Nemotron 3.5 Super VL matchar Inkling Small med mindre än hälften av vikterna

Two models sit on 26 on the Artificial Analysis Intelligence Index this week, and the interesting part is what each one spent to get there. NVIDIA Nemotron 3.5 Super VL is a 120-billion-parameter mixture of experts with 12 billion active. Inkling Small, Thinking Machines' July release, is a 266-billion-parameter mixture of experts with 12 billion active. Same score, same active budget, less than half the weights on disk. Benchmark tables say what a model scores; the incident record says how releases like these fail in production, and those cases are catalogued in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

Det är formen av förra veckan inom amerikanska öppna vikter, och det är en bättre historia än det lanseringsinlägg NVIDIA publicerade torsdagen den 15 oktober. Tillkännagivandet parade samman Nemotron 3.5 Super VL med Nemotron 3.5 Bolt 74B-A9B 24GB — en modell med 74 miljarder parametrar intryckt i 24 GB minne — och utlovade en tredje, Nemotron 3.5 Bolt E4B 4GB, till den 23 oktober. Tre modeller på åtta dagar vid tre minnesfotavtryck är inte en lanseringskadens; det är ett portföljargument, och argumentet är att kapacitet per gigabyte nu är siffran som räknas.

Vad levererades, och vilken dag

Datumen är värda att anges exakt, eftersom NVIDIAs egna artefakter skiljer sig med tre dagar och skillnaden är informativ snarare än skandalös.

Vikter — BF16-repot nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 skapades på Hugging Face 2026-10-12T15:32:06Z, med ett NVFP4-syskon 24 sekunder senare och en bascheckpoint före efterträningen 17 sekunder dessförinnan.

• Tillkännagivande – inlägget i NVIDIA:s nyhetsrum har publiceringsdatum 15 oktober 2026. Modellkortets eget utgivningsfält anger 10/15/2026 vid version 1.0 GA.

• Bolt 74B — dess 24 GB stora repositorium föregår tillkännagivandet betydligt; det skapades den 7 oktober, och en GGUF-version dök upp på Hub samma kväll. Bloggen framställer det som att det lanseras tillsammans med Super VL den 15:e.

• Bolt E4B — aviserad till 23 oktober, inga vikter ännu vid skrivandets stund.

Så de offentliga artefakterna anlände före den offentliga prosan. Den som daterar en driftsättning utifrån pressmeddelandet blir tre dagar sen till en modell som redan gick att ladda ner, och den som daterar den utifrån repositoriet kommer att citera en tidsstämpel som NVIDIA aldrig har bekräftat. Båda är försvarbara; att skriva "släpptes 15 oktober" utan att nämna den 12:e är den version som tappar information.

Poängen är det tråkiga. Nämnaren är historien.

NVIDIAs säljargument för Super VL är hastighet – "upp till 5 gånger snabbare genomströmning jämfört med andra modeller i sin klass", tillskrivet resultattavlan från Artificial Analysis. Påståendet är fortfarande delvis obekräftat, och avsnittet nedan tar upp det. Det bestående faktumet om den här lanseringen är ett annat: modellen får 26 poäng i samma panel där dess marsföregångare, NVIDIA Nemotron 3 Super 120B A12B, fick 13, och den gör det med i praktiken identisk storlek.

• Parametrar – 120B totalt, 12B aktiva, 512 routade experter per MoE-lager. Modellen från mars var 120,6B totalt och 12,7B aktiva. Det här är inte en större modell.

• Intelligensindex — 26 mot 13, enligt Artificial Analysis, båda markerade som icke-uppskattade. Ungefär dubbelt så högt, med samma parameterbudget.

• Utdatatokens per Index-uppgift – cirka 49 000 mot cirka 114 000. Den nya modellen slutför samma utvärdering med ungefär 57 % färre tokens, vilket är mekanismen bakom en stor del av hoppet: den slutar övertänka.

• Mot Inkling Small — båda 26. Super VL gör det med 120B totalt mot Inkling Smalls 266B, och båda aktiverar cirka 12B per token.

