Nemotron 3.5 Super VL: โมเดลวิชันแบบเปิดขนาด 120B ของ NVIDIA เปิดตัวแล้ว และคำกล่าวอ้าง 5 เท่ายังไม่มีกระดานคะแนนรองรับ

N​VIDIA N​emotron 3.5 Super VL shipped on October 15, 2026 — an open 120-billion-parameter vision-language model with open weights, open datasets and training recipes, and a claim attached to it that nobody can check yet. The company's launch post calls it "the fastest open agentic model in its class — 5x faster than the next best," and attributes the number to the Artificial Analysis Intelligence Index leaderboard. As of this writing, Artificial Analysis does not list Super VL at all; its N​emotron 3.5 entries stop at N​emotron 3.5 Lightning. That does not make the claim false. It makes it vendor-reported, and it should be read that way until a third party runs the checkpoint.

The other thing worth knowing up front is a three-day gap. The weights went up on Hugging Face at 2026-10-12T15:32Z — the BF16 post-trained build, the base model and the NVFP4 build all within a minute of each other — and the announcement post did not appear until October 15 at 15:00Z, with the model card's own release-date field still reading 10/15/2026. N​VIDIA uploaded first and announced later. That is now the normal shape of an open-weights release: the repository is the primary source, and the blog post is the commentary.

อะไรที่ส่งจริง และอะไรที่ไม่ได้

เช็คพอยต์ Super VL สามตัว เปิดใช้งานแล้วทั้งหมดตอนนี้:

• N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-BF16 — the full-precision post-trained model, the reference build and the one to fine-tune from.

• N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4 — the quantized deployment build, produced with N​VIDIA Model Optimizer and quantization-aware distillation from the BF16 model.

• N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-Base-BF16 — the pre-post-training base, for anyone who wants to run their own post-training rather than adapt N​VIDIA's.

There is a fourth repository, N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4-LiLiCorr, which is not a model you prompt. It is a speculative-decoding draft checkpoint: load it alongside the NVFP4 target and it proposes tokens ahead of the main model. Its own card dates it 10/15/2026 and describes it as intended for LiLiCorr deployments tuned for DGX Spark and low-concurrency data-center work.

Two things did not ship, and each matters. There is no price. N​VIDIA's announcement states the model is available as an N​VIDIA NIM microservice — a production microservice the company says is refreshed every two weeks with security patches and performance work — but publishes no per-token figure anywhere, for NIM or for the third-party platforms carrying it. And there is no independently measured speed number, for the reason above. Everything in the next two sections is N​VIDIA's own reporting.

สถาปัตยกรรมในย่อหน้าเดียว เพราะมันอธิบายเรื่องราวการปรับใช้

Super VL เป็นโมเดลผสมผู้เชี่ยวชาญแบบไฮบริด Mamba-2–Transformer: ชั้น Mamba-2, MoE และ attention ที่สลับแทรกกัน, ผู้เชี่ยวชาญแบบ routed 512 รายต่อชั้น MoE, พร้อมด้วย vision encoder C-RADIO และตัวเชื่อม vision-language ที่ต่อพ่วงเข้ากับแบ็กโบนภาษา พารามิเตอร์รวม 120B, ใช้งานจริง 12B ต่อโทเคน บริบทสูงสุดถึง 1M โทเคน และ Multi-Token Prediction มีมาในตัวโดยกำเนิด ซึ่งเป็นสิ่งที่ draft checkpoint LiLiCorr นำมาใช้ประโยชน์ อินพุตเป็นข้อความ รูปภาพ และวิดีโอ — วิดีโอเป็น MP4 ความยาวไม่เกินสองนาที โดยสุ่มเก็บเป็นเฟรม — และเอกสารสามารถป้อนเป็นภาพหน้าเอกสารพร้อมข้อความประกอบได้ เอาต์พุตเป็นข้อความเท่านั้น

That shape is why the deployment table is the most useful part of the documentation. N​VIDIA's BF16 build wants 4× H100 or 2× GB200. The NVFP4 build wants 1× DGX Spark, 1× H200, 2× H100, or 1× GB200. The gap between those two lines is the whole reason the quantized checkpoint exists, and it is the difference between "a 120B model you rent" and "a 120B model on the desk."

The benchmarks N​VIDIA published, and the two problems with them

Label all of this vendor-reported. N​VIDIA evaluated Super VL through NeMo Gym and published the recipes, containers, prompts and scoring settings — which is more than most labs do — but N​VIDIA trained the model, chose the baselines and ran the harnesses. Nothing here has been reproduced outside the company.

