NVIDIA Nemotron 3.5 Super VL เปิดตัวแล้ว: น้ำหนักโมเดลแบบเปิด 120B, คำอ้าง 5 เท่า และข้อเสียคือ 249 GB

NVIDIA Nemotron 3.5 Super VL เปิดตัวแล้ว และสเปกที่ควรใช้ตัดสินใจว่าคุณจะลองใช้มันหรือไม่ ไม่ใช่สเปกที่ประกาศเปิดตัวยกมาเป็นประเด็นนำ โมเดลนี้เป็นระบบภาษาและภาพขนาด 120B พารามิเตอร์ มีพารามิเตอร์ที่ใช้งานจริง 12B, คอนเท็กซ์ 1M โทเคน, รองรับ speculative decoding แบบเนทีฟ และรองรับข้อความ รูปภาพ เอกสาร และวิดีโอ โพสต์เปิดตัวของ NVIDIA ลงวันที่ 15 ตุลาคม 2026 และนำเสนอโมเดลนี้ว่าเป็นโมเดลเอเจนต์แบบโอเพนที่เร็วที่สุดในระดับเดียวกัน — "อัตราการประมวลผลเร็วสูงสุดถึง 5 เท่าเมื่อเทียบกับโมเดลอื่นในระดับเดียวกัน" ซึ่งวัดจากกระดานจัดอันดับ Artificial Analysis Intelligence Index สิ่งที่โพสต์นี้ไม่ได้นำมาให้คุณเห็นก็คือ การเปิดตัวครั้งนี้มีสองเช็กพอยต์ ความแตกต่างระหว่างทั้งสองคือ VRAM 174 GB และรุ่นที่เล็กกว่าต้องแลกกับการประหยัดนั้นอย่างไม่สม่ำเสมอ

จริง ๆ แล้วมีอะไรที่ถูกจัดส่งเมื่อวันที่ 15 ตุลาคม

มีสองสิ่งเกิดขึ้นคนละวัน และช่องว่างระหว่างวันเหล่านั้นสำคัญ หากคุณกำลังตามกำหนดการดีพลอย น้ำหนักโมเดลถูกอัปโหลดขึ้น Hugging Face เมื่อวันที่ 12 ตุลาคม เวลา 15:32 UTC ประกาศตามมาเมื่อวันที่ 15 ตุลาคม การ์ดโมเดลของ NVIDIA เองระบุวันเปิดตัวเป็น 10/15/2026 ที่เวอร์ชัน 1.0 GA ดังนั้นผู้ขายจึงถือว่าวันที่ 15 เป็นวันส่งมอบ แต่เวลาประทับในรีโพซิทอรีบอกเป็นอย่างอื่น ไม่มีวันใดเก่ากว่าหนึ่งสัปดาห์ และทั้งสองวันก็ใหม่พอที่ยังไม่มีสิ่งใดเกี่ยวกับการเปิดตัวนี้มีเวลาถูกทำซ้ำอย่างอิสระ

การเปิดตัวครั้งนี้ครอบคลุมกว้างกว่าโมเดลที่ประกาศนี้ตั้งชื่อตาม:

• Nemotron 3.5 Super VL — รุ่นเรือธง ขนาดรวม 120B / ใช้งานจริง 12B ในบิลด์ BF16 และบิลด์ NVFP4 โดยทั้งสองเผยแพร่เมื่อวันที่ 12 ตุลาคม

• Nemotron 3.5 Super VL Base — เช็กพอยต์ก่อนการทำ post-training ที่เผยแพร่ควบคู่กับบิลด์ instruct ซึ่งสำคัญตรงที่สัญญาอนุญาตให้คุณรัน post-training ของตัวเองได้

• Nemotron 3.5 Bolt 74B-A9B 24GB — โมเดลระดับ edge ที่ใส่ได้ใน 24 GB ด้วยการควอนไทซ์ 2-bit แบบเนทีฟ เผยแพร่เมื่อวันที่ 7 ตุลาคม