• Mot Nemotron 3 Ultra 550B A55B — 23. NVIDIAs nya mellanstora modell slår sin egen flaggskeppsmodell med 550 miljarder parametrar med tre poäng samtidigt som den är ungefär en fjärdedel så stor.

De två effektivitetsaxlarna blandas ständigt samman, så det är värt att skilja dem åt. Aktiva parametrar styr vad en token kostar att generera. Totala parametrar styr vad checkpunkten kostar att lagra, läsa in och hålla kvar i minnet. Super VL förbättrar båda: den håller aktiva parametrar konstanta på 12B samtidigt som den ungefär halverar de totala parametrarna jämfört med Inkling Small, och den håller totala parametrar konstanta på 120B samtidigt som den ungefär fördubblar sin poäng jämfört med sin egen föregångare. En modell som förbättrades på bara en axel skulle fortfarande vara anmärkningsvärd. Den här gjorde båda i samma lansering.

Bolt är den lugnare halvan av släppet och har inget fristående betyg

Modellen på 24 GB är den som de flesta team faktiskt skulle kunna köra på hårdvara de äger. Nemotron 3.5 Bolt 74B-A9B 24GB är en mixture of experts med 74 miljarder parametrar och 9 miljarder aktiva, kvantiserad till ungefär 2,06 bitar per expert under träningen i stället för efteråt, med en kontext på 262 144 token och samma OpenMDW-1.1-villkor som sitt större syskon. Den är en hybrid av Mamba-2 och Transformer med en C-RADIO v4-H-visionencoder, så den tar emot text, bilder och video och returnerar text.

NVIDIAs kort rapporterar, i sin egen testrigg: GPQA-Diamond 86,43, HLE utan verktyg 25,30, Terminal-Bench 2.1 50,98, SciCode 41,02, BrowseComp 66,75, PinchBench 87,82 och WebArena vision 50,86. Vart och ett av dessa är kört av leverantören och har inte reproducerats. På den oberoende panelen ligger modellen på 21 — ett genuint starkt resultat för något som får plats på ett enda 24 GB-kort, och även en påminnelse om att vara försiktig med leverantörens tabell, eftersom 86,43 på GPQA-Diamond bredvid ett övergripande index på 21 inbjuder till att överläsa en enskild rad.

Nedladdningsfördelningen talar sitt eget språk: GGUF-versionen av Bolt har fått mer än 87 000 nedladdningar, mot ungefär 18 700 för BF16 Super VL-repot. Modellen som folk kan köra på en bärbar dator är den modell som folk laddar ner. Det är inte ett omdöme om kvalitet; det är ett omdöme om vad "öppna vikter" faktiskt är till för.

Var USA faktiskt står

Effektivitetsvinsten är verklig, och ledarskapsanspråket behöver en nyansering som NVIDIAs inlägg inte ger. Bland amerikanska laboratoriers modeller med öppna vikter i den oberoende panelen får Meta Muse Spark Open 39 poäng och ligger före allt som NVIDIA släppte förra veckan. Den är också åtkomstbegränsad på Hub under en skräddarsydd kommersiell licens, vilket placerar den i en annan adoptionskategori än en checkpoint som du kan ladda ner under OpenMDW-1.1 utan att fråga någon.

• Muse Spark Open — 39, åtkomstbegränsad, skräddarsydd licens.

• Nemotron 3.5 Super VL — 26, utan åtkomstbegränsning, OpenMDW-1.1, 120B totalt / 12B aktiva.

• Inkling Small — 26, tillåtande licens, 266B totalt / 12B aktiva.

• Nemotron 3.5 Bolt 74B-A9B – 21, utan gating, 24 GB minnesavtryck.

• GPT-5.5 Instant — 26, stängd.