The agentic numbers are the ones the launch leans on. SWE-bench Verified 71.10, SWE-bench Multilingual 67.72, SWE-bench Pro 51.78, tau2-bench retail 69.24, airline 76.50, telecom 73.19, BrowseComp 78.91, and GraphWalks 89.71 at the over-1M-token setting. On reasoning, GPQA-Diamond 89.52 and HLE without tools 31.79, rising to 46.01 with tools — that last figure, N​VIDIA notes, comes from a separate internal harness rather than the standard path.

On vision, which is the new capability relative to the text-only N​emotron 3.5 Lightning from August: CharXiv-RQ 80.82, MathVision 78.16, V* 85.60, OCR-Reasoning 65.08, OCRBench-v2 at 68.12 English and 59.15 Chinese, MMLongBench-Doc 62.82, OSWorld 52.14, and Video-MME-v2 32.85.

ทีนี้ปัญหาสองข้อ

First, the Terminal-Bench 2.1 figure is stated twice and does not agree with itself. The model card reports 66.70. The technical report's summary table reports 60.67. Everything else in those two documents lines up, so this is not two different models — it is one number carrying two values in N​VIDIA's own paperwork, and until the recipes are re-run it is not safe to quote either. That is the sort of thing a single independent replication settles in an afternoon, which is exactly why the absence of one matters this week.

Second, the headline efficiency claim and the headline intelligence claim pull in opposite directions, and only one of them is checkable. N​VIDIA says Super VL reaches accuracy on multimodal agentic tasks "comparable with N​VIDIA's largest reasoning model at roughly one-fifth the parameter count" — N​emotron 3 Ultra 550B A55B has 55B active parameters against Super VL's 12B, a ratio of 4.6×, and the report says Super VL's 51.78 on SWE-bench Pro does surpass Ultra. Fine.

But look at the columns where Super VL is genuinely behind. MMLU-ProX 76.91, against Qwen3.5-122B-A10B at 83.2 and Qwen3.8-Flash-Next at 83.0. AA-Omniscience accuracy 26.20, which is close to the floor of that benchmark and sits below DeepSeek-V4-Flash-0731's 45.0. Video-MME-v2 32.85 against Qwen3.8-Flash-Next at 45.1. BabyVision 29.60 against 46.8. Agentic-terminal at 60.67 or 66.70 against 85.80. Super VL is not the accuracy leader in this weight class on most rows; it is a 12B-active model that N​VIDIA is selling on speed and on the breadth of what it ingests in one call, not on beating everything at everything.

ตัวเลขประสิทธิภาพ ซึ่งเป็นตัวที่น่าสนใจจริง ๆ

ตัดการเปรียบเทียบเรื่องความฉลาดออกไป แล้วตัวเลขทางวิศวกรรมก็เป็นรูปธรรมชัดเจน:

• Speculative decoding — N​VIDIA's post-training MTP boosting lifts average acceptance length from 4.287 to 4.718 tokens under greedy decoding and 3.787 to 4.612 under probabilistic draft sampling.

• Quantization — the released NVFP4 checkpoint recovers 99.62% of BF16 accuracy as a median across 36 benchmarks, so the deployment build is close to lossless by N​VIDIA's own measure.

• อัตราการประมวลผล (Throughput) — สูงสุด 4,856 โทเคนเอาต์พุต/วินาที/GPU บน GB200 เครื่องเดียว ในเวิร์กโหลดพร็อกซีแบบเอเจนต์ 20 เทิร์น โดยยังรักษาอัตราอย่างน้อย 50 โทเคน/วินาที/ผู้ใช้; NVFP4 ให้ปริมาณงาน 2.43 เท่าของ BF16 ภายใต้เงื่อนไขเดียวกัน

• อัตราทรูพุตสัมพัทธ์ — 2.34× Qwen3.5-122B-A10B และ 1.90× Qwen3.8-Flash-Next บนเวิร์กโหลดนั้น

• Serving stack — on N​VIDIA Dynamo, N​VIDIA claims up to 8× more concurrent users at 85% lower latency.

