NVIDIA Nemotron 3.5 Super VL 120B กับ DeepSeek V4 Pro: พิกเซลมีต้นทุนแพงกว่าข้อความ 40 เท่า และนี่คือการคำนวณ

DeepSeek V4 Pro costs $0.66 per million input tokens. Whatever a page of a scanned contract costs you to push through N​VIDIA N​emotron 3.5 Super VL 120B A12B, it is not 66 cents per million, and the reason is that you are not renting it — you are buying GPUs. That single asymmetry is the whole shape of this comparison between DeepSeek V4 Pro, D​eepSeek's 1.6-trillion-parameter text-only flagship listed since April 2026, and N​VIDIA N​emotron 3.5 Super VL 120B A12B, the open-weights vision-language model N​VIDIA uploaded to Hugging Face on 12 October 2026 with no announced price on any serving path. Comparing their benchmark scores is easy and mostly useless. Comparing what each one costs you to operate on the same document is the exercise that actually decides anything.

คำตอบสั้น ๆ

หากอินพุตของคุณเป็นข้อความและงบประมาณของคุณเป็นรายการในงบ DeepSeek V4 Pro ชนะด้วยส่วนต่างที่ไม่มีโมเดลเปิดใดปิดช่องว่างได้ — คณะผู้ประเมินจากบุคคลที่สามจัดให้มันนำหน้า Super VL อยู่ 9.5 คะแนนดัชนี ในขณะที่มีค่าใช้จ่ายเพียงเศษเสี้ยวของหนึ่งเซนต์ต่อพันโทเคน หากอินพุตของคุณมีรูปภาพ วิดีโอ หรือภาพสแกนหน้าเอกสาร ก็ไม่มีการเปรียบเทียบกันเลย เพราะ DeepSeek V4 Pro ไม่สามารถมองเห็นสิ่งเหล่านั้นได้ โมเดลทั้งสองไม่ทับซ้อนกันในแกนที่ทีมส่วนใหญ่ให้ความสำคัญจริง ๆ

แต่ละโมเดลคืออะไร ในรอบเดียว

DeepSeek V4 Pro is a 1.6T-parameter mixture of experts with 49B active per token, a 1M-token context window, up to 384K output tokens, and text as its only input and output modality. It has been generally available since 24 April 2026 through D​eepSeek's own API and third-party platforms, priced at $0.66 per million input and $1.98 per million output, with cache reads at $0.022. Independent measurement through the Artificial Analysis panel, last evaluated 13 August 2026, puts it at 36.0 on the Intelligence Index — 41st of 147 models.

N​emotron 3.5 Super VL 120B A12B is a Mamba-2/Transformer hybrid with 512 routed experts per MoE layer, 120B total parameters and 12B active per token, a C-RADIO vision encoder, native Multi-Token Prediction, and 1M tokens of context. Inputs are text, images and video; output is text. It is open under OpenMDW-1.1 with commercial use permitted, shipped in BF16, base-BF16 and NVFP4 builds, and runs on 4× H100 or 2× GB200 in BF16 or a single H200, single GB200, 2× H100 or one DGX Spark in NVFP4. Independent measurement puts it at 26.49 on the same panel, which is the number to hold onto as the conversation moves.

ต้นทุนอินพุตอยู่ตรงไหนจริง ๆ

นี่คือการคำนวณที่ยังไม่มีใครเคยเปิดเผย ลองยกตัวอย่างชุดสัญญาที่สแกนแล้ว 200 หน้า หากใช้ DeepSeek V4 Pro ข้อมูลนั้นต้องถูกทำ OCR และสกัดข้อความก่อนที่จะมาถึง แล้วโมเดลจะคิดค่าบริการกับคุณ $0.66 ต่อหนึ่งล้านโทเค็นอินพุตจากข้อความที่สกัดได้ แต่หากใช้ Super VL หน้าเหล่านี้จะถูกป้อนเข้าไปเป็นรูปภาพเพียงครั้งเดียว เข้าสู่โมเดลที่คุณจ่ายค่าอยู่แล้วตามชั่วโมง GPU

• DeepSeek V4 Pro ในราคาตามรายการ — $0.66 ขาเข้า, $1.98 ขาออก, $0.022 การอ่านแคช ต่อล้านโทเคน การสกัดเอกสาร 200 หน้า นั้นถูกมากพอที่ต้นทุนต่อการเรียกใช้จะไม่ปรากฏในการตรวจสอบงบประมาณ