• Nemotron 3.5 Bolt E4B 4GB — รุ่นที่เล็กที่สุดในตระกูล ลงวันที่ 23 ตุลาคม

สถาปัตยกรรมนี้เป็น Mixture-of-Experts แบบไฮบริด Mamba-2/Transformer ที่มี Multi-Token Prediction มี routed experts 512 ตัวต่อเลเยอร์ MoE หนึ่งเลเยอร์ ตัวเข้ารหัสภาพ C-RADIO และคอนเนกเตอร์ภาพ-ภาษา การจัดการมัลติโมดัลครอบคลุม OCR ตาราง แผนภูมิ เอกสารหลายหน้า และ visual grounding; วิดีโอรับเป็นไฟล์ MP4 ความยาวไม่เกินสองนาที สุ่มที่ 2 FPS และไม่เกิน 256 เฟรม หรือ 1 FPS และ 128 เฟรมที่ 1080p สัญญาอนุญาตคือ OpenMDW-1.1 ซึ่งการ์ดโมเดลระบุว่าพร้อมสำหรับการใช้งานเชิงพาณิชย์หรือไม่เชิงพาณิชย์ — ชุดเงื่อนไขที่อนุญาตอย่างแท้จริง และเป็นส่วนสำคัญจริง ๆ ที่ทำให้การเปิดตัวนี้ได้รับความสนใจ

สองจุดตรวจ และ 174 GB ที่อยู่ระหว่างทั้งสอง

นี่คือจุดที่การเปิดตัวกลายเป็นเรื่องน่าสนใจสำหรับใครก็ตามที่ต้องจ่ายเงินซื้อ GPU NVIDIA เผยแพร่โมเดลเดียวกันสองครั้ง ที่ความแม่นยำสองระดับ และบิลด์ทั้งสองมีขนาดไม่ใกล้กันเลย ตัวเลขทั้งสองด้านล่างนี้อ่านมาจากรายการไฟล์ในที่เก็บ Hugging Face ซึ่งรายงานขนาดของ weight shard แต่ละตัว:

• เช็คพอยต์ BF16 — 248.94 GB กระจายอยู่ใน 63 ชาร์ด ส่วนหัวของ safetensors ระบุจำนวนพารามิเตอร์ไว้ที่ 124.45 พันล้าน

• NVFP4 checkpoint — 75.06 GB กระจายอยู่บน 88 shards การอนุมานทำงานแบบ W4A4 บน Blackwell และแบบ W4A16 บนฮาร์ดแวร์รุ่นเก่ากว่า

• ฮาร์ดแวร์ ความแม่นยำเต็มรูปแบบ — การ์ดของ NVIDIA ระบุ 4× H100 หรือ 2× GB200 สำหรับข้อความ รูปภาพ และวิดีโอ

• ฮาร์ดแวร์ แบบควอนไทซ์ — 1× H200, 2× H100, 1× GB200 หรือ DGX Spark เครื่องเดียว โดยเส้นทาง Spark จำเป็นต้องมี LiLiCorr drafter สำหรับการถอดรหัสเชิงคาดการณ์

• การประหยัด — 173.88 GB หรือเล็กกว่าบนดิสก์ประมาณ 3.3 เท่า และเป็นความแตกต่างระหว่างโหนดแบบสี่ GPU กับตัวเร่งความเร็วเพียงตัวเดียว

