Mercury 3 กับ NVIDIA Nemotron 3.5 Super VL 120B-A12B: คำกล่าวอ้างเรื่องความเร็วข้อหนึ่งได้รับการวัดจริง ส่วนอีกข้อไม่ได้วัด

Mercury 3 และ NVIDIA Nemotron 3.5 Super VL 120B-A12B ต่างก็ถูกวางขายโดยชูจุดขายเรื่องความเร็ว มีเพียงข้อกล่าวอ้างเรื่องความเร็วข้อเดียวเท่านั้นที่ได้รับการตรวจสอบโดยบุคคลภายนอกบริษัทที่สร้างมันขึ้นมา Artificial Analysis วัด Nemotron 3.5 Super VL ได้ที่ 434.3 โทเค็นเอาต์พุตต่อวินาทีบนฮาร์เนสของตนเอง Mercury 3 ซึ่ง Inception Labs เปิดตัวเมื่อวันที่ 19 ตุลาคม 2026 อ้างว่าได้ 1,068 โทเค็นต่อวินาที — และ ณ วันที่ 20 ตุลาคม ไม่มีหน้า Mercury 3 ในดัชนีนั้นเลย ดังนั้นตัวเลขดังกล่าวจึงไม่มีบุคคลที่สองมารองรับ ความไม่สมมาตรนั้น ไม่ใช่เอกสารสเปก คือปัจจัยตัดสินที่แท้จริงในการจับคู่นี้ ความล้มเหลวของ AI และเหตุการณ์เกี่ยวกับเอเจนต์ที่มีการบันทึกไว้ ซึ่งอยู่เบื้องหลังการเปิดตัวแบบนี้ ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง ระดับความเชื่อมั่น และสถานะการโต้แย้งของตัวเอง

มีความไม่สมมาตรประการที่สองที่สำคัญกว่าสำหรับบางทีม Nemotron สามารถดาวน์โหลดได้ ทำงานบนฮาร์ดแวร์ของคุณเอง และสามารถนำไปฝึกเพิ่มเติมภายหลังได้ Mercury 3 เป็นผลิตภัณฑ์แบบ API ที่ไม่มีน้ำหนักโมเดล หนึ่งในนั้นเป็นการตัดสินใจด้านการจัดซื้อ ส่วนอีกอันเป็นโครงการติดตั้งใช้งาน และตาราง benchmark ก็เป็นแนวทางที่ไม่ค่อยช่วยบอกว่าคุณต้องการอันไหนจริง ๆ

ตัวเลขที่ผู้ขายทั้งสองรายเห็นตรงกัน และตัวเลขหนึ่งรายการที่พวกเขาไม่เห็นตรงกัน

เริ่มจากแถวที่ทั้งสองเริ่มดูไม่แตกต่างกัน เพราะหลายแถวนั้นเป็นแถวเดียวกันจริง ๆ

• บริบท — ทั้งสองระบุไว้ที่ 1M โทเค็น Mercury 3 จับคู่สิ่งนั้นกับเพดานเอาต์พุต 131,072 โทเค็น ส่วนการ์ดของ Nemotron ระบุหน้าต่างที่ใช้ร่วมกันได้สูงสุด 1M โทเค็น ครอบคลุมพรอมป์ต์ รูปภาพ ประวัติ ผลลัพธ์จากเครื่องมือ และคำตอบ

• เอาต์พุต — ส่งออกเป็นข้อความ ทั้งคู่ ไม่มีตัวใดสร้างภาพหรือเสียง

• อินพุต — นี่คือจุดที่ทั้งสองแตกต่างกัน Nemotron รับข้อความ รูปภาพ RGB และวิดีโอ MP4 ความยาวสูงสุดสองนาที ส่วน Mercury 3 รับข้อความ และรับเฉพาะข้อความเท่านั้น

• ราคา — {{1}}Mercury 3{{/1}} อยู่ที่ $0.10 ต่อล้านโทเค็นอินพุต และ $0.35 ต่อล้านโทเค็นเอาต์พุตในช่วงเปิดตัว โดยจะกลับไปเป็น $0.20 และ $0.70 ตามราคาปกติ {{2}}Nemotron{{/2}} ไม่มีตารางราคาจากผู้จำหน่ายเลย สิ่งที่มีอยู่คือแผ่นคำนวณต้นทุนของ {{3}}Artificial Analysis{{/3}} ซึ่งปัจจุบันบันทึกไว้ที่ $0.225 สำหรับอินพุต และ $0.575 สำหรับเอาต์พุตต่อล้าน พร้อมส่วนลดแคช 78% และต้นทุน $0.19 ต่องาน {{4}}Intelligence Index{{/4}}