• ต้นทุนเงินเฟ้อของ Super VL — 4× H100 หรือ 2× GB200 ใน BF16 หรือหนึ่ง H200 / หนึ่ง GB200 / หนึ่ง DGX Spark ใน NVFP4 นั่นคือค่าเช่าหรือค่าใช้จ่ายฝ่ายทุนที่เกิดขึ้นไม่ว่าจะมีเอกสารมาถึงหรือไม่

• จุดตัดสินใจ (crossover) — จุดที่การโฮสต์ Super VL ด้วยตนเองเริ่มมีต้นทุนถูกกว่าการใช้ OCR-plus-V4-Pro นั้น ขึ้นอยู่กับปริมาณเอกสารของคุณและอัตราการใช้งานที่คุณรักษาไว้บน GPU ได้ ไม่มีใครเผยแพร่จุดนี้ และสำหรับทีมที่มีปริมาณงานต่ำ มีแนวโน้มสูงมากว่าจะไม่มีวันมาถึง

• What is not in either column — the OCR pipeline D​eepSeek's path requires. That is a second system, a second failure mode, and the place where most document pipelines actually break: the table that OCR mangles, the chart that vanishes in extraction, the stamp over the signature block.

นี่คือข้อโต้แย้งที่แท้จริงสำหรับโมเดลวิชัน และมันไม่ใช่ข้อโต้แย้งจากเบนช์มาร์ก มันคือการที่ขั้นตอนการสกัดหายไป หน้าเว็บไปถึงโมเดลในสภาพที่มันเป็นอยู่ และโมเดลต้องจัดการกับแผนภูมิ ตาราง และเลย์เอาต์ที่จัดวางไม่ลงตัวด้วยตัวเอง แทนที่จะได้รับค่าประมาณแบบแบนราบของสิ่งเหล่านั้น การที่วิชันของ Super VL ดีพอที่จะคุ้มกับการเป็นเจ้าของ GPU หรือไม่ เป็นคำถามเกี่ยวกับเอกสารของคุณ และวิธีตอบอย่างซื่อสัตย์มีเพียงวิธีเดียว คือรันชุดข้อมูลของคุณเองผ่านบิลด์ NVFP4 บน H200 เครื่องเดียว แล้วนับข้อผิดพลาด

แถว benchmark ที่มีอยู่ และแถวเหล่านั้นเป็นของใคร

ตัวเลขสองชนิดที่แตกต่างกันกำลังมีบทบาทอยู่ตรงนี้ และไม่ควรนำมาอ้างในประโยคเดียวกันโดยไม่มีป้ายกำกับเลย

วัดจากคณะผู้ประเมิน โดย Artificial Analysis ซึ่งเป็นที่ที่ DeepSeek V4 Pro ถูกประเมินครั้งล่าสุดเมื่อวันที่ 13 สิงหาคม 2026:

• Intelligence Index — DeepSeek V4 Pro 36.0 vs N​emotron 3.5 Super VL 26.49.

• Humanity's Last Exam — DeepSeek V4 Pro 41.0 แผงนี้ไม่มีแถว Super VL

• การเรียกคืนบริบทแบบยาว — DeepSeek V4 Pro 80.3 เทียบกับ Super VL 0.69 บนสเกล AA-LCR ซึ่งเป็นช่องว่างตามสัดส่วนที่กว้างที่สุดในบทความนี้

• SciCode — DeepSeek V4 Pro 51.0 เทียบกับแถวของ Super VL ที่ยังไม่เผยแพร่บนแผง

• Terminal-Bench 4.0 — DeepSeek V4 Pro 14.1 เทียบกับ Super VL 0.0

• τ²-bench — DeepSeek V4 Pro 96.2, a number D​eepSeek leads with, and the panel publishes no Super VL equivalent.