ให้อ่านสิ่งนั้นเป็นคำถามทางเศรษฐศาสตร์ เพราะนั่นคือสิ่งที่มันเป็น การเปลี่ยนจาก H100 สี่ตัวเป็น H200 หนึ่งตัวไม่ใช่การตัดสินใจเรื่องการปรับแต่ง แต่มันคือความแตกต่างระหว่างโมเดลที่คุณสามารถวางไว้เบื้องหลังผลิตภัณฑ์ได้ในไตรมาสนี้ กับโมเดลที่คุณทำไม่ได้ สูตรการควอนไทเซชันที่ NVIDIA ใช้ก็พิถีพิถันกว่าปกติเช่นกัน: ตัวเข้ารหัสภาพ ตัวเชื่อมต่อ การคอนโวลูชันของ Mamba และการฝัง ยังคงอยู่ใน BF16 เราเตอร์ MoE ยังคงอยู่ใน FP32 และส่วนที่เหลือผลิตขึ้นโดยการกลั่นแบบคำนึงถึงการควอนไทเซชันจากโมเดล BF16 โดยมีการกลั่นแบบอิง SFT จำนวน 200 รอบซ้อนทับเพิ่มเติม

สิ่งที่บิลด์แบบควอนไทซ์ต้องยอมเสียไป

NVIDIA เผยแพร่ตารางแบบจับคู่ที่เปรียบเทียบเช็คพอยต์ทั้งสอง โดยที่การตั้งค่าอื่นทั้งหมดคงที่ ซึ่งเป็นวิธีที่ตรงไปตรงมาในการทำการเปรียบเทียบนี้ และหายากกว่าที่ควรจะเป็น คู่ด้านล่างเป็นตัวเลขของ NVIDIA เอง จากโมเดลการ์ด NVFP4 และไม่ได้ไปในทิศทางเดียวกันทั้งหมด

จุดที่บิลด์แบบควอนไทซ์เสียเปรียบ:

• Terminal-Bench 2.1 — 66.70 ใน BF16 เทียบกับ 60.80 ใน NVFP4 ลดลง 5.9 จุด ถือเป็นการถดถอยครั้งใหญ่ที่สุดเพียงรายการเดียวในตาราง

• WebVoyager, แบบออฟไลน์ — 77.72 เทียบกับ 66.31 ลดลง 11.4 จุดในงานด้านเอเจนต์เบราว์เซอร์

• DeepSWE ออฟไลน์ — 24.65 เทียบกับ 18.20

• MMLU-ProX — 76.91 เทียบกับ 73.76

• tau3-bench banking — 18.88 เทียบกับ 17.78

ที่ซึ่งมันเพิ่มขึ้น หรือทรงตัว:

• GPQA-Diamond — 89.52 เทียบกับ 89.90

• APEX รายชื่อผู้ผ่านเข้ารอบ — 88.36 เทียบกับ 89.36

• อัตราการสร้างข้อมูลเท็จของ AA-Omniscience — 30.0 เทียบกับ 27.7 กล่าวคือ บิลด์แบบควอนไทซ์สร้างข้อมูลเท็จน้อยกว่าเล็กน้อยเมื่อวัดด้วยมาตรวัดของ NVIDIA เอง

• tau2-bench telecom — 73.19 ทั้งสองฝั่ง ตรงกันทุกประการ

• OCRBench v2 EN — 68.12 เทียบกับ 68.34

• MMLongBench-Doc — 62.82 ทั้งสองด้าน

รูปแบบนี้เห็นได้ชัดเจนโดยไม่ต้องมีนักสถิติ งานด้านเอกสาร OCR และการเรียกคืนความรู้แทบไม่ขยับ และบางงานก็ดีขึ้นด้วยซ้ำ งานแบบเอเจนต์ที่ต้องทำงานระยะยาวขยับมาก หากแอปของคุณอ่านเอกสารยื่นรายงาน ใบเสร็จ หรือภาพหน้าเอกสาร แล้วส่งคืนผลลัพธ์แบบมีโครงสร้าง checkpoint 75 GB คือสิ่งที่คุณควรให้บริการ และคุณแทบไม่ต้องเสียสละอะไรเลย หากแอปของคุณเป็นเอเจนต์ที่รันเทอร์มินัลหรือควบคุมเบราว์เซอร์ต่อเนื่องกันหลายสิบขั้นตอน คุณกำลังแลกประมาณเก้าเปอร์เซ็นต์ของ Terminal-Bench กับสามในสี่ของบิลค่า GPU และนั่นเป็นการตัดสินใจที่ควรลองกับ eval ของคุณเอง มากกว่าดูจากตารางของผู้ขาย