ทั้งหมดนั้นเป็นตัวเลขจากผู้ขาย ตัวที่ใคร ๆ ก็ปลอมแปลงได้ง่ายที่สุดคือตัวเลข 4,856 tokens/s/GPU เพราะมันเป็นคุณสมบัติของ GPU รุ่นหนึ่งและงานหนึ่งโดยเฉพาะ ไม่ใช่คุณสมบัติของการรันเบนช์มาร์กที่ผ่านระบบให้คะแนน

การให้บริการมัน และสิ่งที่บิลด์ทั้งสองต้องแลกด้วยฮาร์ดแวร์ของคุณ

Both vLLM and SGLang are named as supported runtimes, and N​VIDIA ships working launch configurations: four-way tensor parallelism with three MTP draft tokens on 4× H100 for BF16, two-way with five draft tokens on 2× GB200. Hardware coverage is Hopper and Blackwell, Linux only, and N​VIDIA lists DGX Spark, DGX Station, RTX PRO, RTX and Jetson on the client side — the same silicon spread the model is positioned against.

การตัดสินใจในทางปฏิบัติสำหรับทีมที่อ่านสิ่งนี้ในวันเปิดตัว คือจะดึง checkpoint ไหน ถ้าคุณกำลังทำ fine-tuning บิลด์ BF16 เป็นจุดเริ่มต้นเดียวที่สมเหตุสมผล เพราะบิลด์ NVFP4 ผ่าน quantization-aware distillation มาแล้ว และการฝึกต่อจะไม่เข้ากันได้อย่างราบรื่นกับมัน ถ้าคุณกำลังทำ serving บิลด์ NVFP4 คือตัวที่พอดีกับ H200 เครื่องเดียวหรือ DGX Spark และค่ากู้คืนประสิทธิภาพมัธยฐาน 99.62% ทำให้มันเป็นค่าเริ่มต้น เว้นแต่คุณจะวัดพบ regression เฉพาะเจาะจง การดึง base model มาใช้จะสมเหตุสมผลก็ต่อเมื่อคุณตั้งใจจะเขียนไปป์ไลน์ post-training ของคุณเอง ซึ่งเป็นอีกโปรเจกต์หนึ่ง

Super VL จริง ๆ แล้วมีไว้เพื่ออะไร

Read N​VIDIA's own framing and the target is narrow and specific: always-on enterprise agents that digest visual documents. The announcement's example is a web page — extract the text, read the charts, return findings — and the same claim is extended to PDFs, tables and structured documents. The argument for one model instead of a text model plus a separate vision pipeline is context continuity: the document, the data and the decision stay in the same window rather than being handed between systems.

ข้อโต้แย้งนั้นน่าเชื่อถือบนสเปกชีต เพราะหน้าต่างบริบทมีขนาด 1M โทเค็น และตัวเข้ารหัสภาพได้รับการฝึกฝนร่วมกัน ไม่ใช่การต่อเติมทีหลัง การที่มันจะอยู่รอดเมื่อเจอกับเอกสารจริงที่ 1M โทเค็นหรือไม่ ก็เป็นคำถามที่ตัวเลขของ GraphWalks และ MMLongBench-Doc มุ่งตอบโดยตรง และทั้งคู่เป็นข้อมูลที่ผู้ขายรายงานเอง

N​VIDIA also lists a long adoption roster in the launch post — Scale AI building agents for Skydance and EY, AfterQuery for Hebbia's credit-agreement analysis, AI21 and Alice on cybersecurity, Mercor on coding agents, plus Atlassian, CrowdStrike, Dassault Systèmes, Perplexity, Salesforce and Synopsys among integrators. Those are partnerships named in a press release, which is a statement of intent rather than evidence of production traffic. Treat the roster as a signal about which verticals N​VIDIA is targeting, not as a reliability claim.

