B-A3B är en hybrid av typen mixture-of-experts, byggd av interfolierade Mamba-2- och MoE-lager med några attentionlager, 30B parametrar totalt och 3B aktiva per token, 1M tokens kontext och text som enda indata. NVIDIA tränade den på mer än 20 biljoner tokens med ett NVFP4-recept för förträning, lade till Multi-Token Prediction-huvuden och finjusterade den sedan på syntetiska data för kod, matematik, vetenskap, verktygsanrop och instruktionsföljning före ett GRPO-steg för förstärkningsinlärning. Den levereras med tre separata strategier för spekulativ avkodning – DSpark för lågsamtidigt datacenter- och DGX Spark-arbete, plus MTP och DFlash – vilket är en ovanlig mängd inferensingenjörskonst för en 30B-modell, och det säger dig vem den avsedda användaren är: någon som kör agenter lokalt och håller koll på väggklockan.

NVIDIA Nemotron 3.5 Super VL delar skelettet och lägger till ögon. Samma sammanflätade hybrid av Mamba-2, MoE och attention, men med 512 routade experter per MoE-lager, en C-RADIO-visionencoder och en vision-språk-koppling, 120B totalt och 12B aktiva parametrar, samt text-, bild- och videoindata. Dess språkliga ryggrad initierades från Nemotron 3 Super Base och destillerades sedan på en biljon tokens från Nemotron 3 Ultra Base före fortsatt förträning, en utökning med 35 miljarder tokens till 1M kontext, mid-training inom mjukvaruutveckling och en återhämtningsfas för lång kontext. De två utgåvorna delar också en teknisk rapport – NVIDIA publicerade Super- och Lightning-arbetet tillsammans.

• Aktiva parametrar — 12B per token för Super VL mot 3B för Lightning. Fyra gånger beräkningskraften för varje genererad token, innan visionskodaren räknas in.

• Modaliteter – text, bilder och samplade videoramar in i Super VL; text in, text ut för Lightning. Lightnings språk som stöds är engelska, spanska, franska, tyska, italienska och japanska.

• Hårdvarugolv — 4×H100 eller 2×GB200 vid BF16 för Super VL, med ett NVFP4-bygge och en NIM-mikrotjänst för produktion; en DGX Spark, en H100, ett RTX 5090 eller Ampere-klassat kisel via W4A16 för Lightning.

• Kontext — 1M tokens på båda, båda med publicerade recept snarare än ett enda annonserat maximum.

• Spekulativ avkodning — Super VL använder sitt eget MTP-huvud nativt, ingen nedladdning av drafter behövs; Lightning levererar DSpark-, MTP- och DFlash-varianter som separata checkpoints.

• Licens — OpenMDW-1.1 för båda, kommersiell användning tillåten, med öppna datamängder och RL-miljöer på Hub.

Vad siffrorna säger och inte säger

I NVIDIA:s egen testmiljö är de två inte nära varandra, och det är väntat: en modell med 12B aktiva parametrar bör slå en med 3B aktiva. Med gapet förankrat i NVIDIA:s publicerade tabeller: GPQA-Diamond 89,52 för Super VL mot 75,44 för Lightning; HLE endast text 31,79 mot 11,72; SWE-bench Verified 71,10 mot 51,56; Terminal-Bench 2.1 66,70 mot 24,58; AA-LCR 68,62 mot 52,00.

Mönstret i de där raderna är mer användbart än raderna själva. Super VL:s försprång är enormt i benchmarkarna för lång kontext och agentisk exekvering och jämförelsevis blygsamt på allmän kunskap – MMLU-Pro är 76,91 mot Lightning:s 81,94, vilket är ett sällsynt fall där den mindre modellen vinner en rad. Det är formen hos en modell som avsiktligt mellantränats på programvaruutvecklingsdata och fått en återhämtningsfas för lång kontext: den är bättre på att föra en uppgift i hamn än på att komma ihåg fakta. Om din arbetsbelastning är faktabaserat frågebesvarande på kort text, försvinner 30B-modellens nackdel till största delen, och det sker vid en fjärdedel av beräkningskostnaden per token.