Vendor-reported, from N​VIDIA's own NeMo Gym evaluation of Super VL, which N​VIDIA ran on its own model against baselines it chose:

• Agentic — SWE-bench Verified 71.10, SWE-bench Multilingual 67.72, SWE-bench Pro 51.78, tau2-bench retail 69.24 และ airline 76.50, BrowseComp 78.91, GraphWalks 89.71 ในการตั้งค่าโทเค็นเกิน 1M

• การให้เหตุผล — GPQA-Diamond 89.52, HLE เมื่อไม่ใช้เครื่องมือ 31.79 และเพิ่มขึ้นเป็น 46.01 เมื่อใช้เครื่องมือบนฮาร์เนสภายในแยกต่างหาก

• วิสัยทัศน์ — CharXiv-RQ 80.82, MathVision 78.16, V* 85.60, OCR-Reasoning 65.08, OCRBench-v2 ที่ 68.12 สำหรับภาษาอังกฤษ และ 59.15 สำหรับภาษาจีน, MMLongBench-Doc 62.82, OSWorld 52.14, Video-MME-v2 32.85

The two documents do not share a single row, which is why the index comparison above is the only clean ranking available. And a reader should notice the thing that is easy to miss: Super VL's SWE-bench Verified 71.10 is a strong number and it is N​VIDIA's own, and the panel gave the same model 0.0 on Terminal-Bench 4.0. Those can both be true. An agentic-coding score measured on a vendor harness and a terminal score measured by a third party are not the same kind of evidence, and the honest reading is that Super VL's agentic profile is asserted rather than established.

ทำไมแถวบริบทแบบยาวถึงเป็นแถวที่ต้องกังวล

A 1M-token context window is on both spec sheets. In practice the panel measures long-context recall at 80.3 for DeepSeek V4 Pro and 0.69 for Super VL, and N​VIDIA's own counter-argument is GraphWalks 89.71 at the over-1M-token setting — a vendor number, on a vendor harness, on a task where Super VL is being asked to walk a graph rather than recall a passage.

สิ่งเหล่านี้ไม่ได้วัดสิ่งเดียวกัน และนั่นคือปัญหาพอดีสำหรับใครก็ตามที่กำลังตัดสินใจ หากภาระงานของคุณคือ "ค้นหาข้อกำหนดในเอกสารยื่นที่มี 900,000 โทเคนนี้" ตัวเลขของ panel จะใกล้เคียงกับงานของคุณมากกว่า และมันก็ไม่ได้ใกล้เคียงเลย หากภาระงานของคุณคือ "ไล่สำรวจชุดเอกสารที่เชื่อมโยงกันนี้ และรายงานว่าอะไรขึ้นอยู่กับอะไร" ตัวเลขจากผู้ขายจะใกล้เคียงกว่า และมันก็ยังควรถูกมองเป็นข้ออ้าง จนกว่าจะมีคนอิสระรันงานทั้งสองอย่างกับเช็กพอยต์ สมมติฐานการวางแผนที่ปลอดภัยคือบริบทที่มีประสิทธิผลของ Super VL สั้นกว่าที่สเปกชีตระบุไว้อย่างมีนัยสำคัญ

สองเส้นทาง หนึ่งกุญแจ และความต่างของราคาที่เห็นได้ชัด

DeepSeek V4 Pro is in the OrcaRouter catalogue at DeepSeek's published $0.66 and $1.98 with zero markup — the provider list price passed straight through, so a D​eepSeek price change is live here the same day rather than at the next billing cycle. Across the last seven days of requests through the gateway, V4 Pro shows a p50 time-to-first-token of 1.89 seconds at 81.9 output tokens per second, and it carried 480.3 million tokens of traffic in that window. Those are measurements of real calls, not vendor benchmarks, and they are the numbers a cost model should be built on.

N​emotron 3.5 Super VL 120B A12B is not on our catalogue. N​VIDIA has published no per-token price for it on any path, including its own NIM microservice, so there is nothing for us to pass through and this article will not pretend otherwise — it is a checkpoint you host yourself, on the hardware in the recipe above.

