Nemotron 3.5 Super VL เทียบกับ Nemotron 3.5 Super VL 120B: โมเดลเดียว ห้าไฟล์ สามพฤติกรรมที่แตกต่างกัน

This comparison exists because a search box made it. NVIDIA Nemotron 3.5 Super VL and NVIDIA Nemotron 3.5 Super VL 120B are not two models. They are one checkpoint written down two ways, and no benchmark separates them because there is nothing to separate: the 120B is the parameter count of the Super VL, and the shorter string is what the marketing page calls the file whose full repository name is nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16. The naming confusion around this checkpoint is the kind of thing that ends up in a postmortem, and the recorded incidents are catalogued in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

ดังนั้นบทความแบบเทียบกันตัวต่อตัวจึงเป็นบทความที่ผิด เวอร์ชันที่มีประโยชน์คือเวอร์ชันที่ต่อยอดจากความสับสนเดียวกัน: ถ้าทั้งสองชื่อชี้ไปที่โมเดลเดียวกัน ทำไมการดาวน์โหลด "Nemotron 3.5 Super VL" ถึงให้คลังเก็บห้าคลัง ขนาดดาวน์โหลดสามขนาด และสถาปัตยกรรมสองแบบ แล้วคุณกำลังได้อันไหนกันแน่

การตั้งชื่อที่กระจ่างชัด

NVIDIA ใช้ป้ายกำกับสามป้ายที่ทับซ้อนกันสำหรับการเปิดตัวหนึ่งครั้ง และป้ายเหล่านี้ซ้อนกันแทนที่จะขัดแย้งกัน

• Nemotron 3.5 Super VL — ชื่อผลิตภัณฑ์ ซึ่งเป็นชื่อที่โพสต์บล็อก คณะผู้อภิปราย และบทความข่าวทุกชิ้นใช้เรียก

• Nemotron 3.5 Super VL 120B — ชื่อเดียวกันโดยมีจำนวนพารามิเตอร์ต่อท้าย มักพบในตารางเปรียบเทียบและรายการแคตตาล็อก รวมถึงรายการที่สร้างหน้านี้ขึ้นมา

• NVIDIA-Nemotron-3.5-Super-VL-120B-A12B — ชื่อฐานของรีโพซิทอรี ซึ่งเพิ่มจำนวนพารามิเตอร์ที่ใช้งานอยู่ อาร์ติแฟกต์ที่ดาวน์โหลดได้ทุกชิ้นจะขึ้นอยู่กับชื่อนี้: BF16, NVFP4, Base และดราฟเตอร์ NVFP4 LiLiCorr

ทั้งสามตัวนั้นไม่ใช่โมเดลที่แตกต่างกัน สิ่งที่แตกต่างกันจริง ๆ อยู่ในระดับถัดลงไป คือคำต่อท้ายที่ระบุความแม่นยำและการฝึกหลังการฝึก และนั่นคือจุดที่มีการตัดสินใจอย่างแท้จริง

ไฟล์ทั้งห้า และแต่ละไฟล์คืออะไรกันแน่

ทั้งห้าปรากฏขึ้นห่างกันประมาณสี่วัน และเวลาประทับการสร้างของทั้งห้าคือหลักฐานการเผยแพร่ที่เชื่อถือได้ที่สุดเท่าที่มี — เชื่อถือได้มากกว่าวันที่ประกาศ ซึ่งมาหลังจากทั้งห้ารายการนั้น

• ...-120B-A12B-Base-BF16 — สร้างเมื่อ 2026-10-12T15:31:49Z เช็กพอยต์ก่อนการทำ post-training ไม่มีการปรับแต่งตามคำสั่ง ไม่มีการฝึกใช้เครื่องมือ ไม่มีโหมดการให้เหตุผล นี่คือจุดเริ่มต้นหากคุณตั้งใจจะทำ post-training ด้วยตัวเอง และมันจะไร้ประโยชน์สำหรับคุณหากคุณไม่ทำ

• ...-120B-A12B-BF16 — สร้างเมื่อ 15:32:06Z ซึ่งเป็นเวลาห่างออกไป 17 วินาที โมเดล instruct ที่เสร็จสมบูรณ์แล้ว ความแม่นยำเต็มรูปแบบ ประมาณ 249 GB กระจายอยู่ใน 63 shard สูตรการให้บริการของ NVIDIA คือ tensor parallelism 4 บน H100s หรือ 2 บน GB200