NVIDIA tar upp ett förbehåll på Lightning-kortet som är värt att upprepa till sin innebörd: siffrorna mättes med och gäller den officiella NVFP4-checkpointen, och NVIDIA noterar att dess egen utvärdering kan skilja sig från de siffror som leverantörerna av konkurrerande modeller rapporterar. Det är en ovanligt ärlig formulering, och den gäller i lika hög grad för Super VL:s tabell.

Att välja nivån, och vad som händer ovanför den

Beslutsregeln följer av modaliteten och kostnadsgolvet snarare än av indexet. Allt som måste läsa en sida – en faktura, ett diagram, ett skannat formulär, en skärmbild av en applikation, en bildruta från en video – kan bara gå till Super VL, eftersom Lightning inte har någon väg för pixlar alls. Allt som är text in och text ut, körs kontinuerligt och finns på hårdvara du redan äger, hör hemma på Lightning, eftersom en 3B-aktiv modell i NVFP4 på en enda accelerator har en helt annan kostnadsbas än tolv miljarder aktiva parametrar över fyra GPU:er.

Ovanför båda ligger NVIDIA Nemotron 3 Ultra 550B-A55B, som Super VL-kortet benchmarkar direkt mot och som kräver åtta GB200 eller sexton H100. Tre nivåer, tre hårdvaruklasser, en licens. Familjen är utformad så att en enda organisation kan driftsätta alla tre och flytta arbete mellan dem, och det intressanta ingenjörsproblemet är inte att välja en — det är routern som avgör vilken begäran som går vart.

Det routningslagret är där en plattform snarare än en checkpoint förtjänar sitt uppehälle, och det är värt att vara precis om vad vi gör och inte gör här. OrcaRouter tillhandahåller inte NVIDIA Nemotron 3.5 Super VL, Nemotron 3.5 Lightning 30B-A3B eller Nemotron 3 Ultra 550B-A55B; ingen av de tre finns i vår katalog, och en egenhostad checkpoint är per definition inte något som en API-leverantör kan ge dig. Det vi tillhandahåller är den del som omger en blandad lokal och hostad flotta: routnings-DSL:en som komponerar flera modeller till ett enda anrop, så att en pipeline kan skicka sina mekaniska sidor till en liten billig modell och eskalera endast de svåra, och automatisk failover över uppströmsleverantörer så att ett hostat beroende som försämras inte tar ned pipelinen med sig. Katalogsidan av den ekvationen — för närvarande fler än tvåhundra modeller bakom en enda nyckel med 0 % påslag över leverantörens listpris — är vad eskaleringsgrenen anropar. En egenhostad Lightning som hanterar volymen och en routad hostad modell som hanterar undantagen är ett mindre och säkrare system än någon av halvorna för sig.

Vad du ska titta på

Lightnings relativa mognad är den underskattade variabeln. Det har varit offentligt sedan augusti, det har tredjepartskvantiseringar, stöd för llama.cpp, Ollama, LM Studio och vLLM, och en tillräckligt stor nedladdningsbas för att felmoderna ska vara kända. Super VL har ett modellkort, en teknisk rapport, ett vLLM-recept från dag noll och ett nedladdningsantal som är en dag gammalt. Att köra den i produktion den här månaden innebär att vara personen som hittar skavankerna.

Det specifika att hålla utkik efter är huruvida NVFP4 Super VL-bygget sluter hårdvarugapet tillräckligt för att det ska spela roll. Om en kvantiserad 120B-A12B-modell körs användbart på ett litet antal acceleratorer – inte en, utan färre än fyra – så flyttas nivågränsen och hela familjen med tre modeller blir billigare att driftsätta som en enhet. Tills det händer är uppdelningen efter modalitet: Lightning för text i volym på din egen hårdvara, Super VL för allt som innehåller en pixel, Ultra när uppgiften verkligen kräver den största modellen NVIDIA säljer.