วิธีลองใช้โดยไม่ต้องเสี่ยงเอาทั้งเส้นทางโปรดักชันมาเดิมพันกับมัน

จุดยืนที่ตรงไปตรงมาในสัปดาห์นี้ก็คือ Super VL เป็นโมเดลเปิดที่น่าสนใจ มีเอกสารประกอบครบถ้วน แต่ยังไม่ได้รับการตรวจสอบยืนยันเลยแม้แต่น้อย และวิธีที่ถูกต้องในการประเมินโมเดลเปิดที่ยังไม่ได้รับการตรวจสอบยืนยันก็คือ ไม่ควรนำทราฟฟิกจากระบบโปรดักชันไปทดลองใช้กับโมเดลดังกล่าวตั้งแต่第一天 — no, that's wrong. Let me redo. ไม่ควรนำทราฟฟิกโปรดักชันไปทดลองใช้กับมันตั้งแต่第一天 — wrong again. Thai: "ตั้งแต่วันแรก". Full: จุดยืนที่ตรงไปตรงมาในสัปดาห์นี้ก็คือ Super VL เป็นโมเดลเปิดที่น่าสนใจ มีเอกสารประกอบครบถ้วน แต่ยังไม่ได้รับการตรวจสอบยืนยันเลยแม้แต่น้อย และวิธีที่ถูกต้องในการประเมินโมเดลเปิดที่ยังไม่ได้รับการตรวจสอบยืนยันก็คือ ไม่ควรนำทราฟฟิกจากระบบโปรดักชันไปทดลองใช้กับมันตั้งแต่วันแรก

Locally, the NVFP4 build on a single H200 or a DGX Spark is the cheap test: pull the checkpoint, run your own document set through it, and compare against whatever vision model you use today. That costs you GPU time and nothing else, and it is the only way to get a number that is not N​VIDIA's. N​VIDIA's own documentation gives you one free head start: the model card and the technical report both specify temperature 1.0 and top_p 0.95 for text, and temperature 0.6 with top_p 0.95 for vision — a starting point you would otherwise spend a day rediscovering.

If you would rather test it behind an API, the availability line matters: Super VL is on Hugging Face, as N​VIDIA's own NIM microservice, and through several third-party platforms. N​VIDIA has published no price for any of those paths, so any per-token figure you see this week is set by the platform, not by the vendor. On the OrcaRouter side, N​emotron 3.5 Super VL is not on our catalogue — we do not serve it today, so there is nothing here to try it through yet, and we would rather say that than imply otherwise. Everything we do serve sits behind one key across 200-plus models at provider list price with 0% markup, and where a model is available from more than one provider, automatic failover across providers gives you a way to route to a new model on a fraction of traffic and let it fall back to the incumbent when it stumbles. That is the mechanism this kind of launch wants; it is not an offer to serve this particular checkpoint.

One more piece of the release worth a look regardless of whether you want the model: N​VIDIA published its post-training datasets alongside it — spans covering agentic tool use, finance, instruction following, long context, fairness and vision-language understanding — plus the RL environments in NeMo Gym. The dataset release is often more reusable than the checkpoint, and it is the part of this launch that costs N​VIDIA the most to give away.

ดูอะไรดี

สี่สิ่งที่จะเปลี่ยนแปลงบทความนี้ โดยเรียงตามลำดับคร่าว ๆ ว่าสิ่งเหล่านั้นจะมีความสำคัญมากน้อยเพียงใด

การวัดประสิทธิภาพแบบอิสระครั้งแรก จาก Artificial Analysis หรือใครก็ตาม ที่ไม่ว่าจะให้ผลเป็นแถว Super VL ที่ข้ออ้าง 5x บอกเป็นนัย หรือปฏิเสธที่จะทำเช่นนั้น จนกว่าจะมีสิ่งนั้น ข้ออ้างด้านประสิทธิภาพหลักของการเปิดตัวก็เป็นเพียงประโยคหนึ่งในข่าวประชาสัมพันธ์ที่มีชื่อตารางอันดับแนบมาด้วย และข้อควรระวังก็ควรถูกกล่าวถึงพร้อมกับตัวเลขนั้นในลมหายใจเดียวกัน

A price. N​VIDIA has told you the hardware, the runtimes and the licence, and withheld the one figure a buyer needs to compare this against a closed model. When NIM pricing appears, the comparison becomes arithmetic instead of positioning.

The Terminal-Bench 2.1 discrepancy — 66.70 on the model card against 60.67 in the technical report. Whichever is right, one of N​VIDIA's two primary documents is wrong, and a corrected re-run would settle several other rows at the same time.

And the walk from "available now" to "actually served." Super VL's benchmark rows compare it against Qwen3.5-122B-A10B, Qwen3.8-Flash-Next, DeepSeek-V4-Flash-0731, GLM-5.3-Flash and N​emotron 3 Ultra 550B A55B — all of which are mature enough to have measured throughput, real prices and production track records. A 12B-active model that ingests video, 1M-token documents and tool calls in one pass is a genuinely useful shape. Whether it earns a routing rule is a question about latency and price stability under load, and N​VIDIA has published the first of those only on its own hardware, under its own workload, in its own units.

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