• น้ำหนักของ Mercury 3 ยังไม่ถูกเผยแพร่ และ Inception ยังไม่ได้ให้คำมั่นว่าจะเผยแพร่สิ่งเหล่านี้ ส่วนน้ำหนักของ Nemotron อยู่บน Hugging Face ภายใต้ OpenMDW-1.1 พร้อมเช็กพอยต์แบบความแม่นยำเต็มรูปแบบและ NVFP4

แถวสุดท้ายนั่นแหละคือสิ่งที่ตัดสินการประเมินจริงส่วนใหญ่ และมันไม่เกี่ยวกับจำนวนโทเคนต่อวินาทีเลย

การอ่านดัชนีอิสระโดยไม่ตีความเกินเลย

NVIDIA เปิดตัว Nemotron 3.5 Super VL เมื่อวันที่ 15 ตุลาคม 2026 เมื่อกระดานคะแนนอิสระชุดแรกปรากฏขึ้นในสัปดาห์เดียวกันนั้น มันแสดง Intelligence Index ที่ 26 และมีช่องว่างในตำแหน่งที่คอลัมน์ความเร็วควรจะอยู่ ตอนนี้หน้านั้นแสดงทั้งสองอย่างแล้ว: 26 บน Index v4.3.2 และ 434.3 โทเค็นเอาต์พุตต่อวินาที ซึ่งจัดให้เป็นอันดับหนึ่งในบรรดาโมเดล 28 รายการในคลาสเปรียบเทียบของมัน นอกจากนี้ยังสร้างโทเค็น 170M ตลอดการรันดัชนี เทียบกับค่ามัธยฐานที่ 100M ซึ่งหน้าดังกล่าวอธิบายว่าค่อนข้างเยิ่นเย้อ

นี่คือการวัดของดัชนีเอง รันผ่านฮาร์เนสของมันเอง และมีคุณค่าเท่ากับชุดเบนช์มาร์กชุดเดียวใด ๆ พอดี: ตัวเลขที่ทำซ้ำได้ซึ่งเก็บโดยคนที่ไม่ได้ทำงานให้ NVIDIA โปรดสังเกตว่าค่า 26 หมายถึงอะไรและไม่หมายถึงอะไร ข้อความเปรียบเทียบของหน้าเองนำค่านี้ไปเทียบกับค่ามัธยฐานที่ 8 สำหรับโมเดลแบบเปิดน้ำหนักที่เทียบเคียงได้ในคลาส 40B–150B ดังนั้นจึงเป็นผลลัพธ์ที่แข็งแกร่งภายในคลาสน้ำหนักของมัน และเป็นผลลัพธ์ระดับพอประมาณเมื่อเทียบกับโมเดลแนวหน้าขนาดใดก็ตาม การจัดอันดับแบบ first-of-67 ที่ปรากฏด้านบนของหน้าเป็นการจัดอันดับภายในคลาสที่ผ่านการกรอง ไม่ใช่ตำแหน่งโดยรวม ใครก็ตามที่ยกคำว่า “อันดับหนึ่ง” โดยไม่ระบุตัวกรอง ก็กำลังอ้างถึงตัวกรองนั่นเอง

ตอนนี้มาดูอีกด้าน โพสต์เปิดตัวของ Inception อ้างตัวเลขเชิงปริมาณสามข้อ: 1,068 โทเคนต่อวินาทีบน NVIDIA GPUs, บริบท 1M และราคาเปิดตัวครึ่งหนึ่งของราคาตามรายการ แต่ไม่มีการอ้างคุณภาพเป็นตัวเลขเลย แทนที่จะเป็นเช่นนั้น มันบอกว่า Mercury 3 "เหนือกว่า GPT-6 Luna และ Claude Haiku 5.5" — ซึ่งเป็นสองโมเดลที่ปรับแต่งเพื่อความเร็ว ชุดเปรียบเทียบที่ถูกต้องสำหรับผลิตภัณฑ์ที่เน้นความหน่วง โดยระบุโดยไม่มีส่วนต่าง ไม่มีชื่อเบนช์มาร์ก หรือผลลัพธ์แยกตามงาน นอกจากนี้ยังรายงานว่า Mercury 3 ทำภารกิจนำทาง Mind2Web แบบสด 50 ภารกิจสำเร็จ 50% ภายในฮาร์เนสเว็บเอเจนต์ของ Inception เอง "มากกว่าอย่างมีนัยสำคัญเมื่อเทียบกับ GPT-6.1-Sol" ห้าสิบภารกิจบนฮาร์เนสของผู้ขายเป็นสัญญาณ ไม่ใช่การวัดที่คุณจะนำไปวางเทียบกับ 26 ได้