5x และเกณฑ์ที่ใช้วัดมัน

จุดขายหลักของ NVIDIA คือทรูพุต และมันควรค่าแก่การอ่านอย่างแม่นยำ มากกว่าจะถูกปัดตกหรือยกมาพูดซ้ำ ข้ออ้างคือ “ทรูพุตเร็วขึ้นสูงสุด 5 เท่าเมื่อเทียบกับโมเดลอื่นในระดับเดียวกัน” และโพสต์ไม่ได้นิยามว่า “ระดับเดียวกัน” หมายถึงอะไร การวัดเป็นของ NVIDIA บนสแตกการให้บริการของ NVIDIA เอง ที่จำนวนงานพร้อมกันและส่วนผสมของซีเควนซ์ใดก็ตามที่สูตรเลือกไว้ — ตารางการปรับใช้ของการ์ดโมเดลเองระบุ 32 ซีเควนซ์พร้อมกัน และโทเคนร่างแบบสเปกคูเลทีฟ 5 หรือ 3 โทเคน ขึ้นอยู่กับฮาร์ดแวร์ และทรูพุตบนพร็อกซีแบบเอเจนต์ 20 เทิร์นเป็นตัวเลขที่แตกต่างอย่างมากจากทรูพุตบนพรอมป์ต์แบบครั้งเดียว

ไม่มีสิ่งใดในนั้นทำให้คำกล่าวอ้างนั้นเป็นเท็จ มันทำให้คำกล่าวอ้างนั้นกลายเป็นคำกล่าวอ้างของผู้ขายเกี่ยวกับเวิร์กโหลดที่ผู้ขายกำหนดค่าไว้ ซึ่งก็ตรงกับที่ป้ายระบุไว้เป๊ะ สิ่งที่ควรสังเกตคือบนรีลีสนี้ไม่มีสิ่งที่ถ่วงดุล: ไม่มีการเผยแพร่การวัดทรูพุตอย่างอิสระของเช็กพอยต์เหล่านี้ ดังนั้นตัวเลขเดียวที่หมุนเวียนอยู่จึงเป็นของ NVIDIA ตัวเลขทรูพุตที่ไม่มีโมเดลฐานซึ่งระบุชื่อ ไม่มีค่าคอนเคอร์เรนซีที่ระบุ และไม่มีคอนฟิกฮาร์ดแวร์ที่ระบุ ไม่ใช่สิ่งที่คุณใช้วางแผนความจุได้ ถ้า 5x เป็นเสาหลักในการตัดสินใจของคุณ ให้ทดสอบซ้ำบนทราฟฟิกของคุณเองก่อนที่คุณจะเซ็นสัญญาจอง GPU

จุดที่โมเดลแข็งแกร่ง ตามตารางของ NVIDIA เอง

การ์ดแบบโมเดลเดี่ยวยังระบุด้วยว่าจุดตรวจสอบ BF16 เปรียบเทียบกับคู่เทียบอื่น ๆ อย่างไร และคุ้มค่าที่จะอ่านคอลัมน์ทางด้านขวาของของ NVIDIA เอง เพราะคอลัมน์เหล่านั้นก็เป็นของ NVIDIA เช่นกัน เมื่อเทียบกับ Qwen3.5-122B-A10B, Qwen3.8-Flash-Next, DeepSeek-V4-Flash, Nemotron 3 Ultra, Inkling-Small และ GLM-5.3-Flash:

• Video-MME v2 — 32.85 เทียบกับ Qwen3.8-Flash-Next ที่ 45.1 และ GLM-5.3-Flash ที่ 14.8 อยู่กลางกลุ่ม และมีการกระจายกว้างที่สุดในบรรดาแถวทั้งหมด