Det kinesiska open-weight-landskapet är fortfarande en annan diskussion. MiMo-V2.6-Pro ligger på 46, GLM-5.3 på 45 och Kimi K3 på 44 i samma panel, så den starkaste amerikanska modellen med tillåtande licens ligger ungefär 20 poäng efter den starkaste kinesiska. NVIDIA:s svar på det gapet är inte en större modell – det är efterträning på dina egna data, med datamängder, recept och förstärkningsinlärningsmiljöer publicerade tillsammans med vikterna. Huruvida det sluter något är en fråga som den här lanseringen inte avgör, och den som påstår något annat läser in avsikter i ett benchmark.

Vad som mäts, vad som påstås och vad som rörde sig den här veckan

Vid lanseringen hade påståendet om 5x genomströmning inget som backade upp det: Artificial Analysis listade modellen helt utan någon hastighetssiffra. Det har ändrats. Panelen registrerar nu utdatahastigheten till ungefär 430 tokens per sekund, högst av 28 i sin jämförelsegrupp. Så en del av påståendet har nu en utomstående part bakom sig: modellen är snabb, och inte marginellt. Det som återstår att verifiera är multiplikeln. ”5x snabbare än näst bästa” kräver en namngiven näst bästa och en matchande testrigg, och varken blogginlägget eller modellkortet tillhandahåller något av detta.

Prisbilden rörde sig också, och den rörde sig på ett sätt som betyder mer än rubrikräntan.

• Median bland leverantörer — $0,225 per miljon indatatoken och $0,575 per miljon utdatatoken, med 78 % cacherabatt, enligt Artificial Analysis.

• Spridning bland leverantörer som publicerar ett pris — indata från $0,10 till $0,20, utdata från $0,40 till $0,50 för samma checkpoint.

• Kostnad per Index-uppgift — 0,19 USD, vilket är där det låga priset och det höga tokenantalet möts.

• Ordmängd — 170 miljoner utdatatokens förbrukades under Index-körningen jämfört med en median på 100 miljoner, vilket flaggades som något ordrikt. Billig utdata plus lång utdata är inte automatiskt billigt.

En 2x-spridning i inputpris för identiska vikter är veckans praktiska fynd. Modellen är samma fil överallt; mätaren är det inte. Det är ett argument för att betrakta leverantörsvalet som ett routingbeslut snarare än ett inköpsbeslut — vilket är den del av den här historien som vår egen produkt råkar adressera, och den ärliga versionen av det påståendet är snäv. Nemotron 3.5 Super VL finns inte i vår katalog: OrcaRouters modellista returnerar drygt 200 modell-ID:n och ingen NVIDIA-post i dag. Det en router är värd här är att i samma stund som en checkpoint landar, landar den till leverantörens listpris med 0 % påslag, och en så här ny modell kan sitta bakom automatisk failover i stället för vid roten av en produktionsväg. Inget av det är ett skäl att köpa modellen. De är skäl att inte teckna ett avtal för att prova den.

Tre saker att hålla koll på, och en av dem är nio dagar bort

Den första är Bolt E4B den 23 oktober. En 4 GB vision-språkmodell som presterar ens i närheten av sitt 24 GB-syskon skulle vara den mer betydelsefulla lanseringen av de tre, eftersom den förändrar vilken hårdvara som räknas som tillräcklig.

Den andra är en oberoende utvärdering av de kvantiserade checkpoints. Varje siffra i den här artikeln som kommer från NVIDIA mättes på ett fullprecisionsbygge eller ett bygge med leverantörens testrigg. NVFP4-filen är den som de flesta faktiskt kommer att köra i produktion, och den har inget publicerat tredjepartsresultat. NVIDIAs eget påstående är 99,62 % medianåtervinning av noggrannhet jämfört med BF16 – en leverantörssiffra, i en leverantörsrigg, och den enskilt mest bärande overifierade siffran i lanseringen.

Det tredje är om prisspridningen minskar. En 2x skillnad mellan den billigaste och dyraste servern för en öppen checkpoint är en marknad som inte har stabiliserat sig, och i vilken riktning den stabiliserar sig kommer att säga mer om de kommande sex månaderna av inferens med öppna vikter än någon enskild benchmarkrad.

Poängen är rubriken. Den halvstora checkpointen med samma aktiva budget är det som fortfarande kommer att spela roll om ett år.