ดังนั้น การเปรียบเทียบหลักฐานด้านคุณภาพอย่างตรงไปตรงมาจึงเป็นเช่นนี้: โมเดลหนึ่งมีคะแนนดัชนีจากบุคคลที่สาม ส่วนอีกโมเดลหนึ่งมีเพียงประโยคเดียวจากผู้ขาย นั่นไม่ได้ทำให้ Mercury เป็นโมเดลที่อ่อนแอกว่า แต่ทำให้ Mercury เป็นโมเดลที่ยังไม่ถูกวัดค่า และการ "ยังไม่ถูกวัดค่า" ก็เป็นหมวดหมู่ความเสี่ยงที่แตกต่างจากการ "ได้คะแนนต่ำ"

ต้นทุนที่แท้จริงในการรันครึ่งที่เป็นโอเพนเวตส์คือเท่าไร

Nemotron 3.5 Super VL เป็นโมเดล Mixture-of-Experts ขนาด 120B พารามิเตอร์ ที่มี 12B active ต่อโทเคน, routed experts 512 ตัวต่อชั้น MoE และ backbone แบบไฮบริดที่สลับชั้น Mamba-2, attention และ MoE พร้อม vision encoder C-RADIO ที่ต่อพ่วงผ่านคอนเนกเตอร์ NVIDIA จัดส่งในสองระดับความแม่นยำ และช่องว่างระหว่างทั้งสองคือตัวเลขที่มีประโยชน์ที่สุดในการเปิดตัวครั้งนี้

• BF16 — 64 ชาร์ด safetensors ประมาณ 231.8 GiB สูตรการให้บริการของ NVIDIA เองคือ tensor-parallel 4 บน H100 สี่ตัว หรือ TP2 บน GB200 สองตัว

NVFP4 — น้ำหนักและแอктивации 4 บิต พร้อมการกลั่นโดยคำนึงถึงการควอนไทซ์ การ์ดระบุการติดตั้งใช้งานบน DGX Spark หนึ่งเครื่อง, H200 หนึ่งเครื่อง, H100 สองเครื่อง หรือ GB200 หนึ่งเครื่อง

โมเดล 120B ที่ใส่ได้บน H100 สองตัวที่ 4-bit แทนที่จะต้องใช้สี่ตัวที่ BF16 เป็นการคุยเรื่องการจัดซื้อที่ต่างออกไป และนี่คือเหตุผลที่ checkpoint แบบควอนไทซ์คือสิ่งที่ผู้ขายชี้ไปสำหรับการให้บริการอย่างมีประสิทธิภาพ สิ่งที่ NVIDIA ไม่ได้เผยแพร่คือการเปรียบเทียบความแม่นยำแบบเคียงข้างกันระหว่างสองระดับนั้น ข้อกล่าวอ้างนี้เป็นข้อกล่าวอ้างด้านระเบียบวิธีฝึก — ว่าการกลั่นระหว่างการฝึกช่วยปิดช่องว่างของการควอนไทซ์ — ไม่ใช่การเปรียบเทียบที่วัดจริง และหากการตัดสินใจของคุณขึ้นอยู่กับช่องว่างนั้น คำตอบไม่ได้อยู่ใน repo

ใบอนุญาตนี้คุ้มค่าที่จะอ่านให้เลยคำโฆษณา โพสต์บล็อกบอกว่า “open weights”; ส่วน frontmatter ของการ์ดระบุว่า license: other, license_name: openmdw-1.1 ซึ่งอยู่ภายใต้ข้อตกลง OpenMDW License Agreement 1.1 การใช้งานเชิงพาณิชย์ได้รับอนุญาต และการ์ดระบุไว้อย่างชัดเจน นี่ไม่ใช่ Apache 2.0 และหากองค์กรของคุณมีรายการใบอนุญาตที่อนุมัติแล้ว รายการนั้นคือสิ่งที่ควรตรวจสอบก่อนขอใบเสนอราคา GPU