• OCRBench v2 EN — 68.12 ใกล้เคียงกับ Qwen3.8-Flash-Next ที่ 67.9 และ Qwen3.5-122B-A10B ที่ 68.3

• การให้เหตุผล CharXiv — 80.82 ตามหลังโมเดล Qwen ทั้งสอง

• MathVision — 78.16 เป็นรอง Qwen3.8-Flash-Next ที่ 87.5

• MMLU-ProX — 76.91 ตามหลังทุกคอลัมน์ของคู่แข่งในแถวนั้น

• อัตราการเกิดฮัลลูซิเนชันของ AA-Omniscience — 30.0 เทียบกับ Qwen3.5-122B-A10B ที่ 84.5 และ DeepSeek-V4-Flash ที่ 95.9 ในแถวนี้ ยิ่งต่ำยิ่งดี และช่องว่างไม่ใช่น้อย

• Terminal-Bench 2.1 — 66.70 เมื่อเทียบกับ Qwen3.8-Flash-Next ที่ 85.8 และ GLM-5.3-Flash ที่ 82.7

• SWE-bench Verified — 71.10 เทียบกับ GLM-5.3-Flash ที่ 79.10

• OSWorld-Verified — 51.14 เมื่อเทียบกับ GLM-5.3-Flash ที่ 14.78

รูปแบบของสิ่งนี้สอดคล้องกับสิ่งที่ NVIDIA บอกว่าโมเดลนี้มีไว้เพื่ออะไร มันไม่ได้เป็นผู้นำด้านการให้เหตุผลแบบดิบ ๆ หรือการเขียนโค้ด และก็ไม่ได้อ้างว่าเป็นเช่นนั้น — ประกาศเปิดตัววางตำแหน่งมันเทียบกับโมเดลที่ใหญ่ที่สุดของตัวเองซึ่งมีจำนวนพารามิเตอร์ประมาณหนึ่งในห้า ไม่ใช่เทียบกับโมเดลระดับแนวหน้า มันแข็งแกร่งด้านวินัยเรื่องการหลอน การสกัดเอกสาร และงานเอเจนต์บนเดสก์ท็อป อยู่ในระดับกลาง ๆ ด้านวิดีโอ และตามหลังในเบนช์มาร์กเอเจนต์-เทอร์มินัลที่ยากที่สุด หากคุณมาที่การเปิดตัวนี้เพราะ “ความเข้าใจวิดีโอ” อยู่ในบรรทัดแรกของประกาศ ตัวเลขด้านวิดีโอคือสิ่งที่ควรดูให้ละเอียด

ค่าใช้จ่ายในการใช้งาน

ไม่มีราคาตั้ง และนั่นไม่ใช่การละเว้นในส่วนของ NVIDIA — มันคือรูปแบบของการเปิดตัวแบบ open-weights NVIDIA ไม่ได้ขายโมเดลนี้แบบต่อโทเคนในอัตราที่ประกาศไว้ แต่เผยแพร่น้ำหนักภายใต้ OpenMDW-1.1 และคอนเทนเนอร์ NIM พร้อมการกำหนดค่าที่ผ่านการตรวจสอบ และคุณจ่ายสำหรับ GPU ดังนั้นคำถามเรื่องต้นทุนจึงเป็นคำถามเรื่อง GPU-ชั่วโมง และคำตอบที่ยอมรับได้สองข้อคือ 4× H100 สำหรับ BF16 หรือ H200 หนึ่งตัว หรือ DGX Spark หนึ่งเครื่องสำหรับ NVFP4

