NVIDIA Nemotron 3.5 Super VL là mô hình trọng số mở hàng đầu của Hoa Kỳ được cấp phép theo giấy phép tự do, và trọng số của nó đã ra mắt trước thông báo của chính nó ba ngày.

Dấu thời gian là phần không ai ghi lại. Kho lưu trữ BF16 cho NVIDIA Nemotron 3.5 Super VL — tên đầy đủ nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 — được tạo trên Hugging Face lúc 15:32:06 UTC ngày 12 tháng 10 năm 2026, cùng với một bản dựng NVFP4 hai mươi bốn giây sau đó và một checkpoint cơ sở mười chín giây trước đó. Bài đăng blog của NVIDIA công bố mô hình này đề ngày 15 tháng 10. Vậy là trong khoảng bảy mươi hai giờ, trọng số của mô hình ngôn ngữ-thị giác mở mạnh nhất của NVIDIA đã có thể tải xuống, được lập chỉ mục và được các bên thứ ba lượng tử hóa, trong khi công ty đào tạo ra nó lại chưa công bố bất cứ điều gì. Đó không phải là rò rỉ và cũng chẳng phải bê bối. Đó là một quy trình phát hành nơi sản phẩm ra mắt trước phần văn bản giới thiệu, và điều này đáng nói thẳng ra vì phần còn lại của bài viết này nói về những con số, và những con số có dấu thời gian của riêng chúng. Trên Chỉ số Trí tuệ của Artificial Analysis, NVIDIA Nemotron 3.5 Super VL đạt 26,49 điểm, không ước tính. Người tiền nhiệm của nó, NVIDIA Nemotron 3 Super 120B A12B, phát hành ngày 11 tháng 3 năm 2026, đạt 12,83 điểm trên cùng bảng đánh giá. Đó là gấp 2,06 lần điểm số, và nó chỉ cần 49.174 token đầu ra cho mỗi tác vụ thay vì 113.823.

Hai điều về so sánh đó cần được nói rõ trước khi đi vào chi tiết. Thứ nhất, 26.49 là con số của bên thứ ba, được đo trên harness của người khác với ngân sách token đã công bố, và trên bảng đánh giá nó được gắn cờ là không ước tính. Điều đó ở đây quan trọng hơn mức thông thường, vì bảng benchmark của chính NVIDIA được trình bày cạnh bảy đối thủ và hai bộ số liệu không phải lúc nào cũng khớp nhau. Thứ hai, tuyên bố dẫn đầu trên tiêu đề là cố ý hẹp. Trong số các mô hình trọng số mở được xây dựng tại Hoa Kỳ, Meta Muse Spark Open đạt điểm cao hơn — 38.87, cũng không ước tính — nhưng nó được phát hành theo một giấy phép thương mại đặt riêng, phía sau một kho lưu trữ có kiểm soát truy cập, khiến nó nằm ở một nhóm mức độ áp dụng khác so với một checkpoint mà bạn có thể tải xuống và triển khai theo OpenMDW-1.1 ngay hôm nay. Trong số các mô hình trọng số mở của Hoa Kỳ được cấp phép theo kiểu permissive trên bảng đó, NVIDIA Nemotron 3.5 Super VL đứng đầu, và mục kế tiếp xếp dưới là Inkling Small với 25.66.