จุดที่ทั้งสองไม่ใช่สิ่งทดแทนกันอีกต่อไป

ความไม่สอดคล้องนี้ไม่ใช่เรื่องของคุณภาพ แต่เป็นเรื่องรูปร่างของงาน

Mercury 3 เป็นโมเดลภาษาดิฟฟิวชัน — คำที่ Inception ใช้คือ dLLM — ที่สร้างโทเคนแบบขนานแทนที่จะทีละตัว ซึ่งเป็นที่มาของข้ออ้างเรื่องปริมาณงานระดับสี่หลักตั้งแต่แรก ภาระงานที่มันถูกสร้างมาสำหรับคือสถานการณ์ที่มีมนุษย์กำลังดูอยู่ เช่น คำใบ้ในการติวเตอร์ การสร้างผลการค้นหา หรือคำตอบฝ่ายสนับสนุนที่ต้องให้ความรู้สึกเหมือนการสนทนา คำกล่าวอ้างจากลูกค้าของ Inception เองล้วนเป็นแบบนั้น และสิ่งเหล่านั้นคือบททดสอบที่ถูกต้องของผลิตภัณฑ์ คำใบ้ที่ผิดยังแก้ไขได้ แต่การหยุดชะงักสองวินาทีนั้นแก้ไม่ได้

Nemotron 3.5 Super VL ถูกสร้างมาสำหรับปลายอีกด้านหนึ่ง มันอ่านภาพหน้าจอ เอกสารที่สแกน แผนภูมิ และคลิปวิดีโอความยาวสองนาที เรียกใช้เครื่องมือ และทำงานบนฮาร์ดแวร์ที่คุณควบคุม ภาระงานที่มันถูกสร้างมาสำหรับคือไปป์ไลน์ที่ทำงานหลายนาทีแล้วรายงานผลกลับ ซึ่งการสกัดข้อมูลที่ผิดมีต้นทุนสูง และการรอห้าวินาทีนั้นแทบจะมองไม่เห็น การ์ดของมันเองก็พูดตรงไปตรงมาว่าแถวการทดสอบประสิทธิภาพแบบมัลติมอดัลไม่ได้ถูกรันผ่านชุดเครื่องมือโอเพนซอร์สที่ NVIDIA เผยแพร่ทั้งหมด และโครงสร้างรองรับภายในเบื้องหลังหลายแถวถูกสัญญาไว้สำหรับรีลีสในอนาคต ข้อแม้นี้ไม่ได้ทำให้โมเดลใช้ไม่ได้ มันบอกคุณว่าควรนำแถวใดมารันซ้ำด้วยตัวเองก่อนที่คุณจะพึ่งพาแถวเหล่านั้น

ขอบเขตที่ทับซ้อนกันนั้นแคบกว่าที่เอกสารสเปกบอกไว้ หากอินพุตของคุณคือกองใบแจ้งหนี้ วิดีโอสินค้า หรือภาพหน้าจอแดชบอร์ด Mercury 3 มองไม่เห็นสิ่งเหล่านั้น หากความต้องการของคุณคือรอบการสนทนาที่ตอบกลับภายในเวลาไม่ถึงหนึ่งวินาทีบนข้อความล้วน การใช้เช็กพอยต์มัลติโมดัลขนาด 120B บน GPU ของคุณเองก็เป็นวิธีที่แพงมากที่จะได้สิ่งนั้นมา

ทั้งสองโมเดลไม่มีอยู่ในแคตตาล็อกของเรา และสิ่งนี้ทำให้คำแนะนำในการจัดเส้นทางเปลี่ยนแปลงไป

ทั้งสองกรณีนี้เป็นคำตอบปฏิเสธตามจริง API โมเดลของเราไม่มีโมเดลจาก Inception และไม่มีรายการ NVIDIA Nemotron ดังนั้นทั้ง Mercury 3 และ Nemotron 3.5 Super VL จึงไม่ใช่สิ่งที่คุณจะเรียกใช้ผ่านเราได้ในตอนนี้ ใครที่ต้องการ Mercury 3 ต้องไปที่แพลตฟอร์มของ Inception เอง ซึ่งให้โทเค็นฟรี 100 ล้านแก่บัญชีใหม่ ส่วนใครที่ต้องการ Nemotron ก็ดาวน์โหลดเช็กพอยต์จาก Hugging Face หรือใช้โฮสต์ของบุคคลที่สาม เราขอเขียนบอกไว้แบบนี้มากกว่าจะสื่อเป็นนัยว่ามีช่องทางที่เราไม่มี