นั่นคือส่วนของคณิตศาสตร์ที่ทีมส่วนใหญ่ทำผิดเมื่อเปรียบเทียบโมเดลเปิดกับ API ที่โฮสต์ไว้ ฝั่งที่โฮสต์ให้ราคาต่อโทเคนซึ่งรวมเส้นโค้งการใช้งานของคนอื่นไว้แล้ว ฝั่งโมเดลเปิดให้แค่เช็กพอยต์และรายการฮาร์ดแวร์ขั้นต่ำ และตัวเลขจริงขึ้นอยู่ทั้งหมดกับว่าคุณทำให้ GPU ทำงานเต็มที่ได้หรือไม่ H200 ตัวเดียวที่รันเช็กพอยต์ขนาด 75 GB ซึ่งให้บริการเวิร์กโฟลว์ภายในหนึ่งรายการไม่กี่ร้อยครั้งต่อวัน มีค่าใช้จ่ายต่อการเรียกสูงกว่ามากเมื่อเทียบกับเช็กพอยต์เดียวกันบนการติดตั้งใช้งานแบบแชร์ เช่าก่อนซื้อ และวัดโทเคนต่อวินาทีบนพรอมป์ของคุณเอง ไม่ใช่บนเวิร์กโหลดตัวแทน

ลองใช้มันดูก่อนที่จะเดิมพันผลิตภัณฑ์กับมัน

ก้าวแรกที่ซื่อตรงสำหรับโมเดลที่เอกสารมีอายุเพียงหนึ่งวันคือการประเมิน ไม่ใช่การโยกย้าย และนั่นคือจุดที่เกตเวย์ทำงานจริง ไม่ใช่แค่ทำงานเชิงวาทศิลป์ คีย์เดียวที่ใช้ได้กับโมเดลกว่า 200 รุ่นในราคาตามประกาศของผู้ให้บริการ โดยไม่มี markup 0%หมายความว่าการเปรียบเทียบที่คุณต้องการจริง ๆ — Nemotron 3.5 Super VL เทียบกับโมเดลข้อความหรือโมเดลวิชันที่คุณใช้อยู่ในวันนี้ — เป็นเพียงการเปลี่ยนสตริงชื่อโมเดล ไม่ใช่การสร้างความสัมพันธ์กับผู้ขายรายที่สอง และการ failover อัตโนมัติข้ามผู้ให้บริการหมายความว่าเวิร์กโหลดที่คุณเพียงแค่กำลังทดสอบสามารถทำงานควบคู่กับทราฟฟิกโปรดักชันได้ โดยไม่มีฝ่ายใดต้องพึ่งพาอีกฝ่าย เรื่องนี้สำคัญกว่าปกติในกรณีนี้: เช็กพอยต์ทั้งสองมีพฤติกรรมแตกต่างกันมากพอในงานเชิงเอเจนต์ การทดลองที่มีประโยชน์จึงไม่ใช่ "โมเดลนี้ดีไหม" แต่เป็น "บิลด์ใดในสองตัวนี้ บนเบนช์มาร์กตัวใดของฉัน และด้วยต้นทุน GPU เท่าไร"

ลำดับที่หลีกเลี่ยงการทำให้ GPU-month ต้องเสียไปเปล่า ๆ: เลือกงานที่อยู่ในรูปแบบเอกสารก่อน เพราะนั่นคือจุดที่ช่องว่างระหว่าง BF16 กับ NVFP4 แคบที่สุด และเป็นจุดที่ตัวเลขของโมเดลเองดีที่สุด รันมันกับเช็กพอยต์ที่เล็กกว่า ให้คะแนนมันเทียบกับอีวัลที่คุณเขียนเอง จากนั้นจึงค่อยตัดสินใจว่างานแบบเอเจนต์ — งานที่บิลด์ที่ผ่านการควอนไทซ์เสียไป 5.9 คะแนนบน Terminal-Bench และ 11.4 บน WebVoyager — คุ้มค่ากับบิลด์ขนาด 249 GB และ GPU สี่ตัวหรือไม่