• ...-120B-A12B-NVFP4 — สร้างเมื่อ 15:32:30Z น้ำหนักหลังการฝึกชุดเดียวกัน ซึ่งถูกควอนไทซ์เป็น 4 บิตระหว่างการฝึกแทนที่จะทำหลังการฝึก ประมาณ 75 GB นี่คือไฟล์ที่คนส่วนใหญ่จะนำไปให้บริการจริง และรันได้บน H200 หนึ่งเครื่อง, H100 สองเครื่อง, GB200 หนึ่งเครื่อง หรือ DGX Spark เพียงเครื่องเดียว

• ...-120B-A12B-NVFP4-LiLiCorr — สร้างเมื่อ 2026-10-11T20:20:59Z ก่อนหน้าตัวอื่นหนึ่งวันและก่อนที่จะมีประกาศใด ๆ เกิดขึ้น ไม่ใช่โมเดลในความหมายปกติ แต่เป็นตัวร่างสำหรับ speculative decoding ซึ่งต่อมาบล็อกของ NVIDIA ระบุว่าเป็นตัวที่แนะนำสำหรับการอินเฟอเรนซ์ความหน่วงต่ำบน DGX Spark

• GGUF และการควอนไทซ์จากชุมชน — เป็นผลที่ได้จากการแปลง ไม่ได้เผยแพร่โดย NVIDIA และอยู่นอกขอบเขตของสิ่งที่ผู้จำหน่ายรายงาน

ถ้าคุณมาที่นี่เพื่อหา “สองตัวนี้ตัวไหนดีกว่า” คำตอบคือ สองในห้ารายการนั้นไม่ใช่ตัวเลือกที่ใช้แทนกันได้เลย: base checkpoint กับ instruct checkpoint เป็นคนละขั้นของการฝึกครั้งเดียวกัน และ drafter ไม่ใช่โมเดลที่คุณจะเรียกใช้โดยตรง

อะไรเปลี่ยนแปลงไประหว่างบิลด์ความแม่นยำเต็มกับบิลด์ 4 บิต

นี่เป็นการเปรียบเทียบเพียงกรณีเดียวในความยุ่งเหยิงเรื่องการตั้งชื่อที่มีผลกระทบจริง และยังเป็นกรณีที่มีหลักฐานอิสระน้อยที่สุดด้วย

• ดิสก์และหน่วยความจำ — 248.94 GB สำหรับ BF16, 75.06 GB สำหรับ NVFP4 ความต่าง 174 GB ซึ่งเป็นความต่างระหว่าง H100 สี่ตัวกับสองตัว

• ด้านรูปแบบตัวเลข — NVFP4 ทำงานแบบ W4A4 บน Blackwell และแบบ W4A16 บนฮาร์ดแวร์รุ่นเก่า การควอนไทซ์จะถูกนำไปใช้ระหว่างการฝึกด้วยการกลั่นความรู้ ซึ่ง NVIDIA กล่าวว่าช่วยปิดช่องว่างด้านความแม่นยำที่การควอนไทซ์แบบภายหลัง (post-hoc) เปิดขึ้นมา

• ข้ออ้างด้านความแม่นยำ — NVIDIA รายงานว่าการฟื้นคืนความแม่นยำค่ามัธยฐานอยู่ที่ 99.62% เมื่อเทียบกับข้อมูลอ้างอิง BF16 นี่เป็นตัวเลขของผู้ขายบนชุดทดสอบของผู้ขายเอง และเป็นตัวเลขที่ยังไม่ได้รับการยืนยันซึ่งเป็นเสาหลักมากที่สุดเพียงตัวเดียวในรีลีสทั้งหมด

• การประเมินโดยอิสระ — ไม่มี Artificial Analysis ให้คะแนนโมเดลนี้ไว้ที่ 26.49 บน Intelligence Index ของตน โดยเป็นค่าที่ไม่ได้มาจากการประมาณ แต่ไม่ได้เผยแพร่แถวแยกต่างหากสำหรับบิลด์ NVFP4 ตัวเลขจากบุคคลที่สามทุกรายที่คุณเคยเห็นสำหรับโมเดลนี้ล้วนเป็นการวัดที่ความแม่นยำเต็มรูปแบบหรือค่าที่ผู้ให้บริการตั้งไว้เป็นค่าเริ่มต้น

• โอเวอร์เฮดด้านประสิทธิภาพ — NVIDIA ระบุว่าไม่มีเลย เนื่องจากการควอนไทเซชันเกิดขึ้นระหว่างการเทรน ไม่ใช่เป็นขั้นตอนขณะรันไทม์