สิ่งที่เลเยอร์จัดเส้นทางยังมีประโยชน์ในบริบทนี้คือส่วนที่อยู่รอบ ๆ การทดลอง การจัดวางแบบสองเส้นทางเป็นวิธีที่สมเหตุสมผลในการประเมินโมเดลที่ยังไม่ได้วัดผล: ส่งระดับที่ latency เป็นปัจจัยสำคัญไปยัง Mercury 3 ผ่านคีย์ของ Inception และเก็บ fallback กับกรณีที่ยากไว้บนโมเดลที่เรามีให้บริการจริง — มากกว่า 200 โมเดลอยู่เบื้องหลัง endpoint เดียวที่เข้ากันได้กับ OpenAI, ในราคาตามรายการของผู้ให้บริการโดยบวกเพิ่ม 0%, พร้อม failover อัตโนมัติเมื่อผู้ให้บริการมีประสิทธิภาพลดลง หากเส้นทางใหม่กลายเป็นแย่กว่าที่โพสต์เปิดตัวบอกไว้ fallback ก็ถูกเชื่อมต่อไว้แล้ว และการสลับก็เป็นเพียง กฎการจัดเส้นทาง ไม่ใช่โปรเจกต์การเชื่อมต่อระบบ ส่วนครึ่งที่เป็น self-hosted ของการเปรียบเทียบไม่ได้รับอะไรจากทั้งหมดนั้น เพราะไม่มีอะไรให้จัดเส้นทาง

กฎการตัดสินใจ

เลือก Nemotron 3.5 Super VL 120B-A12B เมื่อโมเดลต้องมองเห็นบางสิ่ง — หน้าเอกสาร สแกน หรือคลิป — หรือเมื่อข้อมูลออกจากโครงสร้างพื้นฐานของคุณไม่ได้ หรือเมื่อคุณตั้งใจจะ post-train ด้วยตัวอย่างของคุณเอง ตั้งงบสำหรับฮาร์ดแวร์อย่างตรงไปตรงมา: H100 สี่ตัวที่ BF16 หรือสองตัวที่ NVFP4 ถือเป็นความมุ่งมั่นด้านเงินทุนที่แท้จริง และคะแนน 26 บนดัชนีเป็นคะแนนเมื่อเทียบกับระดับเดียวกัน ไม่ใช่คะแนนระดับแนวหน้า ยอมรับว่าแถว instruction-following และ long-context ของมันเป็นส่วนที่อ่อนกว่าของตารางของมันเอง

เลือก Mercury 3 เมื่อมีคนกำลังรอคำตอบแบบข้อความและการลองใหม่ไม่มีค่าใช้จ่าย ยอมรับสองสิ่งก่อนจะต่อยอดจากมัน: ว่า 1,068 โทเคนต่อวินาทีเป็นตัวเลขจากผู้ขายที่ยังไม่มีการทำซ้ำอย่างเป็นอิสระ และว่าค่าการตั้งค่า effort เริ่มต้นคือ "low" — ดังนั้น benchmark ใดก็ตามที่คุณรันเองจะเทียบได้กับของคนอื่นก็ต่อเมื่อคุณระบุ instant, low, medium หรือ high อย่างชัดเจน ตั้งงบประมาณที่ราคาตามรายการ $0.20 และ $0.70 เพราะส่วนลดเปิดตัวไม่มีวันที่สิ้นสุดที่ประกาศไว้ และแบบจำลองต้นทุนที่สร้างจาก $0.10 และ $0.35 ย่อมมีวันหมดอายุที่คุณมองไม่เห็น

สิ่งที่ทำให้คำตอบเปลี่ยนได้เร็วที่สุดคือสิ่งเดียวกันในทั้งสองฝ่าย: ฝ่ายที่สองที่รันการทดสอบชุดเดียวกัน หาก Artificial Analysis เผยแพร่หน้า Mercury 3 ข้อกล่าวอ้างเรื่องทรูพุตก็จะตรวจสอบได้ และคำถามเรื่องคุณภาพก็จะไม่ใช่แค่ประโยคหนึ่งในโพสต์เปิดตัวอีกต่อไป หาก NVIDIA เผยแพร่ส่วนต่างความแม่นยำระหว่าง BF16 กับ NVFP4 ชั้นการปรับใช้ต้นทุนต่ำก็จะไม่ใช่การเชื่อแบบลืมตาอีกต่อไป จนกว่าอย่างใดอย่างหนึ่งจะเกิดขึ้น สรุปตามจริงคือหนึ่งในโมเดลเหล่านี้ได้รับการวัดแล้ว ส่วนอีกโมเดลได้รับการบรรยายไว้ และการเปรียบเทียบสเปกชีตไม่ว่าจะมากแค่ไหนก็ปิดช่องว่างนั้นไม่ได้