Những gì kho lưu trữ thiết lập, và những gì chỉ bảng điều khiển mới làm được

Thẻ mô hình hoàn thiện một cách bất thường đối với một thứ được phát hành ba ngày trước thông cáo báo chí của chính nó, và nó trả lời rõ ràng các câu hỏi về cấu trúc. NVIDIA Nemotron 3.5 Super VL là một mô hình lai giữa Mamba-2, mixture-of-experts và attention với bộ mã hóa thị giác C-RADIO và bộ kết nối thị giác-ngôn ngữ, 512 chuyên gia được định tuyến mỗi lớp MoE, tổng cộng 120B tham số với 12B tham số hoạt động mỗi token, và cửa sổ ngữ cảnh lên tới 1M token. Multi-Token Prediction gốc cho phép nó giải mã suy đoán mà không cần tải xuống drafter riêng. Đầu vào là văn bản, hình ảnh (JPEG, PNG) và video (MP4 dài tối đa hai phút, được lấy mẫu dưới dạng khung hình); đầu ra chỉ là văn bản. Giấy phép là OpenMDW-1.1, thẻ nêu rõ mô hình đã sẵn sàng cho mục đích sử dụng thương mại hoặc phi thương mại, và NVIDIA báo cáo huấn luyện trên khoảng 26 nghìn tỷ token với khoảng 3,8 triệu mẫu hậu huấn luyện và học tăng cường trên hàng chục môi trường.

• Tổng số tham số / tham số hoạt động — 120B / 12B so với mức 120.6B / 12.7B của mô hình tháng Ba. Gần như giống hệt nhau, và đó chính là điểm mấu chốt: mức cải thiện không đến từ một mô hình lớn hơn.

• Intelligence Index — 26,49 so với 12,83, cả hai đều không phải ước tính, cả hai đều theo Artificial Analysis.

• Số token đầu ra cho mỗi tác vụ lập chỉ mục — 49.174 so với 113.823. Mô hình mới hoàn thành cùng tác vụ đó với ít hơn 56,8% token.

• Ngữ cảnh và đầu ra — 1M token, chỉ xuất văn bản, ở cả hai. Cả hai đều không phải là trình tạo ảnh.

• Mức tối thiểu để triển khai — 4×H100 hoặc 2×GB200 cho BF16 trên NVIDIA Nemotron 3.5 Super VL; có bản dựng NVFP4 cho các cấu hình nhỏ hơn.

• Sức hút cộng đồng — 142 lượt tải xuống và 32 lượt thích trên kho BF16 tại thời điểm viết bài, so với hơn một triệu lượt tải xuống trên phiên bản tiền nhiệm hồi tháng Ba. Khoảng cách đó là ba ngày tuổi đời, chứ không phải ba ngày nhu cầu.

Phân tích năng lực trên bảng đánh giá là nơi 26,49 không còn là một con số duy nhất. Super VL đạt 38,47 điểm về kinh tế, 30,11 về kỹ thuật, 28,11 về pháp lý và 27,19 về tài chính và kế toán, nhưng chỉ 22,57 về chiến lược và vận hành. Chỉ số toàn tri của nó là âm 4,22 — mô hình trả lời sai nhiều hơn đúng các câu hỏi kiểm tra kiến thức của bảng, với tỷ lệ chính xác 23,3% so với tỷ lệ ảo giác 35,8%. Đó không phải là khiếm khuyết riêng của bản phát hành này; đó là hình ảnh của một mô hình mở không được che chắn khi bạn đo lường liệu nó có từ chối trả lời hay không. Trên GDPval-AA, nơi đánh giá các sản phẩm chuyên môn hoàn chỉnh thay vì câu trả lời, nó đạt 1.162,41 điểm, và trên thang điểm AA-Briefcase-Lite, nó ở mức Elo 998,76. Hai hàng đó là những hàng cần theo dõi trong tháng tới, vì chúng đo lường công việc thay vì kiến thức và chúng là những hàng mà một mô hình mở 120B có thể tiếp tục cải thiện một cách hợp lý thông qua huấn luyện sau.

Tuyên bố gấp năm lần, và lý do tại sao số lượng token không phải là giây

Blog của NVIDIA dựa vào tốc độ: “nhanh hơn 5 lần so với mức tốt nhất tiếp theo,” và mô hình “đạt thông lượng nhanh hơn tới 5 lần so với các mô hình khác cùng hạng.” Đó là tuyên bố của nhà cung cấp và không ai ngoài NVIDIA tái lập được nó. Xét theo bằng chứng hiện có, nó cũng không thể kiểm chứng được — cùng ban đánh giá bên thứ ba chấm điểm mô hình lại không công bố giá và không công bố số liệu độ trễ cho nó, nên không có gì để đối chiếu tuyên bố. Thứ có thể kiểm tra được là một đại lượng khác thường bị báo cáo như thể nó là cùng một thứ. Token đầu ra trên mỗi tác vụ là thước đo mô hình nói bao nhiêu, không phải máy chủ xử lý nhanh đến mức nào. 49.174 so với 113.823 là con số thật và đó là mức tăng hiệu quả thực sự — các mô hình nặng về suy luận đốt ngân sách của mình để sinh token — nhưng một mô hình phát ra ít hơn 57% token không vì thế mà nhanh hơn 57%, và chắc chắn không phải nhanh hơn 5 lần. Nó ít hơn 57% token. Hãy tách bạch hai điều đó.

Bảng đối sánh của nhà cung cấp có một vấn đề thứ hai, nhỏ hơn, mà một người đọc kỹ sẽ nhận ra trong khoảng mười giây. Cột đầu tiên của nó được ghi nhãn là "Nemotron 3.5 SuperGA BF16", chứ không phải "Super VL." Xét việc mục Model Version của thẻ ghi là v1.0 — GA, thì rất có thể đây là một nhãn release-candidate còn sót lại trong tài liệu công khai chứ không phải một mô hình khác. Dù thế nào đi nữa, đây là kiểu lỗi sơ suất cho thấy đợt rà soát tài liệu diễn ra sau khi trọng số đã được đưa lên, điều này khớp với khoảng cách ba ngày. Ở cột đó, NVIDIA báo cáo GPQA-Diamond 89.52, HLE text-only 31.79, Terminal-Bench 2.1 66.70, SWE-bench Verified 71.10, BrowseComp 78 và Video-MME v2 32.85, với toàn bộ tập cột so sánh kéo dài tới Qwen3.5-122B-A10B, Qwen3.8-Flash-Next, DeepSeek-V4-Flash-0731, Nemotron 3 Ultra, Inkling-Small và GLM-5.3-Flash. Tất cả đều do nhà cung cấp báo cáo thông qua NeMo Gym, và NVIDIA công bố các recipe, prompt, parser cùng cài đặt tính điểm để bất kỳ ai cũng có thể chạy lại. Đó là thực hành tốt hơn phần lớn, và nó vẫn không phải là một kết quả độc lập.

Vị trí thực sự của nó trong các mô hình trọng số mở của Mỹ

Sắp xếp bảng xếp hạng theo các mô hình trọng số mở từ các phòng thí nghiệm Hoa Kỳ và cục diện của lĩnh vực hiện ra rõ ràng. Meta Muse Spark Open dẫn đầu với 38,87 nhưng là một mô hình 816B tham số theo Giấy phép Muse Model, bị kiểm soát truy cập trên Hub, và là một đề xuất khác để áp dụng. Bên dưới NVIDIA Nemotron 3.5 Super VL ở 26,49 là Inkling Small ở 25,66 và Inkling ở 24,98 từ Thinking Machines, cả hai đều có giấy phép thông thoáng. Tiếp theo là NVIDIA Nemotron 3 Ultra 550B A55B của chính NVIDIA ở 22,93, và NVIDIA Nemotron 3.5 Bolt 74B-A9B — ra mắt cùng ngày với Super VL — ở 21,41 cho một mô hình 74B vừa trong 24GB bộ nhớ. Điều thú vị về mặt cấu trúc là Super VL đánh bại mô hình chủ lực 550B của chính công ty nó tới 3,6 điểm chỉ số trong khi kích thước trên đĩa và số tham số hoạt động chưa bằng một phần tư. Đó là kết quả mà toàn bộ chương trình hybrid-MoE nhắm tới, và trên bảng xếp hạng này, nó đã thành hiện thực.