สิ่งที่เกตเวย์มอบให้คุณในการจับคู่นี้ก็คือ สองครึ่งของไปป์ไลน์ไม่ต้องเป็นสองการผสานรวมอีกต่อไป การเรียกสำหรับการสกัดและคัดแยกจะไปยังดีพลอยเมนต์ Super VL ของคุณเอง ส่วนการเรียกสำหรับการให้เหตุผล การเขียนโค้ด และข้อความปริมาณมากต้นทุนต่ำจะไปยัง DeepSeek V4 Pro บน ปลายทางเดียวกันและคีย์เดียวกัน; และการแยกนี้ถูกแสดงเป็นกฎการกำหนดเส้นทาง แทนที่จะเป็นเงื่อนไขในโค้ดแอปพลิเคชัน เมื่อการกำหนดเส้นทางรูปภาพเป็นปัจจัยชี้ขาด DSL สามารถกำหนดคีย์โดยดูว่าพรอมต์มีไฟล์แนบรูปภาพหรือไม่ — ซึ่งเป็นวิธีที่สะอาดกว่าในการรักษาขอบเขต มากกว่าการจดจำว่าเส้นทางโค้ดใดทำอะไร การสลับไปใช้ระบบสำรองอัตโนมัติข้ามผู้ให้บริการอยู่ภายใต้โมเดลที่กำหนดเส้นทาง ดังนั้น 429 จากต้นทางบนการเรียกข้อความจะไปตกที่ตัวสำรอง แทนที่จะไปถึงผู้ใช้ของคุณ

การหาว่าคุณอยู่ฝั่งไหนของเส้นแบ่ง

• หากคุณไม่มีภาพ — DeepSeek V4 Pro โดยไม่ต้องวิเคราะห์เพิ่มเติม นำอยู่ 9.5 คะแนนดัชนี, $0.66 ต่อล้านอินพุต, โทเคนแรก p50 ที่ 1.89 วินาที และไม่มีอะไรต้องดำเนินการ

• หากคุณมีรูปภาพแต่มีปริมาณน้อย — ให้ใช้ OCR บวกกับ DeepSeek V4 Pro ไปจนกว่าอัตราข้อผิดพลาดจากการสกัดจะเริ่มมีต้นทุนสูงกว่าการใช้ GPU วัดข้อผิดพลาดในการสกัดก่อน ตัวเลขนั้นต่างหาก ไม่ใช่ช่องว่างของเบนช์มาร์ก ที่เป็นตัวกำหนดจุดตัด

• หากคุณมีรูปภาพและไม่สามารถส่งไปที่ใดได้ — Super VL คือตัวเลือกเดียวที่เหลืออยู่ และการตัดสินใจจะกลายเป็นว่าจะเลือก checkpoint ใด: BF16 หากคุณต้องการ fine-tune, NVFP4 หากคุณต้องการนำไปให้บริการ

• หากการเรียกคืนบริบทยาวเป็นแกนหลักของภาระงาน — จงทดสอบก่อนตัดสินใจ ที่ 0.69 เทียบกับ 80.3 ของแผงนั้นเป็นช่องว่างที่มากพอจนไม่ควรถือว่าสเปก 1M โทเคนเป็นหลักฐานของความสามารถระดับ 1M โทเคน

• If you want the model to improve on your domain — V4 Pro gives you no path. Super VL gives you weights, and N​VIDIA published the post-training datasets and NeMo Gym RL environments alongside it, which is the more reusable half of that release.

อะไรจะทำให้บทความนี้เปลี่ยนไป

สามเรื่อง เรียงตามว่าจะเปลี่ยนคำตอบได้มากแค่ไหน

A price for Super VL, from N​VIDIA or from anyone serving it. The moment a per-token figure exists, the first section of this piece becomes arithmetic instead of a framework, and the crossover discussion collapses into a comparison of two numbers.

A second independent dataset on the model. N​VIDIA has one third-party score, and it does not include a long-context or a coding-agent row. A panel re-run that publishes those rows would settle the two questions this article has to leave open.

And the Terminal-Bench 2.1 discrepancy in N​VIDIA's own paperwork — 66.70 on the model card against 60.67 in the technical report's summary table, with everything else in those documents agreeing. One of two primary sources is wrong. Until somebody re-runs the recipes, both values are unsafe to quote, and the fact that the discrepancy exists at all is a reason to treat every other single-sourced row in that report as provisional.

เบนช์มาร์กนั้นเก่าไปตามกาลเวลาและราคาเปลี่ยนแปลง แต่บันทึกความล้มเหลวไม่เป็นเช่นนั้น: เหตุการณ์ AI และความล้มเหลวของเอเจนต์ที่บันทึกไว้ซึ่งอยู่เบื้องหลังโมเดลในคลาสนี้ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง ระดับความเชื่อมั่น และแฟล็กข้อโต้แย้งของตนเอง