อะไรที่ยังไม่ได้รับคำตอบ

ช่องว่างสามประการที่ควรจับตามอง เพราะมันเปลี่ยนการตัดสินใจ ไม่ใช่การตลาด

ประการแรกคือการประเมินที่เป็นอิสระ ทุกตัวเลขในบทความนี้ที่มาจาก NVIDIA ถูกระบุว่าเป็นเช่นนั้น และในรีลีสนี้ ตัวเลขทั้งหมดก็เป็นเช่นนั้น ยังไม่มีบุคคลที่สามรายใดเผยแพร่การวัดอัตราทรูพุต การทำซ้ำความแม่นยำ หรือการเปรียบเทียบฮาร์เนสสำหรับการประเมิน (evals harness) สำหรับเช็กพอยต์ใดเช็กพอยต์หนึ่ง ข้ออ้างเรื่องอัตราทรูพุตที่เพิ่มขึ้น 5 เท่าและตารางควอนไทเซชันที่จับคู่กันนั้นสอดคล้องกันภายในและเห็นได้ชัดว่าจัดทำขึ้นอย่างพิถีพิถัน และยังคงเป็นข้อมูลที่ผู้ขายรายงานเองและยังไม่มีการทำซ้ำ ให้ถือข้อมูลเหล่านี้เป็นขอบเขตบนจนกว่าจะมีใครบางคนนอก NVIDIA เผยแพร่การทดลองเดียวกัน

อย่างที่สองคือเส้นทางวิดีโอ โมเดลรองรับ MP4 และประกาศนำด้วยความเข้าใจวิดีโอ แต่บนเกณฑ์มาตรฐานวิดีโอเพียงรายการเดียวในตารางของ NVIDIA เอง มันได้ 32.85 ขณะที่ Qwen3.8-Flash-Next อยู่ที่ 45.1 ข้อมูลฝึกครอบคลุมวิดีโอตั้งแต่ 10,000 ถึงหนึ่งล้านชั่วโมง ซึ่งเป็นช่วงกว้างและไม่ได้บอกอะไรเกี่ยวกับความหนาแน่นหรือโดเมน หากวิดีโอเป็นกรณีการใช้งานของคุณ นี่คือแถวที่ควรทดสอบก่อนและเป็นแถวที่มีแนวโน้มจะทำให้เอกสารนำเสนอฝ่ายจัดซื้อที่สร้างจากประกาศผิดหวังมากที่สุด

ตัวที่สามคือเช็กพอยต์ฐาน การเผยแพร่มันภายใต้สัญญาอนุญาตเดียวกันเป็นส่วนของรีลีสนี้ที่จะส่งผลในระยะยาวที่สุด เพราะมันเปิดทางให้ทีมที่มีข้อมูลของตัวเองรันโพสต์เทรนนิงได้ แทนที่จะต้องพรอมป์ต์อ้อมข้อจำกัดของโมเดลจากผู้ขาย คอร์ปัสโพสต์เทรนนิงของ NVIDIA เองสำหรับตระกูลนี้ก็เปิดเช่นกัน และขนาดเอฟเฟกต์ในรายงานของ NVIDIA สูงถึงหลักสิบพอยต์ภายในฮาร์เนสของ NVIDIA เอง ยังไม่มีใครเผยแพร่การไฟน์ทูนอิสระที่น่าเชื่อถือโดยอิงจากเช็กพอยต์ฐานนั้น เมื่อมีคนทำได้ มันจะบอกคุณเกี่ยวกับเพดานที่แท้จริงของโมเดลนี้ได้มากกว่าโพสต์เปิดตัวเสียอีก

น้ำหนักของโมเดลนั้นดาวน์โหลดได้แล้ววันนี้ และสัญญาอนุญาตให้คุณใช้ในเชิงพาณิชย์ได้ สองสิ่งที่คุณดาวน์โหลดไม่ได้คือเบนช์มาร์กที่เป็นอิสระ กับตัวเลข throughput ที่มี baseline ซึ่งระบุชื่อไว้ — และทั้งสองอย่างนั้นคือสิ่งที่คุณต้องมีก่อนจะตัดสินใจนำเส้นทางโปรดักชันไปผูกกับโมเดลที่ตอนนี้มีอายุเพียงสี่วัน