อ่านค่า 99.62% อย่างละเอียดก่อนวางแผนโดยอิงกับค่านี้ “การฟื้นคืนความแม่นยำระดับมัธยฐาน” จากชุดการประเมินที่ไม่ระบุชื่อ ไม่ใช่ข้อกล่าวอ้างเดียวกันกับ “สูญเสียความสามารถไป 0.38%” ค่ามัธยฐานอาจอยู่ที่ 99.62% ขณะที่แต่ละ benchmark เคลื่อนไหวหลายจุดในทั้งสองทิศทาง และหากไม่มีการกระจายราย benchmark ตัวเลขนี้ก็บอกคุณได้น้อยกว่าที่ดูเหมือน หากเวิร์กโหลดของคุณไวต่อความสามารถเฉพาะด้าน — OCR เอกสารยาว, การดึงข้อมูลจากแผนภูมิ, video grounding — วิธีเดียวที่หนักแน่นคือรันทั้งสองบิลด์กับข้อมูลของคุณเอง เพราะ NVIDIA ยังไม่ได้เผยแพร่แถวข้อมูลที่คุณจะต้องใช้

base checkpoint คือตัวที่ไม่มีใครวัดประสิทธิภาพ

ในบรรดาห้าไฟล์นั้น base build คือสิ่งที่ถูกพูดถึงน้อยที่สุดและน่าสนใจที่สุดหากคุณมีแผนการ post-training มันมีโครงสร้างรวม 120B และ active 12B แบบเดียวกัน มีแบ็กโบนไฮบริดแบบเดียวกัน และมีวิชันเอนโคเดอร์แบบเดียวกัน และมันหยุดก่อนไปป์ไลน์ post-training หกขั้นตอนที่สร้าง instruct model — ไปป์ไลน์ที่ NVIDIA ยังเผยแพร่ชุดข้อมูล SFT และ RL ของมันด้วย ทั้งสิบเอ็ดชุด ภายในช่วงเวลา 61 ชั่วโมงในสัปดาห์เดียวกัน

สิ่งที่มันไม่ได้มีคือตาราง benchmark ที่ใช้งานได้ การ์ดของมันรัน MMLU และ MMLU-Pro; การ์ดแบบ post-trained ตัด MMLU ออกทั้งหมดแล้วหันไปใช้ MMLU-ProX และเพิ่มชุดทดสอบระดับ agentic และ harness-level สองชุดนี้ทับซ้อนกันไม่มากพอที่จะตอบคำถามว่า "post-training เพิ่มมาเท่าไร" ซึ่งหมายความว่าวิธีเดียวที่จะประเมินคำถามนั้นคือรันทั้งสองชุดด้วยตัวเอง น้ำหนักแบบเปิดทำให้สิ่งนั้นเป็นไปได้ แต่ไม่ได้ทำให้มันฟรี

ทำไมถึงมีชื่อซ้ำกันอยู่เลย

สามอาร์ติแฟกต์ สามกลุ่มผู้ชม หนึ่งการเปิดตัว โพสต์บล็อกต้องการชื่อผลิตภัณฑ์ที่สั้นพอสำหรับพาดหัว: Nemotron 3.5 Super VL แคตตาล็อกหรือตารางเปรียบเทียบต้องการสิ่งที่เรียงลำดับได้และไม่กำกวมทั่วทั้งตระกูลซึ่งมี Bolt 74B, Bolt E4B และ Lightning 30B รวมอยู่ด้วย: การเติม 120B ต่อท้ายช่วยให้เป็นเช่นนั้น Hub ต้องการชื่อรีโพซิทอรีที่ฝังข้อมูลความแม่นยำและพารามิเตอร์ที่ใช้งานไว้ เพื่อให้สคริปต์เลือกไฟล์ได้โดยไม่ต้องให้มนุษย์อ่านคำอธิบาย

ต้นทุนของการซ้อนชั้นนั้นคือการค้นหา สองสตริงที่หมายถึงสิ่งเดียวกันแข่งขันกันสำหรับคิวรีเดียวกัน และผู้อ่านที่พิมพ์หนึ่งในนั้นจะไปเจอหน้าคำตอบเชิงเปรียบเทียบที่ถามว่าตัวไหนดีกว่า คำตอบที่มีประโยชน์สำหรับคิวรีนั้นคือคำตอบด้านบน: พวกมันเป็นไฟล์เดียวกัน นี่คือห้าสิ่งที่ชื่อนี้สามารถอ้างถึงได้จริง และนี่คือวิธีบอกว่าคุณมีอันไหน