Nó cũng đặt ra chuẩn mực thực sự cho vài tháng tới. Khoảng cách với Muse Spark Open là 12,4 điểm, và khoảng cách tới các mô hình trọng số mở hàng đầu của Trung Quốc còn lớn hơn nữa — MiMo-V2.6-Pro ở 46,32, GLM-5.3 ở 44,78, Kimi K3 ở 43,59. Câu trả lời của NVIDIA cho khoảng cách đó không phải là một mô hình lớn hơn; mà là hậu huấn luyện, trên dữ liệu của bạn, trên hệ thống máy chủ của bạn, cùng với các bộ dữ liệu và môi trường NeMo Gym được công bố song song với trọng số. Liệu điều đó có thu hẹp khoảng cách hay không vẫn là một câu hỏi mở, và bản phát hành này không giải quyết được điều đó.

Chi phí để vận hành là bao nhiêu, và con số duy nhất còn thiếu

Checkpoint BF16 phục vụ trên 4×H100 hoặc 2×GB200, với việc NVIDIA công bố các recipe vLLM và SGLang cùng ghim những container tag cụ thể — vLLM v0.32.0 hoặc một bản nightly có tên cụ thể, SGLang v0.5.20 — đây là một tín hiệu hữu ích cho thấy các kernel mới được đưa vào gần đây đến mức nào. Bản dựng NVFP4 là bản mà hầu hết các đội sẽ thực sự chạy. Điều chưa ai công bố là giá. Không có mức giá theo token trên bảng điều khiển, không có giá niêm yết NIM trong thông báo, và không có mức giá phục vụ của bên thứ ba để người mua có thể so sánh. Với một model ở tình thế này con đường thực tế chính là con đường chúng tôi vận hành trên: OrcaRouter đưa giá niêm yết của nhà cung cấp đi thẳng qua với 0% markup trên hơn 200 model chỉ với một key duy nhất, nên khi NVIDIA hoặc một nhà cung cấp công bố mức giá cho checkpoint này, nó sẽ xuất hiện ở mức giá gốc thay vì cộng thêm chênh lệch, và tự động chuyển đổi dự phòng nghĩa là một checkpoint mới ra đời một ngày có thể gánh một phần lưu lượng trong khi một model đã được chứng minh giữ phần còn lại. Để nói chính xác về điều mà nó không có nghĩa vào hôm nay: model cụ thể này vẫn chưa có trong danh mục của chúng tôi, ba ngày sau khi trọng số của nó được đăng lên, vì chưa có ai phục vụ nó một cách đáng tin cậy. Đó là một nhận định về tính sẵn có, không phải về model.

Xem gì tiếp theo

Ba điều sẽ quyết định liệu sau sáu tháng, bản phát hành này được nhìn nhận là một bước ngoặt hay chỉ là một chú thích. Điều đầu tiên là một đánh giá độc lập thứ hai — điểm số của hội đồng đánh giá mới chỉ là một, và một thì chưa tạo thành xu hướng. Điều thứ hai là liệu tuyên bố thông lượng gấp 5 lần có trụ được khi tiếp xúc với một đơn vị đo chuẩn trung lập hay không, bởi bằng chứng về số token ủng hộ tính hiệu quả và không nói gì về độ trễ. Điều thứ ba là hệ sinh thái hậu huấn luyện: NVIDIA liệt kê Scale AI, AfterQuery, AI21, Mercor, Atlassian, CrowdStrike, Dassault Systèmes, Salesforce và những đơn vị khác đang xây dựng trên đó, và câu hỏi thú vị về một mô hình mở hiếm khi là nhà cung cấp đã phát hành cái gì — mà là những người khác làm gì với nó sau đó. Dựa trên bằng chứng hiện có tính đến ngày 16 tháng 10 năm 2026, NVIDIA Nemotron 3.5 Super VL là mô hình trọng số mở được cấp phép thông thoáng mạnh nhất từng ra đời từ một phòng thí nghiệm Hoa Kỳ, nó đạt được điều đó với số lượng tham số không đổi bằng cách cắt hơn một nửa ngân sách suy luận của chính mình, và nó làm điều đó đủ âm thầm đến mức những người đầu tiên nhận ra là các nhà lượng tử hóa.