สิ่งนี้หมายความว่าอย่างไรหากคุณเรียกใช้งานมันแทนที่จะดาวน์โหลด

ผ่าน API ปัญหาเรื่องการตั้งชื่อส่วนใหญ่ก็หายไป เพราะผู้ให้บริการได้เลือกบิลด์ให้คุณแล้ว — และนั่นคือจุดที่ความกำกวมที่เหลืออยู่ย้ายไปแทน คณะผู้ตรวจสอบอิสระติดตามเซิร์ฟเวอร์เจ็ดเครื่องสำหรับเช็กพอยต์นี้ และอัตราที่เผยแพร่สำหรับน้ำหนักชุดเดียวกันอยู่ในช่วง $0.10 ถึง $0.20 ต่อหนึ่งล้านโทเค็นอินพุต และ $0.40 ถึง $0.50 ต่อหนึ่งล้านโทเค็นเอาต์พุต สองรายการในนั้นเป็นบิลด์ NVFP4 อย่างชัดเจน ส่วนที่เหลือไม่ได้ระบุ และอัตราที่ไม่มีความแม่นยำ (precision) คืออัตราที่คุณไม่สามารถเปรียบเทียบกับอัตราอื่นได้

นั่นคือเวอร์ชันที่ใช้ได้จริงของคำถามที่หน้าเว็บนี้เริ่มต้นขึ้นมา ชื่อโมเดลหนึ่งชื่อชี้ไปยังสถาปัตยกรรมเดียวและไฟล์ห้าไฟล์ ราคาไม่ได้บอกคุณว่าคุณกำลังจ่ายเงินให้ไฟล์ไหน การถามผู้ให้บริการว่าเขาให้บริการบิลด์ใด และตัวเลขอัตราการประมวลผลของพวกเขาวัดบน BF16 หรือ FP4 เป็นคำถามที่มีประโยชน์กว่าการเทียบกันตรงๆ ระหว่างการสะกดชื่อที่ต่างกันสองแบบของเช็กพอยต์เดียวกัน

ในส่วนของเรา ข้อความที่ตรงไปตรงมาก็สั้น ๆ ว่า: checkpoint นี้ไม่ได้อยู่ในแคตตาล็อกของ OrcaRouter รายการโมเดลมีไอดีมากกว่า 200 รายการเล็กน้อย และวันนี้ยังไม่มีรายการ NVIDIA อยู่ในนั้น ดังนั้นไม่มีอะไรตรงนี้ที่เป็นข้อเสนอให้เปิดให้บริการโมเดลนี้ สิ่งที่แพลตฟอร์มมีให้ซึ่งเกี่ยวข้องกับชื่อที่กำกวมขนาดนี้ คือเลเยอร์การกำหนดเส้นทางที่เก็บสตริงชื่อโมเดลไว้ที่เดียว: เมื่อมีตัวแปรพร้อมใช้งานจริง จุดที่เรียกใช้งานไม่ต้องเปลี่ยน สามารถแยกทราฟฟิกไปยังผู้ให้บริการสองรายของ checkpoint เดียวกัน เพื่อเปรียบเทียบกันบนเวิร์กโหลดของคุณเอง และระบบ failover อัตโนมัติรองรับกรณีที่ผู้ให้บริการรายใดรายหนึ่งเสื่อมประสิทธิภาพลง ราคาตามรายการของผู้ให้บริการถูกส่งต่อโดยบวกเพิ่ม 0% ซึ่งสำคัญตรงนี้โดยเฉพาะเพราะส่วนต่างราคาของโมเดลนี้อยู่ที่ 2 เท่า และคุณน่าจะอยากเห็นมันมากกว่าปล่อยให้มันถูกกลืนเข้าไปในมาร์จิ้น

คำตอบสั้น ๆ สำหรับผู้อ่านที่ค้นหาชื่อยาว

Nemotron 3.5 Super VL และ Nemotron 3.5 Super VL 120B เป็นโมเดลเดียวกัน โดยเผยแพร่เป็นน้ำหนักโมเดลเมื่อวันที่ 12 ตุลาคม 2026 และประกาศเมื่อวันที่ 15 ตุลาคม 2026 มีพารามิเตอร์รวม 120 พันล้านตัว เปิดใช้งาน 12 พันล้านตัว รองรับคอนเท็กซ์ 1M โทเคน อินพุตข้อความ รูปภาพ และวิดีโอ และใช้สัญญาอนุญาต OpenMDW-1.1 หากคุณกำลังเลือกระหว่างสิ่งต่าง ๆ ตัวเลือกนั้นไม่ใช่ระหว่างสองชื่อนี้ แต่เป็นระหว่าง BF16 กับ NVFP4 ระหว่าง checkpoint แบบ base กับแบบ instruct และระหว่างเซิร์ฟเวอร์ที่ราคาและความแม่นยำไม่ได้ระบุในหน่วยเดียวกัน นี่คือการตัดสินใจจริงสามข้อ ส่วนชื่อไม่ใช่หนึ